Opencv学习笔记(6)——霍夫变换
本文将为大家介绍Opencv中常用的特征识别算法:霍夫变换——直线、霍夫变换——圆。
一.霍夫变换—直线
1.相关理论
- Hough Line Transform用来做直线检测。
- 前提条件 – 边缘检测已经完成。
- 平面空间到极坐标空间转换。
- 对于任意一条直线上的所有点来说
- 变换到极坐标中,从[0~360]空间,可以得到r的大小
- 属于同一条直线上点在极坐标空(r, theta)必然在一个点上有最强的信号出现-根据此反算到平面坐标中就可以得到直线上各点的像素坐标。从而得到直线
直线在极坐标的检测方程如下:(根据直线到原点的距离固定列出)
二.相关API
- 标准的霍夫变换 cv::HoughLines从平面坐标转换到霍夫空间,最终输出是 表示极坐标空间。
- 霍夫变换直线概率 cv::HoughLinesP最终输出是直线的两个点:
1.cv::HoughLines(一般情况是有经验的开发者使用,需要自己反变换到平面空间)
cv::HoughLines(
InputArray src, // 输入图像,必须8-bit的灰度图像
OutputArray lines, // 输出的极坐标来表示直线
double rho, // 生成极坐标时候的像素扫描步长
double theta, //生成极坐标时候的角度步长,一般取值CV_PI/180
int threshold, // 阈值,只有获得足够交点的极坐标点才被看成是直线
double srn=0;// 是否应用多尺度的霍夫变换,如果不是设置0表示经典霍夫变换
double stn=0;//是否应用多尺度的霍夫变换,如果不是设置0表示经典霍夫变换
double min_theta=0; // 表示角度扫描范围 0 ~180之间, 默认即可
double max_theta=CV_PI
) // 一般情况是有经验的开发者使用,需要自己反变换到平面空间
2.cv::HoughLinesP
cv::HoughLinesP(
InputArray src, // 输入图像,必须8-bit的灰度图像
OutputArray lines, // 输出的极坐标来表示直线
double rho, // 生成极坐标时候的像素扫描步长
double theta, //生成极坐标时候的角度步长,一般取值CV_PI/180
int threshold, // 阈值,只有获得足够交点的极坐标点才被看成是直线
double minLineLength=0;// 最小直线长度
double maxLineGap=0;// 最大间隔
)
程序示例
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main(int argc, char** argv) {
Mat src, gray_src,dst;
src = imread("D:/photos/28.png");
if (!src.data) {
std::cout << "could not find image...\n";
return -1;
}
char INPUT_WIN[] = "input_image";
char OUTPUT_WIN[] = "hough_line_detection";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN, src);
Canny(src, gray_src, 100, 200);
imshow("egde_image", gray_src);
cvtColor(gray_src, dst, CV_GRAY2BGR);//将灰度图像转换成彩色图像
vector<Vec4f> plines;//定义一个浮点直线数,用于存放二维直线,四个坐标点
HoughLinesP(gray_src, plines, 1, CV_PI / 180.0, 10, 0,10);
Scalar color = Scalar(0, 0, 255);
Vec4f hline;
for (size_t i = 0; i < plines.size(); i++) {//size_t可看成int类型
hline = plines[i];
line(dst, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3, LINE_AA);
}
imshow(OUTPUT_WIN, dst);
waitKey(0);
return 0;
}
运行效果:
二.霍夫变换——圆
1.相关原理
霍夫圆变换原理
从平面坐标到极坐标转换三个参数:
假设平面坐标的任意一个圆上的点,转换到极坐标中:
处有最大值,霍夫变换正是利用这个原理实现圆的检测。
二.相关API:cv::HoughCircles
- 因为霍夫圆检测对噪声比较敏感,所以首先要对图像做中值滤波。
- 基于效率考虑,Opencv中实现的霍夫变换圆检测是基于图像梯度的实现,分为两步:
- 检测边缘,发现可能的圆心
- 基于第一步的基础上从候选圆心开始计算最佳半径大小
HoughCircles参数说明
HoughCircles(
InputArray image, // 输入图像 ,必须是8位的单通道灰度图像
OutputArray circles, // 输出结果,发现的圆信息
Int method, // 方法 - HOUGH_GRADIENT
Double dp, // dp = 1;
Double mindist, // 10 最短距离-可以分辨是两个圆的,否则认为是同心圆- src_gray.rows/8
Double param1, // canny edge detection low threshold
Double param2, // 中心点累加器阈值 – 候选圆心
Int minradius, // 最小半径
Int maxradius//最大半径
)
程序示例:
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main(int argc, char** argv) {
Mat src, dst;
src = imread("D:/photos/45.png");
if (!src.data) {
std::cout << "could not find image...\n";
return -1;
}
char INPUT_WIN[] = "input_image";
char OUTPUT_WIN[] = "hough_circle_demo";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
//namedWindow(output_title, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN, src);
//中值滤波
Mat src_gray;
Mat moutput;
medianBlur(src, moutput, 3);
imshow("medianblur", moutput);
cvtColor(moutput, moutput, CV_BGR2GRAY);//先滤波再转换灰度,注意顺序
//霍夫圆变换
vector<Vec3f>pcircles;
HoughCircles(moutput, pcircles, CV_HOUGH_GRADIENT, 1, 10, 100, 30,20, 80);
src.copyTo(dst);
for (size_t i = 0; i < pcircles.size(); i++) {
Vec3f cc = pcircles[i];
circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);
circle(dst, Point(cc[0], cc[1]), 2, Scalar(0, 0, 255), 2, LINE_AA);
}
imshow(OUTPUT_WIN, dst);
waitKey(0);
return 0;
}
运行效果: