本文共 3756 字，大约阅读时间需要 12 分钟。
霍夫变换是一种强大的图像处理技术，广泛应用于直线和圆的检测。了解其工作原理和OpenCV的实现方法，可以帮助我们高效地解决实际问题。
霍夫变换最初由Paul Hough提出，后由Richard Duda和Peter Hart推广。其核心思想是将图像中的直线转换为极坐标系下的曲线，从而通过曲线交点的特性来识别直线。这种方法在图像处理领域具有重要地位。
OpenCV提供了HoughLines函数，该函数用于检测图像中的直线。其参数包括：
image：输入的单通道8位灰度图像。lines：输出的直线向量，类型为Vec2f，每个向量包含ρ和θ值。rho：ρ轴的精度，单位为像素。theta：θ轴的精度，单位为弧度。threshold：曲线交点的累积投票阈值。示例代码：
#include#include #include #include #include using namespace std;int main(int argc, char **argv) { const char *filename = (argc >= 2) ? argv[1] : "line.png"; Mat src = imread(findFile(filename), IMREAD_GRAYSCALE); if (src.empty()) { cout << filename << " is empty." << endl; return -1; } // 边缘检测 Canny(src, dst, 50, 200, 3); cvtColor(dst, cdst, COLOR_GRAY2BGR); // 标准霍夫线检测 vector lines; HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0); // 绘制检测到的直线 for (size_t i = 0; i < lines.size(); ++i) { float rho = lines[i][0]; float theta = lines[i][1]; Point p1, p2; double a = cos(theta), b = sin(theta); p1.x = round(rho * a + 1000 * (-b)); p1.y = round(rho * b + 1000 * a); p2.x = round(rho * a - 1000 * (-b)); p2.y = round(rho * b - 1000 * a); line(cdst, p1, p2, Scalar(0, 0, 255), 3, LINE_AA); } imwrite("std_line_res.png", cdst); // 可能性的霍夫线检测 vector linesP; HoughLinesP(dst, linesP, 1, CV_PI/180, 2, 2, 5); // 绘制检测到的直线 for (size_t i = 0; i < linesP.size(); ++i) { Vec4f l = linesP[i]; line(cdstP, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA); } imwrite("prob_line_res.png", cdstP); imshow("Source", src); imshow("Detected Lines - Standard Hough Line Transform", cdst); imshow("Detected Lines - Probabilistic Line Transform", cdstP); waitKey(); return 0; }
结果展示：
OpenCV提供了HoughCircles函数，用于检测图像中的圆。其参数包括：
image：输入的单通道8位灰度图像。circles：输出的圆信息，类型为Vec4f或Vec4i，每个向量包含圆心坐标、半径和投票数。method：检测方法，当前仅支持HOUGH_GRADIENT。dp：累加器的精度。minDist：圆心的最小距离。param1和param2：根据检测方法适配的参数。minRadius：检测的最小圆半径。maxRadius：检测的最大圆半径。示例代码：
#include#include #include #include #include using namespace std;int main(int argc, char **argv) { const char *filename = (argc >= 2) ? argv[1] : "apple.png"; Mat src = imread(findFile(filename), IMREAD_COLOR); if (src.empty()) { cout << filename << " is empty." << endl; return -1; } Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); medianBlur(gray, gray, 5); vector circles; HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 100, 30, 1, 10); for (size_t i = 0; i < circles.size(); ++i) { Vec4f c = circles[i]; Point center(c[0], c[1]); circle(src, center, 2, Scalar(0, 0, 255), 2); circle(src, center, c[2], Scalar(0, 0, 255), 3, LINE_AA); cout << "circle vote numbers: " << c[3] << endl; } imwrite("detected_circle.png", src); imshow("Detected Circles", src); // 调整dp参数 HoughCircles(gray, circles, HOUGH_GRADIENT, 4, 100, 30, 1, 10); for (size_t i = 0; i < circles.size(); ++i) { Vec4f c = circles[i]; Point center(c[0], c[1]); circle(src, center, 2, Scalar(0, 0, 255), 2); circle(src, center, c[2], Scalar(0, 0, 255), 3, LINE_AA); cout << "circle vote numbers: " << c[3] << endl; } imwrite("detected_circle_4.png", src); waitKey(); return 0; }
结果展示：
在实际应用中，合理选择霍夫变换的参数可以显著影响检测的效果和性能。例如：
霍夫线检测：
rho和theta的精度参数需要根据图像分辨率和预期直线密度进行调整。threshold参数控制曲线交点的阈值，较低的阈值可能导致更多的假阳性，较高的阈值可能遗漏真实的直线。霍夫圆检测：
dp参数控制累加器的分辨率，较高的dp值可能导致检测时间增加，但也可能减少误检。minRadius和maxRadius参数限制检测的圆的大小范围，可以减少冗余检测。霍夫变换是一种强大的图像处理工具，能够有效地检测图像中的直线和圆。OpenCV提供了丰富的API，允许开发者根据具体需求选择合适的检测方法和参数。通过合理配置参数和结合边缘检测算法，可以实现高效且准确的图像分析任务。
转载地址：http://yohfk.baihongyu.com/