Opencv2.4.9源码分析——HoughLinesP
生活随笔
收集整理的這篇文章主要介紹了
Opencv2.4.9源码分析——HoughLinesP
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
http://blog.csdn.net/zhaocj/article/details/400473
標準霍夫變換本質上是把圖像映射到它的參數空間上，它需要計算所有的M個邊緣點，這樣它的運算量和所需內存空間都會很大。如果在輸入圖像中只是處理m（m<M）個邊緣點，則這m個邊緣點的選取是具有一定概率性的，因此該方法被稱為概率霍夫變換（Probabilistic Hough Transform）。該方法還有一個重要的特點就是能夠檢測出線端，即能夠檢測出圖像中直線的兩個端點，確切地定位圖像中的直線。 void?cv::HoughLinesP(?InputArray?_image,?OutputArray?_lines,?? ??????????????????????double?rho,?double?theta,?int?threshold,?? ??????????????????????double?minLineLength,?double?maxGap?)?? {?? ????Ptr<CvMemStorage>?storage?=?cvCreateMemStorage(STORAGE_SIZE);?? ????Mat?image?=?_image.getMat();?? ????CvMat?c_image?=?image;?? ????CvSeq*?seq?=?cvHoughLines2(?&c_image,?storage,?CV_HOUGH_PROBABILISTIC,?? ????????????????????rho,?theta,?threshold,?minLineLength,?maxGap?);?? ????seqToMat(seq,?_lines);?? }?? 從HoughLinesP函數可以看出，該函數會調用cvHoughLines2函數。它通過參數CV_HOUGH_PROBABILISTIC，最終調用了icvHoughLinesProbabilistic函數：
[cpp]?view plaincopy static?void?? icvHoughLinesProbabilistic(?CvMat*?image,?? ????????????????????????????float?rho,?float?theta,?int?threshold,?? ????????????????????????????int?lineLength,?int?lineGap,?? ????????????????????????????CvSeq?*lines,?int?linesMax?)?? {?? ????//accum為累加器矩陣，mask為掩碼矩陣?? ????cv::Mat?accum,?mask;?? ????cv::vector<float>?trigtab;????//用于存儲事先計算好的正弦和余弦值?? ????//開辟一段內存空間?? ????cv::MemStorage?storage(cvCreateMemStorage(0));?? ????//用于存儲特征點坐標，即邊緣像素的位置?? ????CvSeq*?seq;??? ????CvSeqWriter?writer;?? ????int?width,?height;????//圖像的寬和高?? ????int?numangle,?numrho;????//角度和距離的離散數量?? ????float?ang;?? ????int?r,?n,?count;?? ????CvPoint?pt;?? ????float?irho?=?1?/?rho;????//距離分辨率的倒數?? ????CvRNG?rng?=?cvRNG(-1);????//隨機數?? ????const?float*?ttab;????//向量trigtab的地址指針?? ????uchar*?mdata0;????//矩陣mask的地址指針?? ????//確保輸入圖像的正確性?? ????CV_Assert(?CV_IS_MAT(image)?&&?CV_MAT_TYPE(image->type)?==?CV_8UC1?);?? ?? ????width?=?image->cols;????//提取出輸入圖像的寬?? ????height?=?image->rows;????//提取出輸入圖像的高?? ????//由角度和距離分辨率，得到角度和距離的離散數量?? ????numangle?=?cvRound(CV_PI?/?theta);?? ????numrho?=?cvRound(((width?+?height)?*?2?+?1)?/?rho);?? ????//創建累加器矩陣，即霍夫空間?? ????accum.create(?numangle,?numrho,?CV_32SC1?);?? ????//創建掩碼矩陣，大小與輸入圖像相同?? ????mask.create(?height,?width,?CV_8UC1?);?? ????//定義trigtab的大小，因為要存儲正弦和余弦值，所以長度為角度離散數的2倍?? ????trigtab.resize(numangle*2);?? ????//累加器矩陣清零?? ????accum?=?cv::Scalar(0);?? ????//避免重復計算，事先計算好所需的所有正弦和余弦值?? ????for(?ang?=?0,?n?=?0;?n?<?numangle;?ang?+=?theta,?n++?)?? ????{?? ????????trigtab[n*2]?=?(float)(cos(ang)?*?irho);?? ????????trigtab[n*2+1]?=?(float)(sin(ang)?*?irho);?? ????}?? ????//賦值首地址?? ????ttab?=?&trigtab[0];?? ????mdata0?=?mask.data;?? ????//開始寫入序列?? ????cvStartWriteSeq(?CV_32SC2,?sizeof(CvSeq),?sizeof(CvPoint),?storage,?&writer?);?? ?? ????//?stage?1.?collect?non-zero?image?points?? ????//收集圖像中的所有非零點，因為輸入圖像是邊緣圖像，所以非零點就是邊緣點?? ????for(?pt.y?=?0,?count?=?0;?pt.y?<?height;?pt.y++?)?? ????{?? ????????//提取出輸入圖像和掩碼矩陣的每行地址指針?? ????????const?uchar*?data?=?image->data.ptr?+?pt.y*image->step;?? ????????uchar*?mdata?=?mdata0?+?pt.y*width;?? ????????for(?pt.x?=?0;?pt.x?<?width;?pt.x++?)?? ????????{?? ????????????if(?data[pt.x]?)????//是邊緣點?? ????????????{?? ????????????????mdata[pt.x]?=?(uchar)1;????//掩碼的相應位置置1?? ????????????????CV_WRITE_SEQ_ELEM(?pt,?writer?);????把該坐標位置寫入序列?? ????????????}?? ????????????else????//不是邊緣點?? ????????????????mdata[pt.x]?=?0;????//掩碼的相應位置清0?? ????????}?? ????}?? ????//終止寫序列，seq為所有邊緣點坐標位置的序列?? ????seq?=?cvEndWriteSeq(?&writer?);?? ????count?=?seq->total;????//得到邊緣點的數量?? ?? ????//?stage?2.?process?all?the?points?in?random?order?? ????//隨機處理所有的邊緣點?? ????for(?;?count?>?0;?count--?)?? ????{?? ????????//?choose?random?point?out?of?the?remaining?ones?? ????????//步驟1，在剩下的邊緣點中隨機選擇一個點，idx為不大于count的隨機數?? ????????int?idx?=?cvRandInt(&rng)?%?count;?? ????????//max_val為累加器的最大值，max_n為最大值所對應的角度?? ????????int?max_val?=?threshold-1,?max_n?=?0;?? ????????//由隨機數idx在序列中提取出所對應的坐標點?? ????????CvPoint*?point?=?(CvPoint*)cvGetSeqElem(?seq,?idx?);?? ????????//定義直線的兩個端點?? ????????CvPoint?line_end[2]?=?{{0,0},?{0,0}};?? ????????float?a,?b;?? ????????//累加器的地址指針，也就是霍夫空間的地址指針?? ????????int*?adata?=?(int*)accum.data;?? ????????int?i,?j,?k,?x0,?y0,?dx0,?dy0,?xflag;?? ????????int?good_line;?? ????????const?int?shift?=?16;?? ????????//提取出坐標點的橫、縱坐標?? ????????i?=?point->y;?? ????????j?=?point->x;?? ?? ????????//?"remove"?it?by?overriding?it?with?the?last?element?? ????????//用序列中的最后一個元素覆蓋掉剛才提取出來的隨機坐標點?? ????????*point?=?*(CvPoint*)cvGetSeqElem(?seq,?count-1?);?? ?? ????????//?check?if?it?has?been?excluded?already?(i.e.?belongs?to?some?other?line)?? ????????//檢測這個坐標點是否已經計算過，也就是它已經屬于其他直線?? ????????//因為計算過的坐標點會在掩碼矩陣mask的相對應位置清零?? ????????if(?!mdata0[i*width?+?j]?)????//該坐標點被處理過?? ????????????continue;????//不做任何處理，繼續主循環?? ?? ????????//?update?accumulator,?find?the?most?probable?line?? ????????//步驟2，更新累加器矩陣，找到最有可能的直線?? ????????for(?n?=?0;?n?<?numangle;?n++,?adata?+=?numrho?)?? ????????{?? ????????????//由角度計算距離?? ????????????r?=?cvRound(?j?*?ttab[n*2]?+?i?*?ttab[n*2+1]?);?? ????????????r?+=?(numrho?-?1)?/?2;?? ????????????//在累加器矩陣的相應位置上數值加1，并賦值給val?? ????????????int?val?=?++adata[r];?? ????????????//更新最大值，并得到它的角度?? ????????????if(?max_val?<?val?)?? ????????????{?? ????????????????max_val?=?val;?? ????????????????max_n?=?n;?? ????????????}?? ????????}?? ?? ????????//?if?it?is?too?"weak"?candidate,?continue?with?another?point?? ????????//步驟3，如果上面得到的最大值小于閾值，則放棄該點，繼續下一個點的計算?? ????????if(?max_val?<?threshold?)?? ????????????continue;?? ?? ????????//?from?the?current?point?walk?in?each?direction?? ????????//?along?the?found?line?and?extract?the?line?segment?? ????????//步驟4，從當前點出發，沿著它所在直線的方向前進，直到達到端點為止?? ????????a?=?-ttab[max_n*2+1];????//a=-sinθ?? ????????b?=?ttab[max_n*2];????//b=cosθ?? ????????//當前點的橫、縱坐標值?? ????????x0?=?j;?? ????????y0?=?i;?? ????????//確定當前點所在直線的角度是在45度～135度之間，還是在0～45或135度～180度之間?? ????????if(?fabs(a)?>?fabs(b)?)????//在45度～135度之間?? ????????{?? ????????????xflag?=?1;????//置標識位，標識直線的粗略方向?? ????????????//確定橫、縱坐標的位移量?? ????????????dx0?=?a?>?0???1?:?-1;?????? ????????????dy0?=?cvRound(?b*(1?<<?shift)/fabs(a)?);?? ????????????//確定縱坐標?? ????????????y0?=?(y0?<<?shift)?+?(1?<<?(shift-1));?? ????????}?? ????????else????//在0～45或135度～180度之間?? ????????{?? ????????????xflag?=?0;???//清標識位?? ????????????//確定橫、縱坐標的位移量?? ????????????dy0?=?b?>?0???1?:?-1;?? ????????????dx0?=?cvRound(?a*(1?<<?shift)/fabs(b)?);?? ????????????//確定橫坐標?? ????????????x0?=?(x0?<<?shift)?+?(1?<<?(shift-1));?? ????????}?? ????????//搜索直線的兩個端點?? ????????for(?k?=?0;?k?<?2;?k++?)?? ????????{?? ????????????//gap表示兩條直線的間隙，x和y為搜索位置，dx和dy為位移量?? ????????????int?gap?=?0,?x?=?x0,?y?=?y0,?dx?=?dx0,?dy?=?dy0;?? ????????????//搜索第二個端點的時候，反方向位移?? ????????????if(?k?>?0?)?? ????????????????dx?=?-dx,?dy?=?-dy;?? ?? ????????????//?walk?along?the?line?using?fixed-point?arithmetics,?? ????????????//?stop?at?the?image?border?or?in?case?of?too?big?gap?? ????????????//沿著直線的方向位移，直到到達圖像的邊界或大的間隙為止?? ????????????for(?;;?x?+=?dx,?y?+=?dy?)?? ????????????{?? ????????????????uchar*?mdata;?? ????????????????int?i1,?j1;?? ????????????????//確定新的位移后的坐標位置?? ????????????????if(?xflag?)?? ????????????????{?? ????????????????????j1?=?x;?? ????????????????????i1?=?y?>>?shift;?? ????????????????}?? ????????????????else?? ????????????????{?? ????????????????????j1?=?x?>>?shift;?? ????????????????????i1?=?y;?? ????????????????}?? ????????????????//如果到達了圖像的邊界，停止位移，退出循環?? ????????????????if(?j1?<?0?||?j1?>=?width?||?i1?<?0?||?i1?>=?height?)?? ????????????????????break;?? ????????????????//定位位移后掩碼矩陣位置?? ????????????????mdata?=?mdata0?+?i1*width?+?j1;?? ?? ????????????????//?for?each?non-zero?point:?? ????????????????//????update?line?end,?? ????????????????//????clear?the?mask?element?? ????????????????//????reset?the?gap?? ????????????????//該掩碼不為0，說明該點可能是在直線上?? ????????????????if(?*mdata?)??? ????????????????{?? ????????????????????gap?=?0;????//設置間隙為0?? ????????????????????//更新直線的端點位置?? ????????????????????line_end[k].y?=?i1;?? ????????????????????line_end[k].x?=?j1;?? ????????????????}?? ????????????????//掩碼為0，說明不是直線，但仍繼續位移，直到間隙大于所設置的閾值為止?? ????????????????else?if(?++gap?>?lineGap?)????//間隙加1?? ????????????????????break;?? ????????????}?? ????????}?? ????????//步驟5，由檢測到的直線的兩個端點粗略計算直線的長度?? ????????//當直線長度大于所設置的閾值時，good_line為1，否則為0?? ????????good_line?=?abs(line_end[1].x?-?line_end[0].x)?>=?lineLength?||?? ????????????????????abs(line_end[1].y?-?line_end[0].y)?>=?lineLength;?? ????????//再次搜索端點，目的是更新累加器矩陣和更新掩碼矩陣，以備下一次循環使用?? ????????for(?k?=?0;?k?<?2;?k++?)?? ????????{?? ????????????int?x?=?x0,?y?=?y0,?dx?=?dx0,?dy?=?dy0;?? ?? ????????????if(?k?>?0?)?? ????????????????dx?=?-dx,?dy?=?-dy;?? ?? ????????????//?walk?along?the?line?using?fixed-point?arithmetics,?? ????????????//?stop?at?the?image?border?or?in?case?of?too?big?gap?? ????????????for(?;;?x?+=?dx,?y?+=?dy?)?? ????????????{?? ????????????????uchar*?mdata;?? ????????????????int?i1,?j1;?? ?? ????????????????if(?xflag?)?? ????????????????{?? ????????????????????j1?=?x;?? ????????????????????i1?=?y?>>?shift;?? ????????????????}?? ????????????????else?? ????????????????{?? ????????????????????j1?=?x?>>?shift;?? ????????????????????i1?=?y;?? ????????????????}?? ?? ????????????????mdata?=?mdata0?+?i1*width?+?j1;?? ?? ????????????????//?for?each?non-zero?point:?? ????????????????//????update?line?end,?? ????????????????//????clear?the?mask?element?? ????????????????//????reset?the?gap?? ????????????????if(?*mdata?)?? ????????????????{?? ????????????????????//if語句的作用是清除那些已經判定是好的直線上的點對應的累加器的值，避免再次利用這些累加值?? ????????????????????if(?good_line?)????//在第一次搜索中已經確定是好的直線?? ????????????????????{?? ????????????????????????//得到累加器矩陣地址指針?? ????????????????????????adata?=?(int*)accum.data;?? ????????????????????????for(?n?=?0;?n?<?numangle;?n++,?adata?+=?numrho?)?? ????????????????????????{?? ????????????????????????????r?=?cvRound(?j1?*?ttab[n*2]?+?i1?*?ttab[n*2+1]?);?? ????????????????????????????r?+=?(numrho?-?1)?/?2;?? ????????????????????????????adata[r]--;????//相應的累加器減1?? ????????????????????????}?? ????????????????????}?? ????????????????????//搜索過的位置，不管是好的直線，還是壞的直線，掩碼相應位置都清0，這樣下次就不會再重復搜索這些位置了，從而達到減小計算邊緣點的目的?? ????????????????????*mdata?=?0;?? ????????????????}?? ????????????????//如果已經到達了直線的端點，則退出循環?? ????????????????if(?i1?==?line_end[k].y?&&?j1?==?line_end[k].x?)?? ????????????????????break;?? ????????????}?? ????????}?? ????????//如果是好的直線?? ????????if(?good_line?)?? ????????{?? ????????????CvRect?lr?=?{?line_end[0].x,?line_end[0].y,?line_end[1].x,?line_end[1].y?};?? ????????????//把兩個端點壓入序列中?? ????????????cvSeqPush(?lines,?&lr?);?? ????????????//如果檢測到的直線數量大于閾值，則退出該函數?? ????????????if(?lines->total?>=?linesMax?)?? ????????????????return;?? ????????}?? ????}?? }?? 下面就給出應用HoughLinesP函數檢測直線段的應用程序： [cpp]?view plaincopy #include?"opencv2/core/core.hpp"?? #include?"opencv2/highgui/highgui.hpp"?? #include?"opencv2/imgproc/imgproc.hpp"?? ?? #include?<iostream>?? using?namespace?cv;?? using?namespace?std;?? ?? int?main(?int?argc,?char**?argv?)?? {?? ????Mat?src,?edge,color_edge;?? ????src=imread("building.jpg");?? ????if(?!src.data?)???? ????????return?-1;???? ?? ????Canny(src,edge,50,200,3);?? ????cvtColor(?edge,?color_edge,?CV_GRAY2BGR?);?? ????vector<Vec4i>?lines;?? ????HoughLinesP(edge,?lines,?1,?CV_PI/180,?80,?30,?10?);?? ????for(?size_t?i?=?0;?i?<?lines.size();?i++?)?? ????{?? ????????Vec4i?l?=?lines[i];?? ????????line(?color_edge,?Point(l[0],?l[1]),?Point(l[2],?l[3]),?Scalar(0,0,255),?2);?? ????}?? ?? ????namedWindow(?"lines",?CV_WINDOW_AUTOSIZE?);?? ????imshow(?"lines",?color_edge?);?? ????waitKey(0);?? ?? ????return?0;?? }?? 下圖為輸出的圖像：
標準霍夫變換本質上是把圖像映射到它的參數空間上，它需要計算所有的M個邊緣點，這樣它的運算量和所需內存空間都會很大。如果在輸入圖像中只是處理m（m<M）個邊緣點，則這m個邊緣點的選取是具有一定概率性的，因此該方法被稱為概率霍夫變換（Probabilistic Hough Transform）。該方法還有一個重要的特點就是能夠檢測出線端，即能夠檢測出圖像中直線的兩個端點，確切地定位圖像中的直線。
HoughLinesP函數就是利用概率霍夫變換來檢測直線的。它的一般步驟為：
1、隨機抽取圖像中的一個特征點，即邊緣點，如果該點已經被標定為是某一條直線上的點，則繼續在剩下的邊緣點中隨機抽取一個邊緣點，直到所有邊緣點都抽取完了為止；
2、對該點進行霍夫變換，并進行累加和計算；
3、選取在霍夫空間內值最大的點，如果該點大于閾值的，則進行步驟4，否則回到步驟1；
4、根據霍夫變換得到的最大值，從該點出發，沿著直線的方向位移，從而找到直線的兩個端點；
5、計算直線的長度，如果大于某個閾值，則被認為是好的直線輸出，回到步驟1。
HoughLinesP函數的原型為：
void HoughLinesP(InputArray image,OutputArray lines, double rho, double theta, int threshold, double minLineLength=0,double maxLineGap=0 )
image為輸入圖像，要求是8位單通道圖像
lines為輸出的直線向量，每條線用4個元素表示，即直線的兩個端點的4個坐標值
rho和theta分別為距離和角度的分辨率
threshold為閾值，即步驟3中的閾值
minLineLength為最小直線長度，在步驟5中要用到，即如果小于該值，則不被認為是一條直線
maxLineGap為最大直線間隙，在步驟4中要用到，即如果有兩條線段是在一條直線上，但它們之間因為有間隙，所以被認為是兩個線段，如果這個間隙大于該值，則被認為是兩條線段，否則是一條。
?
HoughLinesP函數是在sources/modules/imgproc/src/hough.cpp文件中被定義的：
[cpp]?view plaincopy[cpp]?view plaincopy
轉載于:https://www.cnblogs.com/fag888/p/5789167.html
總結
以上是生活随笔為你收集整理的Opencv2.4.9源码分析——HoughLinesP的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 平衡二叉排序树
- 下一篇： 机器人局部避障的动态窗口法(dynami