图像处理之霍夫变换圆检测算法

2024-06-12 22:48

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

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.

C++ 检测文件大小和文件传输的方法示例详解

《C++检测文件大小和文件传输的方法示例详解》文章介绍了在C/C++中获取文件大小的三种方法,推荐使用stat()函数,并详细说明了如何设计一次性发送压缩包的结构体及传输流程,包含CRC校验和自动解... 目录检测文件的大小✅ 方法一:使用 stat() 函数(推荐)✅ 用法示例:✅ 方法二:使用 fsee

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ

使用Python实现IP地址和端口状态检测与监控

《使用Python实现IP地址和端口状态检测与监控》在网络运维和服务器管理中,IP地址和端口的可用性监控是保障业务连续性的基础需求,本文将带你用Python从零打造一个高可用IP监控系统,感兴趣的小伙... 目录概述:为什么需要IP监控系统使用步骤说明1. 环境准备2. 系统部署3. 核心功能配置系统效果展

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

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

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

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、