Python如何将极坐标数据转换为直角坐标数据

【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，可以得到r的大小

属于同一条直线上点在极坐标空(r, theta)必然在一个点上有最强的信号出现，根据此反算到平面坐标中就可以得到直线上各点的像素坐标,从而得到直线。从平面坐标变换到霍夫空间（极坐标）

相关API

1、 标准的霍夫变换 cv::HoughLines从平面坐标转换到霍夫空间，最终输出是

表示极坐标空间

cv::HoughLines(
InputArray src, // 输入图像，必须8-bit的灰度图像
OutputArray lines, // 输出的极坐标来表示直线
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步长，一般取值CV_PI/180
int threshold, // 阈值，只有获得足够交点的极坐标点才被看成是直线
double srn=0;// 是否应用多尺度的霍夫变换，如果不是设置0表示经典霍夫变换
double stn=0;//是否应用多尺度的霍夫变换，如果不是设置0表示经典霍夫变换
double min_theta=0; // 表示角度扫描范围 0 ~180之间， 默认即可
double max_theta=CV_PI
) 
// 一般情况是有经验的开发者使用，需要自己反变换到平面空间

2、霍夫变换直线概率 cv::HoughLinesP最终输出是直线的两个点

cv::HoughLinesP(
InputArray src, // 输入图像，必须8-bit的灰度图像
OutputArray lines, // 输出的极坐标来表示直线
double rho, // 生成极坐标时候的像素扫描步长,一般取1
double theta, //生成极坐标时候的角度步长，一般取值CV_PI/180
int threshold, // 阈值，只有获得足够交点的极坐标点才被看成是直线，一般取10
double minLineLength=0;// 最小直线长度
double maxLineGap=0;// 最大间隔
)

代码实现

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
	Mat src, gray_src, dst;
	src = imread("1.jpg");
	if (src.empty()) {
		cout << "can not load the image..." << endl;
		return -1;
	}
	char input_title[] = "input";
	char output_title[] = "houghlines_demo";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	Canny(src, gray_src, 100, 200, 3);
	imshow("edge image", gray_src);
	imwrite("edge image.jpg", gray_src);
	cvtColor(gray_src, dst, CV_GRAY2BGR);

	vector<Vec4f>plines;
	HoughLinesP(gray_src, plines, 1, CV_PI / 180.0, 10, 0, 10);
	Scalar color = Scalar(0, 255, 0);
	for (size_t i = 0; i < plines.size(); i++) {
		Vec4f hline = plines[i];
		line(dst, Point(hline[0], hline[1]), Point(hline[2], hline[3]), color, 3,LINE_AA);
	}
	imshow(output_title, dst);
	imwrite("HoughlineP_demo.jpg", dst);

	waitKey(0);
	return 0;

}

实验结果

原图

边缘检测

HoughLineP