图像处理之霍夫变换圆检测算法

2024-06-12 22:48
文章标签 算法 图像处理 检测 变换 霍夫

本文主要是介绍图像处理之霍夫变换圆检测算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

- created by gloomyfish

图像处理之霍夫变换圆检测算法

之前写过一篇文章讲述霍夫变换原理与利用霍夫变换检测直线, 结果发现访问量还是蛮

多,有点超出我的意料,很多人都留言说代码写得不好,没有注释,结构也不是很清晰,所以

我萌发了再写一篇,介绍霍夫变换圆检测算法,同时也尽量的加上详细的注释,介绍代码

结构.让更多的人能够读懂与理解.

一:霍夫变换检测圆的数学原理


根据极坐标,圆上任意一点的坐标可以表示为如上形式, 所以对于任意一个圆, 假设

中心像素点p(x0, y0)像素点已知, 圆半径已知,则旋转360由极坐标方程可以得到每

个点上得坐标同样,如果只是知道图像上像素点, 圆半径,旋转360°则中心点处的坐

标值必定最强.这正是霍夫变换检测圆的数学原理.

二:算法流程

该算法大致可以分为以下几个步骤


三:运行效果

图像从空间坐标变换到极坐标效果, 最亮一点为圆心.


图像从极坐标变换回到空间坐标,检测结果显示:


四:关键代码解析

个人觉得这次注释已经是非常的详细啦,而且我写的还是中文注释

/** * 霍夫变换处理 - 检测半径大小符合的圆的个数 * 1. 将图像像素从2D空间坐标转换到极坐标空间 * 2. 在极坐标空间中归一化各个点强度，使之在0〜255之间 * 3. 根据极坐标的R值与输入参数(圆的半径)相等，寻找2D空间的像素点 * 4. 对找出的空间像素点赋予结果颜色(红色) * 5. 返回结果2D空间像素集合 * @return int [] */  
public int[] process() {  // 对于圆的极坐标变换来说，我们需要360度的空间梯度叠加值  acc = new int[width * height];  for (int y = 0; y < height; y++) {  for (int x = 0; x < width; x++) {  acc[y * width + x] = 0;  }  }  int x0, y0;  double t;  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  if ((input[y * width + x] & 0xff) == 255) {  for (int theta = 0; theta < 360; theta++) {  t = (theta * 3.14159265) / 180; // 角度值0 ~ 2*PI  x0 = (int) Math.round(x - r * Math.cos(t));  y0 = (int) Math.round(y - r * Math.sin(t));  if (x0 < width && x0 > 0 && y0 < height && y0 > 0) {  acc[x0 + (y0 * width)] += 1;  }  }  }  }  }  // now normalise to 255 and put in format for a pixel array  int max = 0;  // Find max acc value  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  if (acc[x + (y * width)] > max) {  max = acc[x + (y * width)];  }  }  }  // 根据最大值，实现极坐标空间的灰度值归一化处理  int value;  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  value = (int) (((double) acc[x + (y * width)] / (double) max) * 255.0);  acc[x + (y * width)] = 0xff000000 | (value << 16 | value << 8 | value);  }  }  // 绘制发现的圆  findMaxima();  System.out.println("done");  return output;  
}
完整的算法源代码, 已经全部的加上注释 
package com.gloomyfish.image.transform.hough;  
/*** *  * 传入的图像为二值图像，背景为黑色，目标前景颜色为为白色 * @author gloomyfish *  */  
public class CircleHough {  private int[] input;  private int[] output;  private int width;  private int height;  private int[] acc;  private int accSize = 1;  private int[] results;  private int r; // 圆周的半径大小  public CircleHough() {  System.out.println("Hough Circle Detection...");  }  public void init(int[] inputIn, int widthIn, int heightIn, int radius) {  r = radius;  width = widthIn;  height = heightIn;  input = new int[width * height];  output = new int[width * height];  input = inputIn;  for (int y = 0; y < height; y++) {  for (int x = 0; x < width; x++) {  output[x + (width * y)] = 0xff000000; //默认图像背景颜色为黑色  }  }  }  public void setCircles(int circles) {  accSize = circles; // 检测的个数  }  /** * 霍夫变换处理 - 检测半径大小符合的圆的个数 * 1. 将图像像素从2D空间坐标转换到极坐标空间 * 2. 在极坐标空间中归一化各个点强度，使之在0〜255之间 * 3. 根据极坐标的R值与输入参数(圆的半径)相等，寻找2D空间的像素点 * 4. 对找出的空间像素点赋予结果颜色(红色) * 5. 返回结果2D空间像素集合 * @return int [] */  public int[] process() {  // 对于圆的极坐标变换来说，我们需要360度的空间梯度叠加值  acc = new int[width * height];  for (int y = 0; y < height; y++) {  for (int x = 0; x < width; x++) {  acc[y * width + x] = 0;  }  }  int x0, y0;  double t;  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  if ((input[y * width + x] & 0xff) == 255) {  for (int theta = 0; theta < 360; theta++) {  t = (theta * 3.14159265) / 180; // 角度值0 ~ 2*PI  x0 = (int) Math.round(x - r * Math.cos(t));  y0 = (int) Math.round(y - r * Math.sin(t));  if (x0 < width && x0 > 0 && y0 < height && y0 > 0) {  acc[x0 + (y0 * width)] += 1;  }  }  }  }  }  // now normalise to 255 and put in format for a pixel array  int max = 0;  // Find max acc value  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  if (acc[x + (y * width)] > max) {  max = acc[x + (y * width)];  }  }  }  // 根据最大值，实现极坐标空间的灰度值归一化处理  int value;  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  value = (int) (((double) acc[x + (y * width)] / (double) max) * 255.0);  acc[x + (y * width)] = 0xff000000 | (value << 16 | value << 8 | value);  }  }  // 绘制发现的圆  findMaxima();  System.out.println("done");  return output;  }  private int[] findMaxima() {  results = new int[accSize * 3];  int[] output = new int[width * height];  // 获取最大的前accSize个值  for (int x = 0; x < width; x++) {  for (int y = 0; y < height; y++) {  int value = (acc[x + (y * width)] & 0xff);  // if its higher than lowest value add it and then sort  if (value > results[(accSize - 1) * 3]) {  // add to bottom of array  results[(accSize - 1) * 3] = value; //像素值  results[(accSize - 1) * 3 + 1] = x; // 坐标X  results[(accSize - 1) * 3 + 2] = y; // 坐标Y  // shift up until its in right place  int i = (accSize - 2) * 3;  while ((i >= 0) && (results[i + 3] > results[i])) {  for (int j = 0; j < 3; j++) {  int temp = results[i + j];  results[i + j] = results[i + 3 + j];  results[i + 3 + j] = temp;  }  i = i - 3;  if (i < 0)  break;  }  }  }  }  // 根据找到的半径R，中心点像素坐标p(x, y)，绘制圆在原图像上  System.out.println("top " + accSize + " matches:");  for (int i = accSize - 1; i >= 0; i--) {  drawCircle(results[i * 3], results[i * 3 + 1], results[i * 3 + 2]);  }  return output;  }  private void setPixel(int value, int xPos, int yPos) {  /// output[(yPos * width) + xPos] = 0xff000000 | (value << 16 | value << 8 | value);  output[(yPos * width) + xPos] = 0xffff0000;  }  // draw circle at x y  private void drawCircle(int pix, int xCenter, int yCenter) {  pix = 250; // 颜色值，默认为白色  int x, y, r2;  int radius = r;  r2 = r * r;  // 绘制圆的上下左右四个点  setPixel(pix, xCenter, yCenter + radius);  setPixel(pix, xCenter, yCenter - radius);  setPixel(pix, xCenter + radius, yCenter);  setPixel(pix, xCenter - radius, yCenter);  y = radius;  x = 1;  y = (int) (Math.sqrt(r2 - 1) + 0.5);  // 边缘填充算法， 其实可以直接对循环所有像素，计算到做中心点距离来做  // 这个方法是别人写的，发现超赞，超好！  while (x < y) {  setPixel(pix, xCenter + x, yCenter + y);  setPixel(pix, xCenter + x, yCenter - y);  setPixel(pix, xCenter - x, yCenter + y);  setPixel(pix, xCenter - x, yCenter - y);  setPixel(pix, xCenter + y, yCenter + x);  setPixel(pix, xCenter + y, yCenter - x);  setPixel(pix, xCenter - y, yCenter + x);  setPixel(pix, xCenter - y, yCenter - x);  x += 1;  y = (int) (Math.sqrt(r2 - x * x) + 0.5);  }  if (x == y) {  setPixel(pix, xCenter + x, yCenter + y);  setPixel(pix, xCenter + x, yCenter - y);  setPixel(pix, xCenter - x, yCenter + y);  setPixel(pix, xCenter - x, yCenter - y);  }  }  public int[] getAcc() {  return acc;  }  }


这篇关于图像处理之霍夫变换圆检测算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1055564。

相关文章

openCV中KNN算法的实现

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库，它提供了各
阅读更多...
springboot+dubbo实现时间轮算法

springboot+dubbo实现时间轮算法

《springboot+dubbo实现时间轮算法》时间轮是一种高效利用线程资源进行批量化调度的算法,本文主要介绍了springboot+dubbo实现时间轮算法,文中通过示例代码介绍的非常详细,对大家... 目录前言一、参数说明二、具体实现1、HashedwheelTimer2、createWheel3、n
阅读更多...
C++变换迭代器使用方法小结

C++变换迭代器使用方法小结

《C++变换迭代器使用方法小结》本文主要介绍了C++变换迭代器使用方法小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录1、源码2、代码解析代码解析：transform_iterator1. transform_iterat
阅读更多...
opencv图像处理之指纹验证的实现

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、
阅读更多...
SpringBoot实现MD5加盐算法的示例代码

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.
阅读更多...
Java时间轮调度算法的代码实现

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组（时间轮）和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时
阅读更多...
如何通过Golang的container/list实现LRU缓存算法

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣：146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.
阅读更多...
golang字符串匹配算法解读

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt（KMP）算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串（称为
阅读更多...
通俗易懂的Java常见限流算法具体实现

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》：本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1
阅读更多...
Python如何实现PDF隐私信息检测

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今，数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2