【OpenCV：从零到一】15：霍夫变换-直线、圆

前言
这是我《OpenCV：从零到一》专栏的第十五篇博客，想看跟多请戳这。
本文概要
HoughLines
HoughLinesP
HoughCircles
cvRound
案例代码
大概内容：检测圆和直线并描绘出来 。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;
int main(int argc, char** argv) {
	Mat src, src_gray, dst;
	src = imread("D:/86186/Documents/opencv/geometricFigure.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_TITLE[] = "input image";
	char OUTPUT_TITLE[] = "hough-line-detection";
	namedWindow(INPUT_TITLE, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	// extract edge
	Canny(src, src_gray, 150, 200);
	cvtColor(src_gray, dst, COLOR_GRAY2BGR);
	imshow("edge image", src_gray);

	vector<Vec2f> lines;
	HoughLines(src_gray, lines, 1, CV_PI / 180, 150, 0, 0);
	for (size_t i = 0; i < lines.size(); i++) {
		float rho = lines[i][0]; // 极坐标中的r长度
		float theta = lines[i][1]; // 极坐标中的角度
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a * rho, y0 = b * rho;
		// 转换为平面坐标的四个点
		pt1.x = cvRound(x0 + 1000 * (-b));//Rounds floating-point number to the nearest integer.
		pt1.y = cvRound(y0 + 1000 * (a));
		pt2.x = cvRound(x0 - 1000 * (-b));
		pt2.y = cvRound(y0 - 1000 * (a));
		line(dst, pt1, pt2, Scalar(0, 0, 255), 1, LINE_AA);
	}
	imshow(OUTPUT_TITLE, dst);

	// 中值滤波,霍夫变换圆检测对噪声很敏感
	Mat moutput;
	medianBlur(src, moutput, 3);
	cvtColor(moutput, moutput, COLOR_BGR2GRAY);

	// 霍夫圆检测
	vector<Vec3f> pcircles;
	HoughCircles(moutput, pcircles, HOUGH_GRADIENT, 1, 10, 20, 45, 2, 200);
	src.copyTo(dst);
	for (size_t i = 0; i < pcircles.size(); i++) {
		Vec3f cc = pcircles[i];
		circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);
		circle(dst, Point(cc[0], cc[1]), 2, Scalar(198, 23, 155), 2, LINE_AA);
	}
	imshow("cricle", dst);


	waitKey(0);
	return 0;
}

运行效果:


解析及注意事项

• Hough Line Transform用来做直线检测，前提条件是边缘检测已经完成。
• 霍夫空间中的点在立体直角坐标系中是一条直线，霍夫空间中的直线在立体直角坐标系中是一个点。
• 标准的霍夫变换 cv::HoughLines从平面坐标转换到霍夫空间，最终输出是 (θ,r)表示极坐标空间
• 霍夫变换直线概率 cv::HoughLinesP最终输出是直线的两个点（x0，y0）(x1，y1)。相比于HoughLines建议使用HoughLinesP
• 因为霍夫圆检测对噪声比较敏感，所以首先要对图像做中值滤波。
• 基于效率考虑，Opencv中实现的霍夫变换圆检测是基于图像梯度的实现，分为两步：1. 检测边缘，发现可能的圆心。2. 基于第一步的基础上从候选圆心开始计算最佳半径大小。
• cvRound可以用于四舍五入浮点数

全注释代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;
int main(int argc, char** argv) {
	Mat src, src_gray, dst;
	src = imread("D:/86186/Documents/opencv/geometricFigure.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_TITLE[] = "input image";
	char OUTPUT_TITLE[] = "hough-line-detection";
	namedWindow(INPUT_TITLE, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	// extract edge
	Canny(src, src_gray, 150, 200);
	cvtColor(src_gray, dst, COLOR_GRAY2BGR);
	imshow("edge image", src_gray);

	vector<Vec2f> lines;
	HoughLines(src_gray, lines, 1, CV_PI / 180, 150, 0, 0);
	/*
	参数:
		InputArray src, // 输入图像，必须8-bit的灰度图像
		OutputArray lines, // 输出的极坐标来表示直线
		double rho, // 生成极坐标时候的像素扫描步长
		double theta, //生成极坐标时候的角度步长，一般取值CV_PI/180
		int threshold, // 阈值，只有获得足够交点的极坐标点才被看成是直线
		double srn=0;// 是否应用多尺度的霍夫变换，如果不是设置0表示经典霍夫变换
		double stn=0;//是否应用多尺度的霍夫变换，如果不是设置0表示经典霍夫变换
		double min_theta=0; // 表示角度扫描范围 0 ~180之间， 默认即可
		double max_theta=CV_PI
	一般情况是有经验的开发者使用，需要自己反变换到平面空间,建议用HoughLines
	*/
	for (size_t i = 0; i < lines.size(); i++) {
		float rho = lines[i][0]; // 极坐标中的r长度
		float theta = lines[i][1]; // 极坐标中的角度
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a * rho, y0 = b * rho;
		// 转换为平面坐标的四个点
		pt1.x = cvRound(x0 + 1000 * (-b));//Rounds floating-point number to the nearest integer.
		/*
		int cvRound (double value)
		int cvRound (float value)
		int cvRound (int value)
		If the value is outside of INT_MIN ... INT_MAX range, the result is not defined.
		*/
		pt1.y = cvRound(y0 + 1000 * (a));
		pt2.x = cvRound(x0 - 1000 * (-b));
		pt2.y = cvRound(y0 - 1000 * (a));
		line(dst, pt1, pt2, Scalar(0, 0, 255), 1, LINE_AA);
	}
	imshow(OUTPUT_TITLE, dst);

	/*waitKey(0);
	vector<Vec4f> plines;
	HoughLinesP(src_gray, plines, 1, CV_PI / 180.0, 10, 0, 10);
	Scalar color = Scalar(0, 0, 255);
	for (size_t i = 0; i < plines.size(); i++) {
		Vec4f hline = plines[i];
		line(dst, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3, LINE_AA);
	}
	imshow(OUTPUT_TITLE, dst);*/



	// 中值滤波,霍夫变换圆检测对噪声很敏感
	Mat moutput;
	medianBlur(src, moutput, 3);
	cvtColor(moutput, moutput, COLOR_BGR2GRAY);

	// 霍夫圆检测
	vector<Vec3f> pcircles;
	HoughCircles(moutput, pcircles, HOUGH_GRADIENT, 1, 10, 20, 45, 2, 200);
	/*
	InputArray image, // 输入图像 ,必须是8位的单通道灰度图像
	OutputArray circles, // 输出结果，发现的圆信息
	Int method, // 方法 - HOUGH_GRADIENT
	Double dp, // dp = 1;
	Double mindist, // 10 最短距离-可以分辨是两个圆的，否则认为是同心圆- src_gray.rows/8
	Double param1, // canny edge detection low threshold
	Double param2, // 中心点累加器阈值 – 候选圆心
	Int minradius, // 最小半径
	Int maxradius//最大半径
	*/
	src.copyTo(dst);
	for (size_t i = 0; i < pcircles.size(); i++) {
		Vec3f cc = pcircles[i];
		circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);
		circle(dst, Point(cc[0], cc[1]), 2, Scalar(198, 23, 155), 2, LINE_AA);
	}
	imshow("cricle", dst);


	waitKey(0);
	return 0;
}

翻译笔记
round n.巡逻；巡视；圆形物；球状物
adj.圆的；球形的；丰满的；弧形的
adv.附近；向四面；又；指朝反方向
v.拐过；绕过；使成圆形；把…四舍五入
prep.绕过；在…周围；始终