【OpenCV入门指南】第七篇线段检测与圆检测

最新推荐文章于 2024-08-18 10:27:41 发布

这是什么地方啊啊

最新推荐文章于 2024-08-18 10:27:41 发布

阅读量135

点赞数

本文链接：https://blog.csdn.net/ffygvf/article/details/83867424

版权

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

【OpenCV入门指南】第七篇线段检测与圆检测

在《【OpenCV入门指南】第五篇轮廓检测上》与《【OpenCV入门指南】第六篇轮廓检测下》讲解了OpenCV的轮廓检测。本篇将讲解在OpenCV中使用线段检测与圆检测。

线段检测与圆检测主要运用Hough变换，Hough变换是一种利用图像的全局特征将特定形状的边缘连接起来，形成连续平滑边缘的一种方法。它通过将源图像上的点影射到用于累加的参数空间，实现对已知解析式曲线进行识别。

在OpenCV编程中，线段检测和圆检测已经封装成函数了，直接使用cvHoughLines2和cvHoughCircles即可，下面来看看函数介绍和实际代码。

《OpenCV入门指南》系列文章地址：http://blog.csdn.net/morewindows/article/category/863841

函数功能：检测图像中的线段

函数原型：

CvSeq* cvHoughLines2(

CvArr* image,

void* line_storage,

int method,

double rho,

double theta,

int threshold,

double param1=0, double param2=0

);

参数说明：

第一个参数表示输入图像，必须为二值图像（黑白图）。

第二个参数表示存储容器，和上一篇的轮廓检测一样，可以传入CvMemStorage类型的指针。

第三个参数表示变换变量，可以取下面的值：

CV_HOUGH_STANDARD - 传统或标准 Hough 变换. 每一个线段由两个浮点数 (ρ, θ) 表示，其中 ρ 是线段与原点 (0,0) 之间的距离，θ 线段与 x-轴之间的夹角。

CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割，则效率更高)。它返回线段分割而不是整个线段。每个分割用起点和终点来表示。

CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。

第四个参数表示与象素相关单位的距离精度。

第五个参数表示弧度测量的角度精度。

第六个参数表示检测线段的最大条数，如果已经检测这么多条线段，函数返回。

第七个参数与第三个参数有关，其意义如下：

对传统 Hough 变换，不使用(0).

对概率 Hough 变换，它是最小线段长度.

对多尺度 Hough 变换，它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).

第八个参数与第三个参数有关，其意义如下：

对传统 Hough 变换，不使用 (0).

对概率 Hough 变换，这个参数表示在同一条线段上进行碎线段连接的最大间隔值(gap), 即当同一条线段上的两条碎线段之间的间隔小于param2时，将其合二为一。

对多尺度 Hough 变换，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).

线段检测的原理还是有点复杂，有兴趣请阅读专业书籍，下面给一个份示例代码：

// 图像中的线段检测//By MoreWindows (http://blog.csdn.net/MoreWindows)#include <opencv2/opencv.hpp>using namespace std;#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")int main(){  const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)"; const char *pstrWindowsLineName = "线段检测"; // 从文件中加载原图 IplImage *pSrcImage = cvLoadImage("201.jpg", CV_LOAD_IMAGE_UNCHANGED); // 灰度图 IplImage *pGrayImage =  cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1); cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY); // 边缘图 IplImage *pCannyImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1); cvCanny(pGrayImage, pCannyImage, 30, 90); //cvSmooth(pCannyImage, pCannyImage); // 线段检测(只能针对二值图像) CvMemStorage *pcvMStorage = cvCreateMemStorage(); double fRho = 1; double fTheta = CV_PI / 180; int nMaxLineNumber = 50;   //最多检测条直线 double fMinLineLen = 50;   //最小线段长度 double fMinLineGap = 10;   //最小线段间隔 CvSeq *pcvSeqLines = cvHoughLines2(pCannyImage, pcvMStorage, CV_HOUGH_PROBABILISTIC, fRho, fTheta, nMaxLineNumber, fMinLineLen, fMinLineGap);  // 绘制线段 IplImage *pColorImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3); cvCvtColor(pCannyImage, pColorImage, CV_GRAY2BGR); int i; for(i = 0; i < pcvSeqLines->total; i++) {  CvPoint* line = (CvPoint*)cvGetSeqElem(pcvSeqLines, i);  cvLine(pColorImage, line[0], line[1], CV_RGB(255,0,0), 2); } cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE); cvShowImage(pstrWindowsSrcTitle, pSrcImage); cvNamedWindow(pstrWindowsLineName, CV_WINDOW_AUTOSIZE); cvShowImage(pstrWindowsLineName, pColorImage); cvWaitKey(0); cvReleaseMemStorage(&pcvMStorage); cvDestroyWindow(pstrWindowsSrcTitle); cvDestroyWindow(pstrWindowsLineName); cvReleaseImage(&pSrcImage); cvReleaseImage(&pGrayImage); cvReleaseImage(&pCannyImage); cvReleaseImage(&pColorImage); return 0;}

运行结果如下：

圆检测函数要用到cvHoughCircles这个函数的函数原形如下：

CVAPI(CvSeq*) cvHoughCircles(

CvArr* image, void* circle_storage,

int method,

double dp,

double min_dist,

double param1 CV_DEFAULT(100),

double param2 CV_DEFAULT(100),

int min_radius CV_DEFAULT(0),

int max_radius CV_DEFAULT(0)

);

可以看出cvHoughCircles与上面的cvHoughLines2函数比较类似，因此讲下部分参数的意思就可以了：

第二个参数表示Hough变换方式，目前只能用CV_HOUGH_GRADIENT。

第三个参数表示寻找圆弧圆心的累计分辨率，通常设置成1就可以了。

第四个参数表示两个不同圆之间的最小距离，由于是按圆心来计算距离的，因此对同心圆的检测就无能为力了。

注意，圆检测函数可以使用灰度图。

圆检测的代码如下：

// 图像中的圆检测//By MoreWindows (http://blog.csdn.net/MoreWindows)#include <opencv2/opencv.hpp>using namespace std;#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")int main(){  const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)"; const char *pstrWindowsLineName = "圆检测"; // 从文件中加载原图 IplImage *pSrcImage = cvLoadImage("201.jpg", CV_LOAD_IMAGE_UNCHANGED); // 灰度图 IplImage *pGrayImage =  cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1); cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY); //cvSmooth(pGrayImage, pGrayImage); // 圆检测(灰度图) CvMemStorage *pcvMStorage = cvCreateMemStorage(); double fMinCircleGap = pGrayImage->height / 10; CvSeq *pcvSeqCircles = cvHoughCircles(pGrayImage, pcvMStorage, CV_HOUGH_GRADIENT, 1, fMinCircleGap); //每个圆由三个浮点数表示：圆心坐标(x,y)和半径 // 绘制直线 IplImage *pColorImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3); cvCvtColor(pGrayImage, pColorImage, CV_GRAY2BGR); int i; for (i = 0; i < pcvSeqCircles->total; i++) {  float* p = (float*)cvGetSeqElem(pcvSeqCircles, i);  cvCircle(pColorImage, cvPoint(cvRound(p[0]), cvRound(p[1])), cvRound(p[2]), CV_RGB(255, 0, 0), 2); } cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE); cvShowImage(pstrWindowsSrcTitle, pSrcImage); cvNamedWindow(pstrWindowsLineName, CV_WINDOW_AUTOSIZE); cvShowImage(pstrWindowsLineName, pColorImage); cvWaitKey(0); cvReleaseMemStorage(&pcvMStorage); cvDestroyWindow(pstrWindowsSrcTitle); cvDestroyWindow(pstrWindowsLineName); cvReleaseImage(&pSrcImage); cvReleaseImage(&pGrayImage); cvReleaseImage(&pColorImage); return 0;}