t云建站,网站上线多久才能百度,腾讯云 一键wordpress,茶具网站模板霍夫直线变换的函数
HoughLines 是OpenCV库中用于执行霍夫直线变换的函数。霍夫直线变换用于检测图像中的直线。下面是该函数的基本用法#xff1a;
cv::HoughLines(image, lines, rho, theta, threshold);image: 输入的二值图像#xff0c;通常是通过边缘检测算法生成的。…霍夫直线变换的函数
HoughLines 是OpenCV库中用于执行霍夫直线变换的函数。霍夫直线变换用于检测图像中的直线。下面是该函数的基本用法
cv::HoughLines(image, lines, rho, theta, threshold);image: 输入的二值图像通常是通过边缘检测算法生成的。lines: 存储检测到的直线的容器。rho: 霍夫空间中的距离分辨率。通常设置为像素。theta: 霍夫空间中的角度分辨率。通常设置为弧度。threshold: 用于判断直线是否检测成功的阈值。只有当投票数大于等于此阈值时才会被认为检测到一条直线。
cv::HoughLines 函数将在输入图像上执行霍夫直线变换识别直线并将检测到的直线的参数 (ρ, θ) 存储在 lines 容器中。每个检测到的直线都由 (ρ, θ) 表示其中 ρ 是距离原点的距离θ 是直线的角度。您可以在 lines 容器中访问这些参数。
以下是一个使用 cv::HoughLines 的简单示例
#include opencv2/opencv.hpp
#include iostream
#include opencv2/highgui/highgui.hpp
#include opencv2/imgproc/imgproc.hppusing namespace std;
using namespace cv;
#include fstream
using namespace cv; //包含cv命名空间
#include opencv2/core/core.hpp//----------------- 【main()函数】--------------------------
// 描述 控制台应用程序的入口函数 我们的程序从这里开始
//
int main()
{//【1】载入原始图和 Mat变量定义Mat srcImage imread(113.jpg); //工程目录下应该有一张名为1. jpg的素材图Mat midImage, dstImage;//临时变量和目标图的定义//【2】进行边缘检测和转化为灰度图Canny(srcImage, midImage, 50, 200, 3);//进行一此 canny边缘检测cvtColor(midImage, dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图//【3】进行霍夫线变换vectorVec2f lines;//定义一个矢量结构lines用于存放得到的线段矢量集合HoughLines(midImage, lines, 1, CV_PI/180, 150, 0, 0 );//【4】依次在图中绘制出每条线段for (size_t i 0; i lines.size(); i){float rho lines[i][0], theta lines[i][1];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));//此句代码的OpenCV2版为://line( dstImage, pt1, pt2, Scalar(55,100,195), 1, CV_AA);//此句代码的 OpenCV3版为:line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1, LINE_AA);}//【5】显示原始图imshow(【原始图】, srcImage);//【6】边缘检测后的图imshow(【边缘检测后的图】, midImage);//【7】显示效果图imshow(【效果图】, dstImage);waitKey(0);return 0;
}累计概率霍夫变换 HoughLinesP()函数
cv::HoughLinesP 是OpenCV库中用于执行概率霍夫直线变换Probabilistic Hough Line Transform的函数。概率霍夫直线变换与传统霍夫直线变换不同它不需要计算每个像素的直线参数 (ρ, θ)而是通过连接边缘点的局部段来检测线段。这可以显著提高速度特别是在处理大型图像时。
以下是 cv::HoughLinesP 函数的基本用法
cv::HoughLinesP(image, lines, rho, theta, threshold, minLineLength, maxLineGap);image: 输入的二值图像通常是通过边缘检测算法生成的。lines: 存储检测到的直线段的容器。rho: 霍夫空间中的距离分辨率。通常设置为像素。theta: 霍夫空间中的角度分辨率。通常设置为弧度。threshold: 用于判断线段是否检测成功的阈值。只有当线段上的点数大于等于此阈值时才会被接受。minLineLength: 最小线段长度。任何短于此长度的线段都会被忽略。maxLineGap: 允许将同一线段的两个线段断开的最大距离。
cv::HoughLinesP 函数将在输入图像上执行概率霍夫直线变换识别线段并将检测到的线段的起始点和终止点存储在 lines 容器中。
以下是一个简单的示例演示如何使用 cv::HoughLinesP 检测线段
#include opencv2/opencv.hpp
#include iostream
#include opencv2/highgui/highgui.hpp
#include opencv2/imgproc/imgproc.hppusing namespace std;
using namespace cv;
#include iostream
#include fstream
using namespace cv; //包含cv命名空间
#include opencv2/core/core.hpp
//--【main()函数】 -//- -------- ---- -------------
// 描述 控制台应用程序的入口函数 我们的程序从这里开始
//.
int main()
{//【1】载入原始图和Mat变量定义Mat srcImage imread(113.jpg); //工程目录下应该有一张名为1. jpg的素材图Mat midImage, dstImage;//临时变量和目标图的定义//【2】进行边缘检测和转化为灰度图Canny(srcImage, midImage, 50, 200, 3);//进行一此 canny边缘检测cvtColor(midImage, dstImage, COLOR_GRAY2BGR);//转化边缘检测后的图为灰度图//【3】进行霍夫线变换vectorVec4i lines;//定义一个矢量结构lines用于存放得到的线段矢量集合HoughLinesP(midImage, lines, 1, CV_PI/180, 80, 50, 10 );//【4】依次在图中绘制出每条线段for (size_t i 0; i lines.size(); i){Vec4i l lines[i];line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(186, 88, 255), 1, LINE_AA);//此句代码的OpenCV2版为://line( dstImage, Point(1[0], 1[1]), Point(1[2], 1[3]),Scalar(186,88,255), 1, CV_AA);//此句代码的OpenCV3版为:}//【5】显示原始图imshow(【原始图】, srcImage);//【6】边缘检测后的图imshow(【边缘检测后的图】, midImage);//【7】显示效果图imshow(【效果图】, dstImage);waitKey(0);return 0;
}
这个示例加载了经过边缘检测的图像然后使用 cv::HoughLinesP 函数检测线段并在图像上绘制检测到的线段。请确保在 cv::HoughLinesP 函数中适当调整距离分辨率、角度分辨率、阈值、最小线段长度和最大线段断开距离以获得最佳的结果。
霍夫圆变换的函数cv::HoughCircles
cv::HoughCircles 是OpenCV库中用于执行霍夫圆变换的函数。霍夫圆变换用于检测图像中的圆。以下是 cv::HoughCircles 函数的基本用法
cv::HoughCircles(image, circles, cv::HOUGH_GRADIENT, dp, minDist, param1, param2, minRadius, maxRadius);image: 输入的灰度图像通常是通过边缘检测和预处理生成的。circles: 存储检测到的圆的容器。method: 用于检测圆的方法通常使用 cv::HOUGH_GRADIENT。dp: 累加器分辨率与图像分辨率的比例。通常设置为1。minDist: 检测到的圆之间的最小距离。param1: Canny边缘检测的高阈值。param2: 累加器阈值用于确定检测到的圆。minRadius: 允许的最小圆半径。maxRadius: 允许的最大圆半径。
cv::HoughCircles 函数将在输入图像上执行霍夫圆变换识别圆并将检测到的圆的圆心坐标和半径存储在 circles 容器中。
以下是一个简单的示例演示如何使用 cv::HoughCircles 检测圆
#include opencv2/opencv.hpp
#include iostream
#include opencv2/highgui/highgui.hpp
#include opencv2/imgproc/imgproc.hppusing namespace std;
using namespace cv;
#include iostream
#include fstream
using namespace cv; //包含cv命名空间
#include opencv2/core/core.hpp
//----【main()函数】------ -------- -
// 描述 控制台应用程序的入口函数 我们的程序从这里开始
int main()
{//【1】载入原始图、Mat 变量定义Mat srcImage imread(2144.jpg); //工程目录下应该有一张名为1. jpg的素材图Mat midImage, dstImage;//临时变量和目标图的定义//【2】显示原始图imshow(【原始图】, srcImage);//【3】转为灰度图并进行图像平滑cvtColor(srcImage, midImage, COLOR_BGR2GRAY);//转化边缘检测后的图为灰度图GaussianBlur(midImage, midImage, Size(9, 9), 2, 2);//【4】进行霍夫圆变换vectorVec3f circles;HoughCircles(midImage, circles, HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);//【5】依次在图中绘制出圆for (size_t i 0; i circles.size(); i){//参数定义Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));int radius cvRound(circles[i][2]);//绘制圆心circle(srcImage, center, 3, Scalar(0, 255, 0), -1, 8, 0);//绘制圆轮廓circle(srcImage, center, radius, Scalar(155, 50, 255), 3, 8, 0);}//【6】显示效果图imshow(【效果图】, srcImage);waitKey(0);return 0;
}
