现阶段用最多的线段检测算法为Hough变换,对于Hough变换的原理部分已经有很多人写过,具体可以参考:点击打开链接,这里我总结一下理解Hough变换算法的难点。
一、直线表示方法:
1)最常用的方法为斜截式:y=kx+b,已知直线的斜率及y轴上的截距,即可确定一条直线。
2)Hough变换中参数方程:rho = x * cos(theta) + y * sin(theta),原理部分一般都会介绍,每一对(rho, theta)对应一条直线,为什么?可以看一下下面这个图
可以看到,这里的rho和theta分别对应于原点到直线y=kx+b的距离以及这条垂线对应夹角。知道这两个东西,自然就可以知道一条直线。
二、实现步骤
1)灰度化,并使用Canny进行边缘检测;
2)参数空间离散化:确定检测精度;
3)Hough参数空间统计;
4)四邻域非极大值抑制;
三、代码如下:
#include <opencv2/opencv.hpp>
#include <math.h>
using namespace cv;
using namespace std;
//用来表示极坐标参数空间里的数据
struct Para {
int num;
float angle;
int rho;
};
int main()
{
Mat src = imread("1.jpg");
Mat gray;
cvtColor(src, gray, CV_BGR2GRAY);
Mat edges;
Canny(gray, edges, 50, 200);
int i, j, k;
// hough transform
int q_max = sqrt(pow(gray.rows, 2) + pow(gray.cols, 2));
int nAngles = 180; // 划分为180份
// 为hough参数空间分配内存及初始化
int ** hough_data = new int*[q_max];
for (i = 0; i < q_max; i++)
{
hough_data[i] = new int[nAngles];
for (j = 0; j < nAngles; j++)
{
hough_data[i][j] = 0;
}
}
// Hough参数空间统计
for (i = 0; i < edges.rows; i++)
for (j = 0; j < edges.cols; j++)
{
if (edges.at<uchar>(i,j) == 255)
{
int index = 0;
for (k = 0; k < nAngles; k++)
{
index = int(i * cos(CV_PI / nAngles * k) +
j * sin(CV_PI / nAngles * k));
index = int( (index + q_max) / 2 );
hough_data[index][k]++;
}
}
}
// 统计之后进行非极大值抑制
Para *houghSpace = new Para[q_max * nAngles];
int thr = 200;
int counts = 0;
for (i = 0; i < q_max; i++)
for (j = 0; j < nAngles; j++)
{
// 大于阈值且为四邻域的极大值
if (hough_data[i][j] > thr &&
hough_data[i][j] > hough_data[i + 1][j] &&
hough_data[i][j] > hough_data[i - 1][j] &&
hough_data[i][j] > hough_data[i][j + 1] &&
hough_data[i][j] > hough_data[i][j - 1]
)
{
houghSpace[counts].rho = i * 2 - q_max;
houghSpace[counts].angle = j * CV_PI / nAngles;
houghSpace[counts].num = hough_data[i][j];
counts++;
}
}
// 得到了参数之后,画线
for (k = 0; k < counts; k++)
{
if (houghSpace[k].angle < 0.1)
{
line(src, Point(0, houghSpace[k].rho), Point(src.cols, houghSpace[k].rho), Scalar(255, 0, 0));
}
else
{
line(src, Point(houghSpace[k].rho / sin(houghSpace[k].angle), 0), Point( 0, (houghSpace[k].rho / cos(houghSpace[k].angle))), Scalar(255, 0, 0));
}
}
delete[] hough_data;
delete[] houghSpace;
imshow("edges", edges);
imshow("hough", src);
waitKey();
return 0;
}
效果如下: