【opencv学习笔记】021之霍夫直线变换原理详解

悠悠 2023-07-09 03:26 3阅读 0赞

**目录**

一、前言

二、霍夫变换

1、霍夫变换是个啥

2、常用霍夫变换

三、霍夫直线变换

1、讲解

2、API

1.HoughLines

2.HoughLinesP

3、代码展示

4、执行结果

--------------------

# 一、前言 #

终于更新到霍夫直线变换了，跟以前写的博客成功接轨。opencv基础博客也即将更新完毕，感谢大家的支持，我们要再接再厉呀！

如果想看其他有关于OpenCV学习方法介绍、学习教程、代码实战、常见报错及解决方案等相关内容，可以直接看我的OpenCV分类：

> [【OpenCV系列】：https://blog.csdn.net/shuiyixin/article/category/7581855][OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]

如果你想了解更多有关于计算机视觉、OpenCV、机器学习、深度学习等相关技术的内容，想与更多大佬一起沟通，那就扫描下方二维码加入我们吧！

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF36FF_t_70][]

# 二、霍夫变换 #

## 1、霍夫变换是个啥 ##

我们先来了解一下霍夫变换是个啥

> 霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。
> 
> 霍夫变换是用来辨别找出物件中的特征，其流程大致如下：
> 
> 给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。

## 2、常用霍夫变换 ##

我们会经常使用到如下两个霍夫变换：

> 1.霍夫直线变换：在图像中寻找直线
> 
> 2.霍夫圆变换：在图像中寻找圆。

这个博客，我们一起来了解一下啥是霍夫直线变换，。如果你想了解霍夫圆变换，请转移到：

> [【opencv学习笔记】022之霍夫圆变换：][opencv_022][https://blog.csdn.net/shuiyixin/article/details/79898107][opencv_022]

# 三、霍夫直线变换 #

## 1、讲解 ##

上面我们知道霍夫直线变换，就是用来检测直线的，那怎么知道一条线是直线呢？

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_16_color_FFFF74_t_70][]

假设我们有上图这个红色的直线，大家看到这个θ和r，学过极坐标的同学应该就能知道了，我们要用极坐标来表示直线了。

对于一条直线来说，我们首先要知道它的平面直角坐标表示（只考虑二维平面）：

![20200227182107465.png][]

而对于上图，我们能知道：

![20200227182617645.png][]

根据上面的公式，我们能够推导出如下公式：

![20200227182912443.png][]

推导过程可以如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF75FF_t_70][]

得到这个公式，有什么作用呢？

我们知道x和y是直线上的点，我们为了方便讲解，我们取一条直线来说明：

![20200227183921309.png][]

对于上面这条直线，有如下五个点是在直线上的：

![20200227184701448.png][]

所以我们可以得到五条直线：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FFF78F_t_70][]

如果我们以θ为横坐标，r为纵坐标，当我们把这五条直线画在同一个坐标系中，我们能得到下面这幅图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF75F_t_70][]

我们发现，这五条直线交于同一点，这就是直线有的特点，我们就通过这个特点，将所有的直线累加，那交点处因为是所有直线的累加，其像素值一定是最高的，我们知道，像素越高，在图像上越亮，当达到255的时候，是最亮，即为白色。所以我们可以通过这种方式来检测到直线。

## 2、API ##

### 1.HoughLines ###

接下来我们讲一下API。霍夫直线有两个API，首先我们先讲一个偏专业的

HoughLines( 
        InputArray image, 
        OutputArray lines,
        double rho, 
        double theta, 
        int threshold,                              
        double srn = 0, 
        double stn = 0,                              
        double min_theta = 0, 
        double max_theta = CV_PI 
    );

函数参数含义如下：

> （1）InputArray类型的src ，8位，单通道二进制源图像。
> 
> （2）OutputArray类型的lines，直线的输出向量。每一直线都由一个双元素向量表示。rho是距坐标原点的距离（0,0）（图像左上角）。theta是以弧度为单位的线旋转角度。
> 
> （3）double类型的rho，累加器的距离分辨率（像素）
> 
> （4）double类型的theta，累加器的角度分辨率（弧度）。
> 
> （5）int类型的threshold，累加器阈值参数。只返回获得足够累加器数量的直线。
> 
> （6）double类型的srn，对于多尺度Hough变换，它是距离分辨率rho的除数，粗累加器距离分辨率为rho，精确累加器分辨率为rho/srn。如果srn=0和stn=0，则使用经典Hough变换。否则，这两个参数都应为正。
> 
> （7）double类型的sth，对于多尺度Hough变换，它是距离分辨率θ的除数。
> 
> （8）double类型的min\_theta，用于标准和多尺度Hough变换，检查直线的最小角度。必须介于0和maxθ之间。
> 
> （9）double类型的max\_theta，用于标准和多尺度Hough变换，用于检查线条的最大角度。必须介于最小θ和CVπ之间。

### 2.HoughLinesP ###

接下来我们先讲一个实用性更高的

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

函数参数含义如下：

## 3、代码展示 ##

如果我们使用HoughLines，代码如下：

#include<iostream>
    #include<opencv2/opencv.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat src, src_gray, dst;
    	src = imread("E:/image/HoughLines.bmp");
    	if (!src.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    	imshow("【输入图像】", src);
    
    	Canny(src, src_gray, 0, 255);
    	cvtColor(src_gray, dst, CV_GRAY2BGR);
    	imshow("【获取边缘】", src_gray);
    
    	vector<Vec2f> lines;
    	HoughLines(src_gray, lines, 1, CV_PI / 180, 100);
    
    	for (size_t i = 0; i < lines.size(); i++) {
    		float rho = lines[i][0]; // 极坐标中的r长度
    		float theta = lines[i][1]; // 极坐标中的角度
    		Point pt1, pt2;
    		double a = cos(theta), b = sin(theta);
    		double x0 = a*rho, y0 = b*rho;
    		// 转换为平面坐标的四个点
    		pt1.x = cvRound(x0 + 1000 * (-b));
    		pt1.y = cvRound(y0 + 1000 * (a));
    		pt2.x = cvRound(x0 - 1000 * (-b));
    		pt2.y = cvRound(y0 - 1000 * (a));
    		line(dst, pt1, pt2, Scalar(0, 0, 255), 5, CV_AA);
    	}
    
    
    	imshow("【输出图像】", dst);
    
    	waitKey(0);
    	return 0;
    }

如果我们使用HoughLinesP，代码如下：

#include<iostream>
    #include<opencv2/opencv.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
    	Mat src, src_gray, dst;
    	src = imread("E:/image/HoughLines.bmp");
    	if (!src.data)
    	{
    		cout << "could not load image !";
    		return -1;
    	}
    	imshow("【输入图像】", src);
    
    	Canny(src, src_gray, 0, 255);
    	cvtColor(src_gray, dst, CV_GRAY2BGR);
    
    	imshow("【获取边缘】", src_gray);
    
    	vector<Vec4f> plines;
    	HoughLinesP(src_gray, plines, 1, CV_PI / 180.0, 10, 0, 10);
    	cout << plines.size() << endl;
    	Scalar color = Scalar(0, 0, 255);
    	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("【输出图像】", dst);
    
    	waitKey(0);
    	return 0;
    }

## 4、执行结果 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF74FF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF78FF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF78FF_t_70 1][] HoughLines

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F78FFF_t_70][] HoughLinesP

可以看到他把所有的直线全部都标注出来，大家也可以自己调整参数观看效果哦。

大家也可以自己尝试一下呀，一定要多做练习！

[OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]: https://blog.csdn.net/shuiyixin/article/category/7581855
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF36FF_t_70]: https://img-blog.csdnimg.cn/20190419195045739.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_36,color_FF36FF,t_70
[opencv_022]: https://blog.csdn.net/shuiyixin/article/details/79898107
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_16_color_FFFF74_t_70]: https://img-blog.csdnimg.cn/20200227181826389.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_16,color_FFFF74,t_70
[20200227182107465.png]: https://img-blog.csdnimg.cn/20200227182107465.png
[20200227182617645.png]: https://img-blog.csdnimg.cn/20200227182617645.png
[20200227182912443.png]: https://img-blog.csdnimg.cn/20200227182912443.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_FF75FF_t_70]: https://img-blog.csdnimg.cn/20200227183409285.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_36,color_FF75FF,t_70
[20200227183921309.png]: https://img-blog.csdnimg.cn/20200227183921309.png
[20200227184701448.png]: https://img-blog.csdnimg.cn/20200227184701448.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FFF78F_t_70]: https://img-blog.csdnimg.cn/20200227184938578.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_26,color_FFF78F,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FFF75F_t_70]: https://img-blog.csdnimg.cn/20200227192116726.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_46,color_FFF75F,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF74FF_t_70]: https://img-blog.csdnimg.cn/20200227205733935.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_46,color_FF74FF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF78FF_t_70]: https://img-blog.csdnimg.cn/20200227205741580.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_46,color_FF78FF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF78FF_t_70 1]: https://img-blog.csdnimg.cn/20200227205753122.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_46,color_FF78FF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_F78FFF_t_70]: https://img-blog.csdnimg.cn/20200227210324910.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg==,size_46,color_F78FFF,t_70