OpenCv学习19——霍夫变换（直线检测）

1. 霍夫变换简介：
   霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、电脑视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。
   现在广泛使用的霍夫变换是由RichardDuda和PeterHart在公元1972年发明，并称之为广义霍夫变换(generalizedHoughtransform)，广义霍夫变换和更早前1962年的PaulHough的专利有关。经典的霍夫变换是侦测图片中的直线，之后，霍夫变换不仅能识别直线，也能够识别任何形状，常见的有圆形、椭圆形。1981年，因为DanaH.Ballard的一篇期刊论文"Generalizing the Hough transform to detect arbitrary shapes"，让霍夫变换开始流行于电脑视觉界。
   因此我们首先了解霍夫变换的直线检测

2. 霍夫变换（直线检测原理）
   霍夫变换（直线检测）的前提是我们已经进行了边缘检测
   The simplest case of Hough transform is detecting straight lines. In general, the straight line y = mx + b can be represented as a point (b, m) in the parameter space. However, vertical lines pose a problem. They would give rise to unbounded values of the slope parameter m. Thus, for computational reasons, Duda and Hart[5] proposed the use of the Hesse normal form由上面的叙述我们可以知道，由于直线斜率存在无界值，因而我们要采用极坐标系来进行直线检测。
   对于一个像素点其极坐标表示形式为一个r和θ的函数
   
   由此我们可以见到，在r和θ组成的坐标系中，如果两条曲线相交，则证明这两条曲线所表示的像素点在同一直线上，这样子我们就检测出了直线，再通过将极坐标系转化为直角坐标系，这样子我们就完成了直线检测。
   

3. 用到的相关API
   ①CV_EXPORTS_W void 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 );

   第一个参数为八位的灰度输入图像；
   第二个参数为输出的极坐标；
   第三个参数为生成极坐标时候的像素扫描步长一般取1；
   第四个参数为生成极坐标时候的角度步长，一般取值CV_PI/180;
   第五个参数为阈值，只有获得足够多交点的极坐标我们才认为其实直线；
   接下来几个参数一般情况均使用默认值
   该API最终输出的结果为极坐标空间的结果，还需要转换到平面空间中，一般不常用

   ②CV_EXPORTS_W void HoughLinesP( InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength = 0, double maxLineGap = 0 );
   该API最终输出的是直线的两个点，较为常用

4. 实验代码

   #include "iostream"
   #include "opencv2\opencv.hpp"
   
   using namespace std;
   using namespace cv;
   
   
   
   int main()
   {
   	Mat src, gray_src, line_detect;
   	src = imread("C:/Users/he104/Desktop/opencv_images/hvtest.jpg");
   	if (src.empty())
   	{
   		cout << "could not load the images" << endl;
   		return -1;
   	}
   	namedWindow("input_images", CV_WINDOW_AUTOSIZE);
   	namedWindow("output_images", CV_WINDOW_AUTOSIZE);
   	cvtColor(src, gray_src, CV_BGR2GRAY);
   	Canny(gray_src,gray_src,150,200);
   	cvtColor(gray_src, line_detect, CV_GRAY2BGR);
   	vector<Vec4f> plines;
   	HoughLinesP(gray_src, plines, 1, CV_PI / 180.0, 10, 0, 10);
   	Scalar color = Scalar(0, 255, 0);
   	for (size_t i = 0; i < plines.size(); i++)
   	{
   		Vec4f hline = plines[i];
   		line(line_detect, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3, LINE_AA);
   	}
   	imshow("input_images", src);
   	imshow("output_images", line_detect);
   	waitKey(0);
   	destroyAllWindows();
   	return 0;
   }