(30)Air Band OpenCV2.4.13_Hough直线变换

本文是对OpenCV2.4.13文档的部分翻译，作个人学习之用，并不完整。

Hough直线变换：

用于检测直线的变换，为了应用变换首先需要一个边缘检测的预处理。

原理：

图像中的线条可以用两个变量来表示：

直角坐标系：如（m ,b）；极坐标信息：（r ,θ）

我们通常使用指教坐标系来表示，因此一条直线可以表示为：

写成这样的形式

1.总的来说，对于点（x0,y0）可以定义一组通过该点的直线：

2.所以每一对（rθ ,θ）都可以表示通过（x0,y0）的直线

如果给定（x0,y0），画出通过它的一系列直线，可以得到一个正弦图像，例如x0=8,y0=6，在r-θ图像（r>0,0<θ<2π）中：

3.我们可以对一幅图像上的所有点执行上述操作，如果两个点的曲线在r-θ图像中某处相交，则这两点都属于一条直线，例如下图中增加x1=4,y1=9,x2=12,y2=3：

这三条线在一点(0.925 , 9.6)处相交，这些坐标就是参数(r,θ)或说直线(x0,y0)(x1,y1)(x2,y2)所在的位置。

4.总的来说一条线可以由一系列曲线的交点来检测，交点处的曲线越多，说明该点表示的直线上的点就越多。总的来说我们可以定义最小数目的阈值来检测一条直线。

5.这就是Hough直线变换所做的，持续跟踪图像中经过每点的直线所形成曲线的交点。交点的数量超过某阈值，就表示有这么一个交点参数为(θ,rθ)的直线存在。

标准和概率Hough直线变换：

1.标准直线变换

就是之前说明的内容，结果就是一个向量(θ,rθ)，在OpenCV中用HoughLines函数来实现。

2.概率直线变换

Hough直线变换的更有效的实现，输出结果就是检测到的直线的端点(x0,y0,x1,y1)，在OpenCV中用HoughLinesP来实现。

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>

using namespace cv;
using namespace std;

/// Global variables

/** General variables */
Mat src, edges;//原图、边缘图
Mat src_gray;//灰度图
Mat standard_hough, probabilistic_hough;//标准Hough、概率Hough
int min_threshold = 50;
int max_trackbar = 150;

const char* standard_name = "Standard Hough Lines Demo";
const char* probabilistic_name = "Probabilistic Hough Lines Demo";

int s_trackbar = max_trackbar;
int p_trackbar = max_trackbar;

/// Function Headers
void help();
void Standard_Hough( int, void* );
void Probabilistic_Hough( int, void* );

/**
 * @function main
 */
int main()
{
   /// 载入图像
   src = imread("building.jpg", 1 );

   if( src.empty() )
     { help();
       return -1;
     }

   /// 将图像转换为灰度图
   cvtColor( src, src_gray, COLOR_RGB2GRAY );

   /// 执行Canny边缘检测
   Canny( src_gray, edges, 50, 200, 3 );

   /// 创建滑动条选择阈值
   char thresh_label[50];
   sprintf( thresh_label, "Thres: %d + input", min_threshold );

   namedWindow( standard_name, WINDOW_AUTOSIZE );
   createTrackbar( thresh_label, standard_name, &s_trackbar, max_trackbar, Standard_Hough);

   namedWindow( probabilistic_name, WINDOW_AUTOSIZE );
   createTrackbar( thresh_label, probabilistic_name, &p_trackbar, max_trackbar, Probabilistic_Hough);

   /// 初始化
   Standard_Hough(0, 0);
   Probabilistic_Hough(0, 0);
   waitKey(0);
   return 0;
}

/**
 * @function help
 * @brief Indications of how to run this program and why is it for
 */
void help()
{
  printf("\t Hough Transform to detect lines \n ");
  printf("\t---------------------------------\n ");
  printf(" Usage: ./HoughLines_Demo <image_name> \n");
}

/**
 * @function Standard_Hough
 */
void Standard_Hough( int, void* )
{
  vector<Vec2f> s_lines;
  cvtColor( edges, standard_hough, CV_GRAY2BGR );

  /// 1. 使用标准Hough变换（边缘检测输出结果（灰度图，其实是二值），直线向量，参数r的分辨率（1像素），参数θ的分辨率（1度=CV_PI/180），阈值：交叉点数量的最小值，srn和stn默认为0）
  HoughLines( edges, s_lines, 1, CV_PI/180, min_threshold + s_trackbar, 0, 0 );

  /// 显示结果：画出线条
  for( size_t i = 0; i < s_lines.size(); i++ )
     {
      float r = s_lines[i][0], t = s_lines[i][1];
      double cos_t = cos(t), sin_t = sin(t);
      double x0 = r*cos_t, y0 = r*sin_t;
      double alpha = 1000;

       Point pt1( cvRound(x0 + alpha*(-sin_t)), cvRound(y0 + alpha*cos_t) );
       Point pt2( cvRound(x0 - alpha*(-sin_t)), cvRound(y0 - alpha*cos_t) );
       line( standard_hough, pt1, pt2, Scalar(255,0,0), 3, CV_AA);
     }

   imshow( standard_name, standard_hough );
}

/**
 * @function Probabilistic_Hough
 */
void Probabilistic_Hough( int, void* )
{
  vector<Vec4i> p_lines;
  cvtColor( edges, probabilistic_hough, CV_GRAY2BGR );

  /// 2. 使用概率Hough变换（边缘检测的输出结果（灰度图，实际上是二值），向量，参数r的分辨率（1像素），参数θ的分辨率（1度=CV_PI/180），阈值（检测直线的最小交点数），可以形成直线的最小点数（少于这个数字的点忽略），两点可以认为是在同一直线上的最大差距）
  HoughLinesP( edges, p_lines, 1, CV_PI/180, min_threshold + p_trackbar, 30, 10 );

  /// 显示结果
  for( size_t i = 0; i < p_lines.size(); i++ )
     {
       Vec4i l = p_lines[i];
       line( probabilistic_hough, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(255,0,0), 3, CV_AA);
     }

   imshow( probabilistic_name, probabilistic_hough );
}

结果：

改变阈值会改变检测到的直线数量，阈值越高线条更少