直线在图像中出现的频率非常之高,而直线作为图像的特征对于基本内容的图像分析有着很重要的作用,本文通过OpenCV中的hough变换来检测图像中的线条。
我们先看最基本的Hough变换函数HoughLines,它的原型如下:
void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 );
它的输入是一个二值的轮廓图像,往往是边缘检测得到的结果图像;它的输出是一个包含多个Vec2f点的数组,数组中的每个元素是一个二元浮点数据 对<rou,theta>,rou代表直线离坐标原点的距离,theta代表角度。第3和第4个参数代表步长,因为Hough变换实际上是一 个穷举的算法,rho表示距离的步长,theta代表角度的步长。第5个参数是一个阈值设置直接的最低投票个数,知道Hough原理的,这个参数应该很容 易理解。
从 这个函数的输出结果我们可以看出,得到的直线并没有指定在图像中的开始点与结束点,需要我们自己去计算,如果我们想把直接显示在图像中就会比较麻烦,而且 会有很多角度接近的直线,其实它们是重复的,为了解决上面这些问题,OpenCV又提供了一个函数HoughLinesP()。它的输出是一个 Vector of Vec4i。Vector每一个元素代表一条直线,是由一个4元浮点数组构成,前两个点一组,后两个点一组,代表了在图像中直线的起始和结束点。
void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta,int threshold, double minLineLength=0, double maxLineGap=0 );
解释一下最后两个参数,minLineLength指定了检测直线中的最小宽度,如果低于最小宽度则舍弃掉,maxLineGap指定通过同一点的直线,如果距离小于maxLineGap就会进行合并。
- 下面是一个用HoughLinesP检测直线的例子:
1 int main()
2 {
3 Mat image=imread("../car.png");
4 Mat I;
5 cvtColor(image,I,CV_BGR2GRAY);
6 Mat contours;
7 Canny(I,contours,125,350);
8 threshold(contours,contours,128,255,THRESH_BINARY);
9 vector<Vec4i> lines;
10 // 检测直线,最小投票为90,线条不短于50,间隙不小于10
11 HoughLinesP(contours,lines,1,CV_PI/180,80,50,10);
12 drawDetectLines(image,lines,Scalar(0,255,0));
13 namedWindow("Lines");
14 imshow("Lines",image);
15 waitKey();
16 return 0;
17 }
上面程序将检测到的线条保存在lines变量内,我们需要进一步将它们画在图像上:
1 void drawDetectLines(Mat& image,const vector<Vec4i>& lines,Scalar & color)
2 {
3 // 将检测到的直线在图上画出来
4 vector<Vec4i>::const_iterator it=lines.begin();
5 while(it!=lines.end())
6 {
7 Point pt1((*it)[0],(*it)[1]);
8 Point pt2((*it)[2],(*it)[3]);
9 line(image,pt1,pt2,color,2); // 线条宽度设置为2
10 ++it;
11 }
12 }
实 际上Hough变换可以检测很多固定的形状,比如:圆、正方形等。它们的原理基本相同,都是构造一个投票矩阵。OpenCV里提供了检测圆的函数 HoughCircles,它的输出是一个Vector of Vec3i,Vector的每个元素包含了3个浮点数,前2个是圆的中心坐标,最后一个是半径。