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

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

Android实现任意版本设置默认的锁屏壁纸和桌面壁纸(两张壁纸可不一致)

客户有些需求需要设置默认壁纸和锁屏壁纸  在默认情况下 这两个壁纸是相同的  如果需要默认的锁屏壁纸和桌面壁纸不一样 需要额外修改 Android13实现 替换默认桌面壁纸: 将图片文件替换frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.*  (注意不能是bmp格式) 替换默认锁屏壁纸: 将图片资源放入vendo

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

Kubernetes PodSecurityPolicy:PSP能实现的5种主要安全策略

Kubernetes PodSecurityPolicy:PSP能实现的5种主要安全策略 1. 特权模式限制2. 宿主机资源隔离3. 用户和组管理4. 权限提升控制5. SELinux配置 💖The Begin💖点点关注,收藏不迷路💖 Kubernetes的PodSecurityPolicy(PSP)是一个关键的安全特性,它在Pod创建之前实施安全策略,确保P

工厂ERP管理系统实现源码(JAVA)

工厂进销存管理系统是一个集采购管理、仓库管理、生产管理和销售管理于一体的综合解决方案。该系统旨在帮助企业优化流程、提高效率、降低成本,并实时掌握各环节的运营状况。 在采购管理方面,系统能够处理采购订单、供应商管理和采购入库等流程,确保采购过程的透明和高效。仓库管理方面,实现库存的精准管理,包括入库、出库、盘点等操作,确保库存数据的准确性和实时性。 生产管理模块则涵盖了生产计划制定、物料需求计划、

C++——stack、queue的实现及deque的介绍

目录 1.stack与queue的实现 1.1stack的实现  1.2 queue的实现 2.重温vector、list、stack、queue的介绍 2.1 STL标准库中stack和queue的底层结构  3.deque的简单介绍 3.1为什么选择deque作为stack和queue的底层默认容器  3.2 STL中对stack与queue的模拟实现 ①stack模拟实现