快捷導(dǎo)航

OpenCV利用霍夫變換進(jìn)行直線檢測(cè)

更新時(shí)間：2018年12月26日 10:56:59 作者：長(zhǎng)相憶兮長(zhǎng)相憶

這篇文章主要為大家詳細(xì)介紹了OpenCV利用霍夫變換進(jìn)行直線檢測(cè)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

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；

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：