2. 程式人生 > >HOUGH變換檢測線段

HOUGH變換檢測線段

阿新 • • 發佈：2019-01-25


利用 Hough 變換在二值影象中找到直線

一.函式介紹
CvSeq* cvHoughLines2( CvArr* image, void* line_storage, int method,double rho, double theta, int threshold,double param1=0, double param2=0 );

其中
（1）image
輸入 8-位元、單通道 (二值) 影象，當用CV_HOUGH_PROBABILISTIC方法檢測的時候其內容會被函式改變
（2）line_storage
檢測到的線段儲存倉. 可以是記憶體儲存倉 (此種情況下，一個線段序列在儲存倉中被建立，並且由函式返回），或者是包含線段引數的特殊型別（見下面）的具有單行/單列的矩陣(CvMat*)。矩陣頭為函式所修改，使得它的cols/rows 將包含一組檢測到的線段。如果 line_storage 是矩陣，而實際線段的數目超過矩陣尺寸，那麼最大可能數目的線段被返回(對於標準hough變換，線段按照長度降序輸出).
（3）method
Hough 變換變數，是下面變數的其中之一：
CV_HOUGH_STANDARD - 傳統或標準 Hough 變換. 每一個線段由兩個浮點數 (ρ, θ) 表示，其中 ρ 是直線與原點 (0,0) 之間的距離，θ 線段與 x-軸之間的夾角。因此，矩陣型別必須是 CV_32FC2 type.
CV_HOUGH_PROBABILISTIC - 概率 Hough 變換(如果影象包含一些長的線性分割，則效率更高). 它返回線段分割而不是整個線段。每個分割用起點和終點來表示，所以矩陣（或建立的序列）型別是 CV_32SC4.
CV_HOUGH_MULTI_SCALE - 傳統 Hough 變換的多尺度變種。線段的編碼方式與 CV_HOUGH_STANDARD 的一致。
（4）theta
弧度測量的角度精度
（5）threshold
閾值引數。如果相應的累計值大於 threshold， 則函式返回的這個線段.

（6）param1
第一個方法相關的引數:
對傳統 Hough 變換，不使用(0).
對概率 Hough 變換，它是最小線段長度.
對多尺度 Hough 變換，它是距離精度 rho 的分母 (大致的距離精度是 rho 而精確的應該是 rho / param1 ).
（7）param2
第二個方法相關引數:
對傳統 Hough 變換，不使用 (0).
對概率 Hough 變換，這個引數表示在同一條直線上進行碎線段連線的最大間隔值(gap), 即當同一條直線上的兩條碎線段之間的間隔小於param2時，將其合二為一。
對多尺度 Hough 變換，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精確的角度應該是 theta /param2).

二.檢測原理

（1）直線表示方式
對於平面中的一條直線，在笛卡爾座標系中，常見的有點斜式，兩點式兩種表示方法。然而在hough變換中，考慮的是另外一種表示方式：使用（r,theta）來表示一條直線。其中r為該直線到原點的距離，theta為該直線的垂線與x軸的夾角。如下圖所示。

hough變換是如何檢測出直線和圓的？ - 鈺央 - 計算機視覺·影象處理 （2）識別各點是否在某條直線上
使用hough變換來檢測直線的思想就是：為每一個點假設n個方向的直線，通常n=180，此時檢測的直線的角度精度為1°，分別計算這n條直線的（r,theta）座標，得到n個座標點。如果要判斷的點共有N個，最終得到的（r,theta）座標有N*n個。有關這N*n個（r,theta）座標，其中theta是離散的角度，共有180個取值。
最重要的地方來了，如果多個點在一條直線上，那麼必有這多個點在theta=某個值theta_i時，這多個點的r近似相等於r_i。也就是說這多個點都在直線（r_i,theta_i）上。 三.程式舉例
本文是在《OpenCV教程基礎篇》的基礎上進行撰寫的。 （1）首先利用該書上的例題5-14的原始碼舉例（該程式中傳統型hough畫直線的程式碼有錯誤） 
#include <cv.h>
#include <highgui.h>
#include <math.h>

int main(int argc, char** argv)
{
    argc=2;
	argv[1]="4.jpg";
	
	IplImage* src;
    if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)
    {
        IplImage* dst = cvCreateImage( cvGetSize(src), 8, 1 );
        IplImage* color_dst = cvCreateImage( cvGetSize(src), 8, 3 );
        CvMemStorage* storage = cvCreateMemStorage(0);//記憶體儲存器是一個可用來儲存諸如序列，輪廓，圖形,子劃分等動態增長資料結構的底層結構。
        CvSeq* lines = 0;//可動態增長元素序列
        int i;
        //cvCanny( src, dst, 50, 200, 3 );//邊緣檢測，變換為二值影象
		cvThreshold( src, dst, 200, 255, CV_THRESH_BINARY_INV );//變換為二值影象
        cvCvtColor( dst, color_dst, CV_GRAY2BGR );
		cvNamedWindow( "二值影象", 1 );
        cvShowImage( "二值影象", color_dst );

#if 1
		//輸入8位單通道二值影象，storage線段儲存倉，CV_HOUGH_PROBABILISTIC採用概率HOUGH變換，
		//1表示距離的畫素精度，CV_PI/180表示角度的弧度精度，80線段的累計返回閾值，
		//後兩個引數是在概率HOUGH變換和多尺度HOUGH變換時才用到，傳統（標準）HOUGH不使用，均設為0
        lines = cvHoughLines2( dst, storage, CV_HOUGH_STANDARD, 1, CV_PI/180, 100, 0, 0 );
		//利用傳統的hough變換時，得到的每個線段不是線段的起點和終點的座標，而是線段所在直線與原點的距離和X軸的夾角
		//故所得到的線段都是貫穿整個影象，顯示這些線段時要計算出它的起點和終點。
        for( i = 0; i < lines->total; i++ )
        {
            float* line = (float*)cvGetSeqElem(lines,i);////返回索引所指定的元素指標
            float rho = line[0];//線段所在直線與原點的距離
            float theta = line[1];//線段所在直線的垂線與X軸的夾角
            CvPoint pt1, pt2;
            double a = cos(theta), b = sin(theta);
			//當直線與X軸平行時
            if( fabs(a) < 0.001 )
            {
                pt1.x = pt2.x = cvRound(rho);//將直線與原點的距離轉換為整數
                pt1.y = 0;
                pt2.y = color_dst->height;
            }
			//當直線與Y軸平行時
            else if( fabs(b) < 0.001 )
            {
                pt1.y = pt2.y = cvRound(rho);
                pt1.x = 0;
                pt2.x = color_dst->width;
            }
            else
            {
                pt1.x = 0;
                pt1.y = cvRound(rho/b);//直角三角形中，rho/y1=sin(theta)
                pt2.x = cvRound(rho/a);//直角三角形中，rho/x2=cos(theta)
                pt2.y = 0;
            }
            cvLine( color_dst, pt1, pt2, CV_RGB(255,0,0), 1, 8 );
        }
#else
		//輸入8位單通道二值影象，storage線段儲存倉，CV_HOUGH_PROBABILISTIC採用概率HOUGH變換，
		//1表示距離的畫素精度，CV_PI/180表示角度的弧度精度，80線段的累計返回閾值，
		//30是最小線段長度，10表示同一條線段上碎線段連線的最大間隔值，當限度案件的間隔小於它時將這兩個線段合二為一
        lines = cvHoughLines2( dst, storage, CV_HOUGH_PROBABILISTIC, 1, CV_PI/180, 80, 30, 10 );
        for( i = 0; i < lines->total; i++ )
        {
            CvPoint* line = (CvPoint*)cvGetSeqElem(lines,i);//返回索引所指定的元素指標
            cvLine( color_dst, line[0], line[1], CV_RGB(255,0,0), 3, 8 );//繪製連線兩個點的線段,line[0]、line[1]是線段的兩個端點
        }
#endif
        cvNamedWindow( "Source", 1 );
        cvShowImage( "Source", src );

        cvNamedWindow( "Hough", 1 );
        cvShowImage( "Hough", color_dst );

        cvWaitKey(0);
    }
	return 0;
}
程式中採用傳統型HOUGH變化進行檢測，其結果如下： 原圖： 二值影象（此處未採用canny，而是直接進行了固定閾值二值化）： 檢測效果： 通過上圖可以看出，檢測結果不正確。原因在於：在畫出這些線段時，1.錯誤理解夾角的意義，theta為該直線的垂線與X軸的夾角，而不是該直線與X軸的夾角；2.未考慮線段所在直線影象的位置關係，導致畫直線所用到的兩個端點計算錯誤。 （2）下面是我在例題基礎上修改後的例子 
#include <cv.h>
#include <highgui.h>
#include <math.h>
int main(int argc, char** argv)
{
    argc=2;
	//argv[1]="building.jpg";
	argv[1]="4.jpg";
	IplImage* src;
    if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)
    {
        IplImage* dst = cvCreateImage( cvGetSize(src), 8, 1 );
        IplImage* color_dst = cvCreateImage( cvGetSize(src), 8, 3 );
        CvMemStorage* storage = cvCreateMemStorage(0);//記憶體儲存器是一個可用來儲存諸如序列，輪廓，圖形,子劃分等動態增長資料結構的底層結構。
        CvSeq* lines = 0;//可動態增長元素序列
        int i;
        //cvCanny( src, dst, 50, 200, 3 );//邊緣檢測，變換為二值影象
		cvThreshold( src, dst, 200, 255, CV_THRESH_BINARY_INV );
        cvCvtColor( dst, color_dst, CV_GRAY2BGR );
		cvNamedWindow( "二值影象", 1 );
        cvShowImage( "二值影象", color_dst );
#if 1
		//輸入8位單通道二值影象，storage線段儲存倉，CV_HOUGH_PROBABILISTIC採用概率HOUGH變換，
		//1表示距離的畫素精度，CV_PI/180表示角度的弧度精度，80線段的累計返回閾值，
		//後兩個引數是在概率HOUGH變換和多尺度HOUGH變換時才用到，傳統（標準）HOUGH不使用，均設為0
        lines = cvHoughLines2( dst, storage, CV_HOUGH_STANDARD, 1, CV_PI/180, 100, 0, 0 );
		//利用傳統的hough變換時，得到的每個線段不是線段的起點和終點的座標，而是線段所在直線與原點的距離和Y軸的夾角
		//故所得到的線段都是貫穿整個影象，顯示這些線段時要計算出它的起點和終點。

        for( i = 0; i < lines->total; i++ )
        {
            float* line = (float*)cvGetSeqElem(lines,i);////返回索引所指定的元素指標
            float rho = line[0];//線段所在直線與原點的距離
            float theta = line[1];//線段所在直線的垂線與x軸的夾角與X軸的夾角
			double a = cos(theta), b = sin(theta);
			//printf("theta=%f\n",theta);
			//printf("rho=%f\n",rho);
            CvPoint pt1, pt2;

            if( fabs(b) < 0.001 )
            {
                pt1.x = pt2.x = cvRound(rho);//將直線與原點的距離轉換為整數
                pt1.y = 0;
                pt2.y = color_dst->height;
            }
            else if( fabs(a) < 0.001 )
            {
                pt1.y = pt2.y = cvRound(rho);
                pt1.x = 0;
                pt2.x = color_dst->width;
            }
            else if(theta>=CV_PI/2&&rho>=0)
            {
                pt1.x = 0;   
                pt1.y = cvRound(rho/b);                
                pt2.x = color_dst->width;
                pt2.y = cvRound(pt1.y+color_dst->width*fabs(a)/fabs(b));
            }
			
			else if(theta>=CV_PI/2&&rho<0)
            {
                pt1.x = cvRound(rho/a);   
                pt1.y = 0;                
                pt2.x = cvRound(pt1.x+color_dst->height*fabs(b)/fabs(a));
                pt2.y = color_dst->height;
            }
			
            else if(theta<CV_PI/2&&rho>=0)
            {
                pt1.x = cvRound(rho/a);   
                pt1.y = 0;                
                pt2.x = 0;
				pt2.y = cvRound(rho/b);

            }
			
            cvLine( color_dst, pt1, pt2, CV_RGB(255,0,0), 2, 8 );
        }

#else
		//輸入8位單通道二值影象，storage線段儲存倉，CV_HOUGH_PROBABILISTIC採用概率HOUGH變換，
		//1表示距離的畫素精度，CV_PI/180表示角度的弧度精度，80線段的累計返回閾值，
		//30是最小線段長度，10表示同一條線段上碎線段連線的最大間隔值，當限度案件的間隔小於它時將這兩個線段合二為一
        lines = cvHoughLines2( dst, storage, CV_HOUGH_PROBABILISTIC, 1, CV_PI/180, 80, 30, 10 );
        for( i = 0; i < lines->total; i++ )
        {
            CvPoint* line = (CvPoint*)cvGetSeqElem(lines,i);//返回索引所指定的元素指標
            cvLine( color_dst, line[0], line[1], CV_RGB(255,0,0), 2, 8 );//繪製連線兩個點的線段,line[0]、line[1]是線段的兩個端點
        }
#endif
        //cvNamedWindow( "Source", 1 );
        //cvShowImage( "Source", src );

        cvNamedWindow( "Hough", 1 );
        cvShowImage( "Hough", color_dst );

        cvWaitKey(0);
    }
	return 0;
}
檢測結果如下： 二值影象： 檢測效果： （3）下面是不利用opencv自帶的cvHoughLines2函式，而是自己編寫函式進行直線檢測的例子 
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <vector>
#include <cmath>
using namespace cv;
using namespace std;

const double pi = 3.1415926f;
const double RADIAN = 180.0/pi; 

struct line
{
  int theta;
  int r;
};


 // r = xcos(theta) + ysin(theta)

vector<struct line> houghLine(Mat &img, int threshold)
{
  vector<struct line> lines;
  int diagonal = floor(sqrt((float)(img.rows*img.rows + img.cols*img.cols)));
  vector< vector<int> >p(360 ,vector<int>(diagonal));
  
  for( int j = 0; j < img.rows ; j++ ) { 
    for( int i = 0; i < img.cols; i++ ) {
  if( img.at<unsigned char>(j,i) > 0)
      {
        for(int theta = 0;theta < 360;theta++)
        {
          int r = floor(i*cos(theta/RADIAN) + j*sin(theta/RADIAN));
          if(r < 0)
            continue;
          p[theta][r]++;
        }
      }
    }
  }

  //get local maximum
  for( int theta = 0;theta < 360;theta++)
  {
    for( int r = 0;r < diagonal;r++)
    {
      int thetaLeft = max(0,theta-1);
      int thetaRight = min(359,theta+1);
      int rLeft = max(0,r-1);
      int rRight = min(diagonal-1,r+1);
      int tmp = p[theta][r];
      if( tmp > threshold 
        && tmp > p[thetaLeft][rLeft] && tmp > p[thetaLeft][r] && tmp > p[thetaLeft][rRight]
        && tmp > p[theta][rLeft] && tmp > p[theta][rRight]
        && tmp > p[thetaRight][rLeft] && tmp > p[thetaRight][r] && tmp > p[thetaRight][rRight])
      {
        struct line newline;
        newline.theta = theta;
        newline.r = r;
        lines.push_back(newline);
      }
    }
  }

  return lines;
}

void drawLines(Mat &img, const vector<struct line> &lines)
{
  for(int i = 0;i < lines.size();i++)
  {
    vector<Point> points;
    int theta = lines[i].theta;
    int r = lines[i].r;

    double ct = cos(theta/RADIAN);
    double st = sin(theta/RADIAN);
    
    //r = x*ct + y*st
    //left
    int y = int(r/st);
    if(y >= 0 && y < img.rows){
      Point p(0, y);
      points.push_back(p);
    }
    //right
    y = int((r-ct*(img.cols-1))/st);
    if(y >= 0 && y < img.rows){
      Point p(img.cols-1, y);
      points.push_back(p);
    }
    //top
    int x = int(r/ct);
    if(x >= 0 && x < img.cols){
      Point p(x, 0);
      points.push_back(p);
    }
    //down
    x = int((r-st*(img.rows-1))/ct);
    if(x >= 0 && x < img.cols){
      Point p(x, img.rows-1);
      points.push_back(p);
    }
    
    cv::line( img, points[0], points[1], Scalar(0,0,255), 1, CV_AA);
  }
}

int main( int, char** argv )
{
    Mat src,src_gray,edge,dst;
    //argv[1]="building.jpg";
	argv[1]="4.jpg";
  	src = imread( argv[1] );
  	cvtColor( src, src_gray, CV_BGR2GRAY );
	
  	blur( src_gray, src_gray, Size(3,3) );
  	Canny( src_gray, edge, 50, 200);
	//threshold( src_gray, edge, 250, 255, CV_THRESH_BINARY_INV );
	cvtColor( edge, dst, CV_GRAY2BGR );
    vector<struct line> lines = houghLine(edge, 100);
    drawLines(dst, lines);
  
  	namedWindow("result", 1); 
    imshow("result", dst);
    waitKey(0);
    
  	return 0;
}

檢測效果：
  

相關推薦

HOUGH變換檢測線段

 利用 Hough 變換在二值影象中找到直線 一.函式介紹 CvSeq* cvHoughLines2( CvArr* image, void* line_storage, int method,double rho, double theta, int threshol

hough變換檢測直線

需要 lac 去掉 坐標軸 不能 blog .com 最大的 png hough變換檢測直線原理： 假設在圖像中存在一條直線y=k*x+b(此時k,b未知)。取直線上的任意兩點進行說明，設為(x0,y0),(x1,y1)。 所有經過點(x0,y0)的直線滿足：-x0*k+y

OpenCV函式cvHoughCircles根據Hough變換檢測圓

#include<cv.h> #include<highgui.h> int main() { IplImage* src = NULL; IplImage* dst = NULL; IplImage* color = NULL; src = cvLoadImage

python opencv -詳解hough變換檢測直線與圓

在數字影象中，往往存在著一些特殊形狀的幾何圖形，像檢測馬路邊一條直線，檢測人眼的圓形等等，有時我們需要把這些特定圖形檢測出來，hough變換就是這樣一種檢測的工具。 Hough變換的原理是將特定圖形上的點變換到一組引數空間上，根據引數空間點的累計結果找到一個極大值對應的解，那麼這個解就對應著要尋找的幾何形狀

Python下opencv使用筆記（十一）（詳解hough變換檢測直線與圓）

在數字影象中，往往存在著一些特殊形狀的幾何圖形，像檢測馬路邊一條直線，檢測人眼的圓形等等，有時我們需要把這些特定圖形檢測出來，hough變換就是這樣一種檢測的工具。 Hough變換的原理是將特定圖形上的點變換到一組引數空間上，根據引數空間點的累計結果找到一個極

虹膜識別（三）：Hough變換檢測內圓邊緣

前面我們已經得到了hough變換的基礎條件，那就是有一個很好的用於檢測的二值邊緣影象如下所示：   至此我們才能運用hough變換。 Hough變換是一類廣泛用於檢測各種規則圖形用的，像直線、圓、橢圓等等，不同的就是檢測的規律不同。Hough變換的原理網上多得是，像http

影象處理 C語言 hough變換 檢測直線

一天從網上下了20個vc的hough程式碼，沒有一個程式碼是成功的。令人鬱悶，我參考matlab程式碼寫出了hough檢測單個直線的程式 Hough變換： 本程式是我花費時間最長的程式；參考matlab演算法；首先求出原圖上的每一個畫素在變換域上的對應曲線，即原圖上每一點(i,j)對應變換域曲線(p,k)；

9.霍夫變換：圓——介紹、用Hough檢測圓、圓的Hough變換_1

目錄 介紹 介紹 畫好直線之後，記住，線是引數模型最簡單的形式，現在我們來看看更復雜的東西，也就是圓。 這是圓的方程，其中 a 和 b 是中心，r 是半徑： 現在我們假設半徑已知。我們只需要找到這些點的位置。 這裡有一個圓，在這個圓上有三個點，這裡的藍

Hough變換的直線檢測基礎

一、Hough 變換(直線) Hough變換是依賴於投票機制的，在引數空間統計原空間下點的貢獻值（投票）得到了累計值，累積量的峰值確定了所要的檢測目標 1。以直線為例，在二維平面X - Y 中，直線方程可以描述為點斜式： y=kx+by=kx+b y=kx+b

關於hough圓弧檢測C++程式的問題

需要用到一個圓弧檢測的程式，苦於網上沒有C++版的，自己根據MATLAB函式寫了一個，自己感覺沒什麼問題，編譯也可以通過，但結果就是很奇怪，求各位大咖幫忙，新手，小白一個。。。。 void hough_circle(IplImage *BW,double step_r,doubl

hough變換理解

hough變換概念 在計算機中，經常需要將一些特定的形狀圖形從圖片中提取出來，如果直接用畫素點來搜尋非常困難，這時候需要將影象從畫素按照一定的演算法對映到引數空間。houg

控制閥值的霍夫變換 檢測線條

該樣例可以通過改變影象上的閥值滑動條，生成不同閥值下的影象！ 發現閥值在30多的時候，畫的線條是最多的，最大的閥值200和最小的閥值不一定是畫線條數最多的！ 程式碼如下： #include <opencv2/opencv.hpp> #include

opencv hough圓心檢測

#include "stdafx.h" #include <opencv2\opencv.hpp> #include <iostream> #include <math.h> using namespace&

opencv hough圓心檢測

#include "stdafx.h" #include <opencv2\opencv.hpp> #include <iostream> #include <math.h> using namespace cv; using name

Opencv影象處理---Hough圓檢測

理論 線上檢測情況下，線由兩個引數（r，θ）定義。 在圓圈情況下，我們需要三個引數來定義圓： 其中（xcenter，ycenter）定義中心位置（綠點），r是半徑，這允許我們完全定義一個圓，如下所示： 為了提高效率，OpenCV實現了一種比標準Hough變換稍微複雜的檢

hough變換 正在的c程式碼風格實現

影象中直線的檢測 -- Hough變換原理   一、簡單介紹 Hough變換是影象處理中從影象中識別幾何形狀的基本方法之一。Hough變換的基本原理在於利用點與線的對偶性，將原始影象空間的給定的曲線通過曲線表

霍夫變換檢測直線原理及例項

霍夫變換原理 霍夫變換(Hough Transform)是影象處理中的一種特徵提取技術，該過程在一個引數空間中通過計算累計結果的區域性最大值得到一個符合該特定形狀的集合作為霍夫變換結果。 直線可以由直角座標或極座標表示，直線可以由直角座標或極座標表示，直角座標表示直線時，

Python下opencv使用筆記之hough變換

在數字影象中，往往存在著一些特殊形狀的幾何圖形，像檢測馬路邊一條直線，檢測人眼的圓形等等，有時我們需要把這些特定圖形檢測出來，hough變換就是這樣一種檢測的工具。 Hough變換的原理是將特定圖形上的點變換到一組引數空間上，根據引

Opencv學習---霍夫變換檢測圓的基本原理

為了方便以後檢視，將基本筆記收藏到這裡！ 原博文：http://blog.csdn.net/yizhaoyanbo/article/details/59172991     其實檢測圓形和檢測直線的原理差別不大，只不過直線是在二維空間，因為y=kx+b，只有k和b兩

霍夫變換檢測直線

圖片經過邊緣檢測及二值化處理後是黑色的底，白色的線。把圖片中每個白色畫素點設為（Xi，Yi）。定理：對於直角座標系中的每一個點，在極座標中有一條曲線ρ=Xicosθ+Yisinθ與其對應。分別使θ等於