OpenCV霍夫變換(Hough Transform)直線檢測詳解

更新時間：2018年12月26日 09:45:50 作者：Joy_Shen

這篇文章主要為大家詳細介紹了OpenCV霍夫變換直線檢測的相關資料，具有一定的參考價值，感興趣的小伙伴們可以參考一下

霍夫變換(Hough Transform)的主要思想：

一條直線在平面直角坐標系(x-y)中可以用y=ax+b式表示，對于直線上一個確定的點(x0,y0)，總符合y0-ax0=b，而它可以表示為參數(shù)平面坐標系(a-b)中的一條直線。因此，圖像中的一個點對應參數(shù)平面的一條直線，同樣，圖像中的一條直線對應參數(shù)平面上的一個點。

基本Hough變換檢測直線：

由于同一條直線上的不同點在參數(shù)平面中是會經過同一個點的多條線。對圖像的所有點作霍夫變換，檢測直線就意味著找到對應參數(shù)平面中的直線相交最多的點。對這些交點做票數(shù)累計，然后取出票數(shù)大于最小投票數(shù)的點，即為原坐標系里檢測出的直線。

一般，直線的參數(shù)方程為 ρ=xcosθ+ysinθ

OpenCV中的基本霍夫變換直線檢測函數(shù) cv::HoughLines：

函數(shù)輸入為一幅二值圖像（有很多待檢測點），其中一些點排列后形成直線，通常這是一幅邊緣圖像，比如來自Sobel算子或Canny算子。函數(shù)的輸出是cv::Vec2f的向量，每個元素都是一對代表檢測到的直線的浮點數(shù)(ρ, θ)。函數(shù)的作法是先求出原圖像中每點的極坐標方程，若相交于一點的極坐標曲線的個數(shù)大于最小投票數(shù)，則將該點(ρ, θ)（參數(shù)坐標系點）放入輸出向量。

#include "opencv2/highgui.hpp"
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
 
#define PI 3.1415926
 
class LineFinder{
private:
 std::vector<cv::Vec2f> lines;
 double deltaRho; // 參數(shù)坐標系的步長(theta表示與直線垂直的角度)
 double deltaTheta;
 int minVote;  // 判斷是直線的最小投票數(shù) 
public:
 LineFinder() {
 deltaRho = 1;
 deltaTheta = PI / 180;
 minVote = 80;
 }
 void setAccResolution(double dRho, double dTheta) {
 deltaRho = dRho;
 deltaTheta = dTheta;
 }
 void setMinVote(int minv) {
 minVote = minv;
 }
 // Hough變換檢測直線;rho=1,theta=PI/180參數(shù)坐標系里的步長,threshold=最小投票數(shù)
 void findLines(cv::Mat& binary){
 lines.clear();
 cv::HoughLines(binary, lines, deltaRho, deltaTheta, minVote);
 }
 
 void drawDetectedLines(cv::Mat& result){
 std::vector<cv::Vec2f>::const_iterator it = lines.begin();
 while (it != lines.end())
 {
 // 以下兩個參數(shù)用來檢測直線屬于垂直線還是水平線
 float rho = (*it)[0];
 float theta = (*it)[1];
 if (theta < PI / 4. || theta > 3.*PI / 4.)
 { // 若檢測為垂直線,直線交于圖片的上下兩邊,先找交點
 cv::Point pt1(rho / cos(theta), 0);
 cv::Point pt2((rho - result.rows*sin(theta)) / cos(theta), result.rows);
 cv::line(result, pt1, pt2, cv::Scalar(255), 1); //
 }
 else // 若檢測為水平線,直線交于圖片的左右兩邊,先找交點
 {
 cv::Point pt1(0, rho / sin(theta));
 cv::Point pt2(result.cols, (rho - result.cols*cos(theta)) / sin(theta));
 cv::line(result, pt1, pt2, cv::Scalar(255), 1);
 }
 ++it;
 }
 }
};
 
int main(int argc, char *argv[])
{
 cv::Mat image = cv::imread("D:/VS_exercise/images/road1.jpg");
 cv::Mat imageGray;
 cv::Mat contours;
 cv::cvtColor(image, imageGray, cv::COLOR_RGB2GRAY);
 cv::Canny(imageGray, contours, 190, 300);
 // 在原圖的拷貝上畫直線
 cv::Mat result(contours.rows, contours.cols, CV_8U, cv::Scalar(255));
 image.copyTo(result);
 // Hough變換檢測
 LineFinder finder;
 finder.setMinVote(130);
 finder.findLines(contours);
 finder.drawDetectedLines(result);
 
 // 顯示
 cv::namedWindow("Detected Lines with Hough");
 cv::imshow("Detected Lines with Hough", result);
 cv::waitKey(0);
 return 0;
}

概率Hough變換檢測線段：

霍夫變換檢測直線的目的，是找到二值圖像中經過足夠多數(shù)量點的所有直線，當同一直線穿過許多點，便意味著這條線的存在足夠明顯。

概率霍夫變換在原算法的基礎上增加了一些改動，主要是：

1. 不再系統(tǒng)地逐行掃描圖像，而是隨機挑選（輪廓圖像的）前景點，一旦累加器中的某一項交點的票數(shù)達到給定的最小值，就搜索輪廓圖像在對應直線上的前景點，連成線段（要小于maxLineGap），然后記錄線段參數(shù)（起終點），最后刪除所有經過的點（即使它們并未投過票）。

2. 概率霍夫變換定義了兩個額外的參數(shù)：一個是可以接受的最小線段長度（minLineLength），另一個是允許組成連續(xù)線段的最大像素間隔（maxLineGap），雖然額外步驟增加了算法的復雜度，但由于參與投票的點數(shù)有所減少，因此得到了一些補償。

openCV中的概率霍夫變換直線檢測函數(shù) cv::HoughLinesP：

函數(shù)的輸出是cv::Vec4i組成的向量，每個元素是檢測到的線段的兩個坐標點(pt1x, pt1y, pt2x, pt2y)。

#include "opencv2/highgui.hpp"
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
 
#define PI 3.1415926 
 
class LineFinder{
private:
 std::vector<cv::Vec4i> lines;
 double deltaRho; // 步長(theta表示與直線垂直的角度)
 double deltaTheta;
 int minVote;  // 判斷是直線的最小投票數(shù) 
 double minLength; // 判斷是直線的最小線段長度 
 double maxGap; // 允許組成連續(xù)線段的最大像素間隔
public:
 LineFinder() {
 deltaRho = 1;
 deltaTheta = PI / 180;
 minVote = 10;
 minLength = 0.0;
 maxGap = 0.0;
 }
 void setAccResolution(double dRho, double dTheta) {
 deltaRho = dRho;
 deltaTheta = dTheta;
 }
 void setMinVote(int minv) {
 minVote = minv;
 }
 void setLineLengthAndGap(double length, double gap) {
 minLength = length;
 maxGap = gap;
 }
 
 // Hough變換檢測線段
 void findLines(cv::Mat& binary) {
 lines.clear();
 cv::HoughLinesP(binary, lines, deltaRho, deltaTheta, minVote, minLength, maxGap);
 }
 
 void drawDetectedLines(cv::Mat &image, cv::Scalar color = cv::Scalar(255)) {
 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, 1.5); //畫線段
 ++it2;
 }
 }
};
 
int main(int argc, char *argv[])
{
 cv::Mat image = cv::imread("D:/VS_exercise/images/road1.jpg");
 cv::Mat imageGray;
 cv::Mat contours;
 cv::cvtColor(image, imageGray, cv::COLOR_RGB2GRAY);
 // 邊緣檢測
 cv::Canny(imageGray, contours, 190, 300);
 // Hough變換檢測
 LineFinder finder;
 finder.setMinVote(80);
 finder.setLineLengthAndGap(100, 10); //概率Hough變換增加的兩個參數(shù)
 finder.findLines(contours);
 finder.drawDetectedLines(image);
 
 // 顯示
 cv::imshow("Detected Lines with Hough", image);
 cv::waitKey(0);
 return 0;
}