一、霍夫變換

經(jīng)典霍夫變換用來檢測圖像中的直線，后來霍夫變換經(jīng)過擴(kuò)展可以進(jìn)行任意形狀物體的識別，例如圓和橢圓。霍夫變換運(yùn)用兩個坐標(biāo)空間之間的變換，將在一個空間中具有相同形狀的曲線或直線映射到另一個坐標(biāo)空間的一個點(diǎn)上形成峰值，從而把檢測任意形狀的問題轉(zhuǎn)化為統(tǒng)計(jì)峰值問題。

二、霍夫變換直線檢測的原理

（1）圖像空間中的點(diǎn)與參數(shù)空間中的直線一一對應(yīng)

在圖像空間直角坐標(biāo)系x-y中，一條直線在直角坐標(biāo)系下可以表示為：y = k x + b；其中常數(shù)k和b是參數(shù)，表示直線的斜率和截距。過某一點(diǎn)A ( x 0 , y 0 ) 的所有直線的參數(shù)均滿足方程：y 0 = k ∗x 0 + b ；即過圖像上的一點(diǎn)A ( x 0 , y 0 )可以確定N條直線。

如果我們將方程改寫為：b=-kx0+y0；那么該方程在參數(shù)空間k-b中就對應(yīng)了一條直線。也就是說，圖像空間直角坐標(biāo)系x-y中的點(diǎn)( x 0 , y 0 ) ；對應(yīng)了參數(shù)空間k-b中的直線 b = − k ∗ x 0 + y 0 ；因此可以得到結(jié)論，圖像空間中的點(diǎn)與參數(shù)空間中的直線一一對應(yīng)。

直線y=kx+b上再增加一個點(diǎn) B(x1, y1)，B點(diǎn)在圖像空間直角坐標(biāo)系可以確定N條直線，那么點(diǎn)B ( x 1 , y 1 ) ，但是在參數(shù)空間也有一條對應(yīng)的直線，與A ( x 0 , y 0 ) 確定的直線相較于M點(diǎn)。

（2）圖像空間中的直線與參數(shù)空間中的點(diǎn)一一對應(yīng)

圖像空間直角坐標(biāo)系x-y中的點(diǎn)A(x0,y0)和點(diǎn)B(x1,y1),在參數(shù)空間坐標(biāo)系k-b中對應(yīng)的直線相交于一點(diǎn)，這也就是說AB所確定的直線，在參數(shù)空間坐標(biāo)系中對應(yīng)著唯一一個點(diǎn)，而這個點(diǎn)的坐標(biāo)值( k 0 , b 0 ) 也就是直線AB的參數(shù)。這就是直線檢測任務(wù)中的對偶性，這個性質(zhì)也為我們解決直線檢測任務(wù)提供了方法，也就是把圖像空間中的直線對應(yīng)到參數(shù)空間中的點(diǎn)，最后通過統(tǒng)計(jì)特性來解決問題。假如圖像空間中有兩條直線，那么最終在參數(shù)空間中就會對應(yīng)到兩個峰值點(diǎn)，依此類推。

參數(shù)空間選擇了笛卡爾直角坐標(biāo)系是為了解釋偶性和霍夫變換的基本原理，但在實(shí)際應(yīng)用中，參數(shù)空間是不能選擇直角坐標(biāo)系的，原始圖像直角坐標(biāo)空間中的特殊直線x=c（c為常數(shù)，垂直x軸，直線的斜率為無窮大）是沒辦法在基于直角坐標(biāo)系的參數(shù)空間中表示的，一般我們采用極坐標(biāo)方式作為參數(shù)空間。

空間直角坐標(biāo)系與極坐標(biāo)系的轉(zhuǎn)換

在下圖中可以看出，參數(shù)空間的每個點(diǎn)(r,θ)都對應(yīng)了圖像空間直角坐標(biāo)系的一條直線，或者說圖像空間的一個點(diǎn)在參數(shù)空間中就對應(yīng)為一條曲線。參數(shù)空間采用極坐標(biāo)系，這樣就可以在參數(shù)空間表示圖像空間直角坐標(biāo)系中的所有直線了。此時圖像空間直角坐標(biāo)系x-y上的一個點(diǎn)對應(yīng)到參數(shù)空間（極坐標(biāo)系ρ-θ）上是一條曲線，確切的說是一條正弦曲線。

經(jīng)過變換，圖像空間中的每個點(diǎn)(x,y)就被映射為一個(r,θ)極坐標(biāo)空間中的正弦曲線。而圖像空間直角坐標(biāo)系中共線的點(diǎn)所對應(yīng)的參數(shù)空間中正弦曲線相交于一點(diǎn)(r’,θ’)。這樣就把在圖像空間中檢測直線的問題，轉(zhuǎn)化為在極坐標(biāo)參數(shù)空間中尋找通過點(diǎn)(r,θ)的最多正弦曲線數(shù)量的問題?；舴蚩臻g中，曲線的交點(diǎn)次數(shù)越多，所代表的參數(shù)越確定（相交的曲線都是圖像空間直角坐標(biāo)系上的點(diǎn)），畫出的圖形越飽滿?？臻g直角坐標(biāo)系上一條直線上的所有點(diǎn)都轉(zhuǎn)化為參數(shù)空間上的曲線，曲線一定會交于一個共同點(diǎn)。

三、霍夫變換直線檢測 API函數(shù)接口

OpenCV支持三種霍夫直線檢測算法：

1）Standard Hough Transform(SHT，標(biāo)準(zhǔn)霍夫變換)

2）Multiscale Hough Transform(MSHT，多尺度霍夫變換)

3）Progressive Probability Houth Transform(PPHT，漸進(jìn)概率式霍夫變換)

(1）標(biāo)準(zhǔn)霍夫變換直線檢測 cv::HoughLines從平面坐標(biāo)轉(zhuǎn)換到霍夫空間，最終輸出是 （θ，rθ） 表極坐標(biāo)空間。

霍夫直線變換API函數(shù)接口

cv::HoughLines( 
InputArray src, // 輸入圖像，必須8-bit的灰度圖像 
OutputArray lines, // 輸出的極坐標(biāo)來表示直線 ，經(jīng)過調(diào)用HoughLines函數(shù)后儲存了霍夫線變換檢測到線條 
                   //的輸出矢量(每一條線由具有兩個元素的矢量(rho,theta)表示)
double rho, // 生成極坐標(biāo)時候的像素掃描步長 
double theta, //生成極坐標(biāo)時候的角度步長，一般取值CV_PI/180 
int threshold, // 閾值，只有獲得足夠交點(diǎn)的極坐標(biāo)點(diǎn)才被看成是直線 
double srn=0;// 是否應(yīng)用多尺度的霍夫變換，如果不是設(shè)置0表示經(jīng)典霍夫變換 
double stn=0;//是否應(yīng)用多尺度的霍夫變換，如果不是設(shè)置0表示經(jīng)典霍夫變換 
double min_theta=0; // 表示角度掃描范圍 0 ~180之間， 默認(rèn)即可 
double max_theta=CV_PI 
) // 一般情況是有經(jīng)驗(yàn)的開發(fā)者使用，需要自己反變換到平面空間

HoughLines函數(shù)輸出檢測到直線的矢量表示集合，每一條直線由具有兩個元素的矢量（ρ, θ）表示，其中ρ表示直線距離原點(diǎn)（0, 0）的長度，θ表示直線的角度（以弧度為單位）。HoughLines函數(shù)無法輸出圖像空間中線段的長度。

（2）HoughLinesP：漸進(jìn)概率式霍夫變換

cv::HoughLinesP( 
InputArray src, // 輸入圖像，必須8-bit的灰度圖像 
OutputArray lines, // 輸出的極坐標(biāo)來表示直線 
double rho, // 生成極坐標(biāo)時候的像素掃描步長 
double theta, //生成極坐標(biāo)時候的角度步長，一般取值CV_PI/180 
int threshold, // 閾值，只有獲得足夠交點(diǎn)的極坐標(biāo)點(diǎn)才被看成是直線 
double minLineLength=0;// 最小直線長度 
double maxLineGap=0;// 最大間隔 
)

漸進(jìn)概率式霍夫變換直線檢測 cv::HoughLinesP最終輸出是直線的兩個點(diǎn)。HoughLinesP能夠檢測出線端，即能夠檢測出圖像中直線的兩個端點(diǎn)，確切地定位圖像中的直線。

四、霍夫直線變換實(shí)現(xiàn)車道線的檢測

（1）彩色圖像RBG轉(zhuǎn)化為灰度圖Gray，opencv上需要注意顏色空間是RGB還是BGR，CImg中RGB分別對應(yīng)0,1,2通道。

（2）因?yàn)榛舴驁A檢測對噪聲比較敏感，所以首先要對圖像做中值濾波（或者高斯濾波）去噪，平滑圖像，消除圖像噪聲。 

（3）圖像邊緣提?。ㄌ荻人阕?、拉普拉斯算子、canny邊緣檢測算法） 

（4）圖像二值化（判斷此處是否為邊緣點(diǎn)，就看灰度值==255),在高斯去噪和邊界提取之后都需要二值化。

（5）映射到霍夫空間（此處準(zhǔn)備兩個容器，一個CImg用來展示hough-space概況，一個數(shù)組hough-space用來儲存voting的值，因?yàn)橥镀边^程往往有某個極大值超過255，多達(dá)幾千，不能直接用灰度圖來記錄投票信息）。

（6）取局部極大值，設(shè)定閾值，過濾低于閾值的像素，排除干擾直線

（7）繪制直線。

代碼實(shí)現(xiàn)

#include"stdafx.h"
#include<opencv2\imgproc\imgproc.hpp>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace std;
using namespace cv;
 
int main()
{
	Mat Image = imread("F:/photo/cdjc.jpg", 0);
	Mat CannyImg;
	Canny(Image, CannyImg, 140, 250, 3);
	
	
	imshow("CannyImg", CannyImg);
 
	Mat DstImg;
	cvtColor(Image, DstImg, COLOR_GRAY2BGR);
 
	vector<Vec4i> Lines;
	HoughLinesP(CannyImg, Lines, 1, CV_PI / 360, 170, 30, 15);
	for (size_t i = 0; i < Lines.size(); i++)
	{
		line(DstImg, Point(Lines[i][0], Lines[i][1]), Point(Lines[i][2], Lines[i][3]), Scalar(0, 0, 255), 2, 8);
	}
	imshow("HoughLines_Detect", DstImg);
	
	waitKey(0);
	return 0;
}

圖像處理效果 

到此這篇關(guān)于OpenCV利用霍夫變換實(shí)現(xiàn)交通車道線檢測的文章就介紹到這了,更多相關(guān)OpenCV車道線檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論