霍夫变换检测直线

时间：2023-01-19 09:44:41
霍夫变换检测直线

图片经过边缘检测及二值化处理后是黑色的底，白色的线。把图片中每个白色像素点设为（Xi，Yi）。定理：对于直角坐标系中的每一个点，在极坐标中有一条曲线ρ=Xicosθ+Yisinθ与其对应。分别使θ等于0，△θ，2△θ……π，便可求出对应的ρ值。将ρ也分成许多小段△ρ，这样极坐标就被分成了许多以（△ρ，△θ）为单元的小块。计算每一条曲线落在各小段中的次数。所有数据点变换完成后，对小单元进行检测，这样，落入次数较多的单元，说明此点为较多曲线的公共点，而这些曲线对应的（X,Y）平面上的点可以认为是共线的。      其实我就是需要极坐标中相交次数最多的交点坐标（ρ，θ）中的θ值……

我自己的理解：原本直线方程是：y=kx+b； 现在把它化为在极坐标下的形式：ρ=Xicosθ+Yisinθ。注意其中的x，y是直接坐标下的像素点。然后θ和ρ分段离散化取值，θ取值对应不同的ρ，这样在直角坐标系中的一个值（x，y）在极坐标下就对应一条曲线，其实，注意ρ，θ就是相当于直角坐标系中的k，b，ρ=Xicosθ+Yisinθ。就是用计算机运算速度快的原理算出ρ，θ。上面还没讲完，直角坐标系中的一个值（x，y）在极坐标下就对应一条曲线。那么，原本在直角坐标系中的直线上的像素点一一对应极坐标一条条曲线，他们会相交于一点。对应的（ρ，θ）就是我们需要的k和b。当然，具体的细节还需要查看源码，投票次数啊，具体的分割ρ，θ。。投票次数就是在（ρ，θ）平面相交的同一点的次数，当大于某个阈值时就说明是一条直线了取出（ρ，θ）就是对应的直线参数系数

霍夫变换检测直线

图中曲线是（50，30）对应的在（ρ，θ）平面的曲线

霍夫变换检测直线


图中的曲线是（50，30），（30，10）2条曲线相交，当把直接坐标系中的直线像素点一一映射到（ρ，θ）平面，应该都会相交于同一个（ρ，θ），当达到某个阈值时就说明可以了


下面是论文中的hough检测直线步骤：

霍夫变换检测直线霍夫变换检测直线

霍夫变换检测直线

下面是书上的代码：

//LineFinder.h
#include"opencv2/imgproc/imgproc.hpp"
#include"opencv2/highgui/highgui.hpp"
#include "opencv2/core/core.hpp"
#include<iostream>
//#include <math.h>
//#include <cmath>
using namespace std;
using namespace cv;
#define PI 3.141592
class LineFinder{
private:
	Mat img;
	vector<Vec4i>lines;
	double deltaRho;
	double deltaTheta;
	int minVote;
	double minLength;
	double maxGap;
public:
	LineFinder():deltaRho(1),deltaTheta(PI/180),minVote(10),minLength(0.),maxGap(0.){}
	void setAccResolution(double dRho,double dTheta)
	{
		deltaRho=dRho;
		deltaTheta=dTheta;
	}
	void setMinVote (int minv)
	{
		minVote=minv;
	}
	void setLineLengAndGap(double length,double gap)
	{
		minLength=length;
		maxGap=gap;
	}
	vector<Vec4i> findLines(Mat &binary)
	{
		lines.clear();
		HoughLinesP(binary,lines,deltaRho,deltaTheta,minVote,minLength,maxGap);
		return lines;
	}

	void drawDetectedLines(Mat &image,Scalar color=Scalar(255,255,255))
	{
		vector<Vec4i>::const_iterator it2=lines.begin();
		while (it2!=lines.end())
		{
			Point pt1((*it2)[0],(*it2)[1]);
			Point pt2((*it2)[2],(*it2)[3]);
			line(image,pt1,pt2,color);
			++it2;
		}

	}

};
//main
#include "LineFinder.h"
void main()
{
	Mat img=imread("C:\\Users\\Administrator\\Desktop\\工作\\testp\\road.jpg",0);
   Mat out1;
	Canny(img,out1,125,350);
	Mat img1;
	img1=img.clone();
	vector<Vec2f> lines;
	HoughLines(out1,lines,1,PI/180,60);
	vector<Vec2f>::const_iterator it=lines.begin();
	while (it!=lines.end())
	{
		float rho=(*it)[0];
		float theta=(*it)[1];
		if (theta<PI/4.||theta>3.*PI/4.)
		{
			Point pt1(rho/cos(theta),0);
			Point pt2((rho-out1.rows*sin(theta))/cos(theta),out1.rows);
			line(img1,pt1,pt2,Scalar(255),1);
		}
		else
		{
			Point pt1(0,rho/sin(theta));
			Point pt2(out1.cols,(rho-out1.cols*cos(theta))/sin(theta));
			line(img1,pt1,pt2,Scalar(255),1);
		}
		++it;
	}

	LineFinder finder;
	finder.setLineLengAndGap(100,20);
	finder.setMinVote(60);
	finder.findLines(out1);
	finder.drawDetectedLines(img);




	imshow("houghlinep",img);
	imshow("original",img1);
	imshow("out",out1);
	waitKey(0);



}
霍夫变换检测直线



检测圆：：

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
using namespace cv;
void main()
{
	Mat img=imread("C:\\Users\\Administrator\\Desktop\\工作\\testp\\chariot.jpg",0);
	Mat img1;
	GaussianBlur(img,img1,Size(5,5),1.5);
vector<Vec3f>circles;
HoughCircles(img1,circles,CV_HOUGH_GRADIENT,2,50,200,100,25,100);
vector<Vec3f>::const_iterator itc=circles.begin();
while(itc!=circles.end())
{
	circle(img1,Point((*itc)[0],(*itc)[1]),(*itc)[2],Scalar(255),5);
	++itc;
}



	imshow("original",img);
	imshow("img1",img1);
	waitKey(0);




}

霍夫变换检测直线


点集的直线拟合：

#include "LineFinder.h"
void main()
{
	Mat img=imread("C:\\Users\\Administrator\\Desktop\\工作\\testp\\road.jpg",0);
   Mat out1;
	Canny(img,out1,125,350);
	Mat img1;
	img1=img.clone();
	vector<Vec2f> lines;
	HoughLines(out1,lines,1,PI/180,60);
	vector<Vec2f>::const_iterator it=lines.begin();
	while (it!=lines.end())
	{
		float rho=(*it)[0];
		float theta=(*it)[1];
		if (theta<PI/4.||theta>3.*PI/4.)
		{
			Point pt1(rho/cos(theta),0);
			Point pt2((rho-out1.rows*sin(theta))/cos(theta),out1.rows);
			line(img1,pt1,pt2,Scalar(255),1);
		}
		else
		{
			Point pt1(0,rho/sin(theta));
			Point pt2(out1.cols,(rho-out1.cols*cos(theta))/sin(theta));
			line(img1,pt1,pt2,Scalar(255),1);
		}
		++it;
	}

	LineFinder finder;
	finder.setLineLengAndGap(100,20);
	finder.setMinVote(60);
	finder.findLines(out1);
	finder.drawDetectedLines(img);


	vector<Vec4i>lines111=finder.findLines(out1);
	int n=0;
	Mat oneline(out1.size(),CV_8U,Scalar(0));
	line(oneline,Point(lines111[n][0],lines111[n][1]),Point(lines111[n][2],lines111[n][3]),Scalar(255),3);
	bitwise_and(out1,oneline,oneline);
	//threshold(oneline,oneline,100,255,THRESH_BINARY_INV);
	vector<Point>points;
	for (int y=0;y<oneline.rows;y++)
	{
		uchar *rowPtr=oneline.ptr<uchar>(y);
		for (int x=0;x<oneline.cols;x++)
		{
			if (rowPtr[x])
			{
				points.push_back(Point(x,y));
			}
		}
	}
	Vec4f line12;
	fitLine(points,line12,CV_DIST_L2,0,0.01,0.01);
	int x0=line12[2];
	int y0=line12[3];
	int x1=x0+100*line12[0];
	int y1=y0+100*line12[1];
	
	line(img,Point(x0,y0),Point(x1,y1),Scalar(0),3);


	imshow("src",img);

	imshow("oneline",oneline);
	waitKey(0);
霍夫变换检测直线



好久再看opencv3时候，自己的理解搞子如下：

霍夫变换检测直线


标签：

相关文章