📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢：文章若有幸对你有帮助，可点赞 👍 收藏 ⭐不迷路🙉
📢：内容若有错误，敬请留言 📝指正！原创文，转载请注明出处
一、霍夫变换-圆检测
圆检测对噪声比较敏感，所以首先要对图像进行均值滤波
基于效率考虑，opencv中实现霍夫变换圆检测的步骤：
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。
API-HoughCircles
霍夫变换圆检测的函数原型如下：
void HoughCircles(image， circles, method, dp, minDist, param1 = 100,param2 = 100, minRadius = 0, maxRadius = 0)
例如：HoughCircles(gray_src, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);
1.InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。
2.InputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，每个矢量由包含了3个元素的浮点矢量(x,> y, radius)表示。
3.int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。
4.double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
5.double类型的minDist，为霍夫变换检测到的两个圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
6.double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
7.double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
8.int类型的minRadius,有默认值0，表示圆半径的最小值。
9.int类型的maxRadius,也有默认值0，表示圆半径的最大值。
需要注意的是，使用此函数可以很容易地检测出圆的圆心，但是它可能找不到合适的圆半径
全部代码
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
//测试使用OpenCV自带的HoughLineP提取图像边缘
Mat src, mid_src, gray_src, dst;
int min_threshold = 20;
int max_range = 255;
char gray_window[] = "gray_window";
char Hough_result[] = "Hough_result";
int main(int argc, char** argv) {
//Step1 读取图片
src = imread("D:/images/zhifang_ball.png"); //注意斜线方向
if (src.empty()) {
cout << "Could not load the image ...." << endl;
return -1;
}
imshow("input_image", src);
//Step2 由于霍夫圆检测对噪声比较敏感，所以需要使用中值滤波/高斯滤波等方法，处理图片
medianBlur(src, mid_src, 3);
imshow("中值滤波", mid_src);
//Step3 将中值滤波之后的图片转化为灰度图
cvtColor(mid_src, gray_src, COLOR_BGR2GRAY);
imshow("灰度化", gray_src);
//Step4 使用霍夫圆检测
vector<Vec3f> pcircles; //创建一个vector，存放圆的信息（[0] [1]圆心坐标，[2] 半径）
HoughCircles(gray_src, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50); //(输入，输出，检测方式，圆的限制条件)
//Step5 将圆显示在原图上
src.copyTo(dst);//将原图拷贝给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); //绘制圆(图片名，圆心位置，半径，颜色，边长)
circle(dst, Point(cc[0], cc[1]), 2, Scalar(255, 0, 0), 2, LINE_AA); //绘制圆心
}
imshow("Circle_image", dst);
waitKey(0);
return 0;
}
简化代码
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
//测试使用OpenCV自带的HoughLineP提取图像边缘
Mat src, mid_src, gray_src, dst;
int min_threshold = 20;
int max_range = 255;
char gray_window[] = "gray_window";
char Hough_result[] = "Hough_result";
int main(int argc, char** argv) {
//Step1 读取图片
src = imread("D:/images/zhifang_ball.png"); //注意斜线方向
if (src.empty()) {
cout << "Could not load the image ...." << endl;
return -1;
}
imshow("input_image", src);
//Step2 由于霍夫圆检测对噪声比较敏感，所以需要使用中值滤波/高斯滤波等方法，处理图片
medianBlur(src, mid_src, 3);
imshow("中值滤波", mid_src);
//Step3 将中值滤波之后的图片转化为灰度图
cvtColor(mid_src, gray_src, COLOR_BGR2GRAY);
imshow("灰度化", gray_src);
//Step4 使用霍夫圆检测
vector<Vec3f> pcircles; //创建一个vector，存放圆的信息（[0] [1]圆心坐标，[2] 半径）
HoughCircles(gray_src, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50); //(输入，输出，检测方式，圆的限制条件)
//Step5 绘制圆并显示在原图上
for (size_t i = 0; i<pcircles.size(); i++) {
Vec3f cc = pcircles[i];
circle(src, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA); //绘制圆(图片名，圆心位置，半径，颜色，边长)
circle(src, Point(cc[0], cc[1]), 2, Scalar(255, 0, 0), 2, LINE_AA); //绘制圆心
}
imshow("Circle_image", src);
waitKey(0);
return 0;
}
效果显示
二、直线检测
HoughLines
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 
API-HoughLinesP
此函数在HoughLines的基础上末尾加了一个代表Probabilistic（概率）的P，表明它可以采用累计概率霍夫变换（PPHT）来找出二值图像中的直线。
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，严格意义上来说，最后检测的是线段，而非直线，因此输出的是线段的两个端点。
函数原型以及参数如下：
HoughLinesP(src，lines，rho，theta，minLineLength，maxLineGap）
参数含义如下：
1.InputArray src, // 输入图像必须8-bit图像（单通道），可以是灰度图像，或是二值化图像
2.OutputArray lines, // 输出的极坐标来表示线段，线段上两个端点的坐标
3.double rho, // 生成极坐标时候的像素扫描步长，为1。
4.double theta, //生成极坐标时候的角度步长，一般取值CV_PI/180
5.int threshold, // 累加器的阈值，即参数空间中离散化后每个方格被通过的累计次数大于阈值时被识别为直线，否则不识别为直线。这个值越小，越容易检测到直线。
6.double minLineLength=0;// 直线的最小长度,小于该值的直线会被剔除。即线段最短的长度
7.double maxLineGap=0;//允许将点与点之间连接起来的最大距离。
全部代码
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat src, src_gray, bin,dst;
src = imread("D:/images/gem_test.png");
if (src.empty())
{
cout << "could not load image !";
return -1;
}
imshow("输入图像", src);
//canny处理之后图像已经就是二值图像了
Canny(src, src_gray, 0, 255);
imshow("边缘检测", src_gray);
//灰度图转回彩色图像
cvtColor(src_gray,dst,COLOR_GRAY2BGR);
//霍夫变换
vector<Vec4f> plines;//霍夫变换得出的结果（直线）放入plines这个数组中。
HoughLinesP(src_gray, plines, 1, CV_PI / 180, 150, 30, 10);//输入必须是单通道的图像，注意这里不能输入dst，而是src_gray
cout << plines.size() << endl;//检测输出图像的位数是否为8位，单通道。
Scalar color = Scalar(0, 0, 255);//颜色设置为红色。
for (size_t i = 0; i < plines.size(); i++) {
Vec4f hline = plines[i];
//在dst彩色图像上绘制直线
line(dst, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3, LINE_AA);
}
imshow("霍夫变换-直线检测", dst);
waitKey(0);
return 0;
}
代码简化
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat src, src_gray, bin, dst;
src = imread("D:/images/gem_test.png");
if (src.empty())
{
cout << "could not load image !";
return -1;
}
imshow("输入图像", src);
//canny处理之后图像已经就是二值图像了
Canny(src, src_gray, 0, 255);
imshow("边缘检测", src_gray);
//灰度图转回彩色图像
cvtColor(src_gray, dst, COLOR_GRAY2BGR);
//霍夫变换
vector<Vec4f> point;//定义一个矢量结构lines用于存放得到的线段矢量集合。两个端点坐标存储在linepoint这个数组中，且坐标数据类型为float。vector<Vec4f>是一个矩阵。
HoughLinesP(src_gray, point, 1, CV_PI / 180, 100, 30, 10);//输入必须是单通道的图像，注意这里不能输入dst，而是src_gray
Scalar color = Scalar(0, 0, 255);//颜色设置为红色。
cout <<"所绘制直线的条数总和"<< point.size() << endl;//打印出来的是所绘制直线的条数总和
//在dst彩色图像上依次绘制直线
for (size_t i = 0; i <point.size(); i++)
{
line(dst, Point(point[i][0], point[i][1]), Point(point[i][2], point[i][3]), color, 3, LINE_AA);
}
imshow("霍夫变换-直线检测", dst);
waitKey(0);
return 0;
}
效果显示
476
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
