OpenCV2学习笔记（八）：使用霍夫变换检测直线和圆

最新推荐文章于 2025-06-23 22:30:26 发布

原创

最新推荐文章于 2025-06-23 22:30:26 发布 · 7.8k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#qt #opencv #c++ #霍夫变换 #图像处理

本文介绍了使用OpenCV2的霍夫变换检测图像中的直线和圆。通过基础Hough变换和概率Hough变换，展示了如何在Qt环境中实现直线检测，并解释了两种变换的区别。此外，还探讨了霍夫变换检测圆形的原理和实现方法，以及适用于更复杂形状的广义Hough变换。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在研究一幅图像时，常常会遇到一些平面或线性问题，直线在图像中频繁可见。这些富有意义的特征在物体识别等图像处理过程中扮演着重要的角色。本节主要记录一种经典的检测直线算法——霍夫变换(Hough Transform)，用Hough变换检测图像中的直线和圆，开发平台为Qt5.3.2+OpenCV2.4.9。

一：Hough变换检测图像的直线

1.基础Hough变换

在霍夫变换中，直线用以下方程表示：

这里写图片描述

其中，参数这里写图片描述表示一条直线到图像原点（左上角）的距离，表示与直线垂直的角度。如下图所示，直线1的垂直线的角度等于0，而水平线5的等于二分之π。同时，直线3的角度等于四分之π，而直线4的角度大约是0.7π。为了能够在这里写图片描述为区间[0,π]之间得到所有可能的直线，半径值可取为负数，这正是直线2的情况。

这里写图片描述

OpenCV提供两种霍夫变换的实现，基础版本是：cv::HoughLines。它的输入为一幅包含一组点的二值图像，其中一些排列后形成直线，通常这是一幅边缘图像，比如来自Sobel算子或Canny算子。cv::HoughLines函数的输出是cv::Vec2f向量，每个元素都是一对代表检测到的直线的浮点数(p, r0)。在设计程序时，先求出图像中每点的极坐标方程，若相交于一点的极坐标曲线的个数大于最小投票数，则将该点所对应的(p, r0)放入vector中，即得到一条直线。cv::HoughLines函数的调用方法如下：

    // 基础版本的Hough变换
    // 首先应用Canny算子获取图像的轮廓
    cv::Mat image = cv::imread("c:/031.jpg", 0);
    cv::Mat contours;
    cv::Canny(image,contours,125,350);

    // Hough变换检测直线
    std::vector<cv::Vec2f> lines;
    cv::HoughLines(contours,lines,
                   1,PI/180,  // 步进尺寸
                   80);       // 最小投票数

实现基础Hough变换的完整代码如下，直接在main函数中添加：

#include <QCoreApplication>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <QDebug>
#define PI 3.1415926

int main(int argc, char *argv[])
{
    QCoreApplication a(argc, argv);
    // 基础版本的Hough变换
    // 首先应用Canny算子获取图像的轮廓
    cv::Mat image = cv::imread("c:/031.jpg", 0);
    cv::Mat contours;
    cv::Canny(image,contours,125,350);

    // Hough变换检测直线
    std::vector<cv::Vec2f> lines;
    cv::HoughLines(contours,lines,
                   1,PI/180,  // 步进尺寸
                   80);       // 最小投票数

    // 以下步骤绘制直线
    cv::Mat result(contours.rows,contours.cols,CV_8U,cv::Scalar(