霍夫变换HoughLines边缘检测与线性矢量
视频讲解如下：
当前系列所有demo下载地址：
https://github.com/GaoRenBao/OpenCv4-Demo
不同编程语言对应的OpenCv版本以及开发环境信息如下：
语言 | OpenCv版本 | IDE |
C# | OpenCvSharp4.4.8.0.20230708 | Visual Studio 2022 |
C++ | OpenCv-4.5.5-vc14_vc15 | Visual Studio 2022 |
Python | OpenCv-Python (4.6.0.66) | PyCharm Community Edition 2022.1.3 |
本章节给大家讲讲如何对图像进行霍夫变换HoughLines边缘检测与线性矢量操作。当前代码主体还是使用毛星云的demo，C#和Python都是在C++版本的基础上转换过来的，三个版本的效果基本一致。
首先我们需要准备一张测试图片：
运行效果如下：
C#版本代码
C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。
如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。
using OpenCvSharp;
using System;
namespace demo
{
internal class Program
{
static void Main(string[] args)
{
//【1】载入原始图和Mat变量定义
Mat srcImage = Cv2.ImRead("../../../images/home.jpg");
//临时变量和目标图的定义
Mat midImage = new Mat();
Mat dstImage = new Mat();
//【2】进行边缘检测和转化为灰度图
//进行一此canny边缘检测
Cv2.Canny(srcImage, midImage, 50, 200, 3);
//转化边缘检测后的图为灰度图
Cv2.CvtColor(midImage, dstImage, ColorConversionCodes.GRAY2BGR);
//【3】进行霍夫线变换
//定义一个矢量结构lines用于存放得到的线段矢量集合
LineSegmentPolar[] lines = Cv2.HoughLines(midImage, 1, Cv2.PI / 180, 150, 0, 0);
//【4】依次在图中绘制出每条线段
for (int i = 0; i < lines.Length; i++)
{
float rho = lines[i].Rho, theta = lines[i].Theta;
Point pt1, pt2;
double a = Math.Cos(theta), b = Math.Sin(theta);
double x0 = a * rho, y0 = b * rho;
pt1.X = (int)Math.Round(x0 + 1000 * (-b));
pt1.Y = (int)Math.Round(y0 + 1000 * (a));
pt2.X = (int)Math.Round(x0 - 1000 * (-b));
pt2.Y = (int)Math.Round(y0 - 1000 * (a));
Cv2.Line(dstImage, pt1, pt2, new Scalar(55, 100, 195), 1, LineTypes.AntiAlias);
}
//【5】显示原始图
Cv2.ImShow("【原始图】", srcImage);
//【6】边缘检测后的图
Cv2.ImShow("【边缘检测后的图】", midImage);
//【7】显示效果图
Cv2.ImShow("【效果图】", dstImage);
Cv2.ImWrite("out.jpg", dstImage);
Cv2.WaitKey(0);
}
}
}
C++版本代码
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main()
{
//【1】载入原始图和Mat变量定义
Mat srcImage = imread("../images/home.jpg");
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
// opencv3：CV_GRAY2BGR
// opencv4：COLOR_GRAY2BGR
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
vector<Vec2f> 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));
// opencv3：CV_AA
// opencv4：LINE_AA
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;
}
Python版本代码
import cv2
import numpy as np
# 【1】载入原始图和Mat变量定义
srcImage = cv2.imread('../images/home.jpg')
# 【2】进行边缘检测和转化为灰度图
midImage = cv2.Canny(srcImage, 50, 200, 3) # 进行一此canny边缘检测
# 转化边缘检测后的图为灰度图
dstImage = cv2.cvtColor(midImage, cv2.COLOR_GRAY2BGR)
# 【3】进行霍夫线变换
lines = cv2.HoughLines(midImage, 1, np.pi / 180, 150)
# 【4】依次在图中绘制出每条线段
lines1 = lines[:, 0, :] # 提取为为二维
for rho, theta in lines1[:]:
a = np.cos(theta)
b = np.sin(theta)
x0 = a * rho
y0 = b * rho
x1 = int(x0 + 1000 * (-b))
y1 = int(y0 + 1000 * a)
x2 = int(x0 - 1000 * (-b))
y2 = int(y0 - 1000 * a)
cv2.line(dstImage, (x1, y1), (x2, y2), (55, 100, 195), 1)
# 【5】显示原始图
cv2.imshow("srcImage", srcImage)
# 【6】边缘检测后的图
cv2.imshow("midImage", midImage)
# 【7】显示效果图
cv2.imshow("dstImage", dstImage)
cv2.waitKey(0)
cv2.destroyAllWindows()
