opencv学习之路（18）、霍夫变换

一、简介

在图像处理和计算机视觉领域中，如何从当前的图像中提取所需要的特征信息是图像识别的关键所在。在许多应用场合中需要快速准确地检测出直线或者圆。其中一种非常有效的解决问题的方法是霍夫（Hough）变换。

二、霍夫线变换

霍夫线变换的原理

以上原理部分，转自http://blog.csdn.net/poem_qianmo/article/details/26977557

 #include "opencv2/opencv.hpp"
 using namespace cv;

 void main()
 {
     Mat src=imread("E://1.png");
     Mat dst;
     imshow("src", src);

     Canny(src, src, , );
     imshow("Canny", src);
     //cvtColor(src, dst, CV_BGR2GRAY);//彩色图转灰度图：该语句不能放在canny边缘检测后（canny检测后，图像变为了灰度图）
     cvtColor(src, dst, CV_GRAY2BGR);//灰度图转彩色图

     //进行霍夫线变换
     vector<Vec2f> lines;  //定义矢量结构lines用于存放得到的线段矢量集合
     HoughLines(src, lines, , CV_PI/, );//超过150的线段才被检测到

     //依次在图中绘制出每条线段
     for (size_t i = ; i < lines.size(); i++)
     {
         float rho=lines[i][],theta=lines[i][];
         Point pt1,pt2;
         double a=cos(theta),b=sin(theta);
         double x0=a*rho,y0=b*rho;
         pt1.x=cvRound(x0+*(-b));//cvRound(double value) 函数：对一个double型数字四舍五入，返回一个整数
         pt1.y=cvRound(y0+*(a));
         pt2.x = cvRound(x0 - *(-b));
         pt2.y = cvRound(y0 - *(a));
         line(dst,pt1,pt2,Scalar(,,),,);
     }

     imshow("dst", dst);
     waitKey();
     destroyAllWindows();
 }

三、累计概率霍夫变换

 #include "opencv2/opencv.hpp"
 using namespace cv;

 void main()
 {
     //HoughLinesP()用法
     Mat src = imread("E://1.png");
     Mat dstImg = src.clone();
     imshow("src", src);

     cvtColor(src, src, CV_BGR2GRAY);
     Canny(src,src, , );
     vector<Vec4i> lines;  //定义矢量结构lines用于存放得到的线段矢量集合
     HoughLinesP(src, lines, , CV_PI/, , , );
     //依次在图中绘制出每条线段
     for(size_t i = ; i<lines.size(); i++)
     {
         Vec4i p = lines[i];
         line(dstImg, Point(p[0], p[1]), Point(p[2], p[3]), Scalar(0, 255, 0), 2, 8);     }
     imshow("dst", dstImg);
     waitKey();
     destroyAllWindows();
 }

四、霍夫圆变换

霍夫圆变换的基本原理和上面讲的霍夫线变化大体上是很类似的，只是点对应的二维极径极角空间被三维的圆心点x, y还有半径r空间取代。说“大体上类似”的原因是，如果完全用相同的方法的话，累加平面会被三维的累加容器所代替：在这三维中，一维是x，一维是y，另外一维是圆的半径r。这就意味着需要大量的内存而且执行效率会很低，速度会很慢。

对直线来说, 一条直线能由参数极径极角表示. 而对圆来说, 我们需要三个参数来表示一个圆, 也就是：

这里的（Xcenter，Ycenter）表示圆心的位置 (下图中的绿点) ，而 r 表示半径, 这样我们就能唯一的定义一个圆了, 见下图:

在OpenCV中，我们一般通过一个叫做“霍夫梯度法”的方法来解决圆变换的问题。

• 第一个参数，InputArray类型的image，输入图像，即源图像，需为8位的灰度单通道图像。
• 第二个参数，InputArray类型的circles，经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量，每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。
• 第三个参数，int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。
• 第四个参数，double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。上述文字不好理解的话，来看例子吧。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
• 第五个参数，double类型的minDist，为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
• 第六个参数，double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
• 第七个参数，double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
• 第八个参数，int类型的minRadius,有默认值0，表示圆半径的最小值。
• 第九个参数，int类型的maxRadius,也有默认值0，表示圆半径的最大值。

需要注意的是，使用此函数可以很容易地检测出圆的圆心，但是它可能找不到合适的圆半径。我们可以通过第八个参数minRadius和第九个参数maxRadius指定最小和最大的圆半径，来辅助圆检测的效果。或者，我们可以直接忽略返回半径，因为它们都有着默认值0，单单用HoughCircles函数检测出来的圆心，然后用额外的一些步骤来进一步确定半径。

 #include "opencv2/opencv.hpp"
 using namespace cv;

 void main()
 {
     Mat src = imread("E://C.jpg");
     Mat dst = src.clone();
     imshow("src", src);

     cvtColor(src, src, CV_BGR2GRAY);
     GaussianBlur(src,src,Size(,),);

     vector<Vec3f> circles;
     HoughCircles(src, circles, CV_HOUGH_GRADIENT,1.5, , , );
     for(size_t i = ; i<circles.size(); i++)
     {
         Point center(cvRound(circles[i][]), cvRound(circles[i][]));
         int radius = cvRound(circles[i][]);
         circle(dst, center, , Scalar(, , ), -, ,);//设置为-1时，画实心圆
         circle(dst, center, radius, Scalar(, , ), , ,);//画空心圆
     }
     imshow("dst", dst);
     waitKey();
 }

五、其他