您好,登錄后才能下訂單哦!
這篇文章主要介紹OpenCV怎么利用霍夫變換進(jìn)行直線檢測(cè),文中介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們一定要看完!
本文實(shí)例為大家分享了OpenCV利用霍夫變換進(jìn)行直線檢測(cè)的具體代碼,供大家參考,具體內(nèi)容如下
1.最簡(jiǎn)單的霍夫變換是在圖像中識(shí)別直線。在平面直角坐標(biāo)系(x-y)中,一條直線可以用下式表示:y=kx+b。
這表示參數(shù)平面(k-b)中的一條直線。因此,圖像中的一個(gè)點(diǎn)對(duì)應(yīng)參數(shù)平面中的一條直線,圖像中的一條直線對(duì)應(yīng)參數(shù)平面中的一個(gè)點(diǎn)。對(duì)圖像上所有的點(diǎn)作霍夫變換,最終所要檢測(cè)的直線對(duì)應(yīng)的一定是參數(shù)平面中直線相交最多的那個(gè)點(diǎn)。這樣就在圖像中檢測(cè)出了直線。在實(shí)際應(yīng)用中,直線通常采用參數(shù)方程:p=x\cos\theta+y\sin\theta。
Opencv里有以下函數(shù)檢測(cè)直線(最基本的霍夫變換):
void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 )
具體用法看代碼就知道了:(現(xiàn)在版本的OpenCV使用函數(shù)cvHoughLines2)
#include "opencv2/opencv.hpp" #define PI 3.1415926 int main(int argc, char *argv[]) { cv::Mat image = cv::imread ("road.jpg"); cv::Mat result; cv::cvtColor (image,result,CV_BGRA2GRAY); cv::Mat contours; cv::Canny (result,contours,125,350); //邊緣檢測(cè) std::vector<cv::Vec2f> lines; /*霍夫變換,獲得一組極坐標(biāo)參數(shù)(rho,theta),每一對(duì)對(duì)應(yīng)一條直線,保存到lines 第3,4個(gè)參數(shù)表示在(rho,theta)坐標(biāo)系里橫縱坐標(biāo)的最小單位,即步長(zhǎng)*/ cv::HoughLines (contours,lines,1,PI/180,80); std::vector<cv::Vec2f>::const_iterator iter = lines.begin (); std::cout<<lines.size ()<<std::endl; while(iter != lines.end()) { float rho = (*iter)[0]; float theta = (*iter)[1]; if(theta<PI/4.||theta>3.*PI/4) { //畫交點(diǎn)在上下兩邊的直線 cv::Point pt1(rho/cos(theta),0); cv::Point pt2((rho-result.rows*sin(theta))/cos(theta),result.rows); cv::line(image,pt1,pt2,cv::Scalar(255),1); } else { //畫交點(diǎn)在左右兩邊的直線 cv::Point pt1(0,rho/sin(theta)); cv::Point pt2(result.cols,(rho-result.cols*cos(theta)/sin(theta))); cv::line(image,pt1,pt2,cv::Scalar(255),1); } ++iter; } cv::namedWindow ("hough"); cv::imshow("hough",image); cv::waitKey (0); }
測(cè)試結(jié)果如下:
2.可以看出,上面的直線檢測(cè)存在以下問(wèn)題:
1)只能檢測(cè)出線段所在的直線,而不知道具體線段位置,也不知道線段長(zhǎng)度;
2)同一直線可能檢測(cè)出多條直線;
3)偶然地也可能誤判段直線。
針對(duì)這些問(wèn)題,opencv有那么一個(gè)函數(shù):(現(xiàn)在版本的OpenCV使用同一個(gè)函數(shù)cvHoughLines2)
void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, dou-
ble minLineLength=0, double maxLineGap=0)
這個(gè)方法是通過(guò)概率霍夫變換實(shí)現(xiàn)的:
1)隨機(jī)獲取邊緣圖片上的前景點(diǎn),映射到級(jí)坐標(biāo)系畫曲線;
2)當(dāng)極坐標(biāo)系里面有交點(diǎn)達(dá)到最小投票數(shù),將該點(diǎn)對(duì)應(yīng)x-y坐標(biāo)系的直線L找出來(lái);
3)搜索邊緣圖片上前景點(diǎn),在直線L上的點(diǎn)(且點(diǎn)與點(diǎn)之間距離小于maxLineGap的)連成線段,然后這些點(diǎn)全部刪除,并且記錄該線段的參數(shù),就是起始點(diǎn)和終止點(diǎn)。(當(dāng)然這里線段長(zhǎng)度要滿足最小長(zhǎng)度的,否則就不用記錄了)
4)重復(fù)1),2),3)
其使用方法見(jiàn)代碼:
#include "opencv2/opencv.hpp" #define PI 3.1415926 class LineFinder { private: std::vector<cv::Vec4i> lines; // 直線對(duì)應(yīng)的點(diǎn)參數(shù)向量 double deltaRho; //步長(zhǎng) double deltaTheta; int minVote; // 判斷是直線的最小投票數(shù) double minLength; // 判斷是直線的最小長(zhǎng)度 double maxGap; // 同一條直線上點(diǎn)之間的距離容忍度 public: LineFinder() : deltaRho(1), deltaTheta(PI/180), minVote(10), minLength(0.), maxGap(0.) {} //初始化 void setAccResolution(double dRho, double dTheta) // 設(shè)置步長(zhǎng) { deltaRho= dRho; deltaTheta= dTheta; } void setMinVote(int minv) // 設(shè)置最小投票數(shù) { minVote= minv; } void setLineLengthAndGap(double length, double gap) // 設(shè)置最小線段長(zhǎng)度和線段間距容忍度 { minLength= length; maxGap= gap; } std::vector<cv::Vec4i> findLines(cv::Mat& binary) //尋找線段 { lines.clear(); cv::HoughLinesP(binary,lines, deltaRho, deltaTheta, minVote,minLength, maxGap); return lines; } void drawDetectedLines(cv::Mat &image, cv::Scalar color=cv::Scalar(255,255,255)) // 畫線段 { std::vector<cv::Vec4i>::const_iterator it2=lines.begin(); while (it2!=lines.end()) { cv::Point pt1((*it2)[0],(*it2)[1]); cv::Point pt2((*it2)[2],(*it2)[3]); cv::line( image, pt1, pt2, color); ++it2; } } }; int main(int argc, char *argv[]) { cv::Mat image = cv::imread ("road.jpg"); cv::Mat result; cv::cvtColor (image,result,CV_BGRA2GRAY); cv::Mat contours; cv::Canny (result,contours,125,350); //邊緣檢測(cè) LineFinder finder; finder.setMinVote (80); finder.setLineLengthAndGap (100,20); finder.findLines (contours); finder.drawDetectedLines (image); std::vector<cv::Vec2f> lines; cv::HoughLines (contours,lines,1,PI/180,80); std::vector<cv::Vec2f>::const_iterator iter = lines.begin (); std::cout<<lines.size ()<<std::endl; while(iter != lines.end()) { float rho = (*iter)[0]; float theta = (*iter)[1]; if(theta<PI/4.||theta>3.*PI/4) { //畫交點(diǎn)在上下兩邊的直線 cv::Point pt1(rho/cos(theta),0); cv::Point pt2((rho-result.rows*sin(theta))/cos(theta),result.rows); cv::line(image,pt1,pt2,cv::Scalar(255),1); } else { //畫交點(diǎn)在左右兩邊的直線 cv::Point pt1(0,rho/sin(theta)); cv::Point pt2(result.cols,(rho-result.cols*cos(theta)/sin(theta))); cv::line(image,pt1,pt2,cv::Scalar(255),1); } ++iter; } cv::namedWindow ("hough"); cv::imshow("hough",image); cv::waitKey (0); }
測(cè)試結(jié)果如下:
以上是“OpenCV怎么利用霍夫變換進(jìn)行直線檢測(cè)”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對(duì)大家有幫助,更多相關(guān)知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。