OpenCV霍夫變換(Hough Transform)直線檢測詳解
霍夫變換(Hough Transform)的主要思想：
一條直線在平面直角坐標系(x-y)中可以用y=ax+b式表示，對于直線上一個確定的點(x0,y0)，總符合y0-ax0=b，而它可以表示為參數(shù)平面坐標系(a-b)中的一條直線。因此，圖像中的一個點對應參數(shù)平面的一條直線，同樣，圖像中的一條直線對應參數(shù)平面上的一個點。
基本Hough變換檢測直線：
由于同一條直線上的不同點在參數(shù)平面中是會經(jīng)過同一個點的多條線。對圖像的所有點作霍夫變換，檢測直線就意味著找到對應參數(shù)平面中的直線相交最多的點。對這些交點做票數(shù)累計，然后取出票數(shù)大于最小投票數(shù)的點，即為原坐標系里檢測出的直線。
一般，直線的參數(shù)方程為 ρ=xcosθ+ysinθ
OpenCV中的基本霍夫變換直線檢測函數(shù) cv::HoughLines：
函數(shù)輸入為一幅二值圖像（有很多待檢測點），其中一些點排列后形成直線，通常這是一幅邊緣圖像，比如來自Sobel算子或Canny算子。函數(shù)的輸出是cv::Vec2f的向量，每個元素都是一對代表檢測到的直線的浮點數(shù)(ρ, θ)。函數(shù)的作法是先求出原圖像中每點的極坐標方程，若相交于一點的極坐標曲線的個數(shù)大于最小投票數(shù)，則將該點(ρ, θ)（參數(shù)坐標系點）放入輸出向量。
#include "opencv2/highgui.hpp"
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
#define PI 3.1415926
class LineFinder{
private:
std::vector<cv::Vec2f> lines;
double deltaRho; // 參數(shù)坐標系的步長(theta表示與直線垂直的角度)
double deltaTheta;
int minVote; // 判斷是直線的最小投票數(shù)
public:
LineFinder() {
deltaRho = 1;
deltaTheta = PI / 180;
minVote = 80;
}
void setAccResolution(double dRho, double dTheta) {
deltaRho = dRho;
deltaTheta = dTheta;
}
void setMinVote(int minv) {
minVote = minv;
}
// Hough變換檢測直線;rho=1,theta=PI/180參數(shù)坐標系里的步長,threshold=最小投票數(shù)
void findLines(cv::Mat& binary){
lines.clear();
cv::HoughLines(binary, lines, deltaRho, deltaTheta, minVote);
}
void drawDetectedLines(cv::Mat& result){
std::vector<cv::Vec2f>::const_iterator it = lines.begin();
while (it != lines.end())
{
// 以下兩個參數(shù)用來檢測直線屬于垂直線還是水平線
float rho = (*it)[0];
float theta = (*it)[1];
if (theta < PI / 4. || theta > 3.*PI / 4.)
{ // 若檢測為垂直線,直線交于圖片的上下兩邊,先找交點
cv::Point pt1(rho / cos(theta), 0);
cv::Point pt2((rho - result.rows*sin(theta)) / cos(theta), result.rows);
cv::line(result, pt1, pt2, cv::Scalar(255), 1); //
}
else // 若檢測為水平線,直線交于圖片的左右兩邊,先找交點
{
cv::Point pt1(0, rho / sin(theta));
cv::Point pt2(result.cols, (rho - result.cols*cos(theta)) / sin(theta));
cv::line(result, pt1, pt2, cv::Scalar(255), 1);
}
++it;
}
}
};
int main(int argc, char *argv[])
{
cv::Mat image = cv::imread("D:/VS_exercise/images/road1.jpg");
cv::Mat imageGray;
cv::Mat contours;
cv::cvtColor(image, imageGray, cv::COLOR_RGB2GRAY);
cv::Canny(imageGray, contours, 190, 300);
// 在原圖的拷貝上畫直線
cv::Mat result(contours.rows, contours.cols, CV_8U, cv::Scalar(255));
image.copyTo(result);
// Hough變換檢測
LineFinder finder;
finder.setMinVote(130);
finder.findLines(contours);
finder.drawDetectedLines(result);
// 顯示
cv::namedWindow("Detected Lines with Hough");
cv::imshow("Detected Lines with Hough", result);
cv::waitKey(0);
return 0;
}
概率Hough變換檢測線段：
霍夫變換檢測直線的目的，是找到二值圖像中經(jīng)過足夠多數(shù)量點的所有直線，當同一直線穿過許多點，便意味著這條線的存在足夠明顯。
概率霍夫變換在原算法的基礎上增加了一些改動，主要是：
1. 不再系統(tǒng)地逐行掃描圖像，而是隨機挑選（輪廓圖像的）前景點，一旦累加器中的某一項交點的票數(shù)達到給定的最小值，就搜索輪廓圖像在對應直線上的前景點，連成線段（要小于maxLineGap），然后記錄線段參數(shù)（起終點），最后刪除所有經(jīng)過的點（即使它們并未投過票）。
2. 概率霍夫變換定義了兩個額外的參數(shù)：一個是可以接受的最小線段長度（minLineLength），另一個是允許組成連續(xù)線段的最大像素間隔（maxLineGap），雖然額外步驟增加了算法的復雜度，但由于參與投票的點數(shù)有所減少，因此得到了一些補償。
openCV中的概率霍夫變換直線檢測函數(shù) cv::HoughLinesP：
函數(shù)的輸出是cv::Vec4i組成的向量，每個元素是檢測到的線段的兩個坐標點(pt1x, pt1y, pt2x, pt2y)。
#include "opencv2/highgui.hpp"
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#define PI 3.1415926
class LineFinder{
private:
std::vector<cv::Vec4i> lines;
double deltaRho; // 步長(theta表示與直線垂直的角度)
double deltaTheta;
int minVote; // 判斷是直線的最小投票數(shù)
double minLength; // 判斷是直線的最小線段長度
double maxGap; // 允許組成連續(xù)線段的最大像素間隔
public:
LineFinder() {
deltaRho = 1;
deltaTheta = PI / 180;
minVote = 10;
minLength = 0.0;
maxGap = 0.0;
}
void setAccResolution(double dRho, double dTheta) {
deltaRho = dRho;
deltaTheta = dTheta;
}
void setMinVote(int minv) {
minVote = minv;
}
void setLineLengthAndGap(double length, double gap) {
minLength = length;
maxGap = gap;
}
// Hough變換檢測線段
void findLines(cv::Mat& binary) {
lines.clear();
cv::HoughLinesP(binary, lines, deltaRho, deltaTheta, minVote, minLength, maxGap);
}
void drawDetectedLines(cv::Mat &image, cv::Scalar color = cv::Scalar(255)) {
std::vector<cv::Vec4i>::const_iterator it2 = lines.begin();
while (it2 != lines.end()) {
cv::Point pt1((*it2)[0], (*it2)[1]);
cv::Point pt2((*it2)[2], (*it2)[3]);
cv::line(image, pt1, pt2, color, 1.5); //畫線段
++it2;
}
}
};
int main(int argc, char *argv[])
{
cv::Mat image = cv::imread("D:/VS_exercise/images/road1.jpg");
cv::Mat imageGray;
cv::Mat contours;
cv::cvtColor(image, imageGray, cv::COLOR_RGB2GRAY);
// 邊緣檢測
cv::Canny(imageGray, contours, 190, 300);
// Hough變換檢測
LineFinder finder;
finder.setMinVote(80);
finder.setLineLengthAndGap(100, 10); //概率Hough變換增加的兩個參數(shù)
finder.findLines(contours);
finder.drawDetectedLines(image);
// 顯示
cv::imshow("Detected Lines with Hough", image);
cv::waitKey(0);
return 0;
}
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
相關文章
這篇文章主要給大家介紹了關于C語言未初始化的局部變量是多少，文中通過示例代碼以及圖文介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2020-07-07
C語言實現(xiàn)YUV文件轉(zhuǎn)JPEG格式
這篇文章主要為大家詳細介紹了如何利用C語言實現(xiàn)將YUV文件轉(zhuǎn)為JPEG格式,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下2023-12-12
這篇文章主要介紹了C++和JAVA的字符串，JAVA 中String 和StringBuffer的區(qū)別,需要的朋友可以參考下2015-07-07
C語言數(shù)據(jù)結(jié)構(gòu)進階之棧和隊列的實現(xiàn)
棧和隊列，嚴格意義上來說，也屬于線性表，因為它們也都用于存儲邏輯關系為 "一對一" 的數(shù)據(jù)，但由于它們比較特殊，因此將其單獨作為一章，做重點講解2021-11-11
指針在 C\C++ 語言中是很重要的內(nèi)容,并且和指針有關的內(nèi)容一向令初學者頭大,這篇文章主要給大家介紹了關于C/C++中指針的相關資料,需要的朋友可以參考下2021-09-09
這篇文章主要給大家介紹了關于C++中對象&類的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-05-05
這篇文章主要給大家介紹了關于C++中如何實現(xiàn)回調(diào)的相關資料，文中通過示例代碼介紹的非常詳細，對大家學習或者使用c++具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧。2017-10-10
這篇文章主要介紹了C++映像劫持后門,實例分析了C++映像劫持后門的原理與相關實現(xiàn)技巧,有助于進一步了解后門的原理,需要的朋友可以參考下2015-04-04
Boost是為C++語言標準庫提供擴展的一些C++程序庫的總稱。Boost庫是一個可移植、提供源代碼的C++庫，作為標準庫的后備，是C++標準化進程的開發(fā)引擎之一，是為C++語言標準庫提供擴展的一些C++程序庫的總稱2022-11-11
這篇文章主要介紹了VC多線程編程,實例形式詳細分析了多線程編程的原理與實現(xiàn)方法,具有一定的參考借鑒價值,需要的朋友可以參考下2014-10-10