OpenCV4入门教程068：霍夫变换

索引地址：系列索引

霍夫变换

霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。

现在广泛使用的霍夫变换是由RichardDuda和PeterHart在公元1972年发明，并称之为广义霍夫变换(generalizedHoughtransform)，广义霍夫变换和更早前1962年的PaulHough的专利有关。经典的霍夫变换是侦测图片中的直线，之后，霍夫变换不仅能识别直线，也能够识别任何形状，常见的有圆形、椭圆形。1981年，因为DanaH.Ballard的一篇期刊论文"Generalizing the Hough transform to detect arbitrary shapes"，让霍夫变换开始流行于计算机视觉界。

直线检测

函数原型：

void cv::HoughLines     (   InputArray      image, //源图像
        OutputArray     lines,//输出对象
        double      rho,//以像素为单位的累加器的距离分辨率。
        double      theta,//以弧度表示的累加器的角度分辨率
        int     threshold,//蓄能器阈值参数。 只返回那些获得足够选票的行(>texttt{阈值})。
        double      srn = 0,//对于多尺度Hough变换，它是距离分辨率Rho的除数。粗累加器距离分辨率为rho，精确累加器分辨率为rho/srn。如果srn=0和stn都=0，则使用经典的Hough变换。否则，这两个参数都应该是正的。
        double      stn = 0,//对于多尺度Hough变换，它是距离分辨率θ的除数。
        double      min_theta = 0,//对于标准和多尺度霍夫变换，最小角度检查线路。 必须在0到max_theta之间。
        double      max_theta = CV_PI //对于标准和多尺度霍夫变换，最大角度检查线路。 必须落在min_theta和CV_PI之间。
    ) ;

测试代码：

//---------------------------------【头文件、命名空间包含部分】----------------------------
//      描述：包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------------
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

//-----------------------------------【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("lena.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<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 = round(x0 + 1000 * (-b));
        pt1.y = round(y0 + 1000 * (a));
        pt2.x = round(x0 - 1000 * (-b));
        pt2.y = round(y0 - 1000 * (a));
        line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1, LINE_AA);
    }

    //【5】显示原始图
    imshow("Original", srcImage);

    //【6】边缘检测后的图
    imshow("Canny result", midImage);

    //【7】显示效果图
    imshow("Result", dstImage);

    waitKey(0);

    return 0;
}

测试效果：

直线检测P

函数原型：

void cv::HoughLinesP    (   InputArray      image,//输入图片
        OutputArray     lines,//输出结果
        double      rho,//以像素为单位的累加器的距离分辨率。
        double      theta,//以弧度表示的累加器的角度分辨率。
        int     threshold,//蓄能器阈值参数。 只返回那些获得足够选票的行(>texttt{阈值})。
        double      minLineLength = 0,//最小线长。 短于它的线段被拒绝。
        double      maxLineGap = 0 //同一行上的点之间的最大允许间隙来连接它们。
    );

功能和houghlines一样，只是算法不同。

测试代码：

//---------------------------------【头文件、命名空间包含部分】----------------------------
//      描述：包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------------
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

//-----------------------------------【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("lena.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);
    }

    //【5】显示原始图
    imshow("Original", srcImage);

    //【6】边缘检测后的图
    imshow("Canny result", midImage);

    //【7】显示效果图
    imshow("Result", dstImage);

    waitKey(0);

    return 0;
}

测试效果：

相比于houghlines，检测结果更好。

可以看一下官方实例：HoughLinesP

霍夫圆检测

函数原型：

void cv::HoughCircles   (   InputArray      image,//输入图片
        OutputArray     circles,//输出结果
        int     method,//检测方式，有HOUGH_GRADIENT和HOUGH_GRADIENT_ALT
        double      dp,//累加器分辨率与图像分辨率的反比。 例如，如果dp=1，则累加器具有与输入图像相同的分辨率。 如果dp=2，则累加器有一半大的宽度和高度。 对于HOUGH_GRADIENT_ALT，建议的值是dp=1.5，除非需要检测一些小的非常圆。
        double      minDist,//检测到的圆的中心之间的最小距离。 如果参数太小，除了真圆之外，还可能错误地检测到多个邻居圆。 如果太大，可能会漏掉一些圆圈。
        double      param1 = 100,//第一种方法特定的参数。 在HOUGH_GRADIENT和HOUGH_GRADIENT_ALT的情况下，它是两个传递给Canny边缘检测器的较高阈值（较低的一个较小两倍）。 请注意，HOUGH_GRADIENT_ALT使用Scharr算法计算图像导数，因此阈值通常较高，例如300幅或暴露和对比图像。
        double      param2 = 100,//第二种方法特定的参数。 在HOUGH_GRADIENT的情况下，它是检测阶段圆中心的累加器阈值。 越小，可能检测到的假圆越多。 循环，对应较大的累加器值，会先返回。 在HOUGH_GRADIENT_ALT算法的情况下，这是圆的“完美”度量。 越接近1，形状越好的圆算法选择。 在大多数情况下，0.9应该是好的。 如果你想更好地检测小圆圈，你可能会把它降低到0.85，0.8甚至更少。 但也要尽量限制搜索范围[最小半径，最大半径]，以避免许多假圆。
        int     minRadius = 0,//结果过滤下限半径值
        int     maxRadius = 0 //结果过滤上限半径值
    );

检测圆就需要有圆的图片，从百度上面找了一张：

有圆有直线

测试代码：

//---------------------------------【头文件、命名空间包含部分】-------------------------------
//          描述：包含程序所使用的头文件和命名空间
//----------------------------------------------------------------------------------------------
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

//-----------------------------------【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("timg.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("Original", 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(round(circles[i][0]), round(circles[i][1]));
        int radius = round(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("Result", srcImage);

    waitKey(0);

    return 0;
}

测试效果：

可以看出只有最外圈的那个圆是对的，可以考虑非极大值抑制。