OpenCV利用霍夫變換進行直線檢測

2020-01-26 13:35:08

字體：大中小

來源：轉載

供稿：網友

本文實例為大家分享了OpenCV利用霍夫變換進行直線檢測的具體代碼，供大家參考，具體內容如下

1.最簡單的霍夫變換是在圖像中識別直線。在平面直角坐標系(x-y)中，一條直線可以用下式表示：y=kx+b。

這表示參數平面(k-b)中的一條直線。因此，圖像中的一個點對應參數平面中的一條直線，圖像中的一條直線對應參數平面中的一個點。對圖像上所有的點作霍夫變換，最終所要檢測的直線對應的一定是參數平面中直線相交最多的那個點。這樣就在圖像中檢測出了直線。在實際應用中，直線通常采用參數方程：p=x/cos/theta+y/sin/theta。

Opencv里有以下函數檢測直線（最基本的霍夫變換）：

void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 )

具體用法看代碼就知道了：（現在版本的OpenCV使用函數cvHoughLines2）

#include "opencv2/opencv.hpp"#define PI 3.1415926 int main(int argc, char *argv[]){ cv::Mat image = cv::imread ("road.jpg"); cv::Mat result; cv::cvtColor (image,result,CV_BGRA2GRAY); cv::Mat contours; cv::Canny (result,contours,125,350); //邊緣檢測 std::vector<cv::Vec2f> lines; /*霍夫變換,獲得一組極坐標參數（rho，theta）,每一對對應一條直線，保存到lines  第3,4個參數表示在（rho，theta)坐標系里橫縱坐標的最小單位，即步長*/ cv::HoughLines (contours,lines,1,PI/180,80); std::vector<cv::Vec2f>::const_iterator iter = lines.begin (); std::cout<<lines.size ()<<std::endl; while(iter != lines.end()) {  float rho = (*iter)[0];  float theta = (*iter)[1];  if(theta<PI/4.||theta>3.*PI/4) { //畫交點在上下兩邊的直線   cv::Point pt1(rho/cos(theta),0);   cv::Point pt2((rho-result.rows*sin(theta))/cos(theta),result.rows);   cv::line(image,pt1,pt2,cv::Scalar(255),1);  }  else   { //畫交點在左右兩邊的直線   cv::Point pt1(0,rho/sin(theta));   cv::Point pt2(result.cols,(rho-result.cols*cos(theta)/sin(theta)));   cv::line(image,pt1,pt2,cv::Scalar(255),1);  }  ++iter; } cv::namedWindow ("hough"); cv::imshow("hough",image); cv::waitKey (0);}

測試結果如下：

2.可以看出，上面的直線檢測存在以下問題：

1）只能檢測出線段所在的直線，而不知道具體線段位置，也不知道線段長度；

2）同一直線可能檢測出多條直線；

3）偶然地也可能誤判段直線。

針對這些問題，opencv有那么一個函數：（現在版本的OpenCV使用同一個函數cvHoughLines2）

void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, dou-
ble minLineLength=0, double maxLineGap=0)

這個方法是通過概率霍夫變換實現的：

1）隨機獲取邊緣圖片上的前景點，映射到級坐標系畫曲線；

2）當極坐標系里面有交點達到最小投票數，將該點對應x-y坐標系的直線L找出來；

3）搜索邊緣圖片上前景點，在直線L上的點（且點與點之間距離小于maxLineGap的）連成線段，然后這些點全部刪除，并且記錄該線段的參數，就是起始點和終止點。（當然這里線段長度要滿足最小長度的，否則就不用記錄了）

4）重復1），2），3）

其使用方法見代碼:

#include "opencv2/opencv.hpp"#define PI 3.1415926 class LineFinder{private:  std::vector<cv::Vec4i> lines; // 直線對應的點參數向量  double deltaRho; //步長  double deltaTheta;  int minVote; // 判斷是直線的最小投票數  double minLength; // 判斷是直線的最小長度  double maxGap; // 同一條直線上點之間的距離容忍度public:  LineFinder() : deltaRho(1), deltaTheta(PI/180),  minVote(10), minLength(0.), maxGap(0.) {} //初始化   void setAccResolution(double dRho, double dTheta) // 設置步長  {   deltaRho= dRho;   deltaTheta= dTheta;  }    void setMinVote(int minv) // 設置最小投票數 {   minVote= minv;  }    void setLineLengthAndGap(double length, double gap) // 設置最小線段長度和線段間距容忍度  {   minLength= length;   maxGap= gap;  }     std::vector<cv::Vec4i> findLines(cv::Mat& binary) //尋找線段 {   lines.clear();   cv::HoughLinesP(binary,lines, deltaRho, deltaTheta, minVote,minLength, maxGap);   return lines;  }   void drawDetectedLines(cv::Mat &image, cv::Scalar color=cv::Scalar(255,255,255)) // 畫線段 {  std::vector<cv::Vec4i>::const_iterator it2=lines.begin();   while (it2!=lines.end())   {    cv::Point pt1((*it2)[0],(*it2)[1]);    cv::Point pt2((*it2)[2],(*it2)[3]);    cv::line( image, pt1, pt2, color);    ++it2;   }  }}; int main(int argc, char *argv[]){ cv::Mat image = cv::imread ("road.jpg"); cv::Mat result; cv::cvtColor (image,result,CV_BGRA2GRAY); cv::Mat contours; cv::Canny (result,contours,125,350); //邊緣檢測 LineFinder finder; finder.setMinVote (80); finder.setLineLengthAndGap (100,20); finder.findLines (contours); finder.drawDetectedLines (image); std::vector<cv::Vec2f> lines; cv::HoughLines (contours,lines,1,PI/180,80); std::vector<cv::Vec2f>::const_iterator iter = lines.begin (); std::cout<<lines.size ()<<std::endl; while(iter != lines.end()) {  float rho = (*iter)[0];  float theta = (*iter)[1];  if(theta<PI/4.||theta>3.*PI/4) { //畫交點在上下兩邊的直線   cv::Point pt1(rho/cos(theta),0);   cv::Point pt2((rho-result.rows*sin(theta))/cos(theta),result.rows);   cv::line(image,pt1,pt2,cv::Scalar(255),1);  }  else   { //畫交點在左右兩邊的直線   cv::Point pt1(0,rho/sin(theta));   cv::Point pt2(result.cols,(rho-result.cols*cos(theta)/sin(theta)));   cv::line(image,pt1,pt2,cv::Scalar(255),1);  }  ++iter; } cv::namedWindow ("hough"); cv::imshow("hough",image); cv::waitKey (0);}

測試結果如下：