第六章/图像变换 霍夫线变换
2010-12-14 21:49
381 查看
第六章/图像变换 霍夫线变换
//2010年12月14日21:46:34
//rorger整理
//具体可以参考帮助手册
image 输入 8-比特、单通道 (二值) 图像,当用CV_HOUGH_PROBABILISTIC方法检测的时候其内容会被函数改变 line_storage 检测到的线段存储仓. 可以是内存存储仓 (此种情况下,一个线段序列在存储仓中被创建,并且由函数返回),或者是包含线段参数的特殊类型(见下面)的具有单行/单列的矩阵(CvMat*)。矩阵头为函数所修改,使得它的 cols/rows 将包含一组检测到的线段。如果 line_storage 是矩阵,而实际线段的数目超过矩阵尺寸,那么最大可能数目的线段被返回(线段没有按照长度、可信度或其它指标排序). method Hough 变换变量,是下面变量的其中之一:
CV_HOUGH_STANDARD - 传统或标准 Hough 变换. 每一个线段由两个浮点数 (ρ, θ) 表示,其中 ρ 是直线与原点 (0,0) 之间的距离,θ 线段与 x-轴之间的夹角。因此,矩阵类型必须是 CV_32FC2 type.
CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割,则效率更高). 它返回线段分割而不是整个线段。每个分割用起点和终点来表示,所以矩阵(或创建的序列)类型是 CV_32SC4.
CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。
rho 与象素相关单位的距离精度 theta 弧度测量的角度精度 threshold 阈值参数。如果相应的累计值大于 threshold, 则函数返回的这个线段. param1 第一个方法相关的参数:
对传统 Hough 变换,不使用(0).
对概率 Hough 变换,它是最小线段长度.
对多尺度 Hough 变换,它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).
param2 第二个方法相关参数:
对传统 Hough 变换,不使用 (0).
对概率 Hough 变换,这个参数表示在同一条直线上进行碎线段连接的最大间隔值(gap), 即当同一条直线上的两条碎线段之间的间隔小于param2时,将其合二为一。
对多尺度 Hough 变换,它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).
函数 cvHoughLines2 实现了用于线段检测的不同 Hough 变换方法. Example. 用 Hough transform 检测线段
下面是木箱的图片:
//2010年12月14日21:46:34
//rorger整理
//具体可以参考帮助手册
HoughLines
利用 Hough 变换在二值图像中找到直线CvSeq* cvHoughLines2( CvArr* image, void* line_storage, int method, double rho, double theta, int threshold, double param1=0, double param2=0 );
image 输入 8-比特、单通道 (二值) 图像,当用CV_HOUGH_PROBABILISTIC方法检测的时候其内容会被函数改变 line_storage 检测到的线段存储仓. 可以是内存存储仓 (此种情况下,一个线段序列在存储仓中被创建,并且由函数返回),或者是包含线段参数的特殊类型(见下面)的具有单行/单列的矩阵(CvMat*)。矩阵头为函数所修改,使得它的 cols/rows 将包含一组检测到的线段。如果 line_storage 是矩阵,而实际线段的数目超过矩阵尺寸,那么最大可能数目的线段被返回(线段没有按照长度、可信度或其它指标排序). method Hough 变换变量,是下面变量的其中之一:
CV_HOUGH_STANDARD - 传统或标准 Hough 变换. 每一个线段由两个浮点数 (ρ, θ) 表示,其中 ρ 是直线与原点 (0,0) 之间的距离,θ 线段与 x-轴之间的夹角。因此,矩阵类型必须是 CV_32FC2 type.
CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割,则效率更高). 它返回线段分割而不是整个线段。每个分割用起点和终点来表示,所以矩阵(或创建的序列)类型是 CV_32SC4.
CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。
rho 与象素相关单位的距离精度 theta 弧度测量的角度精度 threshold 阈值参数。如果相应的累计值大于 threshold, 则函数返回的这个线段. param1 第一个方法相关的参数:
对传统 Hough 变换,不使用(0).
对概率 Hough 变换,它是最小线段长度.
对多尺度 Hough 变换,它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).
param2 第二个方法相关参数:
对传统 Hough 变换,不使用 (0).
对概率 Hough 变换,这个参数表示在同一条直线上进行碎线段连接的最大间隔值(gap), 即当同一条直线上的两条碎线段之间的间隔小于param2时,将其合二为一。
对多尺度 Hough 变换,它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).
函数 cvHoughLines2 实现了用于线段检测的不同 Hough 变换方法. Example. 用 Hough transform 检测线段
#include "cv.h" #include "highgui.h" #include "math.h" int main(int argc, char ** argv) { IplImage * image = cvLoadImage(argv[1], 0) ; IplImage * dst = cvCreateImage(cvGetSize(image),8,1) ; /*IplImage * icanny=cvCreateImage(cvGetSize(image),8,1) ;*/ CvMemStorage * storage = cvCreateMemStorage(0) ; //we can do this /*cvSetImageCOI(icanny,0) ; cvCvtColor(image,icanny,CV_BGR2GRAY); cvCanny(icanny,dst,50,150);*/ //or we can do this only cvCanny(image,dst,50,150); CvSeq * results= cvHoughLines2(dst,storage, CV_HOUGH_STANDARD,1,CV_PI/180,100,20,30); for(int i = 0 ; i < results ->total ; i ++) { float * lines = (float*) cvGetSeqElem(results, i) ; float rho =lines[0] ; float theta=lines[1]; CvPoint pt1,pt2 ; double a = cos(theta),b=sin(theta) ; if(fabs(a)<0.001) { pt1.x = pt2.x = cvRound(rho) ; pt1.y=0 ; pt2.y=dst->height; } else if(fabs(b)<0.001) { pt1.y = pt2.y = cvRound(rho) ; pt1.x=0 ; pt2.x = dst->width; } else { pt1.x=0; pt1.y=cvRound(rho/b) ; pt2.x=cvRound(rho/a) ; pt2.y=0 ; } cvLine(dst,pt1,pt2,CV_RGB(125,125,125),2); } cvNamedWindow("Source") ; cvNamedWindow("cvHoughLines",1) ; cvShowImage("cvHoughLines",dst); cvShowImage("Source",image); cvWaitKey(0) ; }
下面是木箱的图片:
相关文章推荐
- 第六章 - 图像变换 - 霍夫线变换(cvHoughLines2)
- 第六章 - 图像变换 - 霍夫线变换(cvHoughLines2)
- 第六章 - 图像变换 - Canny算子边缘检测(cvCanny)
- 第六章 - 图像变换 - 卷积和离散傅里叶变换DFT(cvDFT)
- 第六章 - 图像变换 - 直方图均衡化(cvEqualizeHist)
- 第六章 - 图像变换 - 卷积(cvFilter2D)
- 第六章 - 图像变换 - 图像拉伸、收缩、扭曲、旋转[2] - 透视变换(cvWarpPerspective)
- 图像处理——霍夫线/圆变换
- 第六章 - 图像变换 - 霍夫圆变换(cvHoughCircles)
- 第六章图像变换-Canny算法
- 第六章/图像变换 拉普拉斯变换
- 图像直线检测——霍夫线变换
- 【图像处理】霍夫变换
- 第六章 - 图像变换 - 卷积边界(cvCopyMakeBorder)
- 第六章 - 图像变换 - 未实现算法
- Python数字图像处理之霍夫线变换实现详解
- 第六章 - 图像变换 -梯度和Sobel导数(cvSobel)
- 图像处理————霍夫(HOUGH)变换
- 第六章 - 图像变换 - 图像拉伸、收缩、扭曲、旋转[1] - 仿射变换(cvWarpAffine)
- opencv-第六章-图像变换之sobel算子