图像处理（八）：线段检测之Hough变换

来源：互联网发布：java单例模式好处编辑：程序博客网时间：2024/05/29 08:25

现阶段用最多的线段检测算法为Hough变换，对于Hough变换的原理部分已经有很多人写过，具体可以参考：点击打开链接，这里我总结一下理解Hough变换算法的难点。

一、直线表示方法：

1）最常用的方法为斜截式：y=kx+b，已知直线的斜率及y轴上的截距，即可确定一条直线。

2）Hough变换中参数方程：rho = x * cos(theta) + y * sin(theta)，原理部分一般都会介绍，每一对(rho, theta)对应一条直线，为什么？可以看一下下面这个图

可以看到，这里的rho和theta分别对应于原点到直线y=kx+b的距离以及这条垂线对应夹角。知道这两个东西，自然就可以知道一条直线。

二、实现步骤

1）灰度化，并使用Canny进行边缘检测；

2）参数空间离散化：确定检测精度；

3）Hough参数空间统计；

4）四邻域非极大值抑制；

三、代码如下：

#include <opencv2/opencv.hpp>#include <math.h>using namespace cv;using namespace std;//用来表示极坐标参数空间里的数据struct Para {int num;float angle;int rho;};int main(){Mat src = imread("1.jpg");Mat gray;cvtColor(src, gray, CV_BGR2GRAY);Mat edges;Canny(gray, edges, 50, 200);int i, j, k;// hough transformint q_max = sqrt(pow(gray.rows, 2) + pow(gray.cols, 2));int nAngles = 180;  // 划分为180份// 为hough参数空间分配内存及初始化int ** hough_data = new int*[q_max];for (i = 0; i < q_max; i++){hough_data[i] = new int[nAngles];for (j = 0; j < nAngles; j++){hough_data[i][j] = 0;}}// Hough参数空间统计for (i = 0; i < edges.rows; i++)for (j = 0; j < edges.cols; j++){if (edges.at<uchar>(i,j) == 255){int index = 0;for (k = 0; k < nAngles; k++){index = int(i * cos(CV_PI / nAngles * k) +         j * sin(CV_PI / nAngles * k));index = int( (index + q_max) / 2 );hough_data[index][k]++;}}}// 统计之后进行非极大值抑制Para *houghSpace = new Para[q_max * nAngles];int thr = 200;int counts = 0;for (i = 0; i < q_max; i++)for (j = 0; j < nAngles; j++){// 大于阈值且为四邻域的极大值if (hough_data[i][j] > thr &&hough_data[i][j] > hough_data[i + 1][j] && hough_data[i][j] > hough_data[i - 1][j] &&hough_data[i][j] > hough_data[i][j + 1] &&hough_data[i][j] > hough_data[i][j - 1]){houghSpace[counts].rho = i * 2 - q_max;houghSpace[counts].angle = j * CV_PI / nAngles;houghSpace[counts].num = hough_data[i][j];counts++;}}// 得到了参数之后，画线for (k = 0; k < counts; k++){if (houghSpace[k].angle < 0.1){line(src, Point(0, houghSpace[k].rho), Point(src.cols, houghSpace[k].rho), Scalar(255, 0, 0));}else{line(src, Point(houghSpace[k].rho / sin(houghSpace[k].angle), 0), Point( 0, (houghSpace[k].rho / cos(houghSpace[k].angle))), Scalar(255, 0, 0));}}delete[] hough_data;delete[] houghSpace;imshow("edges", edges);imshow("hough", src);waitKey();return 0;}

效果如下：

阅读全文

0 0