OpenCV3图像处理——霍夫曼变换直线检测

前言

1.直线检测在好多实现应用中能用到到，我之前做过扫描件检测时用直线检测来处理判断页面是否水平，还有在辅助驾驶中的车道偏离预警系统也有过应用。
2.我的编程环境是Windows 7 64位，IDE是VS2015，配置了OpenCV3.3与OpenCV_Contrib,实现语言是C++。是于如果配置以上的环境，可以看我之前写的博文。

一、概述

1.直线检测的原理介绍
（1）对于直角坐标系中的任意一点A(x0,y0)，经过点A的直线满足Y0=kX0+b.(k是斜率，b是截距)。
（2）那么在X-Y平面过点A(x0,y0)的直线簇可以用Y0=kX0+b表示，但对于垂直于X轴的直线斜率是无穷大的则无法表示。因此将直角坐标系转换到极坐标系就能解决该特殊情况。
（3）在极坐标系中表示直线的方程为ρ=xCosθ+ySinθ（ρ为原点到直线的距离）。

（4）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, theta)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。

2.OpenCV封装有直线检测的函数，HoughLines（）和HoughLinesP（），它们都能实现直线检测，差别是：HoughLines（）函数使用标准的Hough变换HoughLinesP（）函数使用概率Hough变换，即只通过分析点的子集并估计这些点都属于一条直线的概率，这在计算速度上更快。
（1）HoughLines（）函数说明：
HoughLines(
InputArray src, // 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, // 生成极坐标时候的像素扫描步长
double theta, //生成极坐标时候的角度步长，一般取值CV_PI/180
int threshold, // 阈值，只有获得足够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，如果不是设置0表示经典霍夫变换
double stn = 0;//是否应用多尺度的霍夫变换，如果不是设置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
)
（2）HoughLinesP（）函数说明：
HoughLinesP(
InputArray src, // 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, // 生成极坐标时候的像素扫描步长
double theta, //生成极坐标时候的角度步长，一般取值CV_PI/180
int threshold, // 阈值，只有获得足够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
)

二、代码演示

1.传入一张图像，把所有直线画出来。

void lineDetection(string image_path)
{Mat src, src_gray, dst;src = imread(image_path);if (!src.data) {std::cerr << "无法打开图像文件！" << endl;return;}namedWindow("input image", CV_WINDOW_AUTOSIZE);namedWindow("hough-line-detection", CV_WINDOW_AUTOSIZE);imshow("input image", src);//边缘检测Canny(src, src_gray, 150, 200);//灰度化cvtColor(src_gray, dst, CV_GRAY2BGR);vector<Vec2f> lines;//霍夫曼直线检测Point pt1, pt2;HoughLines(src_gray, lines, 1, CV_PI / 180, 150, 0, 0);for (size_t i = 0; i < lines.size(); i++){// 极坐标中的r长度float rho = lines[i][0]; // 极坐标中的角度float theta = lines[i][1]; double a = cos(theta), b = sin(theta);double x0 = a*rho, y0 = b*rho;// 转换为平面坐标的四个点pt1.x = cvRound(x0 + 1000 * (-b));pt1.y = cvRound(y0 + 1000 * (a));pt2.x = cvRound(x0 - 1000 * (-b));pt2.y = cvRound(y0 - 1000 * (a));line(dst, pt1, pt2, Scalar(0, 0, 255), 1, CV_AA);}imshow("matt", src);imshow("hough-line-detection", dst);waitKey(0);
}

2.运行结果

结语

1.例子很简单，没有什么难度，但应用时肯定要按自己的数据去做相关参数的设定。
2.关于工程的源码，运行程序时的bug,都可以加这个群(487350510)互相讨论学习。