欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Android基于OpenCV實(shí)現(xiàn)霍夫直線檢測(cè)

 更新時(shí)間：2021年06月18日 09:52:40   作者：易冬  
霍夫變換利用點(diǎn)與線之間的對(duì)偶性，將圖像空間中直線上離散的像素點(diǎn)通過參數(shù)方程映射為霍夫空間中的曲線，并將霍夫空間中多條曲線的交點(diǎn)作為直線方程的參數(shù)映射為圖像空間中的直線。給定直線的參數(shù)方程，可以利用霍夫變換來(lái)檢測(cè)圖像中的直線。本文簡(jiǎn)單講解Android的實(shí)現(xiàn)

霍夫直線檢測(cè)

點(diǎn)和線的對(duì)偶性

  • 圖像空間中的點(diǎn)，對(duì)應(yīng)霍夫空間中的直線
  • 圖像空間中的直線，對(duì)應(yīng)霍夫空間中的點(diǎn)
  • 共點(diǎn)的直線，在霍夫空間中對(duì)應(yīng)的點(diǎn)在一條直線上
  • 共線的點(diǎn)，在霍夫空間中對(duì)應(yīng)的直線交于一點(diǎn)

極坐標(biāo)參數(shù)方程

對(duì)于平面中的一條直線，在笛卡爾坐標(biāo)中，常見的有點(diǎn)斜式，兩點(diǎn)式兩種表示方法。然而在霍夫變換中，考慮的是另外一種表示方式：使用（r, theta）來(lái)表示一條直線。其中r為該直線到原點(diǎn)的距離，theta為該直線的垂線與x軸的夾角。如下圖所示：

根據(jù)霍夫變換原理，利用極坐標(biāo)形式表示直線時(shí)，在圖像空間中經(jīng)過某一點(diǎn)的所有直線映射到參數(shù)空間中是一個(gè)正弦曲線。圖像空間中直線上的兩個(gè)點(diǎn)在參數(shù)空間中映射的兩條正弦曲線相交于一點(diǎn)。

通過上述的變換過程，將圖像中的直線檢測(cè)轉(zhuǎn)換成了在參數(shù)空間中尋找某個(gè)點(diǎn) 通過的正線曲線最多的問題。由于在參數(shù)空間內(nèi)的曲線是連續(xù)的，而在實(shí)際情況中圖像的像素是離散的，因此我們需要將參數(shù)空間的坐標(biāo)軸進(jìn)行離散化，用離散后的方格表示每一條正弦曲線。首先尋找符合條件的網(wǎng)格，之后尋找該網(wǎng)格對(duì)應(yīng)的圖像空間中所有的點(diǎn)，這些點(diǎn)共同組成了原圖像中的直線。

由此可見，霍夫變換算法檢測(cè)圖像中的直線主要分為4個(gè)步驟

  • 將參數(shù)空間的坐標(biāo)軸離散化，例如theta=0,10,20……， r=0.1,0.2,0.3……
  • 將圖像中每個(gè)非0像素通過映射關(guān)系求取在參數(shù)空間通過的方格。
  • 統(tǒng)計(jì)參數(shù)空間內(nèi)每個(gè)方格出現(xiàn)的次數(shù)，選取次數(shù)大于某一閾值的方格作為表示直線的方格。
  • 將參數(shù)空間中表示直線的方格的參數(shù)作為圖像中直線的參數(shù)。

霍夫檢測(cè)具有抗干擾能力強(qiáng)，對(duì)圖像中直線的殘缺部分、噪聲以及其它共存的非直線結(jié)構(gòu)不敏感，能容忍特征邊界描述中的間隙，并且相對(duì)不受圖像噪聲影響等優(yōu)點(diǎn)，但是霍夫變換的時(shí)間復(fù)雜度和空間復(fù)雜度都很高，并且檢測(cè)精度受參數(shù)離散間隔制約。離散間隔較大時(shí)會(huì)降低檢測(cè)精度，離散間隔較小時(shí)雖然能提高精度，但是會(huì)增加計(jì)算負(fù)擔(dān)，導(dǎo)致計(jì)算時(shí)間邊長(zhǎng)

API

public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta)
  • 參數(shù)一：image，待檢測(cè)直線的原圖像，必須是CV_8U的單通道圖像.
  • 參數(shù)二：lines，霍夫變換檢測(cè)到的直線輸出量，每一條直線都由兩個(gè)或者三個(gè)參數(shù)表示。第一個(gè)表示直線距離坐標(biāo)原點(diǎn)的距離 ，第二個(gè)表示坐標(biāo)原點(diǎn)到直線的垂線與x軸的夾角，若有第三個(gè)，則表示累加器的數(shù)值。

  • 參數(shù)三：rho，距離分辨率，以像素為單位，距離離散化時(shí)的單位長(zhǎng)度
  • 參數(shù)四：theta，角度分辨率，以弧度為單位，夾角離散化時(shí)的單位角度。
  • 參數(shù)五：threshold，累加器的閾值，即參數(shù)空間中離散化后每個(gè)方格被通過的累計(jì)次數(shù)大于該閾值時(shí)將被識(shí)別為直線，否則不被識(shí)別為直線。
  • 參數(shù)六：srn，對(duì)于多尺度霍夫變換算法中，該參數(shù)表示距離分辨率的除數(shù)，粗略的累加器距離分辨率是第三個(gè)參數(shù)rho，精確的累加器分辨率是rho/srn。這個(gè)參數(shù)必須是非負(fù)數(shù)，默認(rèn)參數(shù)為0。
  • 參數(shù)七：stn，對(duì)于多尺度霍夫變換算法中，該參數(shù)表示角度分辨率的除數(shù)，粗略的累加器距離分辨率是第四個(gè)參數(shù)rho，精確的累加器分辨率是rho/stn。這個(gè)參數(shù)必須是非負(fù)數(shù)，默認(rèn)參數(shù)為0。當(dāng)這個(gè)參數(shù)與第六個(gè)參數(shù)srn同時(shí)為0時(shí)，此函數(shù)表示的是標(biāo)準(zhǔn)霍夫變換。
  • 參數(shù)八：min_theta，檢測(cè)直線的最小角度，默認(rèn)參數(shù)為0。
  • 參數(shù)九：max_theta，檢測(cè)直線的最大角度，默認(rèn)參數(shù)為CV_PI，是OpenCV 4中的默認(rèn)數(shù)值具體為3.1415926535897932384626433832795。

使用標(biāo)準(zhǔn)霍夫變換和多尺度霍夫變換函數(shù)HoughLins()提取直線時(shí)無(wú)法準(zhǔn)確知道圖像中直線或者線段的長(zhǎng)度，只能得到圖像中是否存在符合要求的直線以及直線的極坐標(biāo)解析式。如果需要準(zhǔn)確的定位圖像中線段的位置，HoughLins()函數(shù)便無(wú)法滿足需求。但是OpenCV 4提供的漸進(jìn)概率式霍夫變換函數(shù)HoughLinesP()可以得到圖像中滿足條件的直線或者線段兩個(gè)端點(diǎn)的坐標(biāo)，進(jìn)而確定直線或者線段的位置。

public static void HoughLinesP(Mat image, Mat lines, double rho, double theta, int threshold, double minLineLength, double maxLineGap)

參數(shù)一：image，待檢測(cè)直線的原圖像，必須是CV_8U的單通道圖像.

參數(shù)二：lines，輸出線段。每條線由4元素表示。如下，分別代表每個(gè)線段的兩個(gè)端點(diǎn)

  • 參數(shù)三：rho，距離分辨率，以像素為單位，距離離散化時(shí)的單位長(zhǎng)度
  • 參數(shù)四：theta，角度分辨率，以弧度為單位，夾角離散化時(shí)的單位角度。
  • 參數(shù)五：threshold，累加器的閾值，即參數(shù)空間中離散化后每個(gè)方格被通過的累計(jì)次數(shù)大于該閾值時(shí)將被識(shí)別為直線，否則不被識(shí)別為直線。該累積數(shù)越大，則得到的直線可能就越長(zhǎng)。
  • 參數(shù)六：minLineLength，表示可以檢測(cè)的最小線段長(zhǎng)度，根據(jù)實(shí)際需要進(jìn)行設(shè)置。
  • 參數(shù)七：maxLineGap，表示線段之間的最大間隔像素，假設(shè)5表示小于5個(gè)像素的兩個(gè)相鄰線段可以連接起來(lái)。

操作

package cn.onlyloveyd.demo.ui

import android.os.Bundle
import androidx.appcompat.app.AppCompatActivity
import androidx.databinding.DataBindingUtil
import cn.onlyloveyd.demo.R
import cn.onlyloveyd.demo.databinding.ActivityHoughLineBinding
import cn.onlyloveyd.demo.ext.showMat
import org.opencv.android.Utils
import org.opencv.core.Mat
import org.opencv.core.Point
import org.opencv.core.Scalar
import org.opencv.imgproc.Imgproc
import kotlin.math.cos
import kotlin.math.roundToInt
import kotlin.math.sin

/**
 * 霍夫直線檢測(cè)
 * author: yidong
 * 2020/7/18
 */
class HoughLineDetectActivity : AppCompatActivity() {

    private lateinit var mBinding: ActivityHoughLineBinding
    private lateinit var mGray: Mat
    private lateinit var mEdge: Mat
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        mBinding = DataBindingUtil.setContentView(this, R.layout.activity_hough_line)
        mBinding.presenter = this
        mGray = Mat()
        mEdge = Mat()
        val bgr = Utils.loadResource(this, R.drawable.book)
        Imgproc.cvtColor(bgr, mGray, Imgproc.COLOR_BGR2GRAY)
        mBinding.ivLena.showMat(mGray)
        Imgproc.Canny(mGray, mEdge, 80.0, 150.0, 3, false)
    }

    override fun onDestroy() {
        mGray.release()
        mEdge.release()
        super.onDestroy()
    }

    fun doHoughLineDetect() {
        title = "HoughLine"
        val lines = Mat()
        Imgproc.HoughLines(mEdge, lines, 1.0, Math.PI / 180.0, 150)
        val out = Mat.zeros(mGray.size(), mGray.type())
        val data = FloatArray(2)
        for (i in 0 until lines.rows()) {
            lines.get(i, 0, data)
            val rho = data[0] // 直線距離坐標(biāo)原點(diǎn)的距離
            val theta = data[1] // 直線過坐標(biāo)原點(diǎn)垂線與x軸夾角
            val a = cos(theta.toDouble())  //夾角的余弦值
            val b = sin(theta.toDouble())  //夾角的正弦值
            val x0 = a * rho  //直線與過坐標(biāo)原點(diǎn)的垂線的交點(diǎn)
            val y0 = b * rho
            val pt1 = Point()
            val pt2 = Point()
            pt1.x = (x0 + 1000 * (-b)).roundToInt().toDouble()
            pt1.y = (y0 + 1000 * (a)).roundToInt().toDouble()
            pt2.x = (x0 - 1000 * (-b)).roundToInt().toDouble()
            pt2.y = (y0 - 1000 * (a)).roundToInt().toDouble()
            Imgproc.line(out, pt1, pt2, Scalar(255.0, 255.0, 255.0), 2, Imgproc.LINE_AA, 0)
        }
        mBinding.ivResult.showMat(out)
        out.release()
        lines.release()
    }

    fun doHoughLinePDetect() {
        title = "HoughLineP"
        val lines = Mat()
        Imgproc.HoughLinesP(mEdge, lines, 1.0, Math.PI / 180.0, 100, 50.0, 10.0)
        val out = Mat.zeros(mGray.size(), mGray.type())
        for (i in 0 until lines.rows()) {
            val data = IntArray(4)
            lines.get(i, 0, data)
            val pt1 = Point(data[0].toDouble(), data[1].toDouble())
            val pt2 = Point(data[2].toDouble(), data[3].toDouble())
            Imgproc.line(out, pt1, pt2, Scalar(255.0, 255.0, 255.0), 2, Imgproc.LINE_AA, 0)
        }
        mBinding.ivResult.showMat(out)
        out.release()
        lines.release()
    }
}

效果

以上就是Android基于OpenCV實(shí)現(xiàn)霍夫直線檢測(cè)的詳細(xì)內(nèi)容，更多關(guān)于Android OpenCV實(shí)現(xiàn)霍夫直線檢測(cè)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論