Opencv2系列學習筆記11(霍爾夫變換)

本節主要介紹如何用Hough變換檢測直線和圓

一：Hough變換檢測直線

<1> 原始Hough變換

思想：先求出圖像中每點的極座標方程<如下圖>，相交於一點的極座標曲線的個數大於最小投票數，則將該點所對應的(p, r0)放入vector中，即得到一條直線，lines中存儲的是極座標方程的參數

注意hough變換要求輸入的是包含一組點的二值圖像。

代碼：

Canny(image, result, 150, 220);
    vector<Vec2f> lines;
    HoughLines(result, lines, 1, PI/180, 120);
    for(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(image, pt1, pt2, Scalar(255), 3, CV_AA);
    }

其中1和PI/180是直線搜索是的步進尺寸。

結果：

canny後得結果：

hough變換後：

<2>概念Hough變換

思想：不是系統的進行掃描圖像，而是隨機挑選像素點，一旦累加器中某一項達到給定的最小值，那麼掃描沿着對應直線的像素並移除所有經過的像素點。得到的可以說是一條線段

       獲得一條直線即將(x0, y0, x1, y1)放入vector中

代碼：

vector<Vec4i> lines;
    HoughLinesP(result, lines, 1, PI/180, 50, 50, 120);
    for(size_t i = 0; i < lines.size(); i++)
    {
        Vec4i l = lines[i];
        line(image, Point(l[0], l[1]), Point(l[2],l[3]),Scalar(255), 3, CV_AA);
    }

結果：

二：Hough變換檢測圓

事實上，任何可以用參數方程表示的幾何體都可嘗試用hough變換進行檢測。檢測圓整合了canny檢測和hough變換。

注意在hough圓變換前對圖像進行平滑，這樣可以減少可能引起誤檢測的圖像噪點。

代碼：

GaussianBlur(image, result, Size(5, 5), 1.5);
    vector<Vec3f> circles;
    HoughCircles(result, circles, CV_HOUGH_GRADIENT,
        2,           //  累加器的分辨率
        50,         // 兩個圓之間的最小距離
        200,        //  canny 高閥值
        100,        //  最小投票數
        25, 100);
    for(vector<Vec3f>::const_iterator itc = circles.begin(); itc != circles.end(); ++itc)
    {
        circle(image, Point((*itc)[0], (*itc)[1]), (*itc)[2], Scalar(255), 2);
    }

結果：