opencv图像霍夫变化

霍夫变化可以从图像中快速的提取出直线或者圆等形状的图像。
霍夫变化是图像处理中的一种特征提取技术，霍夫变化分为霍夫线变化和霍夫圆变化。

一、霍夫线变化
霍夫线变化用来寻找直线，在进行霍夫线变化之前，需要对图像进行边缘检测处理，也就是说，霍夫线变化的输入只能是二值图像。
在opencv中，支持三种霍夫线变化：
（1）、标准霍夫变化，HoughLines函数
（2）、多尺度霍夫变化，HoughLines函数
（3）、累计概率霍夫变化，HoughLinesP函数

void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 )

第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的单通道二进制图像，可以将任意的源图载入进来后由函数修改成此格式后，再填在这里。
第二个参数，InputArray类型的lines，经过调用HoughLines函数后储存了霍夫线变换检测到线条的输出矢量。每一条线由具有两个元素的矢量表示，其中，是离坐标原点((0,0)（也就是图像的左上角）的距离。 是弧度线条旋转角度（0~垂直线，π/2~水平线）。
第三个参数，double类型的rho，以像素为单位的距离精度。另一种形容方式是直线搜索时的进步尺寸的单位半径。PS:Latex中/rho就表示 。
第四个参数，double类型的theta，以弧度为单位的角度精度。另一种形容方式是直线搜索时的进步尺寸的单位角度。
第五个参数，int类型的threshold，累加平面的阈值参数，即识别某部分为图中的一条直线时它在累加平面中必须达到的值。大于阈值threshold的线段才可以被检测通过并返回到结果中。
第六个参数，double类型的srn，有默认值0。对于多尺度的霍夫变换，这是第三个参数进步尺寸rho的除数距离。粗略的累加器进步尺寸直接是第三个参数rho，而精确的累加器进步尺寸为rho/srn。
第七个参数，double类型的stn，有默认值0，对于多尺度霍夫变换，srn表示第四个参数进步尺寸的单位角度theta的除数距离。且如果srn和stn同时为0，就表示使用经典的霍夫变换。否则，这两个参数应该都为正数。

void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength=0, double maxLineGap=0 )

第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的单通道二进制图像，可以将任意的源图载入进来后由函数修改成此格式后，再填在这里。
第二个参数，InputArray类型的lines，经过调用HoughLinesP函数后后存储了检测到的线条的输出矢量，每一条线由具有四个元素的矢量(x_1,y_1, x_2, y_2） 表示，其中，(x_1, y_1)和(x_2, y_2) 是是每个检测到的线段的结束点。
第三个参数，double类型的rho，以像素为单位的距离精度。另一种形容方式是直线搜索时的进步尺寸的单位半径。
第四个参数，double类型的theta，以弧度为单位的角度精度。另一种形容方式是直线搜索时的进步尺寸的单位角度。
第五个参数，int类型的threshold，累加平面的阈值参数，即识别某部分为图中的一条直线时它在累加平面中必须达到的值。大于阈值threshold的线段才可以被检测通过并返回到结果中。
第六个参数，double类型的minLineLength，有默认值0，表示最低线段的长度，比这个设定参数短的线段就不能被显现出来。
第七个参数，double类型的maxLineGap，有默认值0，允许将同一行点与点之间连接起来的最大的距离。

二、霍夫圆变化

霍夫梯度法的原理：
（1）、首先对图像进行边缘检测
（2）、对边缘检测图像中的每一个非0点，考虑其局部梯度，可以用sobel算子计算x和y方向上的sobel一阶导数来得到梯度
（3）、利用得到的梯度，由斜率指定的每一个点都在累加器中被累加
（4）、标记边缘图像中每一个非0像素的位置
（5）、从累加器中选择候选的中心
（6）、对每一个候选的中心，考虑所有的非0像素
（7）、这些非0像素按照其与中心的距离排序，选择一条最好的半径

void HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100,double param2=100, int minRadius=0, int maxRadius=0 )

第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。
第二个参数，InputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。
第三个参数，int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。
第四个参数，double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
第五个参数，double类型的minDist，为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
第六个参数，double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
第七个参数，double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
第八个参数，int类型的minRadius,有默认值0，表示圆半径的最小值。
第九个参数，int类型的maxRadius,也有默认值0，表示圆半径的最大值。

//#define _HOUGH_
#ifdef _HOUGH_
void usage_HoughLines()
{
    Mat  src, dst,tmp,gray;
    src = imread("./images/10.jpg");
    //canny
    Canny(src,tmp, 50, 200, 3);
    //graytobgr
    cvtColor(tmp,dst,CV_GRAY2BGR);
    //lines
    vector<Vec2f> lines;
    HoughLines(tmp, lines, 1, CV_PI / 180, 150, 0, 0);

    //paint the liens in the dst image
    for (int i = 0; i < lines.size(); i++){
        float rho = lines[i][0];
        float theta = lines[i][1];
        Point p1, p2;
        double a = cos(theta), b = sin(theta);
        double x0 = a*rho, y0 = b*rho;
        p1.x = cvRound(x0 + 1000 * (-b));
        p1.y = cvRound(y0 + 1000 * (a));

        p2.x = cvRound(x0 - 1000 * (-b));
        p2.y = cvRound(y0 - 1000 * (a));

        line(dst, p1, p2, Scalar(0,0, 200));
    }

    //show the images
    imshow("src", src);
    imshow("canny", tmp);
    if (!dst.empty())
    imshow("dst", dst);
    waitKey(0);
}


void usage_HoughLinesP()
{
    Mat   src, tmp, dst;
    src = imread("./hjimg/1.jpg");
    //canny
    Canny(src, tmp, 50, 230, 3);
    //cvt
    cvtColor(tmp, dst, CV_GRAY2BGR);
    //lines
    vector<Vec4i> lines;
    //houghlinesp
    HoughLinesP(tmp, lines, 1, CV_PI / 180, 70, 50, 10);

    //paint lines
    for (int i = 0; i < lines.size(); i++){
        Vec4i iline = lines[i];
        line(dst, Point(iline[0], iline[1]), Point(iline[2], iline[3]),Scalar(0,0,240));
    }
    //show
    imshow("src", src);
    imshow("canny", tmp);
    imshow("dst", dst);

    waitKey(0);

}

void usage_HoughCircles()
{
    Mat src, tmp;
    src = imread("./hjimg/3.jpg");
    //gray
    cvtColor(src, tmp, CV_BGR2GRAY);
    //gaussian
    GaussianBlur(tmp, tmp, Size(7, 7), 2, 2);
    //houghcircles
    vector<Vec3f> circles;
    HoughCircles(tmp, circles, CV_HOUGH_GRADIENT, 1.5,10);
    //paint the circles
    for (int i = 0; i < circles.size(); i++){

        Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
        int radius = cvRound(circles[i][2]);
        //the center
        circle(src, center, 3, Scalar(0, 250, 0));
        //the circle
        circle(src, center, radius, Scalar(0, 0, 250));
    }
    //show image
    imshow("src", src);
    waitKey(0);
}


Mat  g_src_image, g_dst_image, g_tmp_image;
vector<Vec4i> g_lines;

int  g_nthreshold = 200;

static void onHoughLines(int, void*)
{
    Mat  dst_image = g_dst_image.clone();
    Mat  tmp_image = g_tmp_image.clone();

    vector<Vec4i>  lines;
    //houghlines
    HoughLinesP(tmp_image, lines,1,CV_PI / 180, g_nthreshold+1, 50, 10);
    //paint the lines
    for (int i = 0; i < lines.size(); i++){
        Vec4i iline = lines[i];
        line(dst_image, Point(iline[0], iline[1]), Point(iline[2], iline[3]), Scalar(0, 0, 200));
    }
    //show this image
    imshow("dst", dst_image);
}

void usage_hough()
{

    //read image
    g_src_image = imread("./hjimg/1.jpg");

    namedWindow("dst",CV_WINDOW_AUTOSIZE);
    //trackbar
    createTrackbar("value", "dst", &g_nthreshold, 400, onHoughLines);

    //canny
    Canny(g_src_image, g_tmp_image, 50, 220, 3);
    //gray to bgr
    cvtColor(g_tmp_image, g_dst_image, CV_GRAY2BGR);

    //show and run.
    onHoughLines(0, 0);
    if (waitKey(0)>=0){
        return;
    }
}

#endif