霍夫变换(直线)
原理摘自:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html
霍夫线变换
- 霍夫线变换是一种用来寻找直线的方法.
- 是用霍夫线变换之前, 首先要对图像进行边缘检测的处理,也即霍夫线变换的直接输入只能是边缘二值图像.
它是如何实现的?
-
众所周知, 一条直线在图像二维空间可由两个变量表示. 例如:
- 在 笛卡尔坐标系: 可由参数:
斜率和截距表示.
- 在 极坐标系: 可由参数:
极径和极角表示
对于霍夫变换, 我们将用 极坐标系 来表示直线. 因此, 直线的表达式可为:
化简得:
- 在 笛卡尔坐标系: 可由参数:
-
一般来说对于点
, 我们可以将通过这个点的一族直线统一定义为:
这就意味着每一对
代表一条通过点
的直线.
-
如果对于一个给定点
我们在极坐标对极径极角平面绘出所有通过它的直线, 将得到一条正弦曲线. 例如, 对于给定点
and
我们可以绘出下图 (在平面
-
):
只绘出满足下列条件的点
and
.
-
我们可以对图像中所有的点进行上述操作. 如果两个不同点进行上述操作后得到的曲线在平面
-
相交, 这就意味着它们通过同一条直线. 例如, 接上面的例子我们继续对点:
,
和点
,
绘图, 得到下图:
这三条曲线在
-
平面相交于点
, 坐标表示的是参数对 (
) 或者是说点
, 点
和点
组成的平面内的的直线.
-
那么以上的材料要说明什么呢? 这意味着一般来说, 一条直线能够通过在平面
-
寻找交于一点的曲线数量来 检测. 越多曲线交于一点也就意味着这个交点表示的直线由更多的点组成. 一般来说我们可以通过设置直线上点的 阈值 来定义多少条曲线交于一点我们才认为 检测 到了一条直线.
-
这就是霍夫线变换要做的. 它追踪图像中每个点对应曲线间的交点. 如果交于一点的曲线的数量超过了 阈值, 那么可以认为这个交点所代表的参数对
在原图像中为一条直线.
标准霍夫线变换和统计概率霍夫线变换
OpenCV实现了以下两种霍夫线变换:
- 标准霍夫线变换
- 原理在上面的部分已经说明了. 它能给我们提供一组参数对
的集合来表示检测到的直线
- 在OpenCV 中通过函数 HoughLines 来实现
- 统计概率霍夫线变换
- 这是执行起来效率更高的霍夫线变换. 它输出检测到的直线的端点
- 在OpenCV 中它通过函数 HoughLinesP 来实现
代码:
// ConsoleApplication3_6_23.cpp : Defines the entry point for the console application.
//
#include "stdafx.h"
#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{
Mat src,gray,dst,result;
src = imread("test.png");
if(!src.data)
return -1;
result = src.clone();
cvtColor(src,gray,CV_RGB2GRAY);
Canny(src,dst,50,200,3);
#if 1
vector<Vec2f> lines;
HoughLines(dst,lines,1,CV_PI/180,100,0,0);
for (size_t i = 0;i < lines.size();++i)
{
float r = lines[i][0];
float t = lines[i][1];
Point p1,p2;
double a = cos(r),b = sin(t);
double x0 = a * r;
double y0 = b * r;
p1.x = cvRound(x0 + 1000*(-b));
p1.y = cvRound(y0 + 1000*(a));
p2.x = cvRound(x0 - 1000*(-b));
p2.y = cvRound(y0 - 1000*(a));
line(result,p1,p2,Scalar(255,0,0),1,CV_AA);
}
#else
vector<Vec4i> lines;
HoughLinesP(dst,lines,1,CV_PI/180,50,50,10);
for (size_t i = 0;i < lines.size();++i)
{
Vec4i I = lines[i];
line(result,Point(I[0],I[1]),Point(I[2],I[3]),Scalar(0,0,255),1,CV_AA);
}
#endif
namedWindow("原图",CV_WINDOW_AUTOSIZE);
imshow("原图",src);
namedWindow("直线检测",CV_WINDOW_AUTOSIZE);
imshow("直线检测",result);
waitKey(0);
return 0;
}
2、霍夫变换(圆)
// ConsoleApplication3_6_23.cpp : Defines the entry point for the console application.
//
#include "stdafx.h"
#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{
Mat src,gray,dst,result;
src = imread("test1.jpg");
if(!src.data)
return -1;
src.copyTo(result);
cvtColor(src,gray,CV_RGB2GRAY);
GaussianBlur(gray,gray,Size(9,9),2,2);
vector<Vec3f> circles;
HoughCircles( gray, circles, CV_HOUGH_GRADIENT, 1, gray.rows/10, 100, 100, 0, 0 );
for (size_t i = 0;i < circles.size();++i)
{
Point cent(cvRound(circles[i][0]),cvRound(circles[i][1]));
int rad = cvRound(circles[i][2]);
circle( src, cent, 3, Scalar(0,255,0), -1, 8, 0 );
circle( src, cent, rad, Scalar(0,0,255), 3, 8, 0 );
}
namedWindow("原图",CV_WINDOW_AUTOSIZE);
namedWindow("圆检测",CV_WINDOW_AUTOSIZE);
imshow("原图",result);
imshow("圆检测",src);
waitKey(0);
return 0;
}
函数带有以下自变量:
- src_gray: 输入图像 (灰度图)
- circles: 存储下面三个参数:
集合的容器来表示每个检测到的圆.
- CV_HOUGH_GRADIENT: 指定检测方法. 现在OpenCV中只有霍夫梯度法
- dp = 1: 累加器图像的反比分辨率
- min_dist = src_gray.rows/8: 检测到圆心之间的最小距离
- param_1 = 200: Canny边缘函数的高阈值
- param_2 = 100: 圆心检测阈值.
- min_radius = 0: 能检测到的最小圆半径, 默认为0.
- max_radius = 0: 能检测到的最大圆半径, 默认为0
cvCircle(CvArr* img, CvPoint center, int radius, CvScalar color, int thickness=1, int lineType=8, int shift=0)
img为图像指针,单通道多通道都行,不需要特殊要求
center为画圆的圆心坐标
radius为圆的半径
color为设定圆的颜色,比如用CV_RGB(255, 0,0)设置为红色
thickness为设置圆线条的粗细,值越大则线条越粗,为负数则是填充效果
3、void cvLine( CvArr* img,CvPoint pt1, CvPoint pt2, CvScalar color,int thickness=1, int line_type=8, int shift=0 );
第一个参数img:要划的线所在的图像;
第二个参数pt1:直线起点
第二个参数pt2:直线终点
第三个参数color:直线的颜色 e.g:Scalor(0,0,255)
第四个参数thickness=1:线条粗细
第五个参数line_type=8,
8 (or 0) - 8-connected line(8邻接)连接 线。
4 - 4-connected line(4邻接)连接线。
CV_AA - antialiased 线条。
第六个参数:坐标点的小数点位数。
4、
带有以下自变量:
- dst: 边缘检测的输出图像. 它应该是个灰度图 (但事实上是个二值化图) * lines: 储存着检测到的直线的参数对
的容器
- rho : 参数极径
以像素值为单位的分辨率. 我们使用 1 像素.
- theta: 参数极角
以弧度为单位的分辨率. 我们使用 1度 (即CV_PI/180)
- threshold: 要”检测” 一条直线所需最少的的曲线交点 * minLinLength: 能组成一条直线的最少点的数量. 点数量不足的直线将被抛弃.
- maxLineGap: 能被认为在一条直线上的亮点的最大距离.
5、
带有以下自变量:
- dst: 边缘检测的输出图像. 它应该是个灰度图 (但事实上是个二值化图)
- lines: 储存着检测到的直线的参数对
的容器 * rho : 参数极径
以像素值为单位的分辨率. 我们使用 1 像素.
- theta: 参数极角
以弧度为单位的分辨率. 我们使用 1度 (即CV_PI/180)
- threshold: 要”检测” 一条直线所需最少的的曲线交点
- srn and stn: 参数默认为0. 查缺OpenCV参考文献来获取更多信息.