霍夫变换——直线检测

考古debug,其实很久之前就解决的bug......一直忘记过来改文章....欸

=============================原文==================================   

此处膜拜大神(学到很多):http://blog.csdn.net/jia20003/article/details/7724530

这个博客更了很多图像处理算法的底层实现解析,都很详细易懂,先mark

========================我是分割线=============================

霍夫变换:CV中常用的识别几何图形的方法,其中最简单的应用就是直线检测

     主要原理是对于边缘的每一个像素点(x0,y0),把可能经过它的所有直线y=kx+b,映射到k-b空间(即hough space),然后投票

     但是,对于与x轴垂直的直线,斜率不存在,无法表示,所以用参数方程表示,r = x * cos(theta) + y * sin (theta), 其中(x,y)表示某一个边缘的像素点,r表示经过该点直线到原点的距离,theta表示r与x正轴的夹角。

     原理分析如下图:(画得..还挺chou...手残)

      

      

     所以最终的霍夫空间可以用r-theta表示。

     对于每个边缘点映射之后,在霍夫空间进行投票,每次有直线方程满足(r, theta)点,此处的像素值+1: 

        

     最后可以得到一张这样的hough-space图像:

     

     某一个点越白(像素值越大)表示,越多的点经过这条直线,这就有可能是一条边界直线

     过滤,求出局部极大值,可以得到几条直线方程(四条单像素宽直线),然后就可以根据直线方向在原图标定角点

       

以下为具体步骤以及实现:

     1. 彩色图像RBG->灰度图Gray

        (opencv上需要注意颜色空间是RGB还是BGR,CImg中RGB分别对应0,1,2通道)

      2.       去噪(高斯核)

      3.       边缘提取(梯度算子、拉普拉斯算子、canny; 此处实现用sobel)

      4.       二值化(判断此处是否为边缘点,就看灰度值==255)

         5.       映射到霍夫空间(此处准备两个容器,一个CImg用来展示hough-space概况,一个数组hough-space用来储存voting的值,因为投票过程往往有某个极大值超过255,多达几千,不能直接用灰度图来记录投票信息)

      6.        取局部极大值,设定阈值,过滤干扰直线

      7.        绘制直线、标定角点

实现

    1. 转灰度

      可以用自带API,或者自己写

    2. 高斯去噪(采用了一个标准差为1的高斯核)

      

    3. sobel算子提取边界

     sobel时梯度算子的一种

     

    4. 二值化(应该设置一个阈值,对不同的图,不同的阈值,以便完整显示边界)

     在高斯去噪和边界提取之后都需要二值化

     以下时同一张图片的二值化(阈值分别为60、80、100、127),可见,保持较好的边缘信息需要合适的阈值

   

    5. 映射到霍夫空间

     先在原图构造一个x-y平面,一一对应各点的直线方程计算O(0,0)为事实上的原点,O‘(width/2,height/2)为构造平面的原点

     然后构造一个hough-space,其中纵轴表示theta的刻度,theta取值0~PI,分成500个刻度,r的最大值为max_length=sqrt((width/2)^2 + (height/2)^2),又r存在正负值,故而hough-space的横轴需要2*max_length

       

      

    //霍夫空间,图像初始化
CImg<unsigned char> output( * max_length, hough_space, , );
int** hough = new int*[];
for (int k = ; k < hough_space; k ++)
hough[k] = new int[*max_length] ();
output.fill(); //检测每一个点的所有可能直线方程,并记录投票,以及最大值
int max_hough = ;
for (int x = ; x < width; x ++) {
for (int y = ; y < height; y ++) {
int temp = (int)inputImage.atXYZC(x, y, , );
if (temp == )continue;
else {
for (int degree = ; degree < hough_space; degree ++) {
double r = (x - centerX) * cos(degree * hough_intervals) + (y - centerY) * sin(degree * hough_intervals);
r += max_length;
if (r < || (r >= * max_length))continue;
unsigned char temp = output.atXYZC((unsigned int)r, degree, , ) + ;
output.atXYZC((unsigned int)r, degree, , ) = temp;
hough[degree][(int)r] ++;
if (max_hough < hough[degree][(int)r])max_hough = hough[degree][(int)r];
}
}
}
}
cout << "max_hough = " << max_hough << endl;

     6. 取局部极大值,设定阈值,过滤干扰直线(直线方程存储在lines中)

//输出直线轨迹
CImg<unsigned char> output1(width, height, , );
output1.fill(); //设置阈值
int threshold = int(max_hough * value);
cout << "threshold = " << threshold << endl;
int count = ;
vector<pair<int, int> > lines;
//遍历hough空间,找到所有比阈值大的点
for (int row = ; row < hough_space; row ++) {
for (int col = ; col < * max_length; col ++) {
bool newLines = true;
int temp = hough[row][col];
if (hough[row][col] > threshold) {
for (int k = ; k < lines.size(); k ++) {
//判断极值
if ((abs(lines[k].first - row) < || abs(( - lines[k].first) + row) < ) && abs(lines[k].second - col) < ) {
if (hough[row][col] > hough[lines[k].first][lines[k].second]) {
lines[k].first = row;
lines[k].second = col;
}
newLines = false;
}
}
if (newLines) {
lines.push_back(make_pair(row, col));
//cout << "push " << row << " "<< col << endl;
}
}
}
}

     7. 绘制直线、标定角点(角点信息存储在node中)

      因为有的直线斜率K可能不存在,所以我判断两条直线相较的条件是在draw lines的时候,看一下某像素点是不是已经被标记直线,若是,则说明有直线与当前直线相交,记录交点(但是这种方法不是很好,最后讨论优缺点)

 //角点
vector<pair<int, int> > node; //draw lines
for (int k = ; k < lines.size(); k ++) {
int row = lines[k].first;
int col = lines[k].second;
//cout << "line " << k << " = " << row << " " << col << endl;
double dy = sin(row * hough_intervals);
double dx = cos(row * hough_intervals);
if ((row <= hough_space / ) || (row >= * hough_space / )) {
for (int sRow = ; sRow < height; ++sRow) {
int sCol;
if (row == || row == )sCol = (int)(col - max_length) + centerX;
sCol = (int)((col - max_length - ((sRow - centerY) * dy)) / dx) + centerX;
if (sCol < width && sCol >= ) {
if((int)output1.atXYZC(sCol, sRow, , ) == )node.push_back(make_pair(sCol, sRow));
else output1.atXYZC(sCol, sRow, , ) = (unsigned char);
}
}
}
else {
for (int sCol= ; sCol < width; ++sCol) {
int sRow;
if(row == )sRow = (int)(col - max_length) + centerY;
sRow = (int)((col - max_length - ((sCol - centerX) * dx)) / dy) + centerY;
if (sRow < height && sRow >= ) {
if((int)output1.atXYZC(sCol, sRow, , ) == )node.push_back(make_pair(sCol, sRow));
else output1.atXYZC(sCol, sRow, , ) = (unsigned char);
}
}
}
} //在原图上标记
CImg<unsigned char> output2(scrImage); //标记
for (int k = ; k < lines.size(); k ++) {
unsigned int w = output2.width();
unsigned int h = output2.height(); int range = ; cout << "node x = " << node[k].first << " " << " y = " << node[k].second << endl; for (int c = -range; c < range; c ++) {
for (int r = -range; r < range; r ++) {
int distance = (int)sqrt(c * c + r * r + 0.0);
if (node[k].first>= range && node[k].first < width - range && node[k].second >= range && node[k].second < height - range) {
if (distance <= && node[k].first + c >= && node[k].first + c < width && node[k].second + r >= && node[k].second + r < height) {
output2.atXYZC(node[k].first + c, node[k].second + r, , ) = (unsigned char)();
output2.atXYZC(node[k].first + c, node[k].second + r, , ) = (unsigned char)();
output2.atXYZC(node[k].first + c, node[k].second + r, , ) = (unsigned char)();
}
}
}
}
}

分析

   几幅图像的实验结果如下:

   去噪、提取边缘、二值化之后(图1\2\3\4)

   

   依次为图1\2\3\4的霍夫空间表示

     

   

   

     

   分别为图1\2\3\4的边界直线绘制,可知四张图的边界都可以检测到

   

   在原图上标定交点

   

   可以发现,四张图中,只有图2的角点没有标好,其余三张图的边界直线都有斜率K不存在的情况,所以,我的标定方法适用,当直线的斜率存在时,就很可能出现一下情况:(红蓝分别表示两条直线的像素点,可以看到虽然它们相交,但是在像素表示上并无交点,这时候需要多加一个判断,是否需要用直线方程y=kx+b来直接求出交点)

   

【CImg】霍夫变换——直线检测的更多相关文章

  1. opencv学习笔记霍夫变换——直线检测

    参考大佬博文:blog.csdn.net/jia20003/article/details/7724530 lps-683.iteye.com/blog/2254368 openCV里有两个函数(比较 ...

  2. Matlab 霍夫变换 ( Hough Transform) 直线检测

    PS:好久没更新,因为期末到了,拼命复习中.复习久了觉得枯燥,玩玩儿霍夫变换直线检测 霍夫变换的基本原理不难,即便是初中生也很容易理解(至少在直线检测上是这样子的). 霍夫变换直线检测的基本原理:(不 ...

  3. Python+OpenCV图像处理(十四)—— 直线检测

    简介: 1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.主要用来从图像中分离出具有某种相同特征的几何形状(如,直线 ...

  4. 【python+opencv】直线检测+圆检测

     Python+OpenCV图像处理—— 直线检测 直线检测理论知识: 1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进 ...

  5. opencv::霍夫变换-直线

    霍夫直线变换介绍 Hough Line Transform用来做直线检测 前提条件 – 边缘检测已经完成 平面空间到极坐标空间转换 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 ...

  6. opencv python:直线检测 与 圆检测

    霍夫直线变换介绍 霍夫圆检测 现实中: example import cv2 as cv import numpy as np # 关于霍夫变换的相关知识可以看看这个博客:https://blog.c ...

  7. python实现直线检测

    目录: (一)原理 (二)代码(标准霍夫线变换,统计概率霍夫线变换) (一)原理 1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也 ...

  8. opencv直线检测在c#、Android和ios下的实现方法

    opencv直线检测在c#.Android和ios下的实现方法 本文为作者原创,未经允许,不得转载 :原文由作者发表在博客园:http://www.cnblogs.com/panxiaochun/p/ ...

  9. Win8 Metro(C#)数字图像处理--2.38Hough变换直线检测

    原文:Win8 Metro(C#)数字图像处理--2.38Hough变换直线检测  [函数名称] Hough 变换直线检测         HoughLineDetect(WriteableBit ...

随机推荐

  1. Midnight.js – 实现奇妙的固定头部切换效果

    Midnight.js 是一款 jQuery 插件,在页面滚动的时候实现多个头设计之间的切换,所以你总是有一个头与它下面的内容层叠,看起来效果很不错. Midnight.js 可以让你轻松实现这种切换 ...

  2. 使用 Google Analytics 跟踪 JavaScript 错误

    Google Analytics(谷歌分析)不仅仅是一个流量统计工具,你还可以用它来测量广告活动的有效性,跟踪用户多远到所需的页面流(从点击广告到购物车到结账页面)获取,并基于用户的信息设置浏览器和语 ...

  3. JavaScript学习笔记6 之经典神坑题整理

    本篇内容是关于容易出错题的整理,这些题也有利于对javascript的语法逻辑的理解,分析的内容仅供参考: <script> */ var x=0 , y=0 , c=1; functio ...

  4. js的一些坑,持续增加,学习js应该注意的问题

    大家来补充 1.变量类型模糊,容易出现问题; var a='1',b=1; a==b; //true a===b; //false 2.全局变量与函数内部变量同名时,在函数内部声明变量,声明位置虽然在 ...

  5. 颜色空间变换(RGB-HSV)

    #!/usr/bin/env python #***************************************************************************** ...

  6. SharePoint 2013 关于自定义显示列表表单的bug

    1.在SharePoint 2013中,我们隐藏列表Dispform页面的ListFormWebPart部件,转而使用自定义显示列表表单进行展示,因为这样更容易定制我们需要的显示: 2.之后发现文件夹 ...

  7. Android java传递int类型数组给C

    接着前面的文章<Android java传递int类型数据给C><Android java传递string类型数据给C>,继续实践 实现public native int[] ...

  8. Android与JS之间跨平台异步调用

     为什么突然要搞这个问题呢?  在开发浏览器的时候遇到这个狗血的问题,花了将近1天的时间才想到这个解决方案,Android与JavaScirpt互调. 因为接口是抓取的别人的,所以出现了JS跨域问题, ...

  9. Android源码笔记——Camera系统架构

    Camera的架构与Android系统的整体架构保持一致,如下图所示,本文主要从以下四个方面对其进行说明. Framework:Camera.java Android Runtime:android_ ...

  10. 转:JQuery.Ajax之错误调试帮助信息

    今天发现一篇讲Ajax比较好的文章,汇总下,作为自己的知识储备. 下面是Jquery中AJAX参数详细列表: 参数名 类型 描述 url String (默认: 当前页地址) 发送请求的地址. typ ...