當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

HoughLinesP函数（概率检测直线）

發布時間：2025/4/16 编程问答 21 豆豆

生活随笔收集整理的這篇文章主要介紹了 HoughLinesP函数（概率检测直线）小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

統計概率霍夫線變換

這是執行起來效率更高的霍夫線變換. 它輸出檢測到的直線的端點?
在OpenCV 中它通過函數?HoughLinesP?來實現

代碼

這個程序是用來做什么的?

加載一幅圖片
對圖片進行?標準霍夫線變換?或是?統計概率霍夫線變換.
分別在兩個窗口顯示原圖像和繪出檢測到直線的圖像.

我們將要說明的例程能從?這里?下載。一個更高級的版本 (能同時演示標準霍夫線變換和統計概率霍夫線變換并帶有活動條來改變變換的閾值) 能從?這里?下載。

#include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp"#include <iostream>using namespace cv; using namespace std;void help() {cout << "\nThis program demonstrates line finding with the Hough transform.\n""Usage:\n""./houghlines <image_name>, Default is pic1.jpg\n" << endl; }int main(int argc, char** argv) {const char* filename = argc >= 2 ? argv[1] : "pic1.jpg";Mat src = imread(filename, 0);if(src.empty()){help();cout << "can not open " << filename << endl;return -1;}Mat dst, cdst;Canny(src, dst, 50, 200, 3);cvtColor(dst, cdst, CV_GRAY2BGR);#if 0 vector<Vec2f> lines; HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 ); for( size_t i = 0; i < lines.size(); i++ ) { float rho = lines[i][0], theta = lines[i][1]; Point 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> lines; HoughLinesP(dst, lines, 1, CV_PI/180, 50, 50, 10 ); for( size_t i = 0; i < lines.size(); i++ ) { Vec4i l = lines[i]; line( cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA); } #endifimshow("source", src);imshow("detected lines", cdst);waitKey();return 0; }

代碼說明

加載圖片

Mat src = imread(filename, 0); if(src.empty()) {help();cout << "can not open " << filename << endl;return -1; }

用Canny算子對圖像進行邊緣檢測

Canny(src, dst, 50, 200, 3);

現在我們將要執行霍夫線變換. 我們將會說明怎樣使用OpenCV的函數做到這一點:

標準霍夫線變換

首先, 你要執行變換:

vector<Vec2f> lines; HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );

帶有以下自變量:

dst: 邊緣檢測的輸出圖像. 它應該是個灰度圖 (但事實上是個二值化圖)
lines: 儲存著檢測到的直線的參數對??的容器 *?rho?: 參數極徑??以像素值為單位的分辨率. 我們使用?1?像素.
theta: 參數極角??以弧度為單位的分辨率. 我們使用?1度?(即CV_PI/180)
threshold: 要”檢測” 一條直線所需最少的的曲線交點
srn?and?stn: 參數默認為0. 查缺OpenCV參考文獻來獲取更多信息.

通過畫出檢測到的直線來顯示結果.

for( size_t i = 0; i < lines.size(); i++ ) {float rho = lines[i][0], theta = lines[i][1];Point 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); }

統計概率霍夫線變換

首先, 你要執行變換:

vector<Vec4i> lines; HoughLinesP(dst, lines, 1, CV_PI/180, 50, 50, 10 );

帶有以下自變量:

dst: 邊緣檢測的輸出圖像. 它應該是個灰度圖 (但事實上是個二值化圖) *?lines: 儲存著檢測到的直線的參數對??的容器
rho?: 參數極徑??以像素值為單位的分辨率. 我們使用?1?像素.
theta: 參數極角??以弧度為單位的分辨率. 我們使用?1度?(即CV_PI/180)
threshold: 要”檢測” 一條直線所需最少的的曲線交點 *?minLinLength: 能組成一條直線的最少點的數量. 點數量不足的直線將被拋棄.
maxLineGap: 能被認為在一條直線上的亮點的最大距離.

通過畫出檢測到的直線來顯示結果.

for( size_t i = 0; i < lines.size(); i++ ) {Vec4i l = lines[i];line( cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA); }

顯示原始圖像和檢測到的直線:

imshow("source", src); imshow("detected lines", cdst);

等待用戶按鍵推出程序

waitKey();

結果

Note

得到的結果使用的是在上面?代碼?部分提到的更高級版代碼. 霍夫線變換的代碼沒有改變, 唯一不同的是在GUI的部分加入了活動條可動態改變閾值.輸入圖像為:

通過執行統計概率霍夫線變換我們能得到下面的結果:

當你使用滑動條來改變?閾值?的時候會觀察到檢測到線的數目的改變. 這是因為: 如果你設置了一個更大的閾值, 能檢測到的線的數目將更少 (你需要更多的點來表示一條能檢測到的直線).

總結

以上是生活随笔為你收集整理的HoughLinesP函数（概率检测直线）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。