OpenCV核心模块核心提炼（五） —— 线条检测：Hough线变换

1. 如您所知，图像空间中的一条线可以用两个变量表示。例如：

   1. 在笛卡尔坐标系中： 参数：。
   2. 在极坐标系中：参数：
   

   对于霍夫变换，我们将在极地系统中表达线条。因此，线方程可以写成：

   

安排条款： 

1. 通常对于每个点，我们可以定义经过该点的行族：

   

   意味着每对代表经过的每一条线。

2. 如果对于给定的我们绘制经过它的线族，我们得到一个正弦曲线。例如，对于和我们得到如下图（在一个平面上- ）：

   

   我们只考虑这样的点和。

3. 我们可以对图像中的所有点执行相同的操作。如果两个不同点的曲线在平面中相交- 这意味着两个点都属于同一条线。举例来说，上面的例子以下和绘图积两分以上：，和，我们得到：

   

   所述三条曲线相交在一个单点，这些坐标是参数（）或线，其中，与铺设。

4. 上面的所有东西意味着什么？这意味着通常可以通过查找曲线之间的交叉点数来检测线。交叉的曲线越多意味着该交点所代表的线具有更多的点。通常，我们可以定义检测线所需的最小交叉点数量的阈值。

5. 这就是霍夫线变换所做的。它跟踪图像中每个点的曲线之间的交点。如果交叉点的数量高于某个阈值，则它将其声明为具有交叉点参数的线。

标准和概率Hough线变换

OpenCV实现了两种Hough Line变换：

1. 标准霍夫变换

• 它包含了我们刚才在前一节中解释过的内容。它为您提供了一对夫妇的矢量
• 在OpenCV中，它使用函数HoughLines实现

1. 概率Hough线变换

• Hough Line变换的更有效实现。它将检测到的线的极值作为输出
• 在OpenCV中，它使用函数HoughLinesP实现

代码

1. 这个程序做什么用的？
   • 加载图像
   • 应用标准Hough线变换或概率线变换。
   • 在两个窗口中显示原始图像和检测到的线条。
2. 我们将解释的示例代码可以从这里下载 。可以在此处找到稍微更漂亮的版本（显示Hough标准和带轨迹栏的概率以更改阈值） 。

#include  “opencv2 / highgui / highgui.hpp”
#include  “opencv2 / imgproc / imgproc.hpp”

#include  

使用 命名空间 cv ; 
using  namespace  std ;

void  help （）
{ 
 cout  <<  “ \ n 此程序演示使用Hough变换进行寻线。\ n ” 
         “用法：\ n ” 
         “./houghlines ，默认为pic1.jpg \ n ”  <<  endl ; 
}

int  main （int  argc ， char **  argv ）
{ 
 const  char *  filename  =  argc  > =  2  ？ argv [ 1 ]  ： “pic1.jpg” ;

 Mat  src  =  imread （filename ， 0 ）; 
 如果（SRC 。空（））
 { 
     帮助（）; 
     cout  <<  “无法打开”  <<  filename  <<  endl ; 
     返回 - 1 ; 
 }

 Mat  dst ， cdst ; 
 Canny算子（SRC ， DST ， 50 ， 200 ， 3 ）; 
 cvtColor （dst ， cdst ， CV_GRAY2BGR ）;

 #if 0
  vector 行; 
  HoughLines（dst，lines，1，CV_PI / 180,100,0,0）;

  for（size_t i = 0; i 
  { 
     float rho = lines [i] [0]，theta = lines [i] [1]; 
     点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））; 
     line（cdst，pt1，pt2，Scalar（0,0,255），3，CV_AA）; 
  } 
#else 
  vector < Vec4i >  行; 
  HoughLinesP （dst ， lines ， 1 ， CV_PI / 180 ， 50 ， 50 ， 10  ）; 
  为（ 为size_t  我 =  0 ;  我 <  线。大小（）;  我++  ）
  { 
    Vec4i  升 =  线[ 我]; 
    line （ cdst ， Point （l [ 0 ]， l [ 1 ]）， Point （l [ 2 ]， l [ 3 ]）， Scalar （0，0 ，255 ）， 3 ， CV_AA ）; 
  } 
 #endif 
 imshow （“source” ， src ）; 
 imshow （“检测到的行” ， cdst ）;

 waitKey （）;

 返回 0 ; 
}

说明

1. 加载图像

   Mat  src  =  imread （filename ， 0 ）; 
   如果（SRC 。空（））
   { 
     帮助（）; 
     cout  <<  “无法打开”  <<  filename  <<  endl ; 
     返回 - 1 ; 
   }
   

2. 使用Canny检测器检测图像的边缘

   Canny算子（SRC ， DST ， 50 ， 200 ， 3 ）;
   

   现在我们将应用霍夫线变换。我们将解释如何使用可用于此目的的两个OpenCV函数：

3. 标准霍夫线变换

   1. 首先，您应用变换：

      vector < Vec2f >  行; 
      HoughLines （DST ， 线， 1 ， CV_PI / 180 ， 100 ， 0 ， 0  ）;
      

      使用以下参数：

      • dst：边缘检测器的输出。它应该是灰度图像（虽然实际上它是二进制图像）
      • lines：一个向量，用于存储检测到的行的参数
      • rho：参数的分辨率，以像素为单位。我们使用1个像素。
      • theta：以弧度表示的参数分辨率。我们使用1度（CV_PI / 180）
      • 阈值：“ 检测 ”线的最小交叉点数
      • srn和stn：默认参数为零。查看OpenCV参考以获取更多信息。

   2. 然后通过绘制线条显示结果。

      为（ 为size_t  我 =  0 ;  我 <  线。大小（）;  我++  ）
      { 
        浮子 RHO  =  线[ 我] [ 0 ]， THETA  =  线[ 我] [ 1 ]; 
        点 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 ））; 
        线（ cdst ， PT1 ， PT2 ， 标量（0 ，0 ，255 ）， 3 ， CV_AA ）; 
      }
      

4. 概率Hough线变换

   1. 首先应用转换：

      vector < Vec4i >  行; 
      HoughLinesP （DST ， 线， 1 ， CV_PI / 180 ， 50 ， 50 ， 10  ）;
      

      与参数：

      • dst：边缘检测器的输出。它应该是灰度图像（虽然实际上它是二进制图像）
      • lines：一个向量，用于存储检测到的行的参数
      • rho：参数的分辨率，以像素为单位。我们使用1个像素。
      • theta：以弧度表示的参数分辨率。我们使用1度（CV_PI / 180）
      • 阈值：“ 检测 ”线的最小交叉点数
      • minLinLength：可以形成一条线的最小点数。忽略少于此点数的行。
      • maxLineGap：在同一行中考虑的两点之间的最大间隙。

   2. 然后通过绘制线条显示结果。

      为（ 为size_t  我 =  0 ;  我 <  线。大小（）;  我++  ）
      { 
        Vec4i  升 =  线[ 我]; 
        线（ cdst ， 点（升[ 0 ]， 升[ 1 ]）， 点（升[ 2 ]， 升[ 3 ]）， 标量（0 ，0 ，255 ）， 3， CV_AA ）; 
      }
      

5. 显示原始图像和检测到的线条：

   imshow （“source” ， src ）; 
   imshow （“检测到的行” ， cdst ）;
   

6. 等到用户退出程序

   waitKey （）;
   

结果

注意

 

下面的结果是使用我们在“ 规范”部分中提到的略微更加漂亮的版本获得的。它仍然实现与上面相同的内容，只为阈值添加了Trackbar。

使用输入图像，例如：

我们通过使用概率Hough线变换得到以下结果：