opencv霍夫變換的原理 - 全文

　　霍夫變換概述

　　霍夫變換（Hough Transform）是圖像處理中的一種特征提取技術(shù)，該過(guò)程在一個(gè)參數(shù)空間中通過(guò)計(jì)算累計(jì)結(jié)果的局部最大值得到一個(gè)符合該特征的集合作為霍夫變換的結(jié)果。

　　霍夫線檢測(cè)

　　霍夫線變換是一種尋找直線的方法，在尋找霍夫變換之前，要對(duì)圖像進(jìn)行邊緣檢測(cè)，即霍夫線的輸入為二值圖像。

　　原理介紹：

　　1、對(duì)于直角坐標(biāo)系中的任意一點(diǎn)A（x0，y0），經(jīng)過(guò)點(diǎn)A的直線滿足Y0=k*X0+b.（k是斜率，b是截距）

　　2、那么在X-Y平面過(guò)點(diǎn)A（x0，y0）的直線簇可以用Y0=k*X0+b表示，但對(duì)于垂直于X軸的直線斜率是無(wú)窮大的則無(wú)法表示。因此將直角坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系就能解決該特殊情況。

　　3、在極坐標(biāo)系中表示直線的方程為ρ=xCosθ+ySinθ（ρ為原點(diǎn)到直線的距離），如圖所示：

　　4、如上圖，假定在一個(gè)8*8的平面像素中有一條直線，并且從左上角（1，8）像素點(diǎn)開(kāi)始分別計(jì)算θ為0°、45°、90°、135°、180°時(shí)的ρ，圖中可以看出ρ分別為1、（9√2）/2、8、（7√2）/2、-1，并給這5個(gè)值分別記一票，同理計(jì)算像素點(diǎn)（3，6）點(diǎn)θ為0°、45°、90°、135°、180°時(shí)的ρ，再給計(jì)算出來(lái)的5個(gè)ρ值分別記一票，此時(shí)就會(huì)發(fā)現(xiàn)ρ = （9√2）/2的這個(gè)值已經(jīng)記了兩票了，以此類(lèi)推，遍歷完整個(gè)8*8的像素空間的時(shí)候ρ = （9√2）/2就記了5票， 別的ρ值的票數(shù)均小于5票，所以得到該直線在這個(gè)8*8的像素坐標(biāo)中的極坐標(biāo)方程為 （9√2）/2=x*Cos45°+y*Sin45°，到此該直線方程就求出來(lái)了。（PS：但實(shí)際中θ的取值不會(huì)跨度這么大，一般是PI/180）。

　　霍夫變換檢測(cè)直線算法

　　1.如何知道這些正弦曲線公共交點(diǎn)呢，我們可以將rho，theta這兩個(gè)參數(shù)取值范圍等分成m，n分，用一個(gè)二維數(shù)組來(lái)裝。

　　2.對(duì)于圖像邊緣中的每一點(diǎn)看成直線系映射到極坐標(biāo)成為正弦曲線，然后用一個(gè)變量比如theta，求出每個(gè)取值后對(duì)應(yīng)的rho，然后落入的二維數(shù)組的分組中加1，以此類(lèi)推。

　　3.當(dāng)遍歷所有的點(diǎn)后，二維數(shù)組最高的值或過(guò)閾值的值，其數(shù)組的坐標(biāo)即為直角坐標(biāo)檢測(cè)出的直線。

　　4.m、n劃分越細(xì)越精確，但運(yùn)算量大。反之亦然。

　　霍夫變換檢測(cè)直線實(shí)現(xiàn)

　　#include “opencv2/opencv.hpp”

　　using namespace cv;

　　using namespace std;

　　int main（）

　　{

　　Mat image = imread（“D：\\亂\\1.jpg”）;

　　Mat result;

　　cvtColor（image，result，CV_BGR2GRAY）;

　　Mat contours;

　　Canny（result， contours， 125， 350）;

　　vector《Vec2f》 lines;

　　HoughLines（contours， lines， 1， CV_PI / 180， 100）;

　　vector《Vec2f》：：const_iterator it = lines.begin（）;

　　cout 《《 lines.size（） 《《 endl;

　　printf（“OK”）;

　　while （it ！= lines.end（））

　　{

　　printf（“OK”）;

　　float r = （*it）［0］;

　　float theta = （*it）［1］;

　　double a = cos（theta）， b = sin（theta）;

　　double x0 = a*r， y0 = b*r;

　　Point pt1（cvRound（x0 + 1000 * （-b）），

　　cvRound（y0 + 1000 * （a）））;

　　Point pt2（cvRound（x0 - 1000 * （-b）），

　　cvRound（y0 - 1000 * （a）））;

　　line（image， pt1， pt2， Scalar（0， 0， 255）， 3， 8）;

　　it++;

　　}

　　printf（“OK”）;

　　namedWindow（“houghline”）;

　　imshow（“houghline”， image）;

　　waitKey（0）;

　　Opencv實(shí)現(xiàn)直線檢測(cè)：

　　1、Opencv1.0版本：

　?。踓pp］ view plain copy print？

　　#include《cv.h》

　　#include《highgui.h》

　　int main（）

　　{

　　IplImage* pImgSrc = NULL; //源圖像

　　IplImage* pImg8u = NULL; //灰度圖

　　IplImage* pImgCanny = NULL; //邊緣檢測(cè)后的圖

　　IplImage* pImgDst = NULL; //在圖像上畫(huà)上檢測(cè)到的直線后的圖像

　　CvSeq* lines = NULL;

　　CvMemStorage* storage = NULL;

　　/*邊緣檢測(cè)*/

　　pImgSrc = cvLoadImage（“。\\res\\street.jpg”， 1）;

　　pImg8u = cvCreateImage（cvGetSize（pImgSrc）， IPL_DEPTH_8U， 1）;

　　pImgCanny = cvCreateImage（cvGetSize（pImgSrc）， IPL_DEPTH_8U， 1）;

　　pImgDst = cvCreateImage（cvGetSize（pImgSrc）， IPL_DEPTH_8U， 1）;

　　cvCvtColor（pImgSrc， pImg8u， CV_BGR2GRAY）;

　　cvCanny（pImg8u， pImgCanny， 20， 200， 3）;

　　/*檢測(cè)直線*/

　　storage = cvCreateMemStorage（0）;

　　lines = cvHoughLines2（pImgCanny， storage， CV_HOUGH_PROBABILISTIC， 1， CV_PI / 180， 80， 200， 10）;

　　pImgDst = cvCreateImage（cvGetSize（pImgSrc）， IPL_DEPTH_8U， 3）;

　　cvCvtColor（pImg8u， pImgDst， CV_GRAY2BGR）;

　　/*在pImgDst上畫(huà)出檢測(cè)到的直線*/

　　for （int i = 0; i 《 lines-》total; i++）

　　{

　　CvPoint* line = （CvPoint*）cvGetSeqElem（lines， i）;

　　cvLine（pImgDst， line［0］， line［1］， CV_RGB（255， 0， 0）， 3， 8）;

　　}

　　cvNamedWindow（“src”， 1）;

　　cvNamedWindow（“canny”， 1）;

　　cvNamedWindow（“hough”， 1）;

　　cvShowImage（“src”， pImgSrc）;

　　cvShowImage（“canny”， pImgCanny）;

　　cvShowImage（“hough”， pImgDst）;

　　cvWaitKey（0）;

　　cvReleaseImage（&pImgSrc）;

　　cvReleaseImage（&pImg8u）;

　　cvReleaseImage（&pImgCanny）;

　　cvReleaseImage（&pImgDst）;

　　cvReleaseMemStorage（&storage）;

　　return 0;

　　}

　　2、Opencv2.4.9版本：

　?。踓pp］ view plain copy print？

　　#include《opencv2\imgproc\imgproc.hpp》

　　#include《opencv2\opencv.hpp》

　　#include《opencv2\highgui\highgui.hpp》

　　using namespace std;

　　using namespace cv;

　　int main（）

　　{

　　Mat Image = imread（“。//res//street.jpg”， 0）;

　　Mat CannyImg;

　　Canny（Image， CannyImg， 140， 250， 3）;

　　imshow（“CannyImg”， CannyImg）;

　　Mat DstImg;

　　cvtColor（Image， DstImg， CV_GRAY2BGR）;

　　vector《Vec4i》 Lines;

　　HoughLinesP（CannyImg， Lines， 1， CV_PI / 360， 170，30，15）;

　　for （size_t i = 0; i 《 Lines.size（）; i++）

　　{

　　line（DstImg， Point（Lines［i］［0］， Lines［i］［1］）， Point（Lines［i］［2］， Lines［i］［3］）， Scalar（0， 0， 255）， 2， 8）;

　　}

　　imshow（“HoughLines_Detect”， DstImg）;

　　imwrite（“。//res//HoughLines_Detect.jpg”， DstImg）;

　　waitKey（0）;

　　return 0;

　　}