houghlines

最新推荐文章于 2023-10-06 12:20:45 发布

转载最新推荐文章于 2023-10-06 12:20:45 发布 · 1.4k 阅读

本文介绍了一个使用OpenCV的HoughLinesP函数进行直线检测的例子。该函数通过概率霍夫变换来检测图像中的直线，适用于边缘检测后的二值化图像。文章详细解释了HoughLinesP函数的工作原理及参数设置。

简介

本文记录了对OpenCV示例 houghlines .cpp 的分析。

资料地址：http://docs.opencv.org/3.0.0/d2/d7b/houghlines_8cpp-example.html

这个示例主要演示了如何使用 HoughLinesP 对图像进行直线检测。

示例涉及到 HoughLinesP。

HoughLinesP

HoughLinesP函数就是利用概率霍夫变换来检测直线的。它的一般步骤为：

1、随机抽取图像中的一个特征点，即边缘点，如果该点已经被标定为是某一条直线上的点，则继续在剩下的边缘点中随机抽取一个边缘点，直到所有边缘点都抽取完了为止；

2、对该点进行霍夫变换，并进行累加和计算；

3、选取在霍夫空间内值最大的点，如果该点大于阈值的，则进行步骤4，否则回到步骤1；

4、根据霍夫变换得到的最大值，从该点出发，沿着直线的方向位移，从而找到直线的两个端点；

5、计算直线的长度，如果大于某个阈值，则被认为是好的直线输出，回到步骤1。

函数原型：

void HoughLinesP(InputArray image,OutputArray lines, double rho, double theta, int threshold, double minLineLength=0,double maxLineGap=0 )

参数说明：

image：输入图像，要求是8位单通道图像

lines：输出的直线向量，每条线用4个元素表示，即直线的两个端点的4个坐标值

rho和theta：分别为距离和角度的分辨率

threshold：阈值，即步骤3中的阈值

minLineLength：最小直线长度，在步骤5中要用到，即如果小于该值，则不被认为是一条直线

maxLineGap：最大直线间隙，在步骤4中要用到，即如果有两条线段是在一条直线上，但它们之间因为有间隙，所以被认为是两个线段，如果这个间隙大于该值，则被认为是两条线段，否则是一条。

PS:以上描述摘至参考资料 1.《 Opencv2.4.9源码分析——HoughLinesP 》

Example截图

原图	效果图

Example分析

1.从命令行参数加载图像

const string filename = argc >= 2 ? argv[1] : "../data/pic1.png";

Mat src = imread(filename, IMREAD_GRAYSCALE);

if (src.empty())

{

help();

cout << "can not open " << filename << endl;

return -1;

}

2.使用Canny函数对图像进行边缘检测

Mat mask;

cv::Canny(src, mask, 100, 200, 3);

注意：

Canny函数返回的图像为灰度图像，背景为黑色，前景为白色（OpenCV中所谓的二值化的灰度图，虽然还是灰度图）

关于Canny函数的使用可以参考： OpenCV3.0 Examples学习笔记（6）-edge.cpp

3.创建显示检测效果的目标图像

Mat dst_cpu;

cv::cvtColor(mask, dst_cpu, COLOR_GRAY2BGR);

4.使用HoughLinesP对图像进行直线检测

vector<Vec4i> lines_cpu;

{

const int64 start = getTickCount();

cv::HoughLinesP(mask, lines_cpu, 1, CV_PI / 180, 50, 60, 5);

const double timeSec = (getTickCount() - start) / getTickFrequency();

cout << "CPU Time : " << timeSec * 1000 << " ms" << endl;

cout << "CPU Found : " << lines_cpu.size() << endl;

}

注意：

（1）这里使用 getTickCount检测算法运行时间；

5.在目标图像上绘制直线检测结果

for (size_t i = 0; i < lines_cpu.size(); ++i)

{

Vec4i l = lines_cpu[i];

line(dst_cpu, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA);

}

6.显示源图像和直线检测的结果图像

imshow("source", src);

imshow("detected lines [CPU]", dst_cpu);

Example代码

    [cpp] 
    view plaincopy
#include <cmath>  
#include <iostream>  
  
#include "opencv2/core.hpp"  
#include <opencv2/core/utility.hpp>  
#include "opencv2/highgui.hpp"  
#include "opencv2/imgproc.hpp"  
#include "opencv2/cudaimgproc.hpp"  
  
using namespace std;  
using namespace cv;  
using namespace cv::cuda;  
  
static void help()  
{  
    cout << "This program demonstrates line finding with the Hough transform." << endl;  
    cout << "Usage:" << endl;  
    cout << "./gpu-example-houghlines <image_name>, Default is ../data/pic1.png\n" << endl;  
}  
  
int main(int argc, const char* argv[])  
{  
    const string filename = argc >= 2 ? argv[1] : "../data/pic1.png";  
  
    Mat src = imread(filename, IMREAD_GRAYSCALE);  
    if (src.empty())  
    {  
        help();  
        cout << "can not open " << filename << endl;  
        return -1;  
    }  
  
    Mat mask;  
    cv::Canny(src, mask, 100, 200, 3);  
  
    Mat dst_cpu;  
    cv::cvtColor(mask, dst_cpu, COLOR_GRAY2BGR);  
    Mat dst_gpu = dst_cpu.clone();  
  
    vector<Vec4i> lines_cpu;  
    {  
        const int64 start = getTickCount();  
  
        cv::HoughLinesP(mask, lines_cpu, 1, CV_PI / 180, 50, 60, 5);  
  
        const double timeSec = (getTickCount() - start) / getTickFrequency();  
        cout << "CPU Time : " << timeSec * 1000 << " ms" << endl;  
        cout << "CPU Found : " << lines_cpu.size() << endl;  
    }  
  
    for (size_t i = 0; i < lines_cpu.size(); ++i)  
    {  
        Vec4i l = lines_cpu[i];  
        line(dst_cpu, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA);  
    }  
  
    GpuMat d_src(mask);  
    GpuMat d_lines;  
    {  
        const int64 start = getTickCount();  
  
        Ptr<cuda::HoughSegmentDetector> hough = cuda::createHoughSegmentDetector(1.0f, (float) (CV_PI / 180.0f), 50, 5);  
  
        hough->detect(d_src, d_lines);  
  
        const double timeSec = (getTickCount() - start) / getTickFrequency();  
        cout << "GPU Time : " << timeSec * 1000 << " ms" << endl;  
        cout << "GPU Found : " << d_lines.cols << endl;  
    }  
    vector<Vec4i> lines_gpu;  
    if (!d_lines.empty())  
    {  
        lines_gpu.resize(d_lines.cols);  
        Mat h_lines(1, d_lines.cols, CV_32SC4, &lines_gpu[0]);  
        d_lines.download(h_lines);  
    }  
  
    for (size_t i = 0; i < lines_gpu.size(); ++i)  
    {  
        Vec4i l = lines_gpu[i];  
        line(dst_gpu, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA);  
    }  
  
    imshow("source", src);  
    imshow("detected lines [CPU]", dst_cpu);  
    imshow("detected lines [GPU]", dst_gpu);  
    waitKey();  
  
    return 0;  
}  