OpenCV霍夫线变换
精华
小牛编辑
170浏览
2023-03-14
可以通过使用Imgproc
类的HoughLines()
方法应用霍夫变换技术来检测给定图像的形状。以下是此方法的语法。
HoughLines(image, lines, rho, theta, threshold)
该方法接受以下参数 -
- image - 表示此操作的源(输入图像)的
Mat
对象。 - lines -
Mat
类的一个对象,用于存储存储线的参数(r,Φ)
的向量。 - rho - 类型为
double
的变量,以像素为单位表示参数r
的分辨率。 - theta - 类型为
double
的变量,表示以弧度表示的参数Φ
的分辨率。 - threshold - 一个整数类型的变量,表示“检测”一条直线的最小交点数。
示例
下面的程序演示如何检测给定图像中的霍夫线。
package com.yiibai.miscellaneous;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class HoughlinesTest {
public static void main(String args[]) throws Exception {
// Loading the OpenCV core library
System.loadLibrary( Core.NATIVE_LIBRARY_NAME );
// Reading the Image from the file and storing it in to a Matrix object
String file = "F:/worksp/opencv/images/hough_input.jpg";
// Reading the image
Mat src = Imgcodecs.imread(file,0);
// Detecting edges of it
Mat canny = new Mat();
Imgproc.Canny(src, canny, 50, 200, 3, false);
// Changing the color of the canny
Mat cannyColor = new Mat();
Imgproc.cvtColor(canny, cannyColor, Imgproc.COLOR_GRAY2BGR);
// Detecting the hough lines from (canny)
Mat lines = new Mat();
Imgproc.HoughLines(canny, lines, 1, Math.PI/180, 100);
System.out.println(lines.rows());
System.out.println(lines.cols());
// Drawing lines on the image
double[] data;
double rho, theta;
Point pt1 = new Point();
Point pt2 = new Point();
double a, b;
double x0, y0;
for (int i = 0; i < lines.cols(); i++) {
data = lines.get(0, i);
rho = data[0];
theta = data[1];
a = Math.cos(theta);
b = Math.sin(theta);
x0 = a*rho;
y0 = b*rho;
pt1.x = Math.round(x0 + 1000*(-b));
pt1.y = Math.round(y0 + 1000*(a));
pt2.x = Math.round(x0 - 1000*(-b));
pt2.y = Math.round(y0 - 1000 *(a));
Imgproc.line(cannyColor, pt1, pt2, new Scalar(0, 0, 255), 6);
}
// Writing the image
Imgcodecs.imwrite("F:/worksp/opencv/images/hough_output.jpg", cannyColor);
System.out.println("Image Processed");
}
}
假定以下是上述程序中指定的输入图像:sample4.jpg
。
执行上面示例代码,得到以下结果 -