『OpenCV3』霍夫變換
阿新 • • 發佈:2018-11-02
opencv 檢測 輸入 圖像 oat 霍夫變換 分享圖片 一條直線 ann
霍夫變換常用於檢測直線特征,經擴展後的霍夫變換也可以檢測其他簡單的圖像結構。
在霍夫變換中我們常用公式
ρ = x*cosθ + y*sinθ
表示直線,其中ρ是圓的半徑(也可以理解為原點到直線的距離),θ是直線與水平線所成的角度(0~180°),確定了它們,也就確定一條直線了,和下圖略有出入的是實際的原點定在圖片左上角。
原理是對於輸入的二值圖像中的像素點(有值的),按照步長(參數三參數四對應rho和theta的步長)分別計算出每個點上的所有可能的直線。記錄下每條直線經過的點數(即存在多個點計算出的直線有交集),按照閾值(參數五)篩選符合條件的圖像。
霍夫變換
霍夫變換接收二值化的輸入,即已經進行初步的輪廓檢測之後,才進行直線檢測;輸出一組cv::Vec2f,通常用vector<CV::Vec2f>接收,所以我們通常使用Canny檢測之後進行霍夫變換。
輸出的兩個float數字表示(rho, theta),使用cv::line繪圖,因其參數需要的是線段的兩個端點,所以我們不得不進行還原操作。
void hough() { cv::Mat image = cv::imread("road.png"); cv::Mat midImage; cv::Canny(image, midImage, 50, 200, 3); std::vector<cv::Vec2f> lines; cv::HoughLines(midImage, lines, 1, CV_PI / 180, 150); // 輸入的時二值圖像,輸出vector向量 for (size_t i=0; i < lines.size(); i++) { float rho = lines[i][0]; //就是圓的半徑r float theta = lines[i][1]; //就是直線的角度 cv::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)); cv::line(image, pt1, pt2, cv::Scalar(55, 100, 195), 1); //Scalar函數用於調節線段顏色,就是你想檢測到的線段顯示的是什麽顏色 cv::imshow("邊緣檢測後的圖", midImage); cv::imshow("最終效果圖", image); } }
概率霍夫變換
概率霍夫變換輸出Vec4i,直接輸出了每一條線段的首尾,繪圖更加方便。它是霍夫變換的改進版,由於算法的改進(會沿著搜尋到的直線掃描圖像),可以進一步檢測到線段的長度,除了最小投票數(參數五)外,可以額外限制最小線段長度(參數六)和同一線段最大像素間距(參數七)。
void houghp() { cv::Mat image = cv::imread("road.png"); cv::Mat midImage; cv::Canny(image, midImage, 50, 200, 3); std::vector<cv::Vec4i> lines; cv::HoughLinesP(midImage, lines, 1, CV_PI / 180, 50); // 輸入的時二值圖像,輸出vector向量 for (int i=0; i < lines.size(); i++) { cv::Point pt1(lines[i][0], lines[i][1]); cv::Point pt2(lines[i][2], lines[i][3]); cv::line(image, pt1, pt2, cv::Scalar(0, 255, 255)); } cv::imshow("概率霍夫變換", image); }
『OpenCV3』霍夫變換