【OpenCV入门指南】第七篇 线段检测与圆检测

【OpenCV入门指南】第七篇 线段检测与圆检测

在《【OpenCV入门指南】第五篇轮廓检测上》与《【OpenCV入门指南】第六篇轮廓检测下》讲解了OpenCV的轮廓检测。本篇将讲解在OpenCV中使用线段检测与圆检测。

线段检测与圆检测主要运用Hough变换，Hough变换是一种利用图像的全局特征将特定形状的边缘连接起来，形成连续平滑边缘的一种方法。它通过将源图像上的点影射到用于累加的参数空间，实现对已知解析式曲线进行识别。

在OpenCV编程中，线段检测和圆检测已经封装成函数了，直接使用cvHoughLines2和cvHoughCircles即可，下面来看看函数介绍和实际代码。

《OpenCV入门指南》系列文章地址：http://blog.csdn.net/morewindows/article/category/863841

函数功能：检测图像中的线段

函数原型：

CvSeq* cvHoughLines2(

CvArr* image,

void* line_storage,

int method,

double rho,

double theta,

int threshold,

double param1=0, double param2=0

);

参数说明：

第一个参数表示输入图像，必须为二值图像（黑白图）。

第二个参数表示存储容器，和上一篇的轮廓检测一样，可以传入CvMemStorage类型的指针。

第三个参数表示变换变量，可以取下面的值：

CV_HOUGH_STANDARD - 传统或标准 Hough 变换. 每一个线段由两个浮点数 (ρ, θ) 表示，其中 ρ 是线段与原点 (0,0) 之间的距离，θ 线段与 x-轴之间的夹角。

CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割，则效率更高)。它返回线段分割而不是整个线段。每个分割用起点和终点来表示。

CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。

第四个参数表示与象素相关单位的距离精度。

第五个参数表示弧度测量的角度精度。

第六个参数表示检测线段的最大条数，如果已经检测这么多条线段，函数返回。

第七个参数与第三个参数有关，其意义如下：

对传统 Hough 变换，不使用(0).

对概率 Hough 变换，它是最小线段长度.

对多尺度 Hough 变换，它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).

第八个参数与第三个参数有关，其意义如下：

对传统 Hough 变换，不使用 (0).

对概率 Hough 变换，这个参数表示在同一条线段上进行碎线段连接的最大间隔值(gap), 即当同一条线段上的两条碎线段之间的间隔小于param2时，将其合二为一。

对多尺度 Hough 变换，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).

线段检测的原理还是有点复杂，有兴趣请阅读专业书籍，下面给一个份示例代码：

// 图像中的线段检测
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main()
{
	const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";
	const char *pstrWindowsLineName = "线段检测";

	// 从文件中加载原图
	IplImage *pSrcImage = cvLoadImage("201.jpg", CV_LOAD_IMAGE_UNCHANGED);
	// 灰度图
	IplImage *pGrayImage =  cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
	// 边缘图
	IplImage *pCannyImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCanny(pGrayImage, pCannyImage, 30, 90);
	//cvSmooth(pCannyImage, pCannyImage);

	// 线段检测(只能针对二值图像)
	CvMemStorage *pcvMStorage = cvCreateMemStorage();
	double fRho = 1;
	double fTheta = CV_PI / 180;
	int nMaxLineNumber = 50;   //最多检测条直线
	double fMinLineLen = 50;   //最小线段长度
	double fMinLineGap = 10;   //最小线段间隔
	CvSeq *pcvSeqLines = cvHoughLines2(pCannyImage, pcvMStorage, CV_HOUGH_PROBABILISTIC, fRho, fTheta, nMaxLineNumber, fMinLineLen, fMinLineGap);

	// 绘制线段
	IplImage *pColorImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3);
	cvCvtColor(pCannyImage, pColorImage, CV_GRAY2BGR);
	int i;
	for(i = 0; i < pcvSeqLines->total; i++)
	{
		CvPoint* line = (CvPoint*)cvGetSeqElem(pcvSeqLines, i);
		cvLine(pColorImage, line[0], line[1], CV_RGB(255,0,0), 2);
	}

	cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsSrcTitle, pSrcImage);
	cvNamedWindow(pstrWindowsLineName, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsLineName, pColorImage);

	cvWaitKey(0);

	cvReleaseMemStorage(&pcvMStorage);
	cvDestroyWindow(pstrWindowsSrcTitle);
	cvDestroyWindow(pstrWindowsLineName);
	cvReleaseImage(&pSrcImage);
	cvReleaseImage(&pGrayImage);
	cvReleaseImage(&pCannyImage);
	cvReleaseImage(&pColorImage);
	return 0;
}

运行结果如下：

圆检测函数要用到cvHoughCircles这个函数的函数原形如下：

CVAPI(CvSeq*) cvHoughCircles(

CvArr* image, void* circle_storage,

int method,

double dp,

double min_dist,

double param1 CV_DEFAULT(100),

double param2 CV_DEFAULT(100),

int min_radius CV_DEFAULT(0),

int max_radius CV_DEFAULT(0)

);

可以看出cvHoughCircles与上面的cvHoughLines2函数比较类似，因此讲下部分参数的意思就可以了：

第二个参数表示Hough变换方式，目前只能用CV_HOUGH_GRADIENT。

第三个参数表示寻找圆弧圆心的累计分辨率，通常设置成1就可以了。

第四个参数表示两个不同圆之间的最小距离，由于是按圆心来计算距离的，因此对同心圆的检测就无能为力了。

注意，圆检测函数可以使用灰度图。

圆检测的代码如下：

// 图像中的圆检测
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main()
{
	const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";
	const char *pstrWindowsLineName = "圆检测";

	// 从文件中加载原图
	IplImage *pSrcImage = cvLoadImage("201.jpg", CV_LOAD_IMAGE_UNCHANGED);
	// 灰度图
	IplImage *pGrayImage =  cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
	//cvSmooth(pGrayImage, pGrayImage);

	// 圆检测(灰度图)
	CvMemStorage *pcvMStorage = cvCreateMemStorage();
	double fMinCircleGap = pGrayImage->height / 10;
	CvSeq *pcvSeqCircles = cvHoughCircles(pGrayImage, pcvMStorage, CV_HOUGH_GRADIENT, 1, fMinCircleGap);
	//每个圆由三个浮点数表示：圆心坐标(x,y)和半径

	// 绘制直线
	IplImage *pColorImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3);
	cvCvtColor(pGrayImage, pColorImage, CV_GRAY2BGR);
	int i;
	for (i = 0; i < pcvSeqCircles->total; i++)
	{
		float* p = (float*)cvGetSeqElem(pcvSeqCircles, i);
		cvCircle(pColorImage, cvPoint(cvRound(p[0]), cvRound(p[1])), cvRound(p[2]), CV_RGB(255, 0, 0), 2);
	}

	cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsSrcTitle, pSrcImage);
	cvNamedWindow(pstrWindowsLineName, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsLineName, pColorImage);

	cvWaitKey(0);

	cvReleaseMemStorage(&pcvMStorage);
	cvDestroyWindow(pstrWindowsSrcTitle);
	cvDestroyWindow(pstrWindowsLineName);
	cvReleaseImage(&pSrcImage);
	cvReleaseImage(&pGrayImage);
	cvReleaseImage(&pColorImage);
	return 0;
}

运行结果如下，可以看出圆的检测准确度不高。

《【OpenCV入门指南】第五篇轮廓检测上》、《【OpenCV入门指南】第六篇轮廓检测下》及《【OpenCV入门指南】第七篇线段检测与圆检测》介绍了图像的轮廓检测，线段检测及圆检测。

下面几篇将介绍图像的直方图，这对统计图像的信息以及根据这些信息来增强图像非常有帮助。欢迎继续浏览《【OpenCV入门指南】第八篇灰度直方图》、《【OpenCV入门指南】第九篇灰度直方图均衡化》与《【OpenCV入门指南】第十篇彩色直方图均衡化》。

《OpenCV入门指南》系列文章地址：

http://blog.csdn.net/morewindows/article/category/1291764

转载请标明出处，原文地址：http://blog.csdn.net/morewindows/article/details/8266985

欢迎关注微博：http://weibo.com/MoreWindows

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！希望你也加入到我们人工智能的队伍中来！http://www.captainbed.net

原文地址：https://www.cnblogs.com/heishanglaoyao/p/10129824.html

时间： 2024-07-30 03:23:43

【OpenCV入门指南】第七篇 线段检测与圆检测的相关文章

【OpenCV入门指南】第一篇 安装OpenCV

[OpenCV第一篇]安装OpenCV 本篇主要介绍怎样下载OpenCV安装程序,怎样在VS2008下安装配置OpenCV,文章最后还介绍了一个使用OpenCV的简单小样例. <OpenCV入门指南>系列文章地址:http://blog.csdn.net/morewindows/article/category/1291764 一．OpenCV的下载 能够到http://www.opencv.org.cn/index.php/Download,然后选一个较新版本号下载.我下的是V2.3.1版本

【OpenCV入门指南】第二篇 缩放图像

[OpenCV入门指南]第二篇 缩放图像 上一篇<[OpenCV入门指南]第一篇安装OpenCV>讲解了如何在VS2008下安装和配置OpenCV,本篇将介绍使用OpenCV来缩放图片.首先介绍几个关键函数--cvResize和cvCreateImage <OpenCV入门指南>系列文章地址:http://blog.csdn.net/morewindows/article/category/1291764 一. 主要函数介绍 1.1 cvResize 函数功能:图像大小变换 函数原

【OpenCV入门指南】第十三篇 人脸检测

[OpenCV入门指南]第十三篇 人脸检测 本篇介绍图像处理与模式识别中最热门的一个领域--人脸检测(人脸识别).人脸检测可以说是学术界的宠儿,在不少EI,SCI高级别论文都能看到它的身影.甚至很多高校学生的毕业设计都会涉及到人脸检测.当然人脸检测的巨大实用价值也让很多公司纷纷关注,很多公司都拥有这方面的专利或是开发商业产品出售. 在OpenCV中,人脸检测也是其热门应用之一.在OpenCV的特征检测专题就详细介绍了人脸检测的原理--通过Haar特征来识别是否为人脸.Haar特征检测原理与Haa

opencv入门指南（转载）

转载链接:http://blog.csdn.net/morewindows/article/details/8426318 网上的总结的一些用openncv的库来做的事: 下面列出OpenCV入门指南系列目录,以方便大家查看: 文章链接:http://blog.csdn.net/morewindows/article/details/8426318 下面这些链接在文章末尾: 1.<[OpenCV入门指南]第一篇安装OpenCV> 2.<[OpenCV入门指南]第二篇缩放图像> 3.

【OpenCV入门指南】第六篇 轮廓检测 下

<OpenCV入门指南>系列文章地址:http://blog.csdn.net/morewindows/article/category/863841 上一篇<[OpenCV入门指南]第五篇轮廓检测上>介绍了cvFindContours函数和cvDrawContours函数,并作了一个简单的使用示范.本篇将展示一个实例,让大家对轮廓检测有个更加深入的认识. 代码如下: //图像的轮廓检测下 //By MoreWindows (http://blog.csdn.net/MoreWin

【OpenCV入门指南】第八篇 灰度直方图

直方图(Histogram)又称柱状图.质量分布图,是一种统计报告图.直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况.一般用横轴表示数据类型,纵轴表示分布情况.在图像处理上,直方图是图像信息统计的有力工具. 灰度直方图是指对图像的灰度信息进行统计,我们知道灰度图在图像处理中应用非常广泛,在前面的<OpenCV第三篇Canny边缘检测>.<OpenCV第五篇轮廓检测上>.<OpenCV第六篇轮廓检测下>均能找到灰度图的用武之地.因此灰度直方图具有较高的实用价值.

【OpenCV入门指南】第四篇 图像的二值化

[OpenCV入门指南]第四篇 图像的二值化 在上一篇<[OpenCV入门指南]第三篇Canny边缘检测>中介绍了使用Canny算子对图像进行边缘检测.与边缘检测相比,轮廓检测有时能更好的反映图像的内容.而要对图像进行轮廓检测,则必须要先对图像进行二值化,图像的二值化就是将图像上的像素点的灰度值设置为0或255,这样将使整个图像呈现出明显的黑白效果.在数字图像处理中,二值图像占有非常重要的地位,图像的二值化使图像中数据量大为减少,从而能凸显出目标的轮廓. <OpenCV入门指南>系

React-Native入门指南——第4篇react-native布局实战（二）

React-Native入门指南 github:https://github.com/vczero/react-native-lession React-Native:用JavaScript开发你的原生应用,释放Native的UI体验,体验 Hybird开发效率. 最近一个星期写的文章如下,链接是github page的,其实也可以在系列博客找到相应文章: 第1篇hello react-native 第2篇认识代码结构 第3篇css和布局 第4篇学会react-native布局(一) 第4篇re

史上最全的OpenCV入门教程！这篇够你学习半个月了！万字长文入门

一.Python OpenCV 入门 欢迎阅读系列教程,内容涵盖 OpenCV,它是一个图像和视频处理库,包含 C ++,C,Python 和 Java 的绑定. OpenCV 用于各种图像和视频分析,如面部识别和检测,车牌阅读,照片编辑,高级机器人视觉,光学字符识别等等. 你将需要两个主要的库,第三个可选:python-OpenCV,Numpy 和 Matplotlib. Windows 用户: python-OpenCV:有其他的方法,但这是最简单的. 下载相应的 wheel(.whl)文件