首页 > 其他 > 详细

OpenCV2马拉松第22圈——Hough变换直线检测原理与实现

时间:2014-06-05 04:30:29      阅读:455      评论:0      收藏:0      [点我收藏+]
计算机视觉讨论群162501053

收入囊中
  • Hough变换
  • 概率Hough变换
  • 自己实现Hough变换直线检测

葵花宝典
先看一下我实现的效果图
bubuko.com,布布扣

下面,我们进入Hough变换的原理讲解。
bubuko.com,布布扣
看上图,我们知道,经过一点(x0,y0)的直线可以表示成y0 = mox + b0
反过来看方程,b = –x0m + y0 ,于是我们从原来的坐标系转移到了Hough空间,m是横坐标,b是纵坐标

bubuko.com,布布扣
刚才提到,经过(x0,y0)的直线具有的特征是b = –x0m + y0,在Hough空间下也是一条直线,
那么经过(x1,y1)的直线具有的特征是b = -x1m + y1,在Hough空间下是另一条直线。
两条直线的相交点的(m,b)就是经过(x0,y0)(x1,y1)的直线,这个应该可以理解吧。
于是就有了一个简单的想法,对于每一个点,在Hough空间中都画出一条直线,对于每条直线经过的点,都填充在如下的 Hough空间中,看哪交点多,就能确定。我们用一个二维数组表示Hough空间,如下。最后就变成数哪些格子的值比较高。
bubuko.com,布布扣
但是,用m和b有局限性。因为m是可以取到无穷大的,所以这个特征只在理论上可行...实际上我们不可能申请一个无限大的二维数组。

自然而然,我们想到了极坐标,在极坐标下,就没有这个限制了。
bubuko.com,布布扣在极坐标下,我们的直线可以写成:bubuko.com,布布扣
也就是:bubuko.com,布布扣
经过点(x0,y0)的直线:bubuko.com,布布扣
当x0 = 8, y0 = 6,我们有这样的图
bubuko.com,布布扣我们在下面只考虑bubuko.com,布布扣 并且 bubuko.com,布布扣.

我们还有2个点,bubuko.com,布布扣bubuko.com,布布扣       bubuko.com,布布扣bubuko.com,布布扣,就可以绘制出下面的图形
bubuko.com,布布扣这3条直线相交于bubuko.com,布布扣, 也就是说 (bubuko.com,布布扣) = bubuko.com,布布扣 是这3个点 bubuko.com,布布扣bubuko.com,布布扣  bubuko.com,布布扣共同经过的直线!

因此,我们有了算法雏形                                       bubuko.com,布布扣

? 初始化H( Hough空间的二维数组)全为0
? 遍历图片的 (x,y) 
For θ = 0 to 360
      ρ = xcos θ + y sin θ
      H(θ,
ρ) = H(θ,ρ) + 1
    end
end
? Find the value(s) of (θ, ρ)where H(θ, ρ)is a local maximum
? Thedetected line in the image is given by  ρ = xcos θ + y sin θ

看下面的图片,当都一条直线时,Hough空间的某个区域就会很亮,取局部极大值就可以

bubuko.com,布布扣

一张更复杂的图片
bubuko.com,布布扣


初识API
C++: void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 )
 
  • image – 8-bit,单通道二值图(有可能被函数改变)
  • lines – 输出vector,是 bubuko.com,布布扣 的vector. bubuko.com,布布扣 是距离原点距离bubuko.com,布布扣 (图片左上角[0,0]处). bubuko.com,布布扣  ( bubuko.com,布布扣 ).
  • rho – 累加器的半径resolution
  • theta – 累加器的theta resulution
  • threshold – 返回Hough空间中 ( bubuko.com,布布扣 ).的点
  • srn – For the multi-scale Hough transform, it is a divisor for the distance resolution rho . The coarse accumulator distance resolution is rho and the accurate accumulator resolution is rho/srn . If both srn=0 and stn=0 , the classical Hough transform is used. Otherwise, both these parameters should be positive.
  • stn – For the multi-scale Hough transform, it is a divisor for the distance resolution theta.


C++: void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength=0, doublemaxLineGap=0 )
 
  • image –8-bit,单通道二值图(有可能被函数改变)
  • lines – 输出向量是4-element vector bubuko.com,布布扣 ,  bubuko.com,布布扣 是起点 bubuko.com,布布扣 是终点
  • rho – Distance resolution of the accumulator in pixels.
  • theta – Angle resolution of the accumulator in radians.
  • threshold – Accumulator threshold parameter. Only those lines are returned that get enough votes ( bubuko.com,布布扣 ).
  • minLineLength – 最小长度,小于这个值不被认为是线段
  • maxLineGap – 两个点之间最大的gap,当小于这个值两个点就被认为是同一线段的点


荷枪实弹
还是先贴出官方sample
#include <cv.h>
#include <highgui.h>
#include <math.h>

using namespace cv;

int main(int argc, char** argv)
{
    Mat src, dst, color_dst;
    if( argc != 2 || !(src=imread(argv[1], 0)).data)
        return -1;

    Canny( src, dst, 50, 200, 3 );
    cvtColor( dst, color_dst, CV_GRAY2BGR );

#if 0
    vector<Vec2f> lines;
    HoughLines( dst, lines, 1, CV_PI/180, 100 );

    for( size_t i = 0; i < lines.size(); i++ )
    {
        float rho = lines[i][0];
        float theta = lines[i][1];
        double a = cos(theta), b = sin(theta);
        double x0 = a*rho, y0 = b*rho;
        Point pt1(cvRound(x0 + 1000*(-b)),
                  cvRound(y0 + 1000*(a)));
        Point pt2(cvRound(x0 - 1000*(-b)),
                  cvRound(y0 - 1000*(a)));
        line( color_dst, pt1, pt2, Scalar(0,0,255), 3, 8 );
    }
#else
    vector<Vec4i> lines;
    HoughLinesP( dst, lines, 1, CV_PI/180, 80, 30, 10 );
    for( size_t i = 0; i < lines.size(); i++ )
    {
        line( color_dst, Point(lines[i][0], lines[i][1]),
            Point(lines[i][2], lines[i][3]), Scalar(0,0,255), 3, 8 );
    }
#endif
    namedWindow( "Source", 1 );
    imshow( "Source", src );

    namedWindow( "Detected Lines", 1 );
    imshow( "Detected Lines", color_dst );

    waitKey(0);
    return 0;
}

假如我们想检测直线,就可以用第一个API,因为这个API返回的是直线的两个参数
如果想检测图片中的线段,就用第二个API,因为这个 API返回的是起点和终点

下面看下我自己的实现,首先是弧度及结构体的定义
const double pi = 3.1415926f;
const double RADIAN = 180.0/pi; 

struct line
{
	int theta;
	int r;
};

接下来是变换到Hough空间,填充二维数组
vector<struct line> houghLine(Mat &img, int threshold)
{
	vector<struct line> lines;
	int diagonal = floor(sqrt(img.rows*img.rows + img.cols*img.cols));
	vector< vector<int> >p(360 ,vector<int>(diagonal));
	
	for( int j = 0; j < img.rows ; j++ ) { 
		for( int i = 0; i < img.cols; i++ ) {
            if( img.at<unsigned char>(j,i) > 0)
			{
				for(int theta = 0;theta < 360;theta++)
				{
					int r = floor(i*cos(theta/RADIAN) + j*sin(theta/RADIAN));
					if(r < 0)
						continue;
					p[theta][r]++;
				}
			}
		}
	}

	//get local maximum
	for( int theta = 0;theta < 360;theta++)
	{
		for( int r = 0;r < diagonal;r++)
		{
			int thetaLeft = max(0,theta-1);
			int thetaRight = min(359,theta+1);
			int rLeft = max(0,r-1);
			int rRight = min(diagonal-1,r+1);
			int tmp = p[theta][r];
			if( tmp > threshold 
				&& tmp > p[thetaLeft][rLeft] && tmp > p[thetaLeft][r] && tmp > p[thetaLeft][rRight]
				&& tmp > p[theta][rLeft] && tmp > p[theta][rRight]
				&& tmp > p[thetaRight][rLeft] && tmp > p[thetaRight][r] && tmp > p[thetaRight][rRight])
			{
				struct line newline;
				newline.theta = theta;
				newline.r = r;
				lines.push_back(newline);
			}
		}
	}

	return lines;
}

最后是画直线的函数
void drawLines(Mat &img, const vector<struct line> &lines)
{
	for(int i = 0;i < lines.size();i++)
	{
		vector<Point> points;
		int theta = lines[i].theta;
		int r = lines[i].r;

		double ct = cos(theta/RADIAN);
		double st = sin(theta/RADIAN);
		
		//r = x*ct + y*st
		//left
		int y = int(r/st);
		if(y >= 0 && y < img.rows){
			Point p(0, y);
			points.push_back(p);
		}
		//right
		y = int((r-ct*(img.cols-1))/st);
		if(y >= 0 && y < img.rows){
			Point p(img.cols-1, y);
			points.push_back(p);
		}
		//top
		int x = int(r/ct);
		if(x >= 0 && x < img.cols){
			Point p(x, 0);
			points.push_back(p);
		}
		//down
		x = int((r-st*(img.rows-1))/ct);
		if(x >= 0 && x < img.cols){
			Point p(x, img.rows-1);
			points.push_back(p);
		}
		
		cv::line( img, points[0], points[1], Scalar(0,0,255), 1, CV_AA);
	}
}

完整代码
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <vector>
#include <cmath>
using namespace cv;
using namespace std;

const double pi = 3.1415926f;
const double RADIAN = 180.0/pi; 

struct line
{
	int theta;
	int r;
};

/*
 * r = xcos(theta) + ysin(theta)
 */
vector<struct line> houghLine(Mat &img, int threshold)
{
	vector<struct line> lines;
	int diagonal = floor(sqrt(img.rows*img.rows + img.cols*img.cols));
	vector< vector<int> >p(360 ,vector<int>(diagonal));
	
	for( int j = 0; j < img.rows ; j++ ) { 
		for( int i = 0; i < img.cols; i++ ) {
            if( img.at<unsigned char>(j,i) > 0)
			{
				for(int theta = 0;theta < 360;theta++)
				{
					int r = floor(i*cos(theta/RADIAN) + j*sin(theta/RADIAN));
					if(r < 0)
						continue;
					p[theta][r]++;
				}
			}
		}
	}

	//get local maximum
	for( int theta = 0;theta < 360;theta++)
	{
		for( int r = 0;r < diagonal;r++)
		{
			int thetaLeft = max(0,theta-1);
			int thetaRight = min(359,theta+1);
			int rLeft = max(0,r-1);
			int rRight = min(diagonal-1,r+1);
			int tmp = p[theta][r];
			if( tmp > threshold 
				&& tmp > p[thetaLeft][rLeft] && tmp > p[thetaLeft][r] && tmp > p[thetaLeft][rRight]
				&& tmp > p[theta][rLeft] && tmp > p[theta][rRight]
				&& tmp > p[thetaRight][rLeft] && tmp > p[thetaRight][r] && tmp > p[thetaRight][rRight])
			{
				struct line newline;
				newline.theta = theta;
				newline.r = r;
				lines.push_back(newline);
			}
		}
	}

	return lines;
}

void drawLines(Mat &img, const vector<struct line> &lines)
{
	for(int i = 0;i < lines.size();i++)
	{
		vector<Point> points;
		int theta = lines[i].theta;
		int r = lines[i].r;

		double ct = cos(theta/RADIAN);
		double st = sin(theta/RADIAN);
		
		//r = x*ct + y*st
		//left
		int y = int(r/st);
		if(y >= 0 && y < img.rows){
			Point p(0, y);
			points.push_back(p);
		}
		//right
		y = int((r-ct*(img.cols-1))/st);
		if(y >= 0 && y < img.rows){
			Point p(img.cols-1, y);
			points.push_back(p);
		}
		//top
		int x = int(r/ct);
		if(x >= 0 && x < img.cols){
			Point p(x, 0);
			points.push_back(p);
		}
		//down
		x = int((r-st*(img.rows-1))/ct);
		if(x >= 0 && x < img.cols){
			Point p(x, img.rows-1);
			points.push_back(p);
		}
		
		cv::line( img, points[0], points[1], Scalar(0,0,255), 1, CV_AA);
	}
}

int main( int, char** argv )
{
	Mat src,src_gray,edge;
  	src = imread( argv[1] );
  	cvtColor( src, src_gray, CV_BGR2GRAY );

  	blur( src_gray, src_gray, Size(3,3) );
  	Canny( src_gray, edge, 50, 200);
	vector<struct line> lines = houghLine(edge, 90);
	drawLines(src, lines);
	
  	namedWindow("result", 1); 
    imshow("result", src);
    waitKey();
    
  	return 0;
}



举一反三

概率Hough变换在基本算法上增加了比较少的修改。之前是逐行扫描,现在则是随机选点。每当累加器的一个条目达到指定的最小值,就沿这条直线的方向扫描,并且将通过它的所有点删除(即使它们还没有参与投票)。而且该扫描还确定被接受的线段的长度。为此,该算法定义了两个附加参数。一个是被接受线段的最小长度,而另一个是被允许以形成连续的段的最大距离。这个附加步骤增加了算法的复杂性,但是复杂性带来的效率损失被较少的点会参与投票过程补偿。

我们再来看一看其他形状在二维 Hough空间的样子
bubuko.com,布布扣
bubuko.com,布布扣

我们再考虑一下噪声的影响

bubuko.com,布布扣
噪声使得峰值定位很难

bubuko.com,布布扣噪声程度越厉害,结果越不准确

解决噪声问题的算法:
bubuko.com,布布扣
这个算法也不复杂,对于一个点,我们以前要遍历[0,360]的角度,但是现在,这个角度就直接被我们取出来了,速度也有很大的提升,非常不错的算法。

OpenCV2马拉松第22圈——Hough变换直线检测原理与实现,布布扣,bubuko.com

OpenCV2马拉松第22圈——Hough变换直线检测原理与实现

原文:http://blog.csdn.net/abcd1992719g/article/details/27220445

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!