Transformation de Hough
Coordonnées polaires
Détection de ligne
Étapes du processus:
- Transformez des points en coordonnées spatiales en espace de coordonnées polaires (espace de Hough) via des coordonnées polaires
- Les lignes représentées par les points d'intersection dans l'espace de Hough sont les lignes où se trouvent ces points
- Utilisez ensuite les coordonnées polaires pour transformer inversement les points sélectionnés par Hough dans l'espace de Hough en lignes droites en coordonnées rectangulaires.
Détection de cercle
Étapes du processus
- Effectuez d'abord un filtrage médian sur l'image, car la détection du cercle de Hough est plus sensible au bruit de sel et de poivre de l'image
- Effectuer une détection de bord astucieuse, filtrer d'abord les points qui peuvent être des bords
- Utilisez des équations paramétriques pour convertir le système de coordonnées cartésiennes en système de coordonnées polaires
- En supposant que chaque pixel est le centre (a, b), après avoir déterminé (a, b), changez θ et R pour dessiner plusieurs cercles, et lorsque ces cercles se croisent en un point, c'est le centre d'un cercle, et le rayon est Il peut y en avoir plusieurs (déterminé par la distance entre ces points et ce point)
Introduction à l'API
Détection de ligne
HoughLines(
InputArray src,//输入图像，必须是8-bit的灰度图
OutputArray lines,//输出图像，是极坐标形式的直线
double rho,//生成极坐标时候的像素扫描步长，以像素为单位的距离步长。
double theta,//生成极坐标时候的角度扫描步长，以弧度为单位的角度步长。
int threshold,//阈值，只有获得足够交点的极坐标才会被视为是一条有效的直线
double srn=0,//默认值为0，用于在多尺度霍夫变换中作为参数rho的除数，rho=rho/srn。
double stn=0,//默认值为0，用于在多尺度霍夫变换中作为参数theta的除数，theta=theta/stn。
double min_theta,//表示角度扫描范围0~180之间，默认即可
double max_theta = CV_PI//
)
//需要自己将他反变换回直角坐标系中
HoughLinesP
(
InputArray src,//输入图像，必须是8-bit的灰度图
OutputArray lines,//输出直线，是直角坐标形式的直线
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扫描步长，通常取CV_PI/180
double minLineLength = 0,//最小直线长
double maxLineGap = 0，//最大间隔，即直线与直线之间的间隔
)
//直接返回直角坐标系中的直线Détection de cercle
HoughCircles(
InputArray src,//输入图像，必须是8-bit的灰度图
OutputArray lines,//输出结果，发现圆的信息
Int method,//方法 HOUGH_GRADENT 基于梯度的
Double dp,//dp = 1 ,DIP,即尺度
Double mindist,//两个圆弧相隔的最短距离，比这个距离小就认为是同一个圆，大于则认为是同心圆
Double param1,//canny的弱边缘阈值
Double param2,//中心点累加器的阈值，即有多数个像素在同一弧度上，才判断为圆，设定此值需要参考半径
Int minradiux,//最小半径
Int maxradiux,//最大半径
)Code et pratique
Détection de ligne
#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char* argv[])
{
//src = imread("src.jpg");
Mat src = imread("1.PNG");
Mat edge_img;
if (!src.data)
{
cout << "cannot open image" << endl;
return -1;
}
Mat gray_src;
cvtColor(src, gray_src, COLOR_BGR2GRAY);
Canny(src, edge_img, 150, 250);
imshow("edge image", edge_img);
vector<Vec4f> plines;
//创建向量存储检测结果
HoughLinesP(edge_img, plines, 1, CV_PI/180.0, 10, 0, 5);
//检测直线
Scalar color = Scalar(0, 0, 255);
for (size_t i = 0; i < plines.size(); i++)
{
Vec4f hline = plines[i];
line(gray_src, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3, LINE_AA);
}
imshow("OUTPUT", gray_src);
waitKey(0);
return 0;
}
#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char* argv[])
{
Mat src = imread("5.jpg");
//Mat src = imread("1.PNG");
Mat edge_img;
if (!src.data)
{
cout << "cannot open image" << endl;
return -1;
}
Mat moutput;
medianBlur(src, moutput,3);
cvtColor(moutput, moutput, COLOR_BGR2GRAY);
vector<Vec3f> pcircles;
//创建向量存储检测结果
HoughCircles(moutput, pcircles, HOUGH_GRADIENT, 1, 15, 30, 35, 15, 50);
//检测圆
Scalar color = Scalar(0, 255, 0);
for (size_t i = 0; i < pcircles.size(); i++)
{
Vec3f cc = pcircles[i];
circle(src, Point(cc[0], cc[1]), cc[2], color, 2);
circle(src, Point(cc[0], cc[1]), 2, color, 2);
}
imshow("OUTPUT", src);
waitKey(0);
return 0;
}