图像处理之霍夫变换圆检测算法

- created by gloomyfish

图像处理之霍夫变换圆检测算法

之前写过一篇文章讲述霍夫变换原理与利用霍夫变换检测直线, 结果发现访问量还是蛮

多,有点超出我的意料,很多人都留言说代码写得不好,没有注释,结构也不是很清晰,所以

我萌发了再写一篇,介绍霍夫变换圆检测算法,同时也尽量的加上详细的注释,介绍代码

结构.让更多的人能够读懂与理解.

一:霍夫变换检测圆的数学原理

根据极坐标,圆上任意一点的坐标可以表示为如上形式, 所以对于任意一个圆, 假设

中心像素点p(x0, y0)像素点已知, 圆半径已知,则旋转360由极坐标方程可以得到每

个点上得坐标同样,如果只是知道图像上像素点, 圆半径,旋转360°则中心点处的坐

标值必定最强.这正是霍夫变换检测圆的数学原理.

二:算法流程

该算法大致可以分为以下几个步骤

三:运行效果

图像从空间坐标变换到极坐标效果, 最亮一点为圆心.

图像从极坐标变换回到空间坐标,检测结果显示:

四:关键代码解析

个人觉得这次注释已经是非常的详细啦,而且我写的还是中文注释

/** 
 * 霍夫变换处理 - 检测半径大小符合的圆的个数 
 * 1. 将图像像素从2D空间坐标转换到极坐标空间 
 * 2. 在极坐标空间中归一化各个点强度，使之在0〜255之间 
 * 3. 根据极坐标的R值与输入参数(圆的半径)相等，寻找2D空间的像素点 
 * 4. 对找出的空间像素点赋予结果颜色(红色) 
 * 5. 返回结果2D空间像素集合 
 * @return int [] 
 */  
public int[] process() {  
  
    // 对于圆的极坐标变换来说，我们需要360度的空间梯度叠加值  
    acc = new int[width * height];  
    for (int y = 0; y < height; y++) {  
        for (int x = 0; x < width; x++) {  
            acc[y * width + x] = 0;  
        }  
    }  
    int x0, y0;  
    double t;  
    for (int x = 0; x < width; x++) {  
        for (int y = 0; y < height; y++) {  
  
            if ((input[y * width + x] & 0xff) == 255) {  
  
                for (int theta = 0; theta < 360; theta++) {  
                    t = (theta * 3.14159265) / 180; // 角度值0 ~ 2*PI  
                    x0 = (int) Math.round(x - r * Math.cos(t));  
                    y0 = (int) Math.round(y - r * Math.sin(t));  
                    if (x0 < width && x0 > 0 && y0 < height && y0 > 0) {  
                        acc[x0 + (y0 * width)] += 1;  
                    }  
                }  
            }  
        }  
    }  
  
    // now normalise to 255 and put in format for a pixel array  
    int max = 0;  
  
    // Find max acc value  
    for (int x = 0; x < width; x++) {  
        for (int y = 0; y < height; y++) {  
  
            if (acc[x + (y * width)] > max) {  
                max = acc[x + (y * width)];  
            }  
        }  
    }  
  
    // 根据最大值，实现极坐标空间的灰度值归一化处理  
    int value;  
    for (int x = 0; x < width; x++) {  
        for (int y = 0; y < height; y++) {  
            value = (int) (((double) acc[x + (y * width)] / (double) max) * 255.0);  
            acc[x + (y * width)] = 0xff000000 | (value << 16 | value << 8 | value);  
        }  
    }  
      
    // 绘制发现的圆  
    findMaxima();  
    System.out.println("done");  
    return output;  
}  

完整的算法源代码, 已经全部的加上注释

package com.gloomyfish.image.transform.hough;  
/*** 
 *  
 * 传入的图像为二值图像，背景为黑色，目标前景颜色为为白色 
 * @author gloomyfish 
 *  
 */  
public class CircleHough {  
  
    private int[] input;  
    private int[] output;  
    private int width;  
    private int height;  
    private int[] acc;  
    private int accSize = 1;  
    private int[] results;  
    private int r; // 圆周的半径大小  
  
    public CircleHough() {  
        System.out.println("Hough Circle Detection...");  
    }  
  
    public void init(int[] inputIn, int widthIn, int heightIn, int radius) {  
        r = radius;  
        width = widthIn;  
        height = heightIn;  
        input = new int[width * height];  
        output = new int[width * height];  
        input = inputIn;  
        for (int y = 0; y < height; y++) {  
            for (int x = 0; x < width; x++) {  
                output[x + (width * y)] = 0xff000000; //默认图像背景颜色为黑色  
            }  
        }  
    }  
  
    public void setCircles(int circles) {  
        accSize = circles; // 检测的个数  
    }  
      
    /** 
     * 霍夫变换处理 - 检测半径大小符合的圆的个数 
     * 1. 将图像像素从2D空间坐标转换到极坐标空间 
     * 2. 在极坐标空间中归一化各个点强度，使之在0〜255之间 
     * 3. 根据极坐标的R值与输入参数(圆的半径)相等，寻找2D空间的像素点 
     * 4. 对找出的空间像素点赋予结果颜色(红色) 
     * 5. 返回结果2D空间像素集合 
     * @return int [] 
     */  
    public int[] process() {  
  
        // 对于圆的极坐标变换来说，我们需要360度的空间梯度叠加值  
        acc = new int[width * height];  
        for (int y = 0; y < height; y++) {  
            for (int x = 0; x < width; x++) {  
                acc[y * width + x] = 0;  
            }  
        }  
        int x0, y0;  
        double t;  
        for (int x = 0; x < width; x++) {  
            for (int y = 0; y < height; y++) {  
  
                if ((input[y * width + x] & 0xff) == 255) {  
  
                    for (int theta = 0; theta < 360; theta++) {  
                        t = (theta * 3.14159265) / 180; // 角度值0 ~ 2*PI  
                        x0 = (int) Math.round(x - r * Math.cos(t));  
                        y0 = (int) Math.round(y - r * Math.sin(t));  
                        if (x0 < width && x0 > 0 && y0 < height && y0 > 0) {  
                            acc[x0 + (y0 * width)] += 1;  
                        }  
                    }  
                }  
            }  
        }  
  
        // now normalise to 255 and put in format for a pixel array  
        int max = 0;  
  
        // Find max acc value  
        for (int x = 0; x < width; x++) {  
            for (int y = 0; y < height; y++) {  
  
                if (acc[x + (y * width)] > max) {  
                    max = acc[x + (y * width)];  
                }  
            }  
        }  
  
        // 根据最大值，实现极坐标空间的灰度值归一化处理  
        int value;  
        for (int x = 0; x < width; x++) {  
            for (int y = 0; y < height; y++) {  
                value = (int) (((double) acc[x + (y * width)] / (double) max) * 255.0);  
                acc[x + (y * width)] = 0xff000000 | (value << 16 | value << 8 | value);  
            }  
        }  
          
        // 绘制发现的圆  
        findMaxima();  
        System.out.println("done");  
        return output;  
    }  
  
    private int[] findMaxima() {  
        results = new int[accSize * 3];  
        int[] output = new int[width * height];  
          
        // 获取最大的前accSize个值  
        for (int x = 0; x < width; x++) {  
            for (int y = 0; y < height; y++) {  
                int value = (acc[x + (y * width)] & 0xff);  
  
                // if its higher than lowest value add it and then sort  
                if (value > results[(accSize - 1) * 3]) {  
  
                    // add to bottom of array  
                    results[(accSize - 1) * 3] = value; //像素值  
                    results[(accSize - 1) * 3 + 1] = x; // 坐标X  
                    results[(accSize - 1) * 3 + 2] = y; // 坐标Y  
  
                    // shift up until its in right place  
                    int i = (accSize - 2) * 3;  
                    while ((i >= 0) && (results[i + 3] > results[i])) {  
                        for (int j = 0; j < 3; j++) {  
                            int temp = results[i + j];  
                            results[i + j] = results[i + 3 + j];  
                            results[i + 3 + j] = temp;  
                        }  
                        i = i - 3;  
                        if (i < 0)  
                            break;  
                    }  
                }  
            }  
        }  
  
        // 根据找到的半径R，中心点像素坐标p(x, y)，绘制圆在原图像上  
        System.out.println("top " + accSize + " matches:");  
        for (int i = accSize - 1; i >= 0; i--) {  
            drawCircle(results[i * 3], results[i * 3 + 1], results[i * 3 + 2]);  
        }  
        return output;  
    }  
  
    private void setPixel(int value, int xPos, int yPos) {  
        /// output[(yPos * width) + xPos] = 0xff000000 | (value << 16 | value << 8 | value);  
        output[(yPos * width) + xPos] = 0xffff0000;  
    }  
  
    // draw circle at x y  
    private void drawCircle(int pix, int xCenter, int yCenter) {  
        pix = 250; // 颜色值，默认为白色  
  
        int x, y, r2;  
        int radius = r;  
        r2 = r * r;  
          
        // 绘制圆的上下左右四个点  
        setPixel(pix, xCenter, yCenter + radius);  
        setPixel(pix, xCenter, yCenter - radius);  
        setPixel(pix, xCenter + radius, yCenter);  
        setPixel(pix, xCenter - radius, yCenter);  
  
        y = radius;  
        x = 1;  
        y = (int) (Math.sqrt(r2 - 1) + 0.5);  
          
        // 边缘填充算法， 其实可以直接对循环所有像素，计算到做中心点距离来做  
        // 这个方法是别人写的，发现超赞，超好！  
        while (x < y) {  
            setPixel(pix, xCenter + x, yCenter + y);  
            setPixel(pix, xCenter + x, yCenter - y);  
            setPixel(pix, xCenter - x, yCenter + y);  
            setPixel(pix, xCenter - x, yCenter - y);  
            setPixel(pix, xCenter + y, yCenter + x);  
            setPixel(pix, xCenter + y, yCenter - x);  
            setPixel(pix, xCenter - y, yCenter + x);  
            setPixel(pix, xCenter - y, yCenter - x);  
            x += 1;  
            y = (int) (Math.sqrt(r2 - x * x) + 0.5);  
        }  
        if (x == y) {  
            setPixel(pix, xCenter + x, yCenter + y);  
            setPixel(pix, xCenter + x, yCenter - y);  
            setPixel(pix, xCenter - x, yCenter + y);  
            setPixel(pix, xCenter - x, yCenter - y);  
        }  
    }  
  
    public int[] getAcc() {  
        return acc;  
    }  
  
}