霍夫线变换

• 前言: …
  
  

1 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.

2 原理

1. 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:
   a. 在 笛卡尔坐标系: 可由参数:$(m,b)$斜率和截距表示.
   b. 在 极坐标系: 可由参数: $(r,\theta )$ 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:
   $$y=\left(-\frac{\cos \theta }{\sin \theta }\right)x+\left(\frac{r}{\sin \theta }\right)$$
   化简得: $r=x\cos \theta +y\sin \theta$

2. 一般来说对于点$(x_0,y_0)$, 我们可以将通过这个点的一族直线统一定义为:
   $$r_{\theta }=x_0\cdot \cos \theta +y_0\cdot \sin \theta$$
   这就意味着每一对 $(r_{\theta },\theta )$ 代表一条通过点 $(x_0,y_0)$ 的直线.

3. 如果对于一个给定点 $(x_0,y_0)$ 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 $x_0=8and{y}_0=6$ 我们可以绘出下图 (在平面 $\theta -r$):
   

   只绘出满足下列条件的点 $r>0and0<\theta <2\pi$.

4. 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 $\theta -r$ 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: $x_1=9,y_1=4和点x_2=12,y_2=3$ 绘图, 得到下图:
   

   这三条曲线在 $\theta -r$ 平面相交于点 $(0.925,9.6)$, 坐标表示的是参数对 $(\theta ,r)$ 或者是说点 $(x_0,y_0)$, 点 $(x_1,y_1)$ 和点 $(x_2,y_2)$ 组成的平面内的的直线.

5. 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 $\theta -r$ 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.

6. 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 $(\theta ,r_{\theta })$ 在原图像中为一条直线.

3 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:

1. 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 $(\theta ,r_{\theta })$ 的集合来表示检测到的直线
   在OpenCV 中通过函数 HoughLines 来实现
   
   
2. 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 $(x_0,y_0,x_1,y_1)$
   在OpenCV 中它通过函数 HoughLinesP 来实现

4 代码

1. 这个程序是用来做什么的?
   a. 加载一幅图片
   b. 对图片进行 标准霍夫线变换 或是 统计概率霍夫线变换.
   c. 分别在两个窗口显示原图像和绘出检测到直线的图像.

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

using namespace cv;
using namespace std;

void help()
{
 cout << "\nThis program demonstrates line finding with the Hough transform.\n"
         "Usage:\n"
         "./houghlines <image_name>, Default is pic1.jpg\n" << endl;
}

int main(int argc, char** argv)
{
 const char* filename = argc >= 2 ? argv[1] : "pic1.jpg";

 Mat src = imread(filename, 0);
 if(src.empty())
 {
     help();
     cout << "can not open " << filename << endl;
     return -1;
 }

 Mat dst, cdst;
 Canny(src, dst, 50, 200, 3);
 cvtColor(dst, cdst, CV_GRAY2BGR);

 #if 0
  vector<Vec2f> lines;
  HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );

  for( size_t i = 0; i < lines.size(); i++ )
  {
     float rho = lines[i][0], 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( cdst, pt1, pt2, Scalar(0,0,255), 3, 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 l = lines[i];
    line( cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA);
  }
 #endif
 imshow("source", src);
 imshow("detected lines", cdst);

 waitKey();

 return 0;
}

5 代码说明

1. 加载图片

Mat src = imread(filename, 0);
if(src.empty())
{
  help();
  cout << "can not open " << filename << endl;
  return -1;
}

2. 用Canny算子对图像进行边缘检测

Canny(src, dst, 50, 200, 3);

3. 标准霍夫线变换

• 首先, 你要执行变换:

vector<Vec2f> lines;
HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );

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 $(r,\theta )$ 的容器 * rho : 参数极径 $r$ 以像素值为单位的分辨率. 我们使用 $1$ 像素.
theta: 参数极角 $\theta$ 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.

• 通过画出检测到的直线来显示结果.

for( size_t i = 0; i < lines.size(); i++ )
{
  float rho = lines[i][0], 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( cdst, pt1, pt2, Scalar(0,0,255), 3, CV_AA);
}

4. 统计概率霍夫线变换

• 首先, 你要执行变换:

vector<Vec4i> lines;
HoughLinesP(dst, lines, 1, CV_PI/180, 50, 50, 10 );

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 $(x_{start},y_{start},x_{end},y_{end})$ 的容器
rho : 参数极径 $r$ 以像素值为单位的分辨率. 我们使用 $1$ 像素.
theta: 参数极角 $\theta$ 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.

• 通过画出检测到的直线来显示结果.

for( size_t i = 0; i < lines.size(); i++ )
{
  Vec4i l = lines[i];
  line( cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA);
}

5. 显示原始图像和检测到的直线

imshow("source", src);
imshow("detected lines", cdst);

6. 等待用户按键推出程序

waitKey();

6 结果

霍夫线变换的代码没有改变, 唯一不同的是在GUI的部分加入了活动条可动态改变阈值.输入图像为:

通过执行统计概率霍夫线变换我们能得到下面的结果:

当你使用滑动条来改变 阈值 的时候会观察到检测到线的数目的改变. 这是因为: 如果你设置了一个更大的阈值, 能检测到的线的数目将更少 (你需要更多的点来表示一条能检测到的直线).