1.霍夫变换检测直线的数学原理
关于霍夫变换的数学原理可以参考下面这位大佬的博客;
传送门:霍夫变换原理
这篇博客的作者对霍夫变换的原理解释的已经非常详细了;
2.直线检测代码实现及运行结果
2.1 HoughLinesP()
相关API:
2.2 试验代码
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img = imread("E:/box.jpg");//从指定路径加载图像,注意在Windows下要将路径中的"\"修改为"/"
if (!img.data)//加载图像失败
{
printf("Fault to load image!\n\r");
return -1;
}
Mat img_gauss,img_edge;
GaussianBlur(img, img_gauss, Size(3, 3), 0);//高斯模糊,滤波
Canny(img_gauss, img_edge, 50, 300, 3);//边缘检测
imshow("Canny1 Window", img_edge);//显示边缘处理后的图像
vector<Vec4i> plines;//缓存计算出来的直线端点坐标
HoughLinesP(img_edge, plines, 1, CV_PI / 180.0, 100, 0, 10);//霍夫变换
Scalar color = Scalar(0,0,255);
for (size_t i = 0; i < plines.size(); i++)//根据计算出的点绘制直线
{
Vec4i p = plines[i];
Point p1(p[0], p[1]);
Point p2(p[2], p[3]);
line(img, p1, p2, color,3);
}
imshow("Hough", img);//显示图像
waitKey(0);
return 0;
}
注释:Vec4i是OpenCV的一个类,它代表的意思是:a four-element integer vector,即一个存放了四个int型元素的vector,在这里用来存储直线的端点坐标X0,Y0,X1,Y1;
2.3 运行结果
注:HoughLinesP()的第五个参数threshold的大小直接决定着检测到直线的数量,如下两幅图分别是该参数取100和150时的效果图:
2.4 HoughLines()
相关API:
2.5 试验代码
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img = imread("E:/box.jpg");//从指定路径加载图像,注意在Windows下要将路径中的"\"修改为"/"
if (!img.data)//加载图像失败
{
printf("Fault to load image!\n\r");
return -1;
}
Mat img_gauss,img_edge;
GaussianBlur(img, img_gauss, Size(3, 3), 0);
Canny(img_gauss, img_edge, 50, 300, 3);
imshow("Canny1 Window", img_edge);//显示图像
vector<Vec2f> lines;
HoughLines(img_edge, lines, 1, CV_PI / 180, 100, 0, 0);
//绘制直线
for (size_t i = 0; i < lines.size(); i++)
{
//提取出距离和角度
float rho = lines[i][0], theta = lines[i][1];
//定义两个点,两点确定一条直线
//计算得到的两点的坐标为(ρcosθ-1000sinθ,ρsinθ+1000cosθ),(ρcosθ+1000sinθ,ρsinθ-1000cosθ)
Point pt1, pt2;
double a = cos(theta), b = sin(theta);
double x0 = a*rho, y0 = b*rho;
pt1.x = cvRound(x0 + 1000 * (-b));
pt1.y = cvRound(y0 + 1000 * (a));
pt2.x = cvRound(x0 - 1000 * (-b));
pt2.y = cvRound(y0 - 1000 * (a));
//在原图上画宽带为2的红线
line(img, pt1, pt2, Scalar(0, 0, 255), 3);
}
imshow("Hough", img);
waitKey(0);
return 0;
}
注释:
1.本段代码参考自博客:Opencv2.4.9源码分析——HoughLines
2.HoughLines只输出直线所对应的角度和距离,所以在进行直线检测的时候还要把其转换为直角坐标系下的数据
2.6 运行结果:
如下两幅图分别是threshold参数取100和150时的效果图:
3.霍夫变换检测圆的原理
如果按照霍夫变换检测直线那样,将笛卡尔坐标系内圆轮廓上的点转换到霍夫空间内,然后以这些轮廓点为圆心,取目标圆的半径画圆,最终所有的这些圆都会交于一点,改点就是待检测目标圆的圆心,参考下面这张图,是不是似曾相识,通过上面的方法找到圆心的前提必须是已知圆的半径,但恰恰半径也是未知数,所以得换条路走;
所以换一个方法来确定圆心,我根据自己的理解画了一张简图,如下所示,我们可以利用梯度法找到圆心,取所有垂直于圆周上点的处切线的法向量,然后我们会发现这些向量都会交于圆心;
3.1 相关API
3.2 试验代码
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img = imread("D:/VSPro/Src/circle.jpg");//从指定路径加载图像,注意在Windows下要将路径中的"\"修改为"/"
if (!img.data)//加载图像失败
{
printf("Fault to load image!\n\r");
return -1;
}
imshow("Source Image Window", img);//显示图像
Mat img_fil, img_gray,img_out;
medianBlur(img, img_fil, 3);//对原图像进行中值滤波,噪声点对霍夫圆检测影响较大
cvtColor(img_fil, img_gray, CV_BGR2GRAY);//对滤波后的图像进行灰度化
vector<Vec3f> pcircle;//圆心坐标+半径
HoughCircles(img_gray, pcircle, CV_HOUGH_GRADIENT, 1,20, 100, 30, 5, 200);
img.copyTo(img_out);
for (size_t i = 0; i < pcircle.size(); i++)//标记出所有的圆
{
Vec3f cir = pcircle[i];
circle(img_out, Point(cir[0], cir[1]), 3, Scalar(255, 0, 0), -1);//标记圆心
circle(img_out, Point(cir[0], cir[1]), cir[2], Scalar(255, 0, 0), 3);//根据圆心坐标以及半径绘制圆轮廓
}
imshow("Hough Circle Window", img_out);
waitKey(0);
return 0;
}