|
線段檢測主要運用Hough變換，Hough變換是圖像處理中從圖像中識別幾何形狀的基本方法之一，應用很廣泛，也有很多改進算法。主要用來從圖像中分離出具有某種相同特征的幾何形狀（如，直線，圓等）。最基本的霍夫變換是從黑白圖像中檢測直線(線段)。 在OpenCV編程中，實現線段檢測主要使用cvHoughLines2函數。 函數原型： CvSeq* cvHoughLines2( CvArr* image, void* line_storage, int method, double rho, double theta, int threshold, double param1=0, double param2=0 ); 參數說明： 第一個參數表示輸入圖像，必須為二值圖像（黑白圖）。 第二個參數表示存儲容器，可以傳入CvMemStorage類型的指針。 第三個參數表示變換變量，可以取下面的值： CV_HOUGH_STANDARD - 傳統或標準 Hough 變換. 每一個線段由兩個浮點數 (ρ, θ) 表示，其中 ρ 是線段與原點 (0,0) 之間的距離，θ 線段與 x-軸之間的夾角。 CV_HOUGH_PROBABILISTIC - 概率 Hough 變換(如果圖像包含一些長的線性分割，則效率更高)。它返回線段分割而不是整個線段。每個分割用起點和終點來表示。 CV_HOUGH_MULTI_SCALE - 傳統 Hough 變換的多尺度變種。線段的編碼方式與 CV_HOUGH_STANDARD 的一致。 第四個參數表示與象素相關單位的距離精度。 第五個參數表示弧度測量的角度精度。 第六個參數表示檢測線段的最大條數，如果已經檢測這么多條線段，函數返回。 第七個參數與第三個參數有關，其意義如下： 對傳統 Hough 變換，不使用(0). 對概率 Hough 變換，它是最小線段長度. 對多尺度 Hough 變換，它是距離精度 rho 的分母 (大致的距離精度是 rho 而精確的應該是 rho / param1 ). 第八個參數與第三個參數有關，其意義如下： 對傳統 Hough 變換，不使用 (0). 對概率 Hough 變換，這個參數表示在同一條線段上進行碎線段連接的最大間隔值(gap), 即當同一條線段上的兩條碎線段之間的間隔小于param2時，將其合二為一。 對多尺度 Hough 變換，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精確的角度應該是 theta / param2)。 示例程序： hough.cpp #include #include #include #include #include using namespace std; int main (int argc, char **argv) { const char *pstrWindowsSrcTitle = "initial"; const char *pstrWindowsLineName = "hough"; IplImage *pSrcImage = cvLoadImage("hough.jpg", CV_LOAD_IMAGE_UNCHANGED); IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1); cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY); IplImage *pCannyImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1); cvCanny(pGrayImage, pCannyImage, 30, 90); CvMemStorage *pcvMStorage = cvCreateMemStorage(); double fRho = 1; double fTheta = CV_PI / 180; int nMaxLineNumber = 50; //最多檢測條直線 double fMinLineLen = 50; //最小線段長度 double fMinLineGap = 10; //最小線段間隔 CvSeq *pcvSeqLines = cvHoughLines2(pCannyImage, pcvMStorage, CV_HOUGH_PROBABILISTIC, fRho, fTheta, nMaxLineNumber, fMinLineLen, fMinLineGap); IplImage *pColorImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3); cvCvtColor(pCannyImage, pColorImage, CV_GRAY2BGR); int i; for(i = 0; i < pcvSeqLines->total; i++) { CvPoint* line = (CvPoint*)cvGetSeqElem(pcvSeqLines, i); cvLine(pColorImage, line[0], line[1], CV_RGB(255,0,0), 2); } cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE); cvShowImage(pstrWindowsSrcTitle, pSrcImage); cvNamedWindow(pstrWindowsLineName, CV_WINDOW_AUTOSIZE); cvShowImage(pstrWindowsLineName, pColorImage); cvWaitKey(0); cvReleaseMemStorage(&pcvMStorage); cvDestroyWindow(pstrWindowsSrcTitle); cvDestroyWindow(pstrWindowsLineName); cvReleaseImage(&pSrcImage); cvReleaseImage(&pGrayImage); cvReleaseImage(&pCannyImage); cvReleaseImage(&pColorImage); return 0; } makefile: INCLUDE = $(shell pkg-config --cflags opencv) LIBS = $(shell pkg-config --libs opencv) SOURCES = hough.cpp # 目標文件 OBJECTS = $(SOURCES:.cpp=.o) # 可執行文件 TARGET = hough $(TARGET)  (OBJECTS) g++ -o $(TARGET) $(OBJECTS) -I $(INCLUDE) $(LIBS) $(OBJECTS) (SOURCES) g++ -c $(SOURCES) clean: rm $(OBJECTS) $(TARGET) # 編譯規則 $@代表目標文件 $< 代表第一個依賴文件 %.o:%.cpp g++ -I $(INCLUDE) -o $@ -c $< 所在文件夾上已有hough.jpg圖片，make后執行./hough hough.jpg 【Rayeager PX2分享】OpenCV入門之線段檢測 
感謝fjjjnk1234的分享 更多請參考：http://chipspark.com/ |
