OpenCV C++ 霍夫直线变换-Hough Line Transform

使用 OpenCV 在 C++ 中实现霍夫直线变换（Hough Line Transform）可以通过以下步骤完成。我们将首先进行边缘检测，然后应用霍夫直线变换来检测图像中的直线。

步骤概述

1. 读取图像：使用 cv::imread 读取图像。
2. 灰度转换：将图像转换为灰度图。
3. 边缘检测：使用 Canny 边缘检测器。
4. 霍夫直线变换：使用 cv::HoughLines 或 cv::HoughLinesP 进行霍夫直线变换。
5. 绘制检测到的直线：将检测到的直线绘制在原图或边缘图上。

示例代码

以下是一个完整的示例，展示了如何在 C++ 中使用 OpenCV 实现霍夫直线变换。

标准霍夫直线变换 (cv::HoughLines)

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取图像
    cv::Mat image = cv::imread("example.jpg", cv::IMREAD_GRAYSCALE);
    if (image.empty()) {
        std::cerr << "Error opening image" << std::endl;
        return -1;
    }

    // 边缘检测
    cv::Mat edges;
    cv::Canny(image, edges, 50, 150, 3);

    // 霍夫直线变换
    std::vector<cv::Vec2f> lines;
    cv::HoughLines(edges, lines, 1, CV_PI / 180, 200);

    // 将检测到的直线绘制在原图上
    cv::Mat result;
    cv::cvtColor(edges, result, cv::COLOR_GRAY2BGR);

    for (size_t i = 0; i < lines.size(); i++) {
        float rho = lines[i][0];
        float theta = lines[i][1];
        double a = cos(theta), b = sin(theta);
        double x0 = a * rho, y0 = b * rho;
        cv::Point pt1(cvRound(x0 + 1000 * (-b)), cvRound(y0 + 1000 * (a)));
        cv::Point pt2(cvRound(x0 - 1000 * (-b)), cvRound(y0 - 1000 * (a)));
        cv::line(result, pt1, pt2, cv::Scalar(0, 0, 255), 2, cv::LINE_AA);
    }

    // 显示结果
    cv::imshow("Detected Lines - Standard Hough Transform", result);
    cv::waitKey(0);

    return 0;
}

概率霍夫直线变换 (cv::HoughLinesP)

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取图像
    cv::Mat image = cv::imread("example.jpg", cv::IMREAD_GRAYSCALE);
    if (image.empty()) {
        std::cerr << "Error opening image" << std::endl;
        return -1;
    }

    // 边缘检测
    cv::Mat edges;
    cv::Canny(image, edges, 50, 150, 3);

    // 概率霍夫直线变换
    std::vector<cv::Vec4i> linesP;
    cv::HoughLinesP(edges, linesP, 1, CV_PI / 180, 50, 50, 10);

    // 将检测到的直线绘制在原图上
    cv::Mat result;
    cv::cvtColor(edges, result, cv::COLOR_GRAY2BGR);

    for (size_t i = 0; i < linesP.size(); i++) {
        cv::Vec4i l = linesP[i];
        cv::line(result, cv::Point(l[0], l[1]), cv::Point(l[2], l[3]), cv::Scalar(0, 255, 0), 2, cv::LINE_AA);
    }

    // 显示结果
    cv::imshow("Detected Lines - Probabilistic Hough Transform", result);
    cv::waitKey(0);

    return 0;
}

参数解释

• cv::HoughLines

  • image：输入的边缘检测图像。
  • lines：输出的直线参数。
  • rho：参数空间中 (\rho) 的分辨率。
  • theta：参数空间中 (\theta) 的分辨率。
  • threshold：累加平面中投票数阈值，超过该值的点被认为是一条直线。

• cv::HoughLinesP

  • image：输入的边缘检测图像。
  • lines：输出的直线段。
  • rho：参数空间中 (\rho) 的分辨率。
  • theta：参数空间中 (\theta) 的分辨率。
  • threshold：累加平面中投票数阈值，超过该值的点被认为是一条直线段。
  • minLineLength：线段的最小长度，线段长度小于此值的线段会被丢弃。
  • maxLineGap：线段之间的最大间隔，如果线段间的间隔小于此值，则认为它们是同一条线段。

总结

通过使用 OpenCV 提供的霍夫直线变换函数，可以方便地从图像中检测直线。标准霍夫变换适用于简单场景，而概率霍夫变换更适合复杂图像，因为它可以显著减少计算量并提高检测效率。根据具体应用场景调整参数，可以得到更好的直线检测效果。