标签：png strong for 结构 接收 进一步 [1] 长度 就是
霍夫变换常用于检测直线特征，经扩展后的霍夫变换也可以检测其他简单的图像结构。
在霍夫变换中我们常用公式
ρ = x*cosθ + y*sinθ
表示直线，其中ρ是圆的半径（也可以理解为原点到直线的距离），θ是直线与水平线所成的角度（0~180°），确定了它们，也就确定一条直线了，和下图略有出入的是实际的原点定在图片左上角。
原理是对于输入的二值图像中的像素点（有值的），按照步长（参数三参数四对应rho和theta的步长）分别计算出每个点上的所有可能的直线。记录下每条直线经过的点数（即存在多个点计算出的直线有交集），按照阈值（参数五）筛选符合条件的图像。
霍夫变换接收二值化的输入，即已经进行初步的轮廓检测之后，才进行直线检测；输出一组cv::Vec2f，通常用vector<CV::Vec2f>接收，所以我们通常使用Canny检测之后进行霍夫变换。
输出的两个float数字表示(rho, theta)，使用cv::line绘图，因其参数需要的是线段的两个端点，所以我们不得不进行还原操作。
void hough() {
cv::Mat image = cv::imread("road.png");
cv::Mat midImage;
cv::Canny(image, midImage, 50, 200, 3);
std::vector<cv::Vec2f> lines;
cv::HoughLines(midImage, lines, 1, CV_PI / 180, 150); // 输入的时二值图像，输出vector向量
for (size_t i=0; i < lines.size(); i++) {
float rho = lines[i][0]; //就是圆的半径r
float theta = lines[i][1]; //就是直线的角度
cv::Point pt1, pt2;
double a = cos(theta), b = sin(theta);
double x0 = a*rho, y0 = b*rho;
pt1.x = cvRound(x0 + 1000 * (-b));
pt1.y = cvRound(y0 + 1000 * (a));
pt2.x = cvRound(x0 - 1000 * (-b));
pt2.y = cvRound(y0 - 1000 * (a));
cv::line(image, pt1, pt2, cv::Scalar(55, 100, 195), 1); //Scalar函数用于调节线段颜色，就是你想检测到的线段显示的是什么颜色
cv::imshow("边缘检测后的图", midImage);
cv::imshow("最终效果图", image);
}
}
概率霍夫变换输出Vec4i，直接输出了每一条线段的首尾，绘图更加方便。它是霍夫变换的改进版，由于算法的改进（会沿着搜寻到的直线扫描图像），可以进一步检测到线段的长度，除了最小投票数（参数五）外，可以额外限制最小线段长度（参数六）和同一线段最大像素间距（参数七）。
void houghp() {
cv::Mat image = cv::imread("road.png");
cv::Mat midImage;
cv::Canny(image, midImage, 50, 200, 3);
std::vector<cv::Vec4i> lines;
cv::HoughLinesP(midImage, lines, 1, CV_PI / 180, 50); // 输入的时二值图像，输出vector向量
for (int i=0; i < lines.size(); i++) {
cv::Point pt1(lines[i][0], lines[i][1]);
cv::Point pt2(lines[i][2], lines[i][3]);
cv::line(image, pt1, pt2, cv::Scalar(0, 255, 255));
}
cv::imshow("概率霍夫变换", image);
}
标签：png strong for 结构 接收 进一步 [1] 长度 就是
原文地址：https://www.cnblogs.com/hellcat/p/9896426.html
