霍夫直线检测代码实战

 

作者简介：秃头小苏，致力于用最通俗的语言描述问题

往期回顾：霍夫直线检测原理详解

近期目标：拥有2000粉丝
支持小苏：点赞、收藏⭐、留言

  
 

霍夫直线检测代码实战

  上一节我们详细讲解了霍夫直线原理，想弄清楚霍夫直线检测原理的请前去阅读这一节我们主要来进行代码实战——对车道线进行检测。

  本节主要利用opencv中提供的2个函数进行检测，分别为HoughLines和HoughLinesP函数。这里给出opencv官网对两个函数的解释，点击了解详情。当然，这里也会给出相关的中文含义，如下：

• HoughLines函数

  void cv::HoughLines	(	InputArray 	image,
  OutputArray  lines,
  double 	rho,
  double 	theta,
  int 	threshold,
  double 	srn = 0,
  double 	stn = 0,
  double 	min_theta = 0,
  double 	max_theta = CV_PI 
  )	
  
    　//InputArray image:     输入图像，必须是8位单通道图像。 
  　　//OutputArray lines:    检测到的线条参数集合。 
  　　//double rho:           以像素为单位的距离步长。 
  　　//double theta:         以弧度为单位的角度步长。 
  　　//int threshold:        累加计数值的阈值参数，当参数空间某个交点的累加计数的值超过该阈值，则认为该交点对应了图像空间的一条直线。 
  　　//double srn: 默认值为0，用于在多尺度霍夫变换中作为参数rho的除数，rho=rho/srn。 
  　　//double stn: 默认值为0，用于在多尺度霍夫变换中作为参数theta的除数，theta=theta/stn。
  　　//如果srn和stn同时为0，就表示HoughLines函数执行标准霍夫变换，否则就是执行多尺度霍夫变换。
     //min_theta:  默认值为0	对于标准和多尺度霍夫变换，检查线的最小角度。必须介于 0 和 max_theta 之间。
     //max_theta:  默认值为pi	对于标准和多尺度霍夫变换，检查线的最大角度。必须介于 min_theta 和 CV_PI 之间。
  
  

  注意： HoughLines函数的输出存储在lines中，lines中存储的是检测到的直线的集合，每条直线由两个元素构成的向量（r, θ）表示，其中r表示直线距离原点（0, 0）的长度，θ表示直线的角度（以弧度为单位）。【r,θ的具体描述在上一节霍夫直线原理中有涉及】

• HoughLinesP函数

  void cv::HoughLinesP	(	InputArray 	image,
  OutputArray  lines,
  double 	rho,
  double 	theta,
  int 	threshold,
  double 	minLineLength = 0,
  double 	maxLineGap = 0 
  )	
  
  
  　//InputArray image：输入图像，必须是8位单通道图像。 
  　　//OutputArray lines：检测到的线条参数集合。 
  　　//double rho：直线搜索时的距离步长，以像素为单位。 
  　　//double theta：直线搜索时的角度步长，以弧度为单位。 
  　　//int threshold：累加计数值的阈值参数，当参数空间某个交点的累加计数的值超过该阈值，则认为该交点对应了图像空间的一条直线。 
  　　//double minLineLength：默认值为0，表示最小线段长度阈值（像素）。 
  　　//double maxLineGap：线段上最近两点之间的阈值.默认值为0，表示直线断裂的最大间隔距离阈值。即如果有两条线段是在一条直线上，但它们之间有间隙，那么如果这个间隔距离小于该值，则被认为是一条线段，否则认为是两条线段。
  
  

    注意：HoughLinesP函数的输出同样存储在lines中，lines中存储检测到的直线集合，没条直线由4个元素构成的向量（x1, y1, x2, y2）表示，其中(x1, y1)表示线段的起点，(x2, y2)表示线段的终点。

---

  这里给出HoughLines函数和HoughLinesP函数的区别，从上文的描述中我们应该是能看出一些端倪的。HoughLines函数输出只给出了（r，θ），知道这两个值我们是无法计算出图像空间中线段的长度的；而HoughLinesP函数的输出给出了线段起点和终点的坐标，因此我们可以计算出图像空间中线段的长度。

---

​  介绍完HoughLines和HoughLinesP这两个函数，下面就一起来用代码小试牛刀一下叭首先先来总结一下代码实现霍夫直线检测的步骤，如下：

1. 将彩色图像转化为灰度图 【因为HoughLines和HoughLinesP这两个函数要求输入为8位单通道图像】
2. 图像处理（包括去噪、边缘提取、二值化等等）
3. 调用霍夫直线检测函数
4. 绘制直线

---

下面直接上代码，搞起来兄弟们

• 利用HoughLines函数进行直线检测

  #include 
  #include 
  #include 
  int main()
  {
      std::string img_path;
      cv::Mat mat_color;
      cv::Mat mat_gray;
      cv::Mat mat_binary;
      cv::Mat mat_canny;
  
      img_path = "E:\\毫米波雷达\\images.jpg";
      mat_color = cv::imread(img_path, 1);
      mat_gray = cv::imread(img_path, 0);
  
      //形态学闭运算
      cv::Mat elementRect;
      elementRect = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
      cv::morphologyEx(mat_gray, mat_gray, cv::MORPH_CLOSE, elementRect);
  
      // binary
      cv::threshold(mat_gray, mat_binary, 125, 255.0, cv::THRESH_BINARY);
       
      // detect edge
      cv::Canny(mat_binary, mat_canny, 50, 125, 3);
  
      // detect line
      std::vector<cv::Vec2f> lines;
      cv::HoughLines(mat_canny, lines, 1, CV_PI / 180, 80, 0, 0);
  
      // draw line
      std::cout << "line number: " << lines.size() << std::endl;
      for (size_t i = 0; i < lines.size(); i++)
      {
          cv::Vec2f linex = lines[i];
          std::cout << "radius: " << linex[0] << ", angle: " << 180 / CV_PI * linex[1] << std::endl;
          float rho = lines[i][0], theta = lines[i][1];
          cv::Point pt1, pt2;
          double a = cos(theta), b = sin(theta);
          double x0 = a * rho, y0 = b * rho;
          //下面的四行代码不知大家能不能理解，后文会专门对其进行解释
          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(mat_color, pt1, pt2, cv::Scalar(0, 255, 0), 2);
      }
      cv::imshow("gray", mat_gray);
      cv::imshow("binary", mat_binary);
      cv::imshow("canny", mat_canny);
      cv::imshow("color", mat_color);
      cv::waitKey(0);
  
      return 0;
  }
  
  

  输出结果：

  

  可以看出我们可以检测出车道线【注：当然这幅图的干扰因素比较少，若使用其他图片效果不一定这样理想，同时我们需要调节HoughLine中的参数对结果进行相应的调整，以达到最好的输出】

  现对代码中比较难理解的一点进行解释，如下图所示：下图中的代码该如何理解呢？前面我们说到HoughLines函数的返回值只存储了线条的r和θ，那么我们如何来画出这条直线呢，这就用到了下面的代码。

  那上述代码该怎么理解呢？现已知（r,θ）,其在程序中表现为r = rho = lines[i][0] , θ = theta = lines[i][1] 。那么 x0 = a * rho, y0 = b * rho为直线上该点在直角坐标系下坐标。【这一点由上一篇霍夫检测原理中图5得出】1000的目的是为了将线段延长。以（x0,y0）为基础进行延长。（x0 - 1000 * (-b)）可以理解为（x0+1000*b）其中（1000*b）为该p0沿着直线方向延长1000后的点p1距离p0在x方向的距离，那么【x0+1000*b】即为p1的横坐标。为了方便大家理解，作了示意图如下：

• 利用HoughLinesP函数进行直线检测

  #include 
  #include 
  #include 
  
  int main()
  {
      std::string img_path;
      cv::Mat mat_color;
      cv::Mat mat_gray;
      cv::Mat mat_binary;
      cv::Mat mat_canny;
  
      img_path = "E:\\毫米波雷达\\images.jpg";
      mat_color = cv::imread(img_path, 1);
      mat_gray = cv::imread(img_path, 0);
  
      //形态学闭运算
      cv::Mat elementRect;
      elementRect = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
      cv::morphologyEx(mat_gray, mat_gray, cv::MORPH_CLOSE, elementRect);
  
      // binary
      cv::threshold(mat_gray, mat_binary, 125, 255.0, cv::THRESH_BINARY);
  
      // detect edge
      cv::Canny(mat_binary, mat_canny, 50, 125, 3);
  
      // detect line
      std::vector<cv::Vec4i> lines;
      HoughLinesP(mat_canny, lines, 1, CV_PI / 180, 80, 10, 50);
  
      // draw line
      for (size_t i = 0; i < lines.size(); i++)
      {
          cv::Vec4i& linex = lines[i];
          int dx = linex[2] - linex[0];
          int dy = linex[2] - linex[1];
          double angle = atan2(double(dy), dx) * 180 / CV_PI;
          //if (abs(angle) <= 20)
          //    continue;
  
          line(mat_color, cv::Point(linex[0], linex[1]), cv::Point(linex[2], linex[3]), cv::Scalar(0, 0, 255), 2);
      }
  
      cv::imshow("gray", mat_gray);
      cv::imshow("binary", mat_binary);
      cv::imshow("canny", mat_canny);
      cv::imshow("color", mat_color);
      cv::waitKey(0);
  
  
      return 0;
  }
  
  

  输出结果：从下图可以看出，HoughLinesP函数的检测效果和HoughLines函数基本一致。

 

  呼呼呼~~那么霍夫直线检测的代码实战就讲到这里了，大家快去试试叭

 
 
如若文章对你有所帮助，那就

咻咻咻咻~~duang~~点个赞呗