一、实验目的和要求
理解哈夫变换的基本原理;掌握使用OpenCV实现哈夫变换的代码编写方法。
二、实验内容
(一)新建工程;
(二)在VS2015中配置OpenCV;
(三)使用OpenCV中的函数实现哈夫变换检测线段。
三、实验仪器、设备
计算机一台,已安装 Windows7操作系统和Visual Studio 2015
四、实验原理
(一)在图像处理和计算机视觉领域中,如何从当前的图像提取所需要的特征信息是图像识别的关键所在。在许多应用场什中需要快速准确地检测出直线或者圆,其中一种非常有效的解决问题的方法是哈夫变换。
(二)哈夫线变换是一种用来寻找直线的方法,在使用哈夫线变换之前,首先要对图像进行边缘检测的处理,即哈夫线变换的直接输入只能是边缘二值图像。
(三)在OpenCV中,可以用HoughLines函数来调用标准哈夫变换和多尺度哈夫变换。而HoughLinesP函数用于调用累计概率霍夫变换。累计概率霍夫变换执行效率很高,相比于HoughLines函数,我们更倾向于使用HoughLinesP函数。
五、实验步骤
(一)创建Visual Studio 2015控制台程序;
(二)在Visual Studio 2015中配置OpenCV;
(三)编写代码,使用HoughLines或者HoughLinesP函数实现哈夫线变换检测线段。
六、实验注意事项
(一)完成OpenCV安装之后,VS中配置OpenCV的方法;
(二)HoughLines或者HoughLinesP函数的功能和使用方法。
七、实验结果
(一)实验代码
//--------------------------------【头文件、命名空间包含部分】----------------------------
// 描述:包含程序所使用的头文件和命名空间
//-------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
//--------------------------------【全局变量声明部分】-----------------------------------
// 描述:全局变量声明
//-------------------------------------------------------------------------------------
Mat g_srcImage, g_dstImage,g_midImage;//原始图、中间图和效果图
vector<Vec4i> g_lines;//定义一个矢量结构g_lines用于存放得到的线段矢量集合
//变量接收的TrackBar位置参数
int g_nthreshold=100;
//--------------------------------【全局函数声明部分】-----------------------------------
// 描述:全局函数声明
//-------------------------------------------------------------------------------------
static void on_HoughLines(int, void*);//回调函数
static void ShowHelpText();
//-------------------------------【main( )函数】-----------------------------------------
// 描述:控制台应用程序的入口函数,我们的程序从这里开始
//-------------------------------------------------------------------------------------
int main( )
{
//改变console字体颜色
system("color 4F");
ShowHelpText();
//载入原始图和Mat变量定义
Mat g_srcImage = imread("1.jpg"); //工程目录下应该有一张名为1.jpg的素材图
//显示原始图
imshow("【原始图】", g_srcImage);
//创建滚动条
namedWindow("【效果图】",1);
createTrackbar("值", "【效果图】",&g_nthreshold,200,on_HoughLines);
//进行边缘检测和转化为灰度图
Canny(g_srcImage, g_midImage, 50, 200, 3);//进行一次canny边缘检测
imshow("canny", g_midImage);
cvtColor(g_midImage,g_dstImage, COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图
//调用一次回调函数,调用一次HoughLinesP函数
on_HoughLines(g_nthreshold,0);
HoughLinesP(g_midImage, g_lines, 1, CV_PI/180, 80, 50, 10 );
//显示效果图
imshow("【效果图】", g_dstImage);
waitKey(0);
return 0;
}
//---------------------------------【on_HoughLines( )函数】------------------------------
// 描述:【顶帽运算/黑帽运算】窗口的回调函数
//-------------------------------------------------------------------------------------
static void on_HoughLines(int, void*)
{
//定义局部变量储存全局变量
Mat dstImage=g_dstImage.clone();
Mat midImage=g_midImage.clone();
//调用HoughLinesP函数
//CV_EXPORTS_W void HoughLinesP(InputArray image, OutputArray lines,
// double rho, double theta, int threshold,
// double minLineLength = 0, double maxLineGap = 0);
//image: 必须是二值图像,推荐使用canny边缘检测的结果图像;
//rho: 线段以像素为单位的距离精度,double类型的,推荐用1.0
//theta: 线段以弧度为单位的角度精度,推荐用numpy.pi / 180
//threshod : 累加平面的阈值参数,int类型,超过设定阈值才被检测出线段,值越大,基本上意味着检出的线段越长,检出的线段个数越少。根据情况推荐先用100试试
//lines:这个参数的意义未知,发现不同的lines对结果没影响,但是不要忽略了它的存在
//minLineLength:线段以像素为单位的最小长度,根据应用场景设置
//maxLineGap:同一方向上两条线段判定为一条线段的最大允许间隔(断裂),超过了设定值,则把两条线段当成一条线段,值越大,允许线段上的断裂越大,越有可能检出潜在的直线段
vector<Vec4i> mylines;
HoughLinesP(midImage, mylines, 1, CV_PI/180, g_nthreshold+1, 50, 10 );
//循环遍历绘制每一条线段
for( size_t i = 0; i < mylines.size(); i++ )
{
Vec4i l = mylines[i];
line( dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(23,180,55), 1, LINE_AA);
}
//显示图像
imshow("【效果图】",dstImage);
}
//--------------------------------【ShowHelpText( )函数】--------------------------------
// 描述:输出一些帮助信息
//-------------------------------------------------------------------------------------
static void ShowHelpText()
{
//输出欢迎信息和OpenCV版本
printf("\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书!\n");
printf("\n\n\t\t\t此为本书OpenCV3版的第64个配套示例程序\n");
printf("\n\n\t\t\t 当前使用的OpenCV版本为:" CV_VERSION );
printf("\n\n ----------------------------------------------------------------------------\n");
//输出一些帮助信息
printf("\n\n\n\t请调整滚动条观察图像效果~\n\n");
}
(二)显示结果
八、实验总结
本次实验的主要内容是理解哈夫变换的基本原理;掌握使用OpenCV实现哈夫变换的代码编写方法。新建工程,在VS2015中配置OpenCV,使用OpenCV中的函数实现哈夫变换检测线段。使用HoughLines函数来调用标准哈夫变换和多尺度哈夫变换,HoughLinesP函数用于调用累计概率霍夫变换。通过编写代码,我学会了使用HoughLines函数来调用标准哈夫变换和多尺度哈夫变换,使用HoughLinesP函数来调用累计概率霍夫变换。