【OpenCV：從零到一】15：霍夫變換-直線、圓

前言
這是我《OpenCV：從零到一》專欄的第十五篇博客，想看跟多請戳這。
本文概要
HoughLines
HoughLinesP
HoughCircles
cvRound
案例代碼
大概內容：檢測圓和直線並描繪出來 。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;
int main(int argc, char** argv) {
	Mat src, src_gray, dst;
	src = imread("D:/86186/Documents/opencv/geometricFigure.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_TITLE[] = "input image";
	char OUTPUT_TITLE[] = "hough-line-detection";
	namedWindow(INPUT_TITLE, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	// extract edge
	Canny(src, src_gray, 150, 200);
	cvtColor(src_gray, dst, COLOR_GRAY2BGR);
	imshow("edge image", src_gray);

	vector<Vec2f> lines;
	HoughLines(src_gray, lines, 1, CV_PI / 180, 150, 0, 0);
	for (size_t i = 0; i < lines.size(); i++) {
		float rho = lines[i][0]; // 極座標中的r長度
		float theta = lines[i][1]; // 極座標中的角度
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a * rho, y0 = b * rho;
		// 轉換爲平面座標的四個點
		pt1.x = cvRound(x0 + 1000 * (-b));//Rounds floating-point number to the nearest integer.
		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, LINE_AA);
	}
	imshow(OUTPUT_TITLE, dst);

	// 中值濾波,霍夫變換圓檢測對噪聲很敏感
	Mat moutput;
	medianBlur(src, moutput, 3);
	cvtColor(moutput, moutput, COLOR_BGR2GRAY);

	// 霍夫圓檢測
	vector<Vec3f> pcircles;
	HoughCircles(moutput, pcircles, HOUGH_GRADIENT, 1, 10, 20, 45, 2, 200);
	src.copyTo(dst);
	for (size_t i = 0; i < pcircles.size(); i++) {
		Vec3f cc = pcircles[i];
		circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);
		circle(dst, Point(cc[0], cc[1]), 2, Scalar(198, 23, 155), 2, LINE_AA);
	}
	imshow("cricle", dst);


	waitKey(0);
	return 0;
}

運行效果:


解析及注意事項

• Hough Line Transform用來做直線檢測，前提條件是邊緣檢測已經完成。
• 霍夫空間中的點在立體直角座標系中是一條直線，霍夫空間中的直線在立體直角座標系中是一個點。
• 標準的霍夫變換 cv::HoughLines從平面座標轉換到霍夫空間，最終輸出是 (θ,r)表示極座標空間
• 霍夫變換直線概率 cv::HoughLinesP最終輸出是直線的兩個點（x0，y0）(x1，y1)。相比於HoughLines建議使用HoughLinesP
• 因爲霍夫圓檢測對噪聲比較敏感，所以首先要對圖像做中值濾波。
• 基於效率考慮，Opencv中實現的霍夫變換圓檢測是基於圖像梯度的實現，分爲兩步：1. 檢測邊緣，發現可能的圓心。2. 基於第一步的基礎上從候選圓心開始計算最佳半徑大小。
• cvRound可以用於四捨五入浮點數

全註釋代碼

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;
int main(int argc, char** argv) {
	Mat src, src_gray, dst;
	src = imread("D:/86186/Documents/opencv/geometricFigure.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_TITLE[] = "input image";
	char OUTPUT_TITLE[] = "hough-line-detection";
	namedWindow(INPUT_TITLE, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	// extract edge
	Canny(src, src_gray, 150, 200);
	cvtColor(src_gray, dst, COLOR_GRAY2BGR);
	imshow("edge image", src_gray);

	vector<Vec2f> lines;
	HoughLines(src_gray, lines, 1, CV_PI / 180, 150, 0, 0);
	/*
	參數:
		InputArray src, // 輸入圖像，必須8-bit的灰度圖像
		OutputArray lines, // 輸出的極座標來表示直線
		double rho, // 生成極座標時候的像素掃描步長
		double theta, //生成極座標時候的角度步長，一般取值CV_PI/180
		int threshold, // 閾值，只有獲得足夠交點的極座標點才被看成是直線
		double srn=0;// 是否應用多尺度的霍夫變換，如果不是設置0表示經典霍夫變換
		double stn=0;//是否應用多尺度的霍夫變換，如果不是設置0表示經典霍夫變換
		double min_theta=0; // 表示角度掃描範圍 0 ~180之間， 默認即可
		double max_theta=CV_PI
	一般情況是有經驗的開發者使用，需要自己反變換到平面空間,建議用HoughLines
	*/
	for (size_t i = 0; i < lines.size(); i++) {
		float rho = lines[i][0]; // 極座標中的r長度
		float theta = lines[i][1]; // 極座標中的角度
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a * rho, y0 = b * rho;
		// 轉換爲平面座標的四個點
		pt1.x = cvRound(x0 + 1000 * (-b));//Rounds floating-point number to the nearest integer.
		/*
		int cvRound (double value)
		int cvRound (float value)
		int cvRound (int value)
		If the value is outside of INT_MIN ... INT_MAX range, the result is not defined.
		*/
		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, LINE_AA);
	}
	imshow(OUTPUT_TITLE, dst);

	/*waitKey(0);
	vector<Vec4f> plines;
	HoughLinesP(src_gray, plines, 1, CV_PI / 180.0, 10, 0, 10);
	Scalar color = Scalar(0, 0, 255);
	for (size_t i = 0; i < plines.size(); i++) {
		Vec4f hline = plines[i];
		line(dst, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3, LINE_AA);
	}
	imshow(OUTPUT_TITLE, dst);*/



	// 中值濾波,霍夫變換圓檢測對噪聲很敏感
	Mat moutput;
	medianBlur(src, moutput, 3);
	cvtColor(moutput, moutput, COLOR_BGR2GRAY);

	// 霍夫圓檢測
	vector<Vec3f> pcircles;
	HoughCircles(moutput, pcircles, HOUGH_GRADIENT, 1, 10, 20, 45, 2, 200);
	/*
	InputArray image, // 輸入圖像 ,必須是8位的單通道灰度圖像
	OutputArray circles, // 輸出結果，發現的圓信息
	Int method, // 方法 - HOUGH_GRADIENT
	Double dp, // dp = 1;
	Double mindist, // 10 最短距離-可以分辨是兩個圓的，否則認爲是同心圓- src_gray.rows/8
	Double param1, // canny edge detection low threshold
	Double param2, // 中心點累加器閾值 – 候選圓心
	Int minradius, // 最小半徑
	Int maxradius//最大半徑
	*/
	src.copyTo(dst);
	for (size_t i = 0; i < pcircles.size(); i++) {
		Vec3f cc = pcircles[i];
		circle(dst, Point(cc[0], cc[1]), cc[2], Scalar(0, 0, 255), 2, LINE_AA);
		circle(dst, Point(cc[0], cc[1]), 2, Scalar(198, 23, 155), 2, LINE_AA);
	}
	imshow("cricle", dst);


	waitKey(0);
	return 0;
}

翻譯筆記
round n.巡邏；巡視；圓形物；球狀物
adj.圓的；球形的；豐滿的；弧形的
adv.附近；向四面；又；指朝反方向
v.拐過；繞過；使成圓形；把…四捨五入
prep.繞過；在…周圍；始終