OpenCV學習筆記（十三）：霍夫變換：HoughLines(),HoughLinesP(),HoughCircles( )

1、霍夫線變換HoughLines()

OpenCV支持三種不同的霍夫線變換，它們分別是：
1）標準霍夫變換(Standard Hough Transform，SHT)
2）多尺度霍夫變換（Multi-Scale Hough Transform，MSHT）
3）累計概率霍夫變換(Progressive Probabilistic Hough Transform ，PPHT)。
PPHT算法是標準霍夫變換（SHT）算法的一個改進，它在一定的范圍內(nèi)進行霍夫變換，計算單獨線段的方向以及范圍，從而減少計算量，縮短計算時間。累計概率霍夫變換執(zhí)行效率很高，所有相比于HoughLines函數(shù)，我們更傾向于使用HoughLinesP函數(shù)。
原理：
這就是霍夫線變換要做的. 它追蹤圖像中每個點對應曲線間的交點. 如果交于一點的曲線的數(shù)量超過了閾值, 那么可以認為這個交點所代表的參數(shù)表示的直線，在原圖像中為一條直線。

void HoughLines( InputArray image, // 輸入圖像，即源圖像(需為8位的單通道二進制圖像) OutputArray lines, // 經(jīng)過調(diào)用HoughLines函數(shù)后儲存了霍夫線變換檢測到線條的輸出矢量(每一條線由具有兩個元素的矢量(rho,theta)表示) double rho, // 以像素為單位的距離精度 rho,另一種形容方式是直線搜索時的進步尺寸的單位半徑。 double theta, // 以弧度為單位的角度精度 theta,另一種形容方式是直線搜索時的進步尺寸的單位角度。 int threshold, // 累加平面的閾值參數(shù)，即識別某部分為圖中的一條直線時它在累加平面中必須達到的值 double srn=0, // 對于多尺度的霍夫變換,這是第三個參數(shù)進步尺寸rho的除數(shù)距離 double stn=0 // 對于多尺度的霍夫變換，srn表示第四個參數(shù)進步尺寸的單位角度theta的除數(shù)距離 )

1）示例代碼：

#include <opencv2/opencv.hpp>using namespace cv; using namespace std;//原圖，邊緣圖，灰度圖 Mat g_srcImage,g_midImage, g_srcGrayImage; int g_HoughLinesThreshold=250;//TrackBar位置參數(shù)int main() {// 1、載入原圖g_srcImage = imread("F:/C++/2. OPENCV 3.1.0/7.2 Hough 霍夫變換/2.jpg");if( !g_srcImage.data ) { printf("Oh，no，讀取srcImage錯誤~！ \n"); return false; }//顯示原始圖imshow("【原始圖】", g_srcImage);// 2、進行邊緣檢測和轉(zhuǎn)化為灰度圖Canny(g_srcImage, g_midImage, 50, 150, 3);//進行一此canny邊緣檢測imshow("【邊緣檢測后的圖】", g_midImage);// 3、創(chuàng)建trackbarnamedWindow( "HoughLines", WINDOW_AUTOSIZE );createTrackbar( "參數(shù)值：", "HoughLines", &g_HoughLinesThreshold,300, on_HoughLines);// 4、調(diào)用回調(diào)函數(shù)on_HoughLines(0, 0);//輪詢獲取按鍵信息，若按下Q，程序退出while((char(waitKey(1)) != 'q')) {}waitKey(0);return 0; }

2）霍夫線變換回調(diào)函數(shù)

void on_HoughLines(int, void*) {// 0、生成灰度圖cvtColor(g_midImage,g_srcGrayImage, COLOR_GRAY2BGR);//轉(zhuǎn)化邊緣檢測后的圖為灰度圖// 1、定義一個矢量結(jié)構(gòu)lines用于存放得到的線段矢量集合// 2、進行霍夫線變換// 3、依次在圖中繪制出每條線段vector<Vec2f> lines;HoughLines(g_midImage, lines, 1, CV_PI/180, g_HoughLinesThreshold, 0, 0 );//double類型的rho，以像素為單位的距離精度：是離坐標原點((0,0)（也就是圖像的左上角）的距離//double類型的theta，以弧度為單位的角度精度：是弧度線條旋轉(zhuǎn)角度（0~垂直線，π/2~水平線）// 直線公式; r=x*cos(theta)+y*sin(theta)for( size_t i = 0; i < lines.size(); i++ ){float rho = lines[i][0], theta = lines[i][1];Point pt1, pt2; //起點和終點double a = cos(theta), b = sin(theta);// 公垂線焦點double x0 = a*rho, y0 = b*rho;// 直線經(jīng)過 第一點坐標值pt1.x = cvRound(x0 + 1000*(-b)); // 取整pt1.y = cvRound(y0 + 1000*(a)); // 取整// 直線經(jīng)過 第二點坐標值pt2.x = cvRound(x0 - 1000*(-b));pt2.y = cvRound(y0 - 1000*(a));// 繪制連接兩個點的線段line(g_srcGrayImage, pt1, pt2, Scalar(55, 100, 195), 1, LINE_AA); // 繪制直線（抗鋸齒線)}//顯示效果圖imshow( "HoughLines", g_srcGrayImage ); }

3）結(jié)果：

2、累計概率霍夫線變換HoughLinesP()

此函數(shù)在HoughLines的基礎上末尾加了一個代表Probabilistic（概率）的P，表明它可以采用累計概率霍夫變換（PPHT）來找出二值圖像中的直線。

C++: void HoughLinesP( InputArray image, // 源圖像 OutputArray lines, // 存儲了檢測到的線條的輸出矢量，每一條線由具有四個元素的矢量(x_1,y_1, x_2, y_2） // 表示，其中，(x_1, y_1)和(x_2, y_2) 是是每個檢測到的線段的結(jié)束點 double rho, // 以像素為單位的距離精度。另一種形容方式是直線搜索時的進步尺寸的單位半徑。 double theta, // 以弧度為單位的角度精度。另一種形容方式是直線搜索時的進步尺寸的單位角度。 int threshold, // 累加平面的閾值參數(shù)，即識別某部分為圖中的一條直線時它在累加平面中必須達到的值。// 大于閾值threshold的線段才可以被檢測通過并返回到結(jié)果中。 double minLineLength=0, // 表示最低線段的長度，比這個設定參數(shù)短的線段就不能被顯現(xiàn)出來 double maxLineGap=0 // 允許將同一行點與點之間連接起來的最大的距離 )

1）示例代碼：

#include <opencv2/opencv.hpp>using namespace cv; using namespace std;//原圖，邊緣圖，灰度圖 Mat g_srcImage,g_midImage, g_srcGrayImage; int g_HoughLinesThreshold=250;//TrackBar位置參數(shù)int main() {// 1、載入原圖g_srcImage = imread("F:/C++/2. OPENCV 3.1.0/TEST/111.jpg");if( !g_srcImage.data ) { printf("Oh，no，讀取srcImage錯誤~！ \n"); return false; }//顯示原始圖imshow("【原始圖】", g_srcImage);// 2、進行邊緣檢測和轉(zhuǎn)化為灰度圖Canny(g_srcImage, g_midImage, 50, 200, 3);//進行一此canny邊緣檢測imshow("【邊緣檢測后的圖】", g_midImage);// 3、創(chuàng)建trackbarnamedWindow( "HoughLines", WINDOW_AUTOSIZE );createTrackbar( "累加閾值：", "HoughLines", &g_HoughLinesThreshold,300, on_HoughLines);createTrackbar( "最小直線距離：", "HoughLines", &g_minLineLength,200, on_HoughLines);// 4、調(diào)用回調(diào)函數(shù)on_HoughLines(0, 0);//輪詢獲取按鍵信息，若按下Q，程序退出while((char(waitKey(1)) != 'q')) {}waitKey(0);return 0; }

2）霍夫線變換回調(diào)函數(shù)

void on_HoughLines(int, void*) {// 0、生成灰度圖cvtColor(g_midImage,g_srcGrayImage, COLOR_GRAY2BGR);//轉(zhuǎn)化邊緣檢測后的圖為灰度圖// 1、定義一個矢量結(jié)構(gòu)lines用于存放得到的線段矢量集合// 2、進行霍夫線變換// 3、依次在圖中繪制出每條線段vector<Vec4i> lines;HoughLinesP(g_midImage, lines, 1, CV_PI/180, g_HoughLinesThreshold, g_minLineLength, 10 );for( size_t i = 0; i < lines.size(); i++ ){Vec4i l = lines[i];line( g_srcGrayImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(186,88,255), 1, LINE_AA);}//顯示效果圖imshow( "HoughLines", g_srcGrayImage ); }

3）結(jié)果：

3、霍夫圓變換HoughCircles()

霍夫圓變換的基本原理和上面講的霍夫線變化大體上是很類似的，只是點對應的二維極徑極角空間被三維的圓心點x, y還有半徑r空間取代。說“大體上類似”的原因是，如果完全用相同的方法的話，累加平面會被三維的累加容器所代替：在這三維中，一維是x，一維是y，另外一維是圓的半徑r。這就意味著需要大量的內(nèi)存而且執(zhí)行效率會很低，速度會很慢。
我們一般通過一個叫做“霍夫梯度法”的方法來解決圓變換的問題：

霍夫梯度法：
1）首先對圖像應用邊緣檢測，比如用canny邊緣檢測。
2）然后，對邊緣圖像中的每一個非零點，考慮其局部梯度，即用Sobel（）函數(shù)計算x和y方向的Sobel一階導數(shù)得到梯度。
3）利用得到的梯度，由斜率指定的直線上的每一個點都在累加器中被累加，這里的斜率是從一個指定的最小值到指定的最大值的距離。
4）同時，標記邊緣圖像中每一個非0像素的位置。
5）然后從二維累加器中這些點中選擇候選的中心，這些中心都大于給定閾值并且大于其所有近鄰。這些候選的中心按照累加值降序排列，以便于最支持像素的中心首先出現(xiàn)。
6）接下來對每一個中心，考慮所有的非0像素。
7）這些像素按照其與中心的距離排序。從到最大半徑的最小距離算起，選擇非0像素最支持的一條半徑。8.如果一個中心收到邊緣圖像非0像素最充分的支持，并且到前期被選擇的中心有足夠的距離，那么它就會被保留下來。

霍夫梯度法的缺點:
1）在霍夫梯度法中，我們使用Sobel導數(shù)來計算局部梯度，那么隨之而來的假設是，其可以視作等同于一條局部切線，并這個不是一個數(shù)值穩(wěn)定的做法。在大多數(shù)情況下，這樣做會得到正確的結(jié)果，但或許會在輸出中產(chǎn)生一些噪聲。
2）在邊緣圖像中的整個非0像素集被看做每個中心的候選部分。因此，如果把累加器的閾值設置偏低，算法將要消耗比較長的時間。第三，因為每一個中心只選擇一個圓，如果有同心圓，就只能選擇其中的一個。
3）因為中心是按照其關(guān)聯(lián)的累加器值的升序排列的，并且如果新的中心過于接近之前已經(jīng)接受的中心的話，就不會被保留下來。且當有許多同心圓或者是近似的同心圓時，霍夫梯度法的傾向是保留最大的一個圓。可以說這是一種比較極端的做法，因為在這里默認Sobel導數(shù)會產(chǎn)生噪聲，若是對于無窮分辨率的平滑圖像而言的話，這才是必須的。

C++: void HoughCircles( InputArray image, // 即源圖像，需為8位的灰度單通道圖像。 OutputArray circles, // 存儲了檢測到的圓的輸出矢量，每個矢量由包含了3個元素的浮點矢量(x, y, radius)表示 int method, // 即使用的檢測方法，目前OpenCV中就霍夫梯度法一種可以使用，它的標識符為CV_HOUGH_GRADIENT double dp, // 用來檢測圓心的累加器圖像的分辨率于輸入圖像之比的倒數(shù)，且此參數(shù)允許創(chuàng)建一個比輸入圖像分辨率低的累加器。 double minDist, // 為霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的算法能明顯區(qū)分的兩個不同圓之間的最小距離。 double param1=100, // 它是第三個參數(shù)method設置的檢測方法的對應的參數(shù)。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示傳遞給canny邊緣檢測算子的高閾值，而低閾值為高閾值的一半。 double param2=100, // 它是第三個參數(shù)method設置的檢測方法的對應的參數(shù)。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在檢測階段圓心的累加器閾值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。 int minRadius=0, // 表示圓半徑的最小值 int maxRadius=0 // 表示圓半徑的最大值 ) #include <opencv2/opencv.hpp>using namespace cv; using namespace std;int main() {// 1、載入原始圖、Mat變量定義Mat srcImage = imread("F:/C++/2. OPENCV 3.1.0/7.2 Hough 霍夫變換/2.jpg"); //工程目錄下應該有一張名為1.jpg的素材圖Mat midImage,dstImage;//臨時變量和目標圖的定義// 2、顯示原始圖imshow("【原始圖】", srcImage);// 3、轉(zhuǎn)為灰度圖并進行圖像平滑cvtColor(srcImage,midImage, COLOR_BGR2GRAY);//轉(zhuǎn)化邊緣檢測后的圖為灰度圖GaussianBlur( midImage, midImage, Size(9, 9), 2, 2 );// 4、進行霍夫圓變換vector<Vec3f> circles;//HoughCircles( midImage, circles, HOUGH_GRADIENT,1.5, 10, 200, 100, 0, 0 );HoughCircles( midImage, circles, HOUGH_GRADIENT,1.5, 5, 200, 50, 0, 0 );// 5、依次在圖中繪制出圓for( size_t i = 0; i < circles.size(); i++ ){//參數(shù)定義Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));int radius = cvRound(circles[i][2]);//繪制圓心circle( srcImage, center, 3, Scalar(0,255,0), -1, 8, 0 ); // 填滿//繪制圓輪廓circle( srcImage, center, radius, Scalar(155,50,255), 2, 8, 0 );}//6、顯示效果圖imshow("【效果圖】", srcImage);waitKey(0);return 0; }

結(jié)果：

總結(jié)

以上是生活随笔為你收集整理的OpenCV学习笔记（十三）：霍夫变换：HoughLines(),HoughLinesP(),HoughCircles( )的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。