OpenCV实现霍夫变换

2024-04-25 10:12
文章标签 实现 opencv 变换 霍夫

本文主要是介绍OpenCV实现霍夫变换,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!

返回:OpenCV系列文章目录(持续更新中......)

上一篇:OpenCV 如何实现边缘检测器
下一篇 :OpenCV 实现霍夫圆变换

目标

在本教程中,您将学习如何:

  • 使用 OpenCV 函数 HoughLines()和 HoughLinesP()检测图像中的线条。
  • 注:由于输入法问题按Q替代进行角度说明。

理论

注意

下面的解释属于 Bradski 和 Kaehler 的 Learning OpenCV 一书。

Hough 线变换

  1. Hough 线变换是用于检测直线的变换。
  2. 要应用变换,首先需要边缘检测预处理。

它是如何工作的?

  1. 如您所知,图像空间中的一条线可以用两个变量表示。例如:
    1. 笛卡尔坐标系中:参数:(m,b)
    2. 极坐标系中: 参数:(r,Q)

对于 Hough 变换,我们将在 Polar 系统中表示线。因此,直线方程可以写成:

排列项:

  1. 一般来说,对于每个点 \((x_{0}, y_{0})\),我们可以将通过该点的线族定义为:

    这意味着每对 \(r_{\theta},\theta)\) 表示经过 \((x_{0}, y_{0})\) 的每条线。

  2. 如果对于给定的(x0,有),我们绘制穿过它的线族,我们得到一个正弦曲线。例如,对于 (x0=8)和(y0=6,我们得到以下图(在平面plane  Q~r中):

我们只考虑(r<0)和这样的点。

  1. 我们可以对图像中的所有点执行上述相同的操作。如果两个不同点的曲线在平面 Q~r中相交,则表示两个点属于同一条直线。例如,按照上面的例子,再画两个点的图:X1=4,y1=9 和x2=12,y2=3,我们得到:

这三个图在一个点(0.925,9.6)相交,这些坐标是参数(Q,r)或(x0,y0)和(x1,y1)所在的线。

  1. 以上所有内容是什么意思?这意味着通常可以通过查找曲线之间的交点数来检测一条线。相交的曲线越多,意味着该相交所表示的直线具有更多的点。通常,我们可以定义检测一条线所需的最小交叉点数的阈值
  2. 这就是 Hough Line Transform 的作用。它跟踪图像中每个点的曲线之间的交点。如果交点数高于某个阈值,则将其声明为具有交点参数(Q,r0)的线。

标准和概率 Hough 线变换

OpenCV 实现了两种类型的 Hough 线变换:

a. 标准 Hough 变换

  • 它几乎包含我们在上一节中解释的内容。结果,它给你一个夫妻向量 (Q,r0)
  • 在 OpenCV 中,它是使用函数 HoughLines()实现的

b. 概率霍夫线变换

  • 更高效地实现 Hough 线变换。它给出检测到的行的极值(x0,y0,x1,y1)
  • 在 OpenCV 中,它是使用函数 HoughLinesP()实现的

这个程序是做什么的?

  • 加载图像
  • 应用标准 Hough 线变换概率线变换
  • 在三个窗口中显示原始图像和检测到的线条。

C++代码

们将要解释的示例代码可以从这里下载。可以在此处找到一个稍微花哨的版本(它显示了 Hough 标准和概率,带有用于更改阈值的跟踪栏)。

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"using namespace cv;
using namespace std;int main(int argc, char** argv)
{// Declare the output variablesMat dst, cdst, cdstP;const char* default_file = "sudoku.png";const char* filename = argc >=2 ? argv[1] : default_file;// Loads an imageMat src = imread( samples::findFile( filename ), IMREAD_GRAYSCALE );// Check if image is loaded fineif(src.empty()){printf(" Error opening image\n");printf(" Program Arguments: [image_name -- default %s] \n", default_file);return -1;}// Edge detectionCanny(src, dst, 50, 200, 3);// Copy edges to the images that will display the results in BGRcvtColor(dst, cdst, COLOR_GRAY2BGR);cdstP = cdst.clone();// Standard Hough Line Transformvector<Vec2f> lines; // will hold the results of the detectionHoughLines(dst, lines, 1, CV_PI/180, 150, 0, 0 ); // runs the actual detection// Draw the linesfor( size_t i = 0; i < lines.size(); i++ ){float rho = lines[i][0], theta = lines[i][1];Point pt1, pt2;double a = cos(theta), b = sin(theta);double x0 = a*rho, y0 = b*rho;pt1.x = cvRound(x0 + 1000*(-b));pt1.y = cvRound(y0 + 1000*(a));pt2.x = cvRound(x0 - 1000*(-b));pt2.y = cvRound(y0 - 1000*(a));line( cdst, pt1, pt2, Scalar(0,0,255), 3, LINE_AA);}// Probabilistic Line Transformvector<Vec4i> linesP; // will hold the results of the detectionHoughLinesP(dst, linesP, 1, CV_PI/180, 50, 50, 10 ); // runs the actual detection// Draw the linesfor( size_t i = 0; i < linesP.size(); i++ ){Vec4i l = linesP[i];line( cdstP, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);}// Show resultsimshow("Source", src);imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst);imshow("Detected Lines (in red) - Probabilistic Line Transform", cdstP);// Wait and ExitwaitKey();return 0;
}

代码片段解释


加载图像:

 const char* default_file = "sudoku.png";const char* filename = argc >=2 ? argv[1] : default_file;// Loads an imageMat src = imread( samples::findFile( filename ), IMREAD_GRAYSCALE );// Check if image is loaded fineif(src.empty()){printf(" Error opening image\n");printf(" Program Arguments: [image_name -- default %s] \n", default_file);return -1;}

 使用 Canny 检测器检测图像的边缘:

 // Edge detectionCanny(src, dst, 50, 200, 3);

现在我们将应用 Hough 线变换。我们将解释如何使用可用于此目的的两个 OpenCV 函数。

标准 Hough 线变换:

首先,应用转换:

 // Standard Hough Line Transformvector<Vec2f> lines; // will hold the results of the detectionHoughLines(dst, lines, 1, CV_PI/180, 150, 0, 0 ); // runs the actual detection
  • 使用以下参数:
    • dst:边缘检测器的输出。它应该是灰度图像(尽管实际上它是二进制图像)
    • lines:将存储检测到的线的参数的向量(r,Q)
    • rho :参数的分辨率,单位为r像素。我们使用 1 个像素。
    • theta:参数的分辨率,单位为Q弧度。我们使用 1 度 (CV_PI/180)
    • threshold:要“检测*”一条线的最小交叉点数
    • srn 和 stn:默认参数为零。有关详细信息,请查看 OpenCV 参考。

然后通过绘制线条来显示结果。

 // Draw the linesfor( size_t i = 0; i < lines.size(); i++ ){float rho = lines[i][0], theta = lines[i][1];Point pt1, pt2;double a = cos(theta), b = sin(theta);double x0 = a*rho, y0 = b*rho;pt1.x = cvRound(x0 + 1000*(-b));pt1.y = cvRound(y0 + 1000*(a));pt2.x = cvRound(x0 - 1000*(-b));pt2.y = cvRound(y0 - 1000*(a));line( cdst, pt1, pt2, Scalar(0,0,255), 3, LINE_AA);}

概率 Hough 线变换

首先,应用转换:

 // Probabilistic Line Transformvector<Vec4i> linesP; // will hold the results of the detectionHoughLinesP(dst, linesP, 1, CV_PI/180, 50, 50, 10 ); // runs the actual detection
  • 带有参数:
    • dst:边缘检测器的输出。它应该是灰度图像(尽管实际上它是二进制图像)
    • lines:将存储检测到的线的参数的向量(xstart,ystart,xend,yend)
    • rho :参数的分辨率,单位为r像素。我们使用 1 个像素。
    • theta:参数的分辨率,单位为Q弧度。我们使用 1 度 (CV_PI/180)
    • threshold:要“检测*”一条线的最小交叉点数
    • minLineLength:可以形成一条线的最小点数。小于此点数的线将被忽略。
    • maxLineGap:在同一条直线上要考虑的两点之间的最大间隙。

然后通过绘制线条来显示结果。

 // Draw the linesfor( size_t i = 0; i < linesP.size(); i++ ){Vec4i l = linesP[i];line( cdstP, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);}

显示原始图像和检测到的线:

 // Show resultsimshow("Source", src);imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst);imshow("Detected Lines (in red) - Probabilistic Line Transform", cdstP);

等到用户退出程序

 // Wait and ExitwaitKey();return 0;

结果

注意

下面的结果是使用我们在代码部分提到的稍微花哨的版本获得的。它仍然实现与上述相同的内容,只是为阈值添加了跟踪栏。使用输入图像,例如数独图像。我们通过使用标准 Hough 线变换得到以下结果:

通过使用概率 Hough 线变换:

您可能会发现,在更改阈值时,检测到的行数会发生变化。解释是显而易见的:如果建立更高的阈值,则检测到的行将减少(因为您将需要更多的点来声明检测到的行)。 

参考文献:

1、《Hough Line Transform》-----Ana Huamán

这篇关于OpenCV实现霍夫变换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/934389

相关文章

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,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,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义

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、

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.