圖像驗證碼識別（六）——圖像中的直線檢測

這裏題目之所以沒有寫成“驗證碼圖片中的干擾線去除”，就是因爲在干擾線去除做的不是很好，最後也沒有找到什麼較爲通用的算法能夠有效地去除干擾線因素。不過也不算完全沒有收穫，這裏就談談直線的檢測。

OpenCV提供hough變換來檢測直線，具體的API是

CvSeq* cvHoughLines2(
	CvArr* image,
	void* line_storage,
	int mehtod,
	double rho,
	double theta,
	int threshold,
	double param1 =0,
	double param2 =0
	);

image就是源圖像，單通道圖像，因此被檢測的圖像必須是灰度圖，另外需要注意的是原圖像在函數調用完成後會改變，因此有必要在調用這個函數進行hough檢測之間對原來的圖像進行備份。

line_storage在這裏是檢測到的線段存儲倉. 可以是內存存儲倉 (此種情況下，一個線段序列在存儲倉中被創建，並且由函數返回），或者是包含線段參數的特殊類型（見下面）的具有單行/單列的矩陣(CvMat*)。矩陣頭爲函數所修改，使得它的 cols/rows 將包含一組檢測到的線段。如果 line_storage 是矩陣，而實際線段的數目超過矩陣尺寸，那麼最大可能數目的線段被返回(線段沒有按照長度、可信度或其它指標排序).

method表示變換的方法，OpenCV一共給出了3種變換方法，分別是：

CV_HOUGH_STANDARD - 傳統或標準 Hough 變換. 每一個線段由兩個浮點數 (ρ, θ) 表示，其中 ρ 是直線與原點 (0,0) 之間的距離，θ 線段與 x-軸之間的夾角。因此，矩陣類型必須是 CV_32FC2 type.

CV_HOUGH_PROBABILISTIC - 概率 Hough 變換(如果圖像包含一些長的線性分割，則效率更高). 它返回線段分割而不是整個線段。每個分割用起點和終點來表示，所以矩陣（或創建的序列）類型是 CV_32SC4.

CV_HOUGH_MULTI_SCALE - 傳統 Hough 變換的多尺度變種。線段的編碼方式與 CV_HOUGH_STANDARD 的一致。

rho表示與像素相關單位的距離精度

theta表示弧度測量的角度精度

threshold表示閥值，如果相應的累計值大於這個值，就返回這條線段

param1第一個方法相關的參數:

對傳統 Hough 變換，不使用(0).

對概率 Hough 變換，它是最小線段長度.

對多尺度 Hough 變換，它是距離精度 rho 的分母 (大致的距離精度是 rho 而精確的應該是 rho / param1 ).

param2第二個方法相關參數:

對傳統 Hough 變換，不使用 (0).

對概率 Hough 變換，這個參數表示在同一條直線上進行碎線段連接的最大間隔值(gap), 即當同一條直線上的兩條碎線段之間的間隔小於param2時，將其合二爲一。

對多尺度 Hough 變換，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精確的角度應該是 theta / param2).

函數最後返回檢測到得line數組，這個數組每個值都是檢測到得一條直線，使用cvGetSeqElem函數可以讀取line數組種的直線，返回值是一個float數組，有兩個值，第一個是該直線的rho，第二個值表示theta。這樣就可以得到檢測的直線了。

下面有一個例子，就是我在驗證碼去除干擾線所做的嘗試。

void Image::RemoveLine(int nThsd)
{
	IplImage *srcRGB = cvLoadImage("temp.jpg");
	IplImage *src = cvCreateImage(cvSize(srcRGB->width,srcRGB->height),IPL_DEPTH_8U,1);
	
	cvCvtColor(srcRGB,src,CV_RGB2GRAY);
	IplImage *dst = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,src->nChannels);
	CvMemStorage *storage = cvCreateMemStorage();
	CvSeq *lines = 0;


	cvCanny(src,dst,40,90);

	lines = cvHoughLines2(dst
		,storage
		,CV_HOUGH_STANDARD
		,1
		,CV_PI/180
		,nThsd
		,0
		,0);
	for(int i = 0;i<MIN(lines->total,100);i++){
		float *line = (float*)cvGetSeqElem(lines,i);
		float rho = line[0];
		float threta = line[1];
		CvPoint pt1, pt2;
		double a = cos(threta),b = sin(threta);
		double x0 = a*rho, y0 = b * rho;
		pt1.x = cvRound(x0 + 200*(-b));
		pt1.y = cvRound(y0 + 200*(a));
		pt2.x = cvRound(x0 - 200*(-b));
		pt2.y = cvRound(y0 - 200*(a));
		cvLine(src,pt1,pt2,cvScalar(255),1,8);
	}
	Mat temp(src);
	temp.copyTo(m_Mat);
}

在這裏，先對前面經過處理降噪的二值圖像做一個拷貝，然後在使用hough檢測，經過檢測得到的line對象，根據rho和theta求出直線的兩個端點，然後利用cvLine函數再對源圖像（檢測過的圖像已經改變）的直線所在的位置進行顏色覆蓋，由於字符pixel是黑色，背景是白色，這裏我都填充的是白色（255灰度值）。

下面是運行的結果：

左上圖是源圖，右上圖是hough檢測的結果，直線部分用紅色顯示出來，最後對其進行處理，把檢測到得直線部分填充爲白色

當然前面這張效果比較好，後面的效果就一般了

可以看到，僅僅用hough檢測來去除干擾線是不行的，這是因爲干擾線不一定是直線，很多幹擾線都是彎彎曲曲的，有的甚至粗細不一，因此在檢測時比較難，我也沒有找到較好地通用直線檢測方法。當然對於特定的干擾線，比如有些彩色的驗證碼圖片中，干擾線和字符的顏色不一樣，這樣的檢測起來就很簡單了。