OpenCV中霍夫直线变换

OpenCV中霍夫直线变换

首先要知道，一条直线的通用表达式为$y=ax+b$,a为直线的斜率，b为直线的截距，知道这两个参数可以唯一确定一条直线。通常我们往常我们求三个点，是否在一条直线上，我们让其两两组合分别求斜率和截距，如果一样，我们则说三个点在同一条直线。但是现在在我们的图像中无法使用这样的方法。
$y=kx+b$在x-y坐标系中变换为$b=-xk+y$,则在k-b坐标系中交于一点，则有相同的k和b，所以在x-y坐标系中处于同一条直线上。同样的道理在霍夫变换采用将直线变为极坐标，因为直线坐标的话可能会存在直线不存在的情况。
$$x=\rho cos\theta andy=\rho sin\theta$$
$$y=(-\frac{cos\theta }{sin\theta })x+(\frac{r}{sin\theta })$$
最终我们将原式转化为$r=xcos\theta +ysin\theta$这样的形式。
下面就说说这样的形式有什么用?
根据上式:
$$r_0=x_{0}cos\theta +y_{0}sin\theta$$
$$....$$
$$r_i=x_{i}cos\theta +y_{i}sin\theta$$
选中$(x_0,y_0)$在该点计算$\theta 从1-180的直线到(0，0)的距离，从而绘制出\theta -r的图像$如下图:
同样的，我们再选取$(x_i,y_i)$点执行相同的操作，又可以得到一条曲线。这样我们我们选取i个点就得到了i条曲线，如下图:

当多条直线有交点时，就证明$(x_n,y_n)和(x_m,y_m)$在相同的$\theta$时拥有相同的r，在上述的式子中可以知道，当这两个值相同时，这两个点在同一条直线上。那么当有若干条曲线交于一点，那么这若干个点都在一条直线上。

上述叙述了在数学邻域的计算推导，那么如何应用与图像中呢?
我们知道一幅图像可以看成一个大的矩阵，而霍夫直线检测一般应用于边缘检测之后，所以一般都是灰度图。从而我们可以将图像看成下面这个样子。
$$\left[\begin{array}{ccc}{x}_{00}& \dots & x_{0i}\\ \dots & \dots & \dots \\ x_{i0}& \dots & x_{ii}\end{array}\right]$$

具体的如何利用图像像素来进行上述原理的实现，不是很清楚，我搜了一下，也没有注意到。但是我有一种猜测，因为要进行霍夫变换的都是边缘检测后的二值图像，所以在进行霍夫变换时，只对边缘信息的像素的进行上述的处理。具体内部实现，未知。

HoughLinesP(
	输入图像，8位，单通道
	输出包含四个元素的vector，(x1,y1,x2,y2)两个直线端点
	像素最小单位，
	角度最小单位，
	极坐标中交点个数，
	最小长度，
	两个点之间最大的间距，如果小于，则连接视为同一条直线。
);

#include "opencv2/opencv.hpp"
#include <vector>

using namespace std;
using namespace cv;


int main(int argc, char *argv[])
{
    Mat src,dst;
    src = imread("/home/dynamicw/Project/C++_Project/opencvtest/src/lesson01/source/white_black.png",0);
    Canny(src,dst,50,200,3);
    cvtColor(dst,src,CV_GRAY2BGR);
    vector<Vec4i> lines;
    HoughLinesP(dst,lines,1,CV_PI/180,30,3,5);
    for (size_t i = 0;i < lines.size();i++)
    {
        Vec4i l = lines[i];
        line(src,Point(l[0],l[1]),Point(l[2],l[3]),Scalar(0,0,255),3,CV_AA);
    }
    imshow("src",src);
    waitKey(0);
    return 0;
}