OpenCV Hough Line變換

目標(biāo)

在本教程中，您將學(xué)習(xí)如何：

• 使用OpenCV函數(shù)cv :: HoughLines和cv :: HoughLinesP來檢測(cè)圖像中的行。

理論

注意

下面的解釋屬于Bradski和Kaehler 的“ 學(xué)習(xí)OpenCV ”一書。

Hough Line變換

1. Hough Line變換是用于檢測(cè)直線的變換。
   
2. 為了應(yīng)用變換，首先需要邊緣檢測(cè)預(yù)處理。

它是如何工作的？

1. 如你所知，圖像空間中的一行可以用兩個(gè)變量表示。例如：在笛卡爾坐標(biāo)系中：參數(shù)：(m,b)；在極坐標(biāo)系中：參數(shù)：(r,θ)

對(duì)于Hough 變換，我們將在極地系統(tǒng)中表達(dá)線條。因此，線性方程可以寫為：

排列術(shù)語：r=xcosθ+ysinθ

• 通常，對(duì)于每個(gè)點(diǎn)(x0,y0)，我們可以定義通過該點(diǎn)的行給出如下公式：
  

意思是每一對(duì)的 (rθ,θ)表示通過每一排的 (x0,y0)

• 如果對(duì)于給定的 (x0,y0)我們繪制通過它的線族，我們得到一個(gè)正弦曲線，例如，對(duì)于x0=8和y0=6 ，我們得到以下圖（在平面 θ - r）

我們只需考慮這樣的情況： r>0 和 0<θ<2π.

• 我們可以對(duì)圖像中的所有點(diǎn)執(zhí)行上述相同的操作。如果兩個(gè)不同點(diǎn)的曲線在平面θ - r相交，那意味著兩個(gè)點(diǎn)都屬于同一行。例如，按照上面的例子，并繪制兩個(gè)點(diǎn)的x1=4, y1=9 和 x2=12, y2=3,，我們得到：

三個(gè)曲線在一個(gè)點(diǎn)(0.925,9.6)相交，這些坐標(biāo)是參數(shù) ( θ,r) 或其中(x0,y0), (x1,y1) 和 (x2,y2) lay.

• 上面所有的東西是什么意思？這意味著一般來說，通過找到曲線之間的交點(diǎn)數(shù)可以檢測(cè)到一條線。更多的相交曲線意味著由該交點(diǎn)表示的線具有更多的點(diǎn)。通常，我們可以定義檢測(cè)線路所需的最小交點(diǎn)數(shù)的閾值。
  
• 這就是Hough Line變換所做的。它跟蹤圖像中每個(gè)點(diǎn)的曲線之間的交點(diǎn)。如果交叉點(diǎn)的數(shù)量高于某個(gè)閾值，則它將其聲明為具有交點(diǎn)的參數(shù)(θ,rθ)的行。
  

標(biāo)準(zhǔn)和概率Hough Line變換

OpenCV實(shí)現(xiàn)了兩種Hough線變換：

一個(gè)。標(biāo)準(zhǔn)Hough變換

• 它幾乎包含在上一節(jié)中我們剛剛解釋的內(nèi)容。它給你一個(gè)向量的結(jié)果(θ,rθ)
• 在OpenCV中，它使用函數(shù)cv :: HoughLines實(shí)現(xiàn)

灣 概率霍夫線變換

• 更有效地實(shí)現(xiàn)Hough Line變換。它給出檢測(cè)出的行的極值(x0,y0,x1,y1)
  
• 在OpenCV中，它使用函數(shù)cv :: HoughLinesP來實(shí)現(xiàn)

Code

1. 這個(gè)程序是做什么的？加載圖像應(yīng)用標(biāo)準(zhǔn)Hough Line變換或概率線變換。在兩個(gè)窗口中顯示原始圖像和檢測(cè)到的線。
   
2. 我們將從這里下載我們將要解釋的示例代碼。這里可以找到一個(gè)稍微優(yōu)雅的版本（其中顯示了Hough 標(biāo)準(zhǔn)和帶有軌跡的概率更改閾值）。
   

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
static void help()
{
    cout << "\nThis program demonstrates line finding with the Hough transform.\n"
            "Usage:\n"
            "./houghlines <image_name>, Default is ../data/pic1.png\n" << endl;
}
int main(int argc, char** argv)
{
    cv::CommandLineParser parser(argc, argv,
        "{help h||}{@image|../data/pic1.png|}"
    );
    if (parser.has("help"))
    {
        help();
        return 0;
    }
    string filename = parser.get<string>("@image");
    if (filename.empty())
    {
        help();
        cout << "no image_name provided" << endl;
        return -1;
    }
    Mat src = imread(filename, 0);
    if(src.empty())
    {
        help();
        cout << "can not open " << filename << endl;
        return -1;
    }
    Mat dst, cdst;
    Canny(src, dst, 50, 200, 3);
    cvtColor(dst, cdst, COLOR_GRAY2BGR);
#if 0
    vector<Vec2f> lines;
    HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );
    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( cdst, pt1, pt2, Scalar(0,0,255), 3, CV_AA);
    }
#else
    vector<Vec4i> lines;
    HoughLinesP(dst, lines, 1, CV_PI/180, 50, 50, 10 );
    for( size_t i = 0; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        line( cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);
    }
#endif
    imshow("source", src);
    imshow("detected lines", cdst);
    waitKey();
    return 0;
}

說明

• 加載圖像

Mat src = imread(filename, 0);
if(src.empty())
{
  help();
  cout << "can not open " << filename << endl;
  return -1;
}

• 使用Canny檢測(cè)器檢測(cè)圖像的邊緣

Canny（src，dst，50，200，3）;

現(xiàn)在我們將應(yīng)用Hough Line變換。我們將解釋如何使用可用于此目的的兩個(gè)OpenCV功能：

• 標(biāo)準(zhǔn)霍夫線變換
  

首先，你應(yīng)用變換：

vector<Vec2f> lines;
HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );

具有以下參數(shù)：

1. dst：邊緣檢測(cè)器的輸出。它應(yīng)該是一個(gè)灰度圖像（盡管事實(shí)上它是二進(jìn)制的）
2. 行：一個(gè)向量，將存儲(chǔ)檢測(cè)到的行的參數(shù)(r,θ)
3. rho：參數(shù)的分辨率（以像素為單位）。我們使用1像素。r
4. theta：以弧度表示的參數(shù)的分辨率。我們使用1度（CV_PI / 180）θ
5. threshold：將“* detect *”一行的最小交點(diǎn)數(shù)
6. srn和stn：默認(rèn)參數(shù)為零。查看OpenCV參考了解更多信息

然后通過繪制線條顯示結(jié)果。

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( cdst, pt1, pt2, Scalar(0,0,255), 3, LINE_AA);
}

• Probabilistic Hough Line變換

首先你應(yīng)用變換：

vector<Vec4i> lines;
HoughLinesP(dst, lines, 1, CV_PI/180, 50, 50, 10 );

有論據(jù)：

1. dst：邊緣檢測(cè)器的輸出。它應(yīng)該是一個(gè)灰度圖像（盡管事實(shí)上它是二進(jìn)制的）
2. 行：將存儲(chǔ)檢測(cè)到的行的參數(shù)的(xstart,ystart,xend,yend)
3. rho：參數(shù)的分辨率（以像素為單位）。我們使用1像素。r
4. theta：以弧度表示的參數(shù)的分辨率。我們使用1度（CV_PI / 180）θ
5. threshold：將“* detect *”一行的最小交點(diǎn)數(shù)
6. minLinLength：可以形成一行的最小點(diǎn)數(shù)。小于這個(gè)點(diǎn)數(shù)的行被忽略。
7. maxLineGap：在同一行中考慮的兩點(diǎn)之間的最大差距。

然后通過繪制線條顯示結(jié)果。

for( size_t i = 0; i < lines.size(); i++ )
{
  Vec4i l = lines[i];
  line( cdst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, LINE_AA);
}

• 顯示原始圖像和檢測(cè)到的線條：

imshow("source", src);
imshow("detected lines", cdst);

• 等到用戶退出程序

waitKey();

結(jié)果

注意

以下結(jié)果是使用我們?cè)凇?nbsp;代碼”部分提到的稍微優(yōu)雅的版本獲得的。它仍然實(shí)現(xiàn)與上述相同的內(nèi)容，只添加Threshold的Trackbar。

使用輸入圖像，如：

我們通過使用Probabilistic Hough Line變換得到以下結(jié)果：

您可能會(huì)發(fā)現(xiàn)在更改閾值時(shí)檢測(cè)到的行數(shù)會(huì)有所不同。解釋很明顯：如果建立更高的Threshold，將檢測(cè)到更少的行（因?yàn)槟枰嗟狞c(diǎn)來聲明檢測(cè)到的行）。