Opencv-C++笔记 (14) : 霍夫变换(直线、圆)

文章目录

  • 一、霍夫变换-直线
    • 1.1霍夫变换-直线 原理详解
  • 二、霍夫圆检测

一、霍夫变换-直线

Hough Line Transform用来做直线检测
前提条件 – 边缘检测已经完成

1、平面空间(x,y)到极坐标空间转换;
在这里插入图片描述

2、对极坐标进行变换,转化为θ与R的关系
在这里插入图片描述

1.1霍夫变换-直线 原理详解

对于任意一条直线上的所有点来说,变换到极坐标中,从[0~360]空间,可以得到r的大小,属于同一条直线上点在极坐标空 ( r , θ ) (r, \theta)(r,θ) 必然在一个点上有最强的信号出现,根据此反算到平面坐标中就可以得到直线上各点的像素坐标。从而得到直线。

标准的霍夫变换 cv::HoughLines 从平面坐标转换到霍夫空间,最终输出是 ( r , θ ) (r, \theta)(r,θ) 表示极坐标空间

void HoughLines(
InputArray image,     输入图像,必须8-bit的灰度图像
OutputArray lines,    输出的极坐标来表示直线
double rho,        极坐标素扫描步长
double theta,       极坐标角度步长,一般取值CV_PI/180
int threshold,       阈值,多少交点的极坐标点才被看成是直线
double srn = 0,       是否应用多尺度的霍夫变换,默认0表示经典霍夫变换
double stn = 0,       是否应用多尺度的霍夫变换,默认0表示经典霍夫变换 
double min_theta = 0,   表示角度扫描范围 0 ~180之间, 默认即可
double max_theta = CV_PI
);

霍夫变换直线概率 cv::HoughLinesP最终输出是直线的两个点 ( x 0 , y 0 , x 1 , y 1 )

void HoughLinesP(
InputArray image,      输入图像,必须8-bit的灰度图像
OutputArray lines,     输出的极坐标来表示直线
double rho,         极坐标像素扫描步长
double theta,        极坐标角度步长,一般取值CV_PI/180
int threshold,        阈值,多少交点的极坐标点才被看成是直线
double minLineLength = 0,  最小直线长度
double maxLineGap = 0 );  最大间隔
//头文件 quick_opencv.h:声明类与公共函数
#pragma once
#include <opencv2\opencv.hpp>
using namespace cv;class QuickDemo {
public:...void hough_Demo(Mat& image1);void laplance_Demo(Mat& image1);void canny_Demo(Mat& image1);
};
//主函数调用该类的公共成员函数
#include <opencv2\opencv.hpp>
#include <quick_opencv.h>
#include <iostream>
using namespace cv;int main(int argc, char** argv) {Mat src = imread("D:\\Desktop\\jianbian.png");if (src.empty()) {printf("Could not load images...\n");return -1;}QuickDemo qk;qk.hough_Demo(src1);qk.hough_Demo(src1);qk.canny_Demo(src1);waitKey(0);destroyAllWindows();return 0;
}
void QuickDemo::hough_Demo(Mat& image) {Mat image_line = image.clone();// 霍夫直线检测Mat gau_dst, gray_dst, grad_dst;GaussianBlur(image_line, gau_dst, Size(3, 3), 10);cvtColor(gau_dst, gray_dst, COLOR_BGR2GRAY);vector<Vec4f> plines;Canny(gray_dst, gray_dst, 100, 200);imshow("Canny", gray_dst);HoughLinesP(gray_dst, plines, 5, CV_PI/180, 10, 0, 10);// 斜线检测调整maxlineGapcout << "线条个数:" << plines.size() << endl;for (int i = 0; i < plines.size(); i++) {Vec4f hline = plines[i];line(image_line, Point(hline[0], hline[1]), Point(hline[2], hline[3]), Scalar(0, 0, 255), 1, 8, 0);}imshow("HoughLinesP", image_line);// 霍夫圆检测Mat median_dst, gray_median_dst;vector<Vec3f> pcircles;medianBlur(image, median_dst, 3);cvtColor(median_dst, gray_median_dst, COLOR_BGR2GRAY);HoughCircles(gray_median_dst, pcircles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 100);cout << "圆形个数:" << pcircles.size() << endl;for (int i = 0; i < pcircles.size(); i++) {Vec3f cc = pcircles[i];circle(image, Point(cc[0], cc[1]), cc[2], Scalar(255, 0, 0), 2, 8, 0);circle(image, Point(cc[0], cc[1]), 2, Scalar(255, 0, 0), 2, 8, 0); // 标注圆形}imshow("circle", image);
}

在这里插入图片描述

二、霍夫圆检测

算法详情见:霍夫圆检测 官方给出了好的示例。
对直线来说,一条直线能由极径极角 ( r , θ ) (r,θ)(r,θ) 表示,而对于圆来说,我们需要三个参数:圆心( a , b ) (a,b)(a,b),半径 r 。
笛卡尔坐标系中圆的方程为:
在这里插入图片描述
这就意味着每一组(a,b,r)代表一个通过点(x0,y0)的圆。

对于一个给定点(x0,y0),我们可以在三维直角坐标系中,绘出所有通过它的圆。最终我们将得到一条三维的曲线。
由于霍夫线变换圆检测对噪声比较敏感,所以首先要对图像做中值滤波,而且需要更多的检测计算消耗。OpenCV 霍夫圆变换对标准霍夫圆变换做了运算上的优化。它采用的是 “霍夫梯度法”。

基于效率考虑,Opencv中实现的霍夫变换圆检测是基于图像梯度的实现,分为两步:

  1. 检测边缘,发现可能的圆心
  2. 基于第一步的基础上从候选圆心开始计算最佳半径大小

霍夫梯度法的原理

估计圆心

1、把原图做一次 Canny 边缘检测,得到边缘检测的二值图。

对原始图像执行一次 Sobel 算子,计算出所有像素的邻域梯度值。

初始化圆心空间 N(a,b),令所有的 N(a,b)=0。

遍历 Canny 边缘二值图中的所有非零像素点,沿着梯度方向 ( 切线的垂直方向 )画线,将线段经过的所有累加器中的点 (a,b) 的 N(a,b)+=1。

void HoughCircles(
InputArray image,      输入图像 ,必须是8位的单通道灰度图像
OutputArray circles,    输出结果,发现的圆信息
int method,         HOUGH_GRADIENT
double dp,         dp = 1 累加器图像的反比分辨率
double minDist=src_gray.rows/8, 检测到圆心之间的最小距离,否则认为是同心圆-
double param1 = 100,    canny edge detection low threshold
double param2 = 100,   中心点累加器阈值 – 候选圆心
int minRadius = 0,      能检测到的最小圆半径, 默认为0
int maxRadius = 0      能检测到的最大圆半径, 默认为0
);
参数: 
第一个参数,InputArray类型的image,输入图像,即源图像,需为8位的灰度单通道图像。
第二个参数,InputArray类型的circles,经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量,每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。
第三个参数,int类型的method,即使用的检测方法,目前OpenCV中就霍夫梯度法一种可以使用,它的标识符为CV_HOUGH_GRADIENT,在此参数处填这个标识符即可。
第四个参数,double类型的dp,用来检测圆心的累加器图像的分辨率于输入图像之比的倒数,且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话,来看例子吧。例如,如果dp= 1时,累加器和输入图像具有相同的分辨率。如果dp=2,累加器便有输入图像一半那么大的宽度和高度。
第五个参数,double类型的minDist,为霍夫变换检测到的圆的圆心之间的最小距离,即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话,多个相邻的圆可能被错误地检测成了一个重合的圆。反之,这个参数设置太大的话,某些圆就不能被检测出来了。
第六个参数,double类型的param1,有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT,它表示传递给canny边缘检测算子的高阈值,而低阈值为高阈值的一半。
第七个参数,double类型的param2,也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT,它表示在检测阶段圆心的累加器阈值。它越小的话,就可以检测到更多根本不存在的圆,而它越大的话,能通过检测的圆就更加接近完美的圆形了。
第八个参数,int类型的minRadius,有默认值0,表示圆半径的最小值。
第九个参数,int类型的maxRadius,也有默认值0,表示圆半径的最大值。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/56314.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Elastic的下载

文章目录 ElasticSearch的下载扩展1&#xff08;ElasticSearch 与 JDK 版本 适配&#xff09;扩展2&#xff08;访问 http://192.168.1.200:9200 没有显示信息&#xff09;扩展3&#xff08;免密登录&#xff09; ElasticSearch的下载 官方下载网址&#xff1a;https://www.el…

CRITICAL_SECTION 用法

#include <stdio.h> #include <windows.h> typedef RTL_CRITICAL_SECTION CRITICAL_SECTION; CRITICAL_SECTION g_cs; //声明关键段 // 共享资源 char g_cArray[10]; unsigned int g_Count 0; DWORD WINAPI ThreadProc10(LPVOID pParam) { // 进入临界区 …

大数据技术之Hadoop(二)

目录 一、Hadoop的诞生 二、大数据概述 三、大数据软件生态 3.1 数据存储相关技术 3.2 数据计算相关技术 3.3 数据传输相关技术 四、什么是Hadoop 本篇主要讲解大数据的核心概念以及Hadoop的基本介绍。 一、Hadoop的诞生 大数据的发展与日益庞大的数据量是密不可分的。从…

【雕爷学编程】MicroPython动手做(33)——物联网之天气预报3

天气&#xff08;自然现象&#xff09; 是指某一个地区距离地表较近的大气层在短时间内的具体状态。而天气现象则是指发生在大气中的各种自然现象&#xff0c;即某瞬时内大气中各种气象要素&#xff08;如气温、气压、湿度、风、云、雾、雨、闪、雪、霜、雷、雹、霾等&#xff…

KEV美妆圈:7月美妆新品月刊(附下载)

关于报告的所有内容&#xff0c;公众【营销人星球】获取下载查看 核心观点 护肤新品 •泊美胶原绿钻霜 •Abib鱼腥草舒缓胶原蛋白凝胶面膜 •资生堂时光琉璃凝时生机新眼霜 •薇诺娜修白瓶 •娇韵诗弹簧乳 • SK-11新版大红瓶面霜 •大水滴0点4K精华 •KANEBO卸妆清洁…

Git工具安装

Git 工具安装 1. 下载Git安装包2. 安装Git工具3. 简单的使用配置用户名 1. 下载Git安装包 打开官网 https://git-scm.com/downloads点击下载 2. 安装Git工具 右击以管理员身份运行 ![在这里插入图片描述](https://img-blog.csdnimg.cn/9a99a73d54824800bc87db64f71f7602.png…

深度相机常见技术:深度相机的相位求解

1.1 深度相机概述 深度相机是近几年兴起的新技术&#xff0c;相比较传统的相机&#xff0c;深度相机在功能上添加了一个深度测量&#xff0c;从而更方便准确的感知周围的环境及变化。深度相机有很多的应用场景&#xff0c;在我们日常生活中有很多深度相机的影子。那它可以用来…

代码分析:waitpid的使用,非阻塞轮回检测技术

wait 函数 wait函数的作用是父进程调用&#xff0c;等待子进程退出&#xff0c;回收子进程的资源&#xff1b; #include<sys/types.h> #include<sys/wait.h> pid_t wait(int*status);返回值&#xff1a; 成功返回被等待进程pid&#xff0c;失败返回-1。 参数&…

LiveGBS流媒体平台GB/T28181常见问题-无法注册不上海康NVR摄像机自带物联网卡摄像头注册GB/T28181国标平台看不到设备的时候如何抓包及排查

LiveGBS无法注册不上海康NVR摄像机自带物联网卡摄像头注册GB/T28181国标平台看不到设备的时候如何抓包及排查 1、设备注册后查看不到1.1、是否是自带物联网卡的摄像头1.2、关闭萤石云1.3、防火墙排查1.4、端口排查1.5、IP地址排查1.6、设备TCP/IP配置排查1.7、设备多网卡排查1.…

10*1000【1】

7.20号 讲了蚂蚁的运行方式和关键技术&#xff1a; 数字技术实现了对金融的改革&#xff0c;让它更包容。当然也实现了消费方式的改变&#xff0c;是得以用户为中心。同时虚拟技术让个人也有了一个自己的小公司&#xff0c;在互联网上面的信息与信用都会被记录下来&#xff0…

人工智能的缺陷

首先从应用层面理解什么是人工智能&#xff0c;目前人工智能主流应用面包括&#xff1a;自然语言处理领域&#xff0c;代表为chatgpt&#xff0c;我们能用其进行日常交流&#xff0c;问题答疑&#xff0c;论文书写等。计算机视觉领域&#xff0c;代表为人脸识别&#xff0c;现在…

【计算机视觉|风格迁移】PP-GAN:使用GAN的地标提取器将韩国人像的风格转化为身份证照片

本系列博文为深度学习/计算机视觉论文笔记&#xff0c;转载请注明出处 标题&#xff1a;PP-GAN : Style Transfer from Korean Portraits to ID Photos Using Landmark Extractor with GAN 链接&#xff1a;[2306.13418] PP-GAN : Style Transfer from Korean Portraits to ID…