(30)Air Band OpenCV2.4.13_Hough直线变换
来源:互联网 发布:北京东方仿真公司 知乎 编辑:程序博客网 时间:2024/06/07 15:32
本文是对OpenCV2.4.13文档的部分翻译,作个人学习之用,并不完整。
Hough直线变换:
用于检测直线的变换,为了应用变换首先需要一个边缘检测的预处理。
原理:
图像中的线条可以用两个变量来表示:
直角坐标系:如(m ,b);极坐标信息:(r ,θ)
我们通常使用指教坐标系来表示,因此一条直线可以表示为:
写成这样的形式
1.总的来说,对于点(x0,y0)可以定义一组通过该点的直线:
2.所以每一对(rθ ,θ)都可以表示通过(x0,y0)的直线
如果给定(x0,y0),画出通过它的一系列直线,可以得到一个正弦图像,例如x0=8,y0=6,在r-θ图像(r>0,0<θ<2π)中:
3.我们可以对一幅图像上的所有点执行上述操作,如果两个点的曲线在r-θ图像中某处相交,则这两点都属于一条直线,例如下图中增加x1=4,y1=9,x2=12,y2=3:
这三条线在一点(0.925 , 9.6)处相交,这些坐标就是参数(r,θ)或说直线(x0,y0)(x1,y1)(x2,y2)所在的位置。
4.总的来说一条线可以由一系列曲线的交点来检测,交点处的曲线越多,说明该点表示的直线上的点就越多。总的来说我们可以定义最小数目的阈值来检测一条直线。
5.这就是Hough直线变换所做的,持续跟踪图像中经过每点的直线所形成曲线的交点。交点的数量超过某阈值,就表示有这么一个交点参数为(θ,rθ)的直线存在。
标准和概率Hough直线变换:
1.标准直线变换
就是之前说明的内容,结果就是一个向量(θ,rθ),在OpenCV中用HoughLines函数来实现。
2.概率直线变换
Hough直线变换的更有效的实现,输出结果就是检测到的直线的端点(x0,y0,x1,y1),在OpenCV中用HoughLinesP来实现。
#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include <iostream>#include <stdio.h>using namespace cv;using namespace std;/// Global variables/** General variables */Mat src, edges;//原图、边缘图Mat src_gray;//灰度图Mat standard_hough, probabilistic_hough;//标准Hough、概率Houghint min_threshold = 50;int max_trackbar = 150;const char* standard_name = "Standard Hough Lines Demo";const char* probabilistic_name = "Probabilistic Hough Lines Demo";int s_trackbar = max_trackbar;int p_trackbar = max_trackbar;/// Function Headersvoid help();void Standard_Hough( int, void* );void Probabilistic_Hough( int, void* );/** * @function main */int main(){ /// 载入图像 src = imread("building.jpg", 1 ); if( src.empty() ) { help(); return -1; } /// 将图像转换为灰度图 cvtColor( src, src_gray, COLOR_RGB2GRAY ); /// 执行Canny边缘检测 Canny( src_gray, edges, 50, 200, 3 ); /// 创建滑动条选择阈值 char thresh_label[50]; sprintf( thresh_label, "Thres: %d + input", min_threshold ); namedWindow( standard_name, WINDOW_AUTOSIZE ); createTrackbar( thresh_label, standard_name, &s_trackbar, max_trackbar, Standard_Hough); namedWindow( probabilistic_name, WINDOW_AUTOSIZE ); createTrackbar( thresh_label, probabilistic_name, &p_trackbar, max_trackbar, Probabilistic_Hough); /// 初始化 Standard_Hough(0, 0); Probabilistic_Hough(0, 0); waitKey(0); return 0;}/** * @function help * @brief Indications of how to run this program and why is it for */void help(){ printf("\t Hough Transform to detect lines \n "); printf("\t---------------------------------\n "); printf(" Usage: ./HoughLines_Demo <image_name> \n");}/** * @function Standard_Hough */void Standard_Hough( int, void* ){ vector<Vec2f> s_lines; cvtColor( edges, standard_hough, CV_GRAY2BGR ); /// 1. 使用标准Hough变换(边缘检测输出结果(灰度图,其实是二值),直线向量,参数r的分辨率(1像素),参数θ的分辨率(1度=CV_PI/180),阈值:交叉点数量的最小值,srn和stn默认为0) HoughLines( edges, s_lines, 1, CV_PI/180, min_threshold + s_trackbar, 0, 0 ); /// 显示结果:画出线条 for( size_t i = 0; i < s_lines.size(); i++ ) { float r = s_lines[i][0], t = s_lines[i][1]; double cos_t = cos(t), sin_t = sin(t); double x0 = r*cos_t, y0 = r*sin_t; double alpha = 1000; Point pt1( cvRound(x0 + alpha*(-sin_t)), cvRound(y0 + alpha*cos_t) ); Point pt2( cvRound(x0 - alpha*(-sin_t)), cvRound(y0 - alpha*cos_t) ); line( standard_hough, pt1, pt2, Scalar(255,0,0), 3, CV_AA); } imshow( standard_name, standard_hough );}/** * @function Probabilistic_Hough */void Probabilistic_Hough( int, void* ){ vector<Vec4i> p_lines; cvtColor( edges, probabilistic_hough, CV_GRAY2BGR ); /// 2. 使用概率Hough变换(边缘检测的输出结果(灰度图,实际上是二值),向量,参数r的分辨率(1像素),参数θ的分辨率(1度=CV_PI/180),阈值(检测直线的最小交点数),可以形成直线的最小点数(少于这个数字的点忽略),两点可以认为是在同一直线上的最大差距) HoughLinesP( edges, p_lines, 1, CV_PI/180, min_threshold + p_trackbar, 30, 10 ); /// 显示结果 for( size_t i = 0; i < p_lines.size(); i++ ) { Vec4i l = p_lines[i]; line( probabilistic_hough, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(255,0,0), 3, CV_AA); } imshow( probabilistic_name, probabilistic_hough );}
结果:
改变阈值会改变检测到的直线数量,阈值越高线条更少
- (30)Air Band OpenCV2.4.13_Hough直线变换
- (31)Air Band OpenCV2.4.13_Hough圆形变换
- (33)Air Band OpenCV2.4.13_Affine变换
- (21)Air Band OpenCV2.4.13_其他形态学变换
- (9)Air Band OpenCV2.4.13_Mat
- (26)Air Band OpenCV2.4.13_Solbel算子
- (27)Air Band OpenCV2.4.13_Laplace算子
- (11)Air Band OpenCV2.4.13_矩阵掩码操作
- (12)Air Band OpenCV2.4.13_将两幅图片叠加
- (14)Air Band OpenCV2.4.13_基础作图
- (16)Air Band OpenCV2.4.13_离散傅里叶变换
- (19)Air Band OpenCV2.4.13_平滑图像
- (20)Air Band OpenCV2.4.13_腐蚀和膨胀
- (22)Air Band OpenCV2.4.13_图像金字塔
- (23)Air Band OpenCV2.4.13_基本阈值操作
- (24)Air Band OpenCV2.4.13_自定义线性滤波器
- (25)Air Band OpenCV2.4.13_为图像添加边界
- (29)Air Band OpenCV2.4.13_Canny边缘检测
- 浏览器进行网页缩放的原理
- 双色球号码抓取
- STL
- 连接跳转到扣扣聊天的窗口
- js中获取键盘事件以及常用键码
- (30)Air Band OpenCV2.4.13_Hough直线变换
- 惊呼——SVM支持向量机三重境界!
- 关于promises,你理解了多少?
- java CRC16算法,分解一个大Key实例。和各种hash算法代码
- 面向对象--第四篇(变量提升&闭包)
- 电脑上所有文件都打不开的解决方法和过程
- 欢迎使用CSDN-markdown编辑器
- 栈应用----迷宫问题
- 浅谈域名解析