Opencv学习笔记(6)——霍夫变换

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：
  1. 检测边缘，发现可能的圆心
  2. 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：