【OpenCV C++20 学习笔记】物体检测-Ballard和Guil霍夫变换

Ballard一般化霍夫变换

概述

以往的霍夫变换对直线和曲线的检测都能适用，但必须要先进行二值化。而Ballard的方法能将霍夫变换推广到一般的灰度图片，所以称为一般化霍夫变换(Generalized Hough Transform)。而且Ballard的方法不仅能够识别直线、圆形、抛物线等分析曲线，还能通过这些简单的形状推广到更复杂的形状，最后做到能够识别任意的复杂形状。¹

API

在OpenCV中，要调用Ballard一般化霍夫变换，没有现成的函数，需要先创造一个GeneralizedHoughBallard对象的智能指针，然后通过该指针设置相关的参数。
给GeneralizedHoughBallard指针传入一个模板，它就会在目标图中找出与模板相同的物体。
具体用法见下面的实现：

实现

这里使用的目标图片如下，即要在下图中找出我们想要识别的物体：

而模板图如下，即要找的物体：

注意：目标图片和模板图都必须转换成灰度格式才能进行检测：

//读取目标图片
Mat image = imread("generalized_hough_mini_image.jpg");
//以灰度格式读取模板图
Mat templ = imread("generalized_hough_mini_template.jpg", IMREAD_GRAYSCALE);

//将目标图片转换成灰度图片
Mat grayImage;
cvtColor(image, grayImage, COLOR_RGB2GRAY);

创建Ballard对象指针，并设置参数，然后进行检测：

//创建接受检测结果的向量
vector<Vec4f> positionBallard;
Mat ballardImage{
    image.clone() };	//复制原图以供绘制检测结果

//======创建Ballard对象指针======
Ptr<GeneralizedHoughBallard> ballard{
    createGeneralizedHoughBallard() };
//设置基础参数
ballard->setMinDist(10);			//设置检测到的物体之间的最小距离（A物体中心到B物体中心）
ballard->setLevels(360);			//R-Table水平（我也不知道是啥）
ballard->setDp(2);					//霍夫空间中的最小单元与图片像素的比例的倒数
ballard->setMaxBufferSize(1000);	//设置内部缓冲的最大容量
ballard->setVotesThreshold(40);		//votes的阈值

//设置边缘检测参数
ballard->setCannyLowThresh(30);		//Canny边缘检测的下阈值
ballard->setCannyHighThresh(110)</