c++视觉处理---霍夫变换

霍夫直线变换的函数

HoughLines 是OpenCV库中用于执行霍夫直线变换的函数。霍夫直线变换用于检测图像中的直线。下面是该函数的基本用法：

cv::HoughLines(image, lines, rho, theta, threshold);
1

• image: 输入的二值图像，通常是通过边缘检测算法生成的。
• lines: 存储检测到的直线的容器。
• rho: 霍夫空间中的距离分辨率。通常设置为像素。
• theta: 霍夫空间中的角度分辨率。通常设置为弧度。
• threshold: 用于判断直线是否检测成功的阈值。只有当投票数大于等于此阈值时，才会被认为检测到一条直线。

cv::HoughLines 函数将在输入图像上执行霍夫直线变换，识别直线，并将检测到的直线的参数 (ρ, θ) 存储在 lines 容器中。每个检测到的直线都由 (ρ, θ) 表示，其中 ρ 是距离原点的距离，θ 是直线的角度。您可以在 lines 容器中访问这些参数。

以下是一个使用 cv::HoughLines 的简单示例：

#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;
#include 
using namespace cv; //包含cv命名空间
#include 

//----------------- 【main()函数】--------------------------
// 描述： 控制台应用程序的入口函数， 我们的程序从这里开始
//
int main()
{
	//【1】载入原始图和 Mat变量定义
	Mat srcImage = imread("113.jpg"); //工程目录下应该有一张名为1. jpg的素材图
	Mat midImage, dstImage;//临时变量和目标图的定义
	//【2】进行边缘检测和转化为灰度图
	Canny(srcImage, midImage, 50, 200, 3);//进行一此 canny边缘检测
	cvtColor(midImage, dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图
	//【3】进行霍夫线变换
	vector<Vec2f> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
	HoughLines(midImage, lines, 1, CV_PI/180, 150, 0, 0 );
	//【4】依次在图中绘制出每条线段
	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));
		//此句代码的OpenCV2版为:
		//line( dstImage, pt1, pt2, Scalar(55,100,195), 1, CV_AA);
		//此句代码的 OpenCV3版为:
		line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1, LINE_AA);
	}
	//【5】显示原始图
	imshow("【原始图】", srcImage);
	//【6】边缘检测后的图
	imshow("【边缘检测后的图】", midImage);
	//【7】显示效果图
	imshow("【效果图】", dstImage);
	waitKey(0);
	return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

累计概率霍夫变换： HoughLinesP()函数

cv::HoughLinesP 是OpenCV库中用于执行概率霍夫直线变换（Probabilistic Hough Line Transform）的函数。概率霍夫直线变换与传统霍夫直线变换不同，它不需要计算每个像素的直线参数 (ρ, θ)，而是通过连接边缘点的局部段来检测线段。这可以显著提高速度，特别是在处理大型图像时。

以下是 cv::HoughLinesP 函数的基本用法：

cv::HoughLinesP(image, lines, rho, theta, threshold, minLineLength, maxLineGap);
1

• image: 输入的二值图像，通常是通过边缘检测算法生成的。
• lines: 存储检测到的直线段的容器。
• rho: 霍夫空间中的距离分辨率。通常设置为像素。
• theta: 霍夫空间中的角度分辨率。通常设置为弧度。
• threshold: 用于判断线段是否检测成功的阈值。只有当线段上的点数大于等于此阈值时，才会被接受。
• minLineLength: 最小线段长度。任何短于此长度的线段都会被忽略。
• maxLineGap: 允许将同一线段的两个线段断开的最大距离。

cv::HoughLinesP 函数将在输入图像上执行概率霍夫直线变换，识别线段，并将检测到的线段的起始点和终止点存储在 lines 容器中。

以下是一个简单的示例，演示如何使用 cv::HoughLinesP 检测线段：

#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;
#include 
#include 
using namespace cv; //包含cv命名空间
#include 
//--【main()函数】 -//- -------- ---- -------------
// 描述： 控制台应用程序的入口函数， 我们的程序从这里开始
//.
int main()
{
	//【1】载入原始图和Mat变量定义
	Mat srcImage = imread("113.jpg"); //工程目录下应该有一张名为1. jpg的素材图
	Mat midImage, dstImage;//临时变量和目标图的定义
	//【2】进行边缘检测和转化为灰度图
	Canny(srcImage, midImage, 50, 200, 3);//进行一此 canny边缘检测
	cvtColor(midImage, dstImage, COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图
	//【3】进行霍夫线变换
	vector<Vec4i> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合HoughLinesP(midImage, lines, 1, CV_PI/180, 80, 50, 10 );
	//【4】依次在图中绘制出每条线段
	for (size_t i = 0; i < lines.size(); i++)
	{
		Vec4i l = lines[i];
		line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(186, 88, 255), 1, LINE_AA);

		//此句代码的OpenCV2版为:
	//line( dstImage, Point(1[0], 1[1]), Point(1[2], 1[3]),Scalar(186,88,255), 1, CV_AA);
	//此句代码的OpenCV3版为:
		
	}
	//【5】显示原始图
	imshow("【原始图】", srcImage);
	//【6】边缘检测后的图
	imshow("【边缘检测后的图】", midImage);
	//【7】显示效果图
	imshow("【效果图】", dstImage);
	waitKey(0);
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

这个示例加载了经过边缘检测的图像，然后使用 cv::HoughLinesP 函数检测线段，并在图像上绘制检测到的线段。请确保在 cv::HoughLinesP 函数中适当调整距离分辨率、角度分辨率、阈值、最小线段长度和最大线段断开距离以获得最佳的结果。

霍夫圆变换的函数：cv::HoughCircles

cv::HoughCircles 是OpenCV库中用于执行霍夫圆变换的函数。霍夫圆变换用于检测图像中的圆。以下是 cv::HoughCircles 函数的基本用法：

cv::HoughCircles(image, circles, cv::HOUGH_GRADIENT, dp, minDist, param1, param2, minRadius, maxRadius);
1

• image: 输入的灰度图像，通常是通过边缘检测和预处理生成的。
• circles: 存储检测到的圆的容器。
• method: 用于检测圆的方法，通常使用 cv::HOUGH_GRADIENT。
• dp: 累加器分辨率与图像分辨率的比例。通常设置为1。
• minDist: 检测到的圆之间的最小距离。
• param1: Canny边缘检测的高阈值。
• param2: 累加器阈值，用于确定检测到的圆。
• minRadius: 允许的最小圆半径。
• maxRadius: 允许的最大圆半径。

cv::HoughCircles 函数将在输入图像上执行霍夫圆变换，识别圆，并将检测到的圆的圆心坐标和半径存储在 circles 容器中。

以下是一个简单的示例，演示如何使用 cv::HoughCircles 检测圆：

#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;
#include 
#include 
using namespace cv; //包含cv命名空间
#include 
//----【main()函数】------ -------- -
// 描述： 控制台应用程序的入口函数， 我们的程序从这里开始
int main()
{
	//【1】载入原始图、Mat 变量定义
	Mat srcImage = imread("2144.jpg"); //工程目录下应该有一张名为1. jpg的素材图
	Mat midImage, dstImage;//临时变量和目标图的定义
	//【2】显示原始图
	imshow("【原始图】", srcImage);
	//【3】转为灰度图并进行图像平滑
	cvtColor(srcImage, midImage, COLOR_BGR2GRAY);//转化边缘检测后的图为灰度图
	GaussianBlur(midImage, midImage, Size(9, 9), 2, 2);
	//【4】进行霍夫圆变换
	vector<Vec3f> circles;
	HoughCircles(midImage, circles, HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);
	//【5】依次在图中绘制出圆
	for (size_t i = 0; i < circles.size(); i++)
	{
		//参数定义
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);
		//绘制圆心
		circle(srcImage, center, 3, Scalar(0, 255, 0), -1, 8, 0);
		//绘制圆轮廓
		circle(srcImage, center, radius, Scalar(155, 50, 255), 3, 8, 0);
	}
	//【6】显示效果图
	imshow("【效果图】", srcImage);
	waitKey(0);
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43