【OpenCV笔记 13】OpenCV中Hough霍夫直线检测和同一窗口显示多幅图片

本文主要涉及两个方面：1、Hough变换用于直线检测    2、实现同一窗口显示多幅图片

*********************************************************先看文末示例程序截图******************************************

**********************************************************************************************************

一、霍夫变换的基本原理

1.1图像空间到参数空间的转换

对于图像中共线的点集{(x0,y0), (x1,y1), ...}都经过直线y=kx+b，先在我们换一个说法，“斜率为k，截距为b的直线y=kx+b包含了所有在该直线上的点”。一种强调的是图像中的点集，另一种强调的是直线的参数k和b，通过直线的点集去描述这条直线明显没有直接通过k,b两个参数去描述那样直接方便。而Hough变换就是将我们“点共线”的思维转化到参数空间{k,b}进行描述，图像空间中所有经过y=kx+b的点经过Hough变换后在参数空间都会相交于点(k,b)，这样，通过Hough变换，就可以将图像空间中直线的检测转化为参数空间中对点的检测。我们不妨将y=kx+b进行一下变形：

这就是Hough变换将图像空间坐标(x,y)转化为参数空间(k,b)的Hough变换式。

Hough变换的步骤（执行过程）：

1. 在参数空间中建立一个二维（分别对应k,b）计数器，实际就是二维数组kbcnt，k维度为图像中直线斜率可能范围，b维度为图像中截距可能范围；数组中所有值都初始化为0；

2. 扫描图像空间中的所有点(xi,yi)，Hough变换式进行图像空间到参数空间的变换(ki,bi)，计数kbcnt(ki,bi)++

3. 设定阈值thr（图像中有多少个点共线才认为存在直线），kbcnt(ki,bi)>thr的ki,bi组成图像中的直线y=ki*x+bi

然而，上面的检测直线的方案貌似还有些问题：如果图像中存在竖直的直线呢，那kbcnt的k维度岂不是要无穷大！因此，才有了另一种参数空间的方案：利用极坐标参数而非“斜率-截距式”描述直线。

极坐标中的直线表示

极坐标中的直线方程为

将其改写成Hough变换式，即自变量(x,y)到参数变量(r,theta)的映射：

使用极坐标参数空间，Hough变换的步骤不变，只不过将kbcnt替换成rthcnt，r范围是图像对角线的长度，th范围是0~2*pi。因为图像是离散的，所以r和th都有一个步进值dr和dth。

Hough变换除了检测直线，还可用来检测任何能用数学表达式表示的形状，如最常见的圆、椭圆，基本原理都是将图像空间的像素转变到参数空间，然后在参数空间中对共线/圆/椭圆的点进行统计，最后通过阈值判决是否是符合要求的形状。

******有关霍夫变换更为详细原理介绍参见：Hough Transform ************

二、霍夫直线变换函数介绍

1.编程思路

a. 读取一幅带处理二值图像，最好背景为黑色；
b. 取得源像素数据；
c. 根据直线的霍夫变换公式完成霍夫变换，预览霍夫空间结果；
d. 寻找最大霍夫值，设置阈值，反变换到图像RGB值空间(程序难点之一)；
e. 越界处理，显示霍夫变换处理以后的图像；

2.霍夫线变换函数

函数作用：霍夫线变换函数可以在二值图像中找到直线。
函数原型：

void cv::HoughLines	(	InputArray	image,
		OutputArray	lines,
		double	rho,
		double	theta,
		int	threshold,
		double	srn = 0,
		double	stn = 0,
		double	min_theta = 0,
		double	max_theta = CV_PI
	)

参数解释：
InputArray image：输入矩阵，输入 8位、单通道 (二值) 图像
OutputArray lines：输出矩阵，用于参数霍夫变换检测到的直线输出矢量。
double rho：与象素相关单位的距离精度
double theta：弧度测量的角度精度
int  threshold：累加平面的阈值参数，即识别某部分为图中的一条直线时它在累加平面中必须达到的值。大于阈值threshold的线段才可以被检测通过并返回到结果中。
double srn：有默认值0。对于多尺度的霍夫变换，这是第三个参数进步尺寸rho的除数距离。粗略的累加器进步尺寸直接是第三个参数rho，而精确的累加器进步尺寸为rho/srn。
double stn：有默认值0，对于多尺度霍夫变换，srn表示第四个参数进步尺寸的单位角度theta的除数距离。且如果srn和stn同时为0，就表示使用经典的霍夫变换。否则，这两个参数应该都为正数。查取OpenCV参考文献来获取更多信息

三、同一窗口显示多幅图片

若要在OpenCV实现同一窗口显示多幅图片，图片要按矩阵方式排列，类似于Matlab中subplot();  

该功能的由自定义函数实现，实现的详见代码：

//注意：imshowMany()函数ROI法，要求各图片的颜色通道数目一直，次数为三通道
//要显示单通道灰度图或二值图图片需要转换颜色空间cvtcolor()
//模糊处理内核的选择和霍夫变换时精度选择对最终结果影响较大

#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
#define NameWindow "【0】图片处理效果集锦"
void imshowMany(const std::string& _winName, const vector<Mat>& ployImages);//

int main()
{
	
	Mat srcImage = imread("building.jpg");
	imshow("【1】原图", srcImage);
	Mat  temImage, grayImage,midImage,edgeImage, dstImage;

	cvtColor(srcImage, grayImage, CV_BGR2GRAY);//转换为灰度图
	blur(grayImage, grayImage, Size(5, 5), Point(-1, -1));//均值模糊
	//GaussianBlur(grayImage, grayImage, Size(5, 5), 0, 0);
	imshow("【2】原图灰度图+均值模糊", grayImage);
	cvtColor(grayImage, midImage, CV_GRAY2BGR);//转为三通道图,用于多图显示，位置（1，2）
	Canny(grayImage, edgeImage, 50, 100, 3);//tempImage为单通道二值图，在多图函数中不可显示
	imshow("【3】灰度图Canny边缘检测", edgeImage);
	cvtColor(edgeImage, temImage, CV_GRAY2BGR);//转为三通道图，用于多图显示，位置（2，1）
	cvtColor(edgeImage, dstImage, CV_GRAY2BGR);//转为三通道图，用于多图显示，位置（2，2）
	
	vector<Vec2f>lines;//矢量结构lines用于存放得到的线段矢量集合
	HoughLines(edgeImage, lines, 1, CV_PI / 180, 123, 0, 0);//阈值的选择对结果影响很大

	for (size_t i = 0; i < lines.size(); i++)//在图中绘制出每条线段
	{
		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(dstImage, pt1, pt2, Scalar(255, 0,255), 1, 8);//线条颜色为紫色
	}
	imshow("【4】基于canny的Hough直线变换",dstImage);


	vector<Mat>Images(4);//模板类vector，用于放置4个类型为Mat的元素，即四张图片
	Images[0] = srcImage;
	Images[1] = midImage;
	Images[2] = temImage;
	Images[3] = dstImage;
	

	namedWindow(NameWindow);
	imshowMany(NameWindow, Images);//调用一个窗口显示多图函数

	waitKey(0);
	return 0;

}

//自定义一个窗口显示多图函数
void imshowMany(const std::string& _winName, const vector<Mat>& ployImages)
{
	int nImg = (int)ployImages.size();//获取在同一画布中显示多图的数目

	Mat dispImg;

	int size;
	int x, y;
	//若要在OpenCV实现同一窗口显示多幅图片，图片要按矩阵方式排列，类似于Matlab中subplot();   
	//w：多图按矩阵排列的行数  ，h: 多图按矩阵排列的的数  
	int w, h;
	
	float scale;//缩放比例
	int max;

	if (nImg <= 0)
	{
		printf("Number of arguments too small....\n");
		return;
	}
	else if (nImg > 12)
	{
		printf("Number of arguments too large....\n");
		return;
	}

	else if (nImg == 1)
	{
		w = h = 1;
		size = 400;
	}
	else if (nImg == 2)
	{
		w = 2; h = 1;//2x1
		size = 400;
	}
	else if (nImg == 3 || nImg == 4)
	{
		w = 2; h = 2;//2x2
		size = 400;
	}
	else if (nImg == 5 || nImg == 6)
	{
		w = 3; h = 2;//3x2
		size = 300;
	}
	else if (nImg == 7 || nImg == 8)
	{
		w = 4; h = 2;//4x2
		size = 300;
	}
	else
	{
		w = 4; h = 3;//4x3
		size =200;
	}

	dispImg.create(Size(100 + size*w, 30 + size*h), CV_8UC3);//根据图片矩阵w*h，创建画布，可线的图片数量为w*h

	for (int i = 0, m = 20, n = 20; i<nImg; i++, m += (20 + size))
	{
		x = ployImages[i].cols;   //第(i+1)张子图像的宽度(列数)
		y = ployImages[i].rows;//第(i+1)张子图像的高度（行数）

		max = (x > y) ? x : y;//比较每张图片的行数和列数，取大值
		scale = (float)((float)max / size);//计算缩放比例

		if (i%w == 0 && m != 20)
		{
			m = 20;
			n += 20 + size;
		}

		Mat imgROI = dispImg(Rect(m, n, (int)(x / scale), (int)(y / scale)));   //在画布dispImage中划分ROI区域
		resize(ployImages[i], imgROI, Size((int)(x / scale), (int)(y / scale))); //将要显示的图像设置为ROI区域大小
	}
	namedWindow(_winName);
	imshow(_winName, dispImg);
}

四、运行结果

一个窗口多图显示：

分开显示：