少有人走的路霍夫变换检测
霍夫变换之直线检测
霍夫变换直线检测
前提条件-边缘检测已经完成
平面空间到极坐标空间的转换(空间域向霍夫域的转换)
检测原理
两点确定一条直线，通过一点可以确定无数条直线，极坐标直线公式
每个点通过角度取不同的值，都能在横坐标为角度值，纵坐标为ρ值的坐标系内确定一条曲线，只要角度值的精细度足够。ρ代表直线到原点的距离。对每个像素采取这样的操作，将会得出很多这样的曲线，这些曲线的交点证明，这些点所在的那个角度所通过的直线到原点距离相等，则证明这些点就在同一条直线上。从运算的复杂程度来看opencv不可能采取那样精细的角度范围。但大致原理基本如此。
对于任意一条直线上的所有点来说
变换到极坐标，从[0~360]空间，可以得到r的大小
属于同一条直线点在极坐标(r,theta)必然在一个点上有最强的信号出现，根据此反算到平面坐标中可以得到直线上各点的像素坐标。从而得到直线
参考链接：
https://blog.csdn.net/u013263891/article/details/82867251
https://blog.csdn.net/fengjiexyb/article/details/78075888
https://blog.csdn.net/weixin_40196271/article/details/83346442
相关API
标准的霍夫变换cv::HoughLines从平面坐标转换到霍夫空间，最终输出是(角度,极轴)表示极坐标空间
霍夫变换直线概率cv::HoughLinesP最终输出是直线的两个点(x0,y0,x1,y1)
函数API(不常用)
void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0, double min_theta = 0, double max_theta = CV_PI )
函数参数
第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的单通道二进制图像，可以将任意的源图载入进来后由函数修改成此格式后，再填在这里。
第二个参数，InputArray类型的lines，经过调用HoughLines函数后储存了霍夫线变换检测到线条的输出矢量。每一条线由具有两个元素的矢量表示，其中，是离坐标原点((0,0)（也就是图像的左上角）的距离。 是弧度线条旋转角度（0~垂直线，π/2~水平线）。
第三个参数，double类型的rho，以像素为单位的距离精度。另一种形容方式是直线搜索时的进步尺寸的单位半径。PS:Latex中/rho就表示 。
第四个参数，double类型的theta，以弧度为单位的角度精度。另一种形容方式是直线搜索时的进步尺寸的单位角度。
第五个参数，int类型的threshold，累加平面的阈值参数，即识别某部分为图中的一条直线时它在累加平面中必须达到的值。大于阈值threshold的线段才可以被检测通过并返回到结果中。
第六个参数，double类型的srn，有默认值0。对于多尺度的霍夫变换，这是第三个参数进步尺寸rho的除数距离。粗略的累加器进步尺寸直接是第三个参数rho，而精确的累加器进步尺寸为rho/srn。
第七个参数，double类型的stn，有默认值0，对于多尺度霍夫变换，srn表示第四个参数进步尺寸的单位角度theta的除数距离。且如果srn和stn同时为0，就表示使用经典的霍夫变换。否则，这两个参数应该都为正数。
第八个参数，double类型的 min_theta，对于标准和多尺度Hough变换，检查线条的最小角度。必须介于0和max_theta之间。
第九个参数，double类型的 max_theta, 对于标准和多尺度Hough变换，检查线条的最大角度。必须介于min_theta和CV_PI之间.
函数API（常用）
void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength=0, double maxLineGap=0 )
参数介绍
第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的单通道二进制图像，可以将任意的源图载入进来后由函数修改成此格式后，再填在这里。
第二个参数，InputArray类型的lines，经过调用HoughLinesP函数后后存储了检测到的线条的输出矢量，每一条线由具有四个元素的矢量(x_1,y_1, x_2, y_2） 表示，其中，(x_1, y_1)和(x_2, y_2) 是是每个检测到的线段的结束点。
第三个参数，double类型的rho，以像素为单位的距离精度。另一种形容方式是直线搜索时的进步尺寸的单位半径。
第四个参数，double类型的theta，以弧度为单位的角度精度。另一种形容方式是直线搜索时的进步尺寸的单位角度。
第五个参数，int类型的threshold，累加平面的阈值参数，即识别某部分为图中的一条直线时它在累加平面中必须达到的值。大于阈值threshold的线段才可以被检测通过并返回到结果中。
第六个参数，double类型的minLineLength，有默认值0，表示最低线段的长度，比这个设定参数短的线段就不能被显现出来。
第七个参数，double类型的maxLineGap，有默认值0，允许将同一行点与点之间连接起来的最大的距离。
代码演示
#include <iostream>
#include <fstream>
#include <opencv2/opencv.hpp>
#include <math.h>
cv::Mat src;
cv::Mat gray_src;
int cur_val=240;
int max_val=255;
void canny_demo(int ,void *);
int main(void)
{
string pic = string(Pic_Path) + string(Pic_Name);
cout << pic << endl;
src = cv::imread(pic.c_str());
cv::namedWindow("原始图片",cv::WINDOW_AUTOSIZE);
cv::imshow("原始图片",src);
cv::cvtColor(src,gray_src,cv::COLOR_BGR2GRAY);
cv::namedWindow("边缘检测",cv::WINDOW_AUTOSIZE);
cv::createTrackbar("边缘阈值调整","边缘检测",&cur_val,max_val, canny_demo);
canny_demo(0,0);
cv::waitKey(0);
cv::destroyAllWindows();
}
void canny_demo(int ,void *)
{
cv::Mat canny_dst;
//边缘检测 使用动态的边缘检测范围 检测尺寸为3 使用非精确的近似算法
cv::Canny(gray_src,canny_dst,cur_val,cur_val*2,3,false);
cv::imshow("边缘检测",canny_dst);
vector<cv::Vec4f> plines; //定义直线向量容器 可以理解为数组 存储所有的直线概率点集合
//直线检测 直线概率点 一个像素点为检测的步进检测步长 一度的检测角度 低于10个的直线点集合过滤
cv::HoughLinesP(canny_dst,plines,1,CV_PI/180.0,60,100,20);
cv::Mat dst = cv::Mat(canny_dst.size(),src.type());
//定义颜色
cv::Scalar color = cv::Scalar(39,0,235);
for(int i=0;i<plines.size();i++)
{
//定义一个二维向量点元素 临时存储每个二维向量点
cv::Vec4f hline = plines[i];
//划线 定义线宽 去锯齿
cv::line(dst,cv::Point(hline[0],hline[1]),cv::Point(hline[2],hline[3]),color,2,cv::LINE_AA);
}
if(dst.empty())
{
cout << "图片为空 退出" << cur_val<< endl;
return ;
}
cv::medianBlur(dst,dst,3);
//cv::namedWindow("直线检测",cv::WINDOW_AUTOSIZE);
//cv::imshow("直线检测",dst);
cv::Mat cacul;
cv::addWeighted(src,0.8,dst,1,0,cacul);
cv::namedWindow("检测叠加",cv::WINDOW_AUTOSIZE);
cv::imshow("检测叠加",cacul);
f
}
————————————————
版权声明：本文为CSDN博主「年纪青青」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/z961968549/article/details/102795260
