霍夫直线检测代码实战

Posted 2022-03-25 秃头小苏

 

🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题

🍊往期回顾：霍夫直线检测原理详解

🍊近期目标：拥有2000粉丝
🍊支持小苏：点赞👍🏼、收藏⭐、留言📩

  
 

霍夫直线检测代码实战

  上一节我们详细讲解了霍夫直线原理，想弄清楚霍夫直线检测原理的请前去阅读🚗🚗🚗这一节我们主要来进行代码实战——对车道线进行检测。🏝🏝🏝

  本节主要利用opencv中提供的2个函数进行检测，分别为HoughLines和HoughLinesP函数。这里给出opencv官网对两个函数的解释，点击了解详情。当然，这里也会给出相关的中文含义，如下：

• HoughLines函数🌸

  void cv::HoughLines	(	InputArray 	image,
  OutputArray  lines,
  double 	rho,
  double 	theta,
  int 	threshold,
  double 	srn = 0,
  double 	stn = 0,
  double 	min_theta = 0,
  double 	max_theta = CV_PI 
  )	
  
    　//InputArray image:     输入图像，必须是8位单通道图像。 
  　　//OutputArray lines:    检测到的线条参数集合。 
  　　//double rho:           以像素为单位的距离步长。 
  　　//double theta:         以弧度为单位的角度步长。 
  　　//int threshold:        累加计数值的阈值参数，当参数空间某个交点的累加计数的值超过该阈值，则认为该交点对应了图像空间的一条直线。 
  　　//double srn: 默认值为0，用于在多尺度霍夫变换中作为参数rho的除数，rho=rho/srn。 
  　　//double stn: 默认值为0，用于在多尺度霍夫变换中作为参数theta的除数，theta=theta/stn。
  　　//如果srn和stn同时为0，就表示HoughLines函数执行标准霍夫变换，否则就是执行多尺度霍夫变换。
     //min_theta:  默认值为0	对于标准和多尺度霍夫变换，检查线的最小角度。必须介于 0 和 max_theta 之间。
     //max_theta:  默认值为pi	对于标准和多尺度霍夫变换，检查线的最大角度。必须介于 min_theta 和 CV_PI 之间。
  
  

  注意： HoughLines函数的输出存储在lines中，lines中存储的是检测到的直线的集合，每条直线由两个元素构成的向量（r, θ）表示，其中r表示直线距离原点（0, 0）的长度，θ表示直线的角度（以弧度为单位）。【r,θ的具体描述在上一节霍夫直线原理中有涉及】

• HoughLinesP函数🌸

  void cv::HoughLinesP	(	InputArray 	image,
  OutputArray  lines,
  double 	rho,
  double 	theta,
  int 	threshold,
  double 	minLineLength = 0,
  double 	maxLineGap = 0 
  )	
  
  
  　//InputArray image：输入图像，必须是8位单通道图像。 
  　　//OutputArray lines：检测到的线条参数集合。 
  　　//double rho：直线搜索时的距离步长，以像素为单位。 
  　　//double theta：直线搜索时的角度步长，以弧度为单位。 
  　　//int threshold：累加计数值的阈值参数，当参数空间某个交点的累加计数的值超过该阈值，则认为该交点对应了图像空间的一条直线。 
  　　//double minLineLength：默认值为0，表示最小线段长度阈值（像素）。 
  　　//double maxLineGap：线段上最近两点之间的阈值.默认值为0，表示直线断裂的最大间隔距离阈值。即如果有两条线段是在一条直线上，但它们之间有间隙，那么如果这个间隔距离小于该值，则被认为是一条线段，否则认为是两条线段。
  
  

    注意：HoughLinesP函数的输出同样存储在lines中，lines中存储检测到的直线集合，没条直线由4个元素构成的向量（x1, y1, x2, y2）表示，其中(x1, y1)表示线段的起点，(x2, y2)表示线段的终点。

---

  这里给出HoughLines函数和HoughLinesP函数的区别，从上文的描述中我们应该是能看出一些端倪的。HoughLines函数输出只给出了（r，θ），知道这两个值我们是无法计算出图像空间中线段的长度的；而HoughLinesP函数的输出给出了线段起点和终点的坐标，因此我们可以计算出图像空间中线段的长度。

---

​  介绍完HoughLines和HoughLinesP这两个函数，下面就一起来用代码小试牛刀一下叭🍭🍭🍭首先先来总结一下代码实现霍夫直线检测的步骤，如下：

1. 将彩色图像转化为灰度图 【因为HoughLines和HoughLinesP这两个函数要求输入为8位单通道图像】
2. 图像处理（包括去噪、边缘提取、二值化等等）
3. 调用霍夫直线检测函数
4. 绘制直线

---

下面直接上代码，搞起来兄弟们🍍🍍🍍

• 利用HoughLines函数进行直线检测

  #include <opencv2/opencv.hpp>
  #include <vector>
  #include <iostream>
  int main()
  
      std::string img_path;
      cv::Mat mat_color;
      cv::Mat mat_gray;
      cv::Mat mat_binary;
      cv::Mat mat_canny;
  
      img_path = "E:\\\\毫米波雷达\\\\images.jpg";
      mat_color = cv::imread(img_path, 1);
      mat_gray = cv::imread(img_path, 0);
  
      //形态学闭运算
      cv::Mat elementRect;
      elementRect = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
      cv::morphologyEx(mat_gray, mat_gray, cv::MORPH_CLOSE, elementRect);
  
      // binary
      cv::threshold(mat_gray, mat_binary, 125, 255.0, cv::THRESH_BINARY);
       
      // detect edge
      cv::Canny(mat_binary, mat_canny, 50, 125, 3);
  
      // detect line
      std::vector<cv::Vec2f> lines;
      cv::HoughLines(mat_canny, lines, 1, CV_PI / 180, 80, 0, 0);
  
      // draw line
      std::cout << "line number: " << lines.size() << std::endl;
      for (size_t i = 0; i < lines.size(); i++)
      
          cv::Vec2f linex = lines[i];
          std::cout << "radius: " << linex[0] << ", angle: " << 180 / CV_PI * linex[1] << std::endl;
          float rho = lines[i][0], theta = lines[i][1];
          cv::Point pt1, pt2;
          double a = cos(theta), b = sin(theta);
          double x0 = a * rho, y0 = b * rho;
          //下面的四行代码不知大家能不能理解，后文会专门对其进行解释
          pt1.x = cvRound(x0 + 1000 * (-b));
          pt1.y = cvRound(y0 + 1000 * (a));
          pt2.x = cvRound(x0 - 1000 * (-b));
          pt2.y = cvRound(y0 - 1000 * (a));
          line(mat_color, pt1, pt2, cv::Scalar(0, 255, 0), 2);
      
      cv::imshow("gray", mat_gray);
      cv::imshow("binary", mat_binary);
      cv::imshow("canny", mat_canny);
      cv::imshow("color", mat_color);
      cv::waitKey(0);
  
      return 0;
  
  
  

  输出结果：

  

  可以看出我们可以检测出车道线【注：当然这幅图的干扰因素比较少，若使用其他图片效果不一定这样理想，同时我们需要调节HoughLine中的参数对结果进行相应的调整，以达到最好的输出】

  现对代码中比较难理解的一点进行解释，如下图所示：下图中的代码该如何理解呢？前面我们说到HoughLines函数的返回值只存储了线条的r和θ，那么我们如何来画出这条直线呢，这就用到了下面的代码。

  那上述代码该怎么理解呢？现已知（r,θ）,其在程序中表现为r = rho = lines[i][0] , θ = theta = lines[i][1] 。那么 x0 = a * rho, y0 = b * rho为直线上该点在直角坐标系下坐标。【这一点由上一篇霍夫检测原理中图5得出】1000的目的是为了将线段延长。以（x0,y0）为基础进行延长。（x0 - 1000 * (-b)）可以理解为（x0+1000*b）其中（1000*b）为该p0沿着直线方向延长1000后的点p1距离p0在x方向的距离，那么【x0+1000*b】即为p1的横坐标。为了方便大家理解，作了示意图如下：

• 利用HoughLinesP函数进行直线检测

  #include <opencv2/opencv.hpp>
  #include <vector>
  #include <iostream>
  
  int main()
  
      std::string img_path;
      cv::Mat mat_color;
      cv::Mat mat_gray;
      cv::Mat mat_binary;
      cv::Mat mat_canny;
  
      img_path = "E:\\\\毫米波雷达\\\\images.jpg";
      mat_color = cv::imread(img_path, 1);
      mat_gray = cv::imread(img_path, 0);
  
      //形态学闭运算
      cv::Mat elementRect;
      elementRect = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
      cv::morphologyEx(mat_gray, mat_gray, cv::MORPH_CLOSE, elementRect);
  
      // binary
      cv::threshold(mat_gray, mat_binary, 125, 255.0, cv::THRESH_BINARY);
  
      // detect edge
      cv::Canny(mat_binary, mat_canny, 50, 125, 3);
  
      // detect line
      std::vector<cv::Vec4i> lines;
      HoughLinesP(mat_canny, lines, 1, CV_PI / 180, 80, 10, 50);
  
      // draw line
      for (size_t i = 0; i < lines.size(); i++)
      
          cv::Vec4i& linex = lines[i];
          int dx = linex[2] - linex[0];
          int dy = linex[2] - linex[1];
          double angle = atan2(double(dy), dx) * 180 / CV_PI;
          //if (abs(angle) <= 20)
          //    continue;
  
          line(mat_color, cv::Point(linex[0], linex[1]), cv::Point(linex[2], linex[3]), cv::Scalar(0, 0, 255), 2);
      
  
      cv::imshow("gray", mat_gray);
      cv::imshow("binary", mat_binary);
      cv::imshow("canny", mat_canny);
      cv::imshow("color", mat_color);
      cv::waitKey(0);
  
  
      return 0;
  
  
  

  输出结果：从下图可以看出，HoughLinesP函数的检测效果和HoughLines函数基本一致。

 

  呼呼呼~~🌻🌻🌻那么霍夫直线检测的代码实战就讲到这里了，大家快去试试叭🥗🥗🥗

 
 
如若文章对你有所帮助，那就🛴🛴🛴

咻咻咻咻~~duang~~点个赞呗