在相近背景中找圆和直线

找到上图中紧固线和螺栓的位置

#include <string>
#include <iostream>
#include <sstream>
#include <opencv.hpp>

using namespace std;
using namespace cv;




Mat srcImage, canImage, grayImage, threImage, dstImage, dstImage1, dstImage2;
int size;
void finding(int, void*)
{

	cvtColor(srcImage, grayImage, COLOR_RGB2GRAY);//灰度化
	imshow("灰度图", grayImage);
	//threshold(grayImage, threImage, 100, 200, CV_THRESH_BINARY);//二值化
	//imshow("二值图", threImage);
	Canny(grayImage, canImage, size, 255);
	//imshow("轮廓提取图", canImage);
	//	cvtColor(canImage, dstImage1, CV_GRAY2BGR);//转化边缘检测后的图为灰度图
	cvtColor(canImage, dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图



	//霍夫线变换
	vector<Vec2f> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
	HoughLines(canImage, lines, 1, CV_PI / 180, 110, 0, 0);
	/*image: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*/

	for (size_t i = 0; i < lines.size(); i++)
	{
		float rho = lines[i][0];
		float theta = lines[i][1];
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a * rho, y0 = b * rho;
		pt1.x = cvRound(x0 + 1000 * (-b));
		pt1.y = cvRound(y0 + 1000 * (a));
		pt2.x = cvRound(x0 - 1000 * (-b));
		pt2.y = cvRound(y0 - 1000 * (a));
		line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1, CV_AA);
	}
	//	vector<Vec4i> lines;
	//	HoughLinesP(canImage, lines, 1, CV_PI / 180, 100, 100, 50);
	//	for (size_t i = 0; i < lines.size(); i++)
	//	{
	//		Vec4i l = lines[i];//Vec4i 就是Vec<int, 4>，里面存放４个int
	//		line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 1, CV_AA);
	//	}
		namedWindow("直线效果图", 0);
	//	imshow("直线效果图", dstImage1);
	//	cvtColor(canImage, dstImage2, CV_GRAY2BGR);//转化边缘检测后的图为灰度图


	vector<Vec3f> circles;
	//霍夫圆变换  
	/*
	第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。
	第二个参数，InputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，
	每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。
	第三个参数，int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为
	CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。
	第四个参数，double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建
	一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，
	累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
	第五个参数，double类型的minDist，为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的
	两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的
	圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
	第六个参数，double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前
	唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
	第七个参数，double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前
	唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多
	根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
	第八个参数，int类型的minRadius,有默认值0，表示圆半径的最小值。
	第九个参数，int类型的maxRadius,也有默认值0，表示圆半径的最大值。*/
	HoughCircles(canImage, circles, CV_HOUGH_GRADIENT, 1, canImage.rows / 5, 100, 30, 0, 50);
	//在原图中画出圆心和圆  
	for (size_t j = 0; j < circles.size(); j++)
	{
		//提取出圆心坐标  
		Point center(round(circles[j][0]), round(circles[j][1]));
		//提取出圆半径  
		int radius = round(circles[j][2]);
		//圆心  
		circle(dstImage, center, 3, Scalar(0, 255, 0), -1, 4, 0);
		//圆  
		circle(dstImage, center, radius, Scalar(255, 0, 0), 3, 4, 0);
		//cout << center << endl;
	}
	//	namedWindow("圆效果图", 0);
	//	imshow("圆效果图", dstImage2);
	namedWindow("效果图", 0);
	imshow("效果图", dstImage);
}

void main()
{
	srcImage = imread("Source.jpg");
	//namedWindow("轮廓提取图", CV_WINDOW_AUTOSIZE);
	namedWindow("轮廓提取图", 0);
	createTrackbar("size", "轮廓提取图", &size, 255, finding);
	finding(0, 0);
	waitKey(0);

}

调节阈值可以达到初步的效果