c/c++的opencv霍夫变换

OpenCV中的霍夫变换 (C/C++) Hough Transform

霍夫变换 (Hough Transform) 是一种在图像分析中用于检测几何形状（如直线、圆形等）的特征提取技术。它通过一种投票机制在参数空间中寻找特定形状的实例。OpenCV 库为 C++ 开发者提供了强大且易用的霍夫变换函数。

1. 霍夫直线变换 (Hough Line Transform) 📏

霍夫直线变换用于检测图像中的直线。其基本思想是将图像空间中的点映射到参数空间（通常是极坐标 ( ρ , θ ) (\rho, \theta) (ρ,θ) 空间），并在参数空间中寻找峰值，这些峰值对应于图像空间中的直线。

直线方程： ρ = x cos ⁡ θ + y sin ⁡ θ \rho = x \cos\theta + y \sin\theta ρ=xcosθ+ysinθ

其中：

• ρ \rho ρ (rho) 是从原点到直线的垂直距离。
• θ \theta θ (theta) 是这条垂直线与 x 轴之间的角度。

  1.1 标准霍夫变换 (Standard Hough Transform - SHT)

  cv::HoughLines 函数实现了标准霍夫变换。它返回一个包含 ( ρ , θ ) (\rho, \theta) (ρ,θ) 对的向量。

  函数原型：

  void cv::HoughLines(
      cv::InputArray image,         // 输入图像 (必须是8位单通道二值图像，通常是Canny边缘检测的输出)
      cv::OutputArray lines,        // 输出向量，存储检测到的直线的参数 (cv::Vec2f 表示 rho 和 theta)
      double rho,                   // rho 的累加器分辨率 (以像素为单位)
      double theta,                 // theta 的累加器分辨率 (以弧度为单位)
      int threshold,                // 累加器阈值参数，只有累加值大于该阈值的直线才会被检测到
      double srn = 0,               // 对于多尺度霍夫变换，它是 rho 的除数。如果为0，则使用经典霍夫变换。
      double stn = 0,               // 对于多尺度霍夫变换，它是 theta 的除数。如果为0，则使用经典霍夫变换。
      double min_theta = 0,         // 检测直线的最小角度 (弧度)
      double max_theta = CV_PI      // 检测直线的最大角度 (弧度)
  );
  

  主要步骤：

  1. 边缘检测：通常使用 cv::Canny。
  2. 应用 cv::HoughLines。
  3. 遍历检测到的直线参数，并在原图上绘制。

  示例代码：

  #include 
  #include 
  #include 
  int main() {
      cv::Mat src = cv::imread("your_image_with_lines.png", cv::IMREAD_GRAYSCALE);
      if (src.empty()) {
          std::cerr 
          float rho = lines[i][0], theta = lines[i][1];
          cv::Point pt1, pt2;
          double a = cos(theta), b = sin(theta);
          double x0 = a * rho, y0 = b * rho;
          pt1.x = cvRound(x0 + 1000 * (-b));
          pt1.y = cvRound(y0 + 1000 * (a));
          pt2.x = cvRound(x0 - 1000 * (-b));
          pt2.y = cvRound(y0 - 1000 * (a));
          cv::line(color_dst, pt1, pt2, cv::Scalar(0, 0, 255), 1, cv::LINE_AA);
      }
      cv::imshow("Source", src);
      cv::imshow("Detected Lines (Standard Hough)", color_dst);
      cv::waitKey(0);
      return 0;
  }
  
      cv::Mat src = cv::imread("your_image_with_lines.png", cv::IMREAD_COLOR);
      if (src.empty()) {
          std::cerr 
          cv::Vec4i l = linesP[i];
          cv::line(src, cv::Point(l[0], l[1]), cv::Point(l[2], l[3]), cv::Scalar(0, 0, 255), 2, cv::LINE_AA);
      }
      cv::imshow("Source", gray); // 显示灰度图或原彩色图
      cv::imshow("Detected Lines (Probabilistic Hough)", src);
      cv::waitKey(0);
      return 0;
  }
  
      cv::Mat src = cv::imread("your_image_with_circles.png", cv::IMREAD_COLOR);
      if (src.empty()) {
          std::cerr 
          cv::Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
          int radius = cvRound(circles[i][2]);
          // 绘制圆心
          cv::circle(src, center, 3, cv::Scalar(0, 255, 0), -1, 8, 0);
          // 绘制圆轮廓
          cv::circle(src, center, radius, cv::Scalar(0, 0, 255), 2, 8, 0);
      }
      cv::imshow("Source", src); // 在原彩色图上绘制
      cv::imshow("Detected Circles", src);
      cv::waitKey(0);
      return 0;
  }