opencv —— HoughLines、HoughLinesP 霍夫线变换(标准霍夫线变换、多尺度霍夫线变换、累积概率霍夫线变换)

霍夫线变换的原理

  • 一条直线在图像二维空间可由两个变量表示,有以下两种情况:

① 在笛卡尔坐标系中:可由参数斜率和截距(k,b)表示。

② 在极坐标系中:可由参数极经和极角(r,θ)表示。

对于霍夫线变换,我们将采用第二种方式极坐标系来表示直线,因此直线的表达式可为:

化简便可得到:

  • 对于(x0,y0),我们可以将通过这一点的所有直线统一定义为:

这就意味着每一对  代表一条通过点  的直线。

  • 对于一个给定点   ,我们可以在直角坐标系中,绘出所有通过它的直线(θ 为 x 轴,r 为 y 轴)。最终我们将得到一条正弦曲线。

    注意:只绘出满足下列条件的点   and  

  • 我们可以对图像中所有的点进行上述操作.。如果两个不同点进行上述操作后得到的曲线在平面  -  相交, 这就意味着它们有一个公共的(θ,rθ),即过一条公共的直线。下图中,若曲线每点权重均为 1 ,则交点处权重为 3。

  • 越多曲线交于一点,也就意味着这个交点表示的直线由更多的点组成,权重和越大。我们可以设置一个阈值,来决定多少条曲线交于一点(权重多大)我们才认为检测到了一条直线。
  • 这就是霍夫线变换要做的.。它追踪图像中每个点对应曲线间的交点.。如果交于一点的曲线的数量超过了阈值, 那么可以认为这个交点所代表的参数对    在原图像中为一条直线。

OpenCV 实现了以下三种霍夫线变换:

  1. 标准霍夫变换(StandardHough Transform,SHT)

    • 原理在上面的部分已经说明了. 它能给我们提供一组参数对  的集合来表示检测到的直线。
    • 在 OpenCV 中通过函数 HoughLines 来实现。
  2. 多尺度霍夫变换(Multi-ScaleHough Transform,MSHT)
    • 和标准霍夫变换类似。
  3. 累计概率霍夫变换(ProgressiveProbabilistic Hough Transform,PPHT),由HoughLinesP函数调用。
    • 这是执行起来效率更高的霍夫线变换. 它输出检测到的直线的端点 
    • 在 OpenCV 中它通过函数 HoughLinesP 来实现。

标准 & 多尺度 霍夫线变换:HoughLines 函数

void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn = 0, double stn = 0);

  • image,输入图像,即源图像。需要为 8 位的单通道二值图像。
  • lines,存放直线的矢量信息的数组。每条直线由具有 2 个元素的矢量(ρ,Θ)表示,其中,ρ 是离坐标原点(0,0)也就是图像左上角的距离,Θ 是弧度线条旋转角度(0 表示垂直直线,∏/2 表示水平直线,注意,不是 0 度和 90 度)
  • rho,以像素为单位的距离精度。另一种表述是平面  -  中 r 轴的单位长度。
  • theta,以弧度为单位的角度精度。另一种表示是平面  -  中 θ 轴的单位长度。
  • threshold,权重累加平面的阈值参数。大于阈值 threshold 的线段才可以被确认为直线。
  • srn,默认值为 0。多尺度霍夫线变换才会用到的参数。对于多尺度霍夫线变换,平面  -  中 r 轴的单位长度 = rho / srn。
  • stn,默认值为 0。也是多尺度霍夫线变换才会用到的参数。对于多尺度霍夫线变换,平面  -  中 θ 轴的单位长度 = theta / stn。如果 srn、stn 同时为 0,就表示使用经典霍夫变换,否则两个参数都应该为正数。

 

代码示例:

#include<opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int hough_value = 70;
Mat src, canny_img;
void hough_change(int, void*) {
    vector<Vec2f>lines;
    HoughLines(canny_img, lines, 1, CV_PI / 180.0, hough_value);
    RNG rngs = { 12345 };
    Mat show = src.clone();
    for (int i = 0; i < lines.size(); i++) {
        float rho = lines[i][0], theta = lines[i][1];

        double sin_theta = sin(theta), cos_theta = cos(theta);
        double x = rho * cos_theta, y = rho * sin_theta;

        //以垂点为基础,将直线延长
        Point pt1, pt2;
        pt1.x = cvRound(x + 1000 * (-sin_theta));
        pt1.y = cvRound(y + 1000 * (cos_theta));
        pt2.x = cvRound(x - 1000 * (-sin_theta));
        pt2.y = cvRound(y - 1000 * (cos_theta));

        Scalar colors = Scalar(rngs.uniform(0, 255), rngs.uniform(0, 255), rngs.uniform(0, 255));
        line(show, pt1, pt2, colors, 2);
    }
    imshow("show", show);
}
int main() {
    src = imread("C:/Users/齐明洋/Desktop/1.jpg");
    GaussianBlur(src, src, Size(3, 3), 0, 0);
    imshow("src", src);

    Canny(src, canny_img, 55, 110, 3);
    imshow("canny_img", canny_img);

    namedWindow("show");
    createTrackbar("threshold", "show", &hough_value, 200, hough_change);
    hough_change(0, 0);

    waitKey(0);
}

效果演示:

累计概率霍夫变换:HoughLinesP 函数

void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength = 0, double maxLineGap= 0);

  • lines,存放直线信息矢量的数组。每条直线由具有 4 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)是每条检测到的直线的两端端点。
  • minLineLength ,默认值为 0。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。
  • maxLineGap,默认值为 0。允许将同一行点与点之间连接起来的最大距离。
  • 其余参数,类比 HoughLines 函数的参数。

代码示例:

效果演示:

借鉴博客:https://www.cnblogs.com/xmu-rcs-jty/p/7531814.html

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html

原文地址:https://www.cnblogs.com/bjxqmy/p/12331656.html

时间: 2024-11-07 21:41:11

opencv —— HoughLines、HoughLinesP 霍夫线变换(标准霍夫线变换、多尺度霍夫线变换、累积概率霍夫线变换)的相关文章

从随机过程的熵率和马尔科夫稳态过程引出的一些思考 - 人生逃不过一场马尔科夫稳态

1. 引言 0x1:人生就是一个马尔科夫稳态 每一秒我们都在做各种各样的选择,要吃青菜还是红烧肉.看电影还是看书.跑步还是睡觉,咋一看起来,每一个选择都是随机的,而人生又是由无数个这样的随机选择组成的结果.从这个前提往下推导,似乎可以得出一个结论,即人生是无常的,未来是不可预测的.但事实真的是如此吗? 以前的老人流行说一句话,三岁看小,七岁看老.这似乎是一句充满迷信主义色彩的俗语,但其实其中暗含了非常质朴而经典的理论依据,即随机过程不管其转移概率分布如何,随着时序的增大,最终会收敛在某个稳态上.

学习 opencv---(13)opencv霍夫变换:霍夫线变换,霍夫圆变换

在本篇文章中,我们将一起学习opencv中霍夫变换相关的知识点,以及了解opencv中实现霍夫变换的HoughLines,HoughLinesP函数的使用方法,实现霍夫圆变换的HoughCircles函数的使用方法. 先尝鲜一下其中一个示例程序的运行截图: 一.引言 在图像处理和计算机视觉领域中,如何从当前的图像中提取所需要的特征信息是图像识别的关键所在.在许多应用场合中需要快速准确的检测出直线或者圆.其中一种非常有效的解决问题的方法是霍夫(Hough)变换,其为图像处理中从图像识别几何形状的基

20、【opencv入门】霍夫变换:霍夫线变换,霍夫圆变换合辑

一.引言 在图像处理和计算机视觉领域中,如何从当前的图像中提取所需要的特征信息是图像识别的关键所在.在许多应用场合中需要快速准确地检测出直线或者圆.其中一种非常有效的解决问题的方法是霍夫(Hough)变换,其为图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.最基本的霍夫变换是从黑白图像中检测直线(线段). 二.霍夫变换概述 霍夫变换(Hough Transform)是图像处理中的一种特征提取技术,该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状

霍夫线变换,霍夫圆变换

在图像处理和计算机视觉领域中,如何从当前的图像中提取所需要的特征信息是图像识别的关键所在.在许多应用场合中需要快速准确地检测出直线或者圆.其中一种非常有效的解决问题的方法是霍夫(Hough)变换,其为图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.最基本的霍夫变换是从黑白图像中检测直线(线段). 1.霍夫变换 ⑴霍夫变换概述 霍夫变换(Hough Transform)是图像处理中的一种特征提取技术,该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形

opencv-霍夫变换

霍夫变换(直线) 原理摘自:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html 目标 在这个部分您将学习到: 使用OpenCV的以下函数 HoughLines 和 HoughLinesP 来检测图像中的直线. 霍夫线变换 霍夫线变换是一种用来寻找直线的方法. 是用霍夫线变换之前, 首先要对图像进行边缘检测的处理,也即霍夫线变换的直接输入只

Opencv图像识别从零到精通(22)-----hough变换检测直线与圆

今天要看的是霍夫变换,常用用来检测直线和圆,这里是把常见的笛卡尔坐标系转换成极坐标下,进行累计峰值的极大值,确定.HoughLines,HoughLinesP,HoughCircles,三个函数,首先先看看原理,最后会用漂亮的matlab图,来回归一下,霍夫直线变换. 霍夫线变换: 众所周知, 一条直线在图像二维空间可由两个变量表示. 例如: 在 笛卡尔坐标系: 可由参数:  斜率和截距表示. 在 极坐标系: 可由参数:  极径和极角表示 对于霍夫变换, 我们将用 极坐标系 来表示直线. 因此,

opencv-霍夫直线变换与圆变换

转自:https://blog.csdn.net/poem_qianmo/article/details/26977557 一.引言 在图像处理和计算机视觉领域中,如何从当前的图像中提取所需要的特征信息是图像识别的关键所在.在许多应用场合中需要快速准确地检测出直线或者圆.其中一种非常有效的解决问题的方法是霍夫(Hough)变换,其为图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.最基本的霍夫变换是从黑白图像中检测直线(线段).这篇文章就将介绍OpenCV中霍夫变换的使

OpenCV图像处理篇之Hough变换

图像空间到参数空间的转换 对于图像中共线的点集{(x0,y0), (x1,y1), ...}都经过直线y=kx+b,先在我们换一个说法,"斜率为k,截距为b的直线y=kx+b包含了所有在该直线上的点".一种强调的是图像中的点集,另一种强调的是直线的参数k和b,通过直线的点集去描述这条直线明显没有直接通过k,b两个参数去描述那样直接方便.而Hough变换就是将我们"点共线"的思维转化到参数空间{k,b}进行描述,图像空间中所有经过y=kx+b的点经过Hough变换后在

基于python的二元霍夫曼编码译码详细设计

一.设计题目 对一幅BMP格式的灰度图像(个人证件照片)进行二元霍夫曼编码和译码 二.算法设计 (1)二元霍夫曼编码: ①:图像灰度处理: 利用python的PIL自带的灰度图像转换函数,首先将彩色图片转为灰度的bmp图像,此时每个像素点可以用单个像素点来表示. ②:二元霍夫曼编码: 程序流程图: 详细设计: 统计像素点频率,首先通过python自带的PIL库的图像像素点读取函数read()获取灰度图像的所有像素点,通过循环遍历每个像素点,将每个出现的像素点值以及其次数以键值对的形式放入到pyt