BugWorkShop - 甲蟲工作室: 9月 2015

2015年9月26日星期六

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLinesP 函數

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLinesP 函數：

其實在 OpenCV 2.4 的霍夫直線偵測轉換（Hough Line Transform）是有兩種函數，分別為 HoughLines 和 HoughLinesP 來檢測圖像中的直線，HoughLines 是標準霍夫線變換和 HoughLinesP是統計概率霍夫線變換。函數 HoughLines 只能得到直線的參數 P ,θ 並不知道檢測到的直線的端點，而霍 HoughLinesP 是可以檢測到直線的兩個端點，筆者已經試驗了 HoughLines 來檢測圖像中的直線，接下來便是測試 HoughLinesP 來檢測圖像中的直線了。

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLinesP 函數

兩種霍夫線變換函數：
1‧HoughLines 是標準霍夫線變換，原理在上面的部分已經說明了. 它能給我們提供一組參數對 (\theta, r_{\theta}) 的集合來表示檢測到的直線
2‧HoughLinesP是統計概率霍夫線變換，這是執行起來效率更高的霍夫線變換. 它輸出檢測到的直線的端點 (x_{0}, y_{0}, x_{1}, y_{1})。

霍夫直線偵測轉換（Hough Line Transform） – HoughLinesP 函數：

// HoughLinesP函數

void void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength=0, double maxLineGap=0 )

image = 輸入圖像（8位單通道或二值化圖像）
lines = 是直線參數輸出，儲存著檢測到的直線的參數對 (x_{start}, y_{start}, x_{end}, y_{end}) 的容器
rho = 是距離r的精度，即每個圖元對應的距離
theta = 是角度 θ 的解析度，即每個圖元對應的角度，使用 1度 (即 CV_PI/180)
threshold = 是累計值的閾值，大於這個閾值輸出相應的直線
minLinLength = 能組成一條直線的最少點的數量，點數量不足的直線將被拋棄
maxLineGap = 能被認為在一條直線上的亮點的最大距離

霍夫 HoughLinesP 函數直線變換方式：
1‧先隨機檢測出一部分直線，然後將直線上點的排查掉，再進行其他直線的檢測
2‧首先僅統計圖像中非零點的個數，對於已經確認是某條直線上的點就不再變換了
3‧對所以有非零點逐個變換到霍夫空間，並累加到霍夫統計表(圖像)中，並統計最大值
4‧最大值與閾值比較，小於閾值，則繼續下一個點的變換
5‧若大於閾值，則有一個新的直線段要產生了
6‧計算直線上線段的端點、長度，如果符合條件，則保存此線段，並 Mark 這個線段上的點不參與其他線段檢測的變換

霍夫直線偵測轉換（Hough Line Transform）程式

霍夫直線偵測轉換（Hough Line Transform）程式：

// 霍夫直線偵測轉換（Hough Line Transform）程式

// HoughLinesP函數

Mat mat_img;

IplImage* img_hough;

// 載入原圖和Mat變數定義

Mat mat_src = imread(fileName, CV_LOAD_IMAGE_COLOR);

img_hough = &IplImage(mat_src);

// 轉化為灰度圖

cvtColor(mat_src, mat_img, CV_BGR2GRAY);

// 用GaussianBlur消除雜訊

GaussianBlur(mat_img, mat_img, cv::Size (5, 5), 1.5, 1.5); // GaussianBlur OK

// 用Canny對圖像進行邊緣檢測

Canny(mat_img, mat_img, 100, 200,3);

// 存儲直線參數對的容器

std::vector lines;

// 霍夫變換檢測直線

HoughLinesP(mat_img, lines, 1, CV_PI/180, 80,50,10);

// 依次在圖中繪製出每條線段

for (size_t i=0; i＜lines.size(); i++) {

Vec4i l = lines[i];

line(mat_src, cvPoint(l[0], l[1]), cvPoint(l[2], l[3]), Scalar(255 , 0 , 0),10, CV_AA);

}

// 顯示效果圖

pictureBox2->Image = gcnew System::Drawing::Bitmap(img_hough->width,img_hough->height,

img_hough->widthStep,System::Drawing::Imaging::PixelFormat::Format24bppRgb,

(System::IntPtr) img_hough->imageData);

pictureBox2->Refresh();

}

氣溫：28.9度 @ 20:40

相對濕度：百分之 91%

天氣：微雨

2015年9月25日星期五

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLines 函數

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLines 函數：

完成了 OpenCV 2.4 的坎尼圖像邊緣檢測（Canny Edge Detection）後，進一步便是找出圖像內的直線，目的是找出道路上的行車線，讓智能小車或機械人可以跟隨行車線向前走。在 OpenCV 2.4 可使用標準霍夫線變換（Hough Line Transform）HoughLines 函數來檢測圖像中的直線，霍夫變換是於1962年保羅‧霍夫（Paul Hough）提出 Method and Means for Recognizing Complex Patterns。

OpenCV 2.4 的霍夫直線偵測（Hough Line Transform）

霍夫直線偵測轉換（Hough Line Transform）– HoughLines 函數：

// HoughLines函數

void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 )

image = 輸入圖像（8位單通道或二值化圖像）
lines = 是直線參數輸出，儲存偵測結果(r，θ)
rho = 是距離 r 的精度，即每個圖元對應的距離
theta = 是角度 θ 的解析度，即每個圖元對應的角度，使用1度 (即 CV_PI/180)
threshold = 是累計值的閾值，大於這個閾值輸出相應的直線
srn = 是多尺度霍夫變換中 rho 的分母
stn = 是多尺度霍夫變換中的 theta 的分母，對於標準霍夫變換，srn 和 stn 都設置為 0

HoughLines 函數的輸入為一幅包含一組點的二值化圖像，其中一些排列後形成直線，通常這是一幅邊緣圖像，比如來自 Sobel 運算元或 Canny 運算元。HoughLines 函數的輸出是 Vec2f 向量，每個元素都是一對代表檢測到的直線的浮點數 (r，θ)。在設計程式時，先求出圖像中每點的極座標方程，若相交於一點的極座標曲線的個數大於最小投票數，則將該點所對應的 (r，θ) 放入 vector 中，即得到一條直線。在做 Hough 變換之前，一般都要先使用坎尼圖像邊緣檢測（Canny Edge Detection）做邊緣檢測，再對邊緣圖像進行 Hough 變換操作，要注意運算元的數值。
1‧Canny 的兩個閾值
2‧HoughLines 的閾值參數

霍夫線變換方式：
1‧將所有非零圖元點逐個變換到霍夫空間，並累加到霍夫表中，統計累加值
2‧找出累加值中大於閾值並且為鄰域內的最大值的點，存入緩存中
3‧排序通過霍夫變換檢測到的直線段4‧將排序好的直線段從小到大存入輸出緩存

霍夫直線偵測轉換（Hough Line Transform）程式：

// 霍夫直線偵測轉換（Hough Line Transform）程式

// HoughLines 函數

Mat mat_img;

IplImage* img_hough;

// 載入原圖和Mat變數定義

Mat mat_src = imread(fileName, CV_LOAD_IMAGE_COLOR);

img_hough = &IplImage(mat_src);

// 轉化為灰度圖

cvtColor(mat_src, mat_img, CV_BGR2GRAY);

// 用 GaussianBlur 消除雜訊

GaussianBlur(mat_img, mat_img, cv::Size (5, 5), 1.5, 1.5); // GaussianBlur OK

// 用 Canny 對圖像進行邊緣檢測

Canny(mat_img, mat_img, 100, 200,3);

// 存儲直線參數對的容器

std::vector lines;

// 霍夫變換檢測直線

HoughLines(mat_img, lines, 1, CV_PI/180, 170); // mat_imgFormat8bppIndexed

std::vector::iterator i= lines.begin();

// 依次在圖中繪製出每條線段

for (; i!=lines.end(); ++i) {

float rho = (*i)[0];

float theta = (*i)[1];

cv::Point pt1,pt2;

double a=cos(theta);

double b=sin(theta);

double x0= rho*a;

double y0= rho*b;

pt1.x = cvRound(x0+1000*(-b));

pt1.y = cvRound(y0+1000*a);

pt2.x = cvRound(x0-1000*(-b));

pt2.y = cvRound(y0-1000*a);

cvLine(img_hough, pt1, pt2, CV_RGB(255 , 0 , 0 ), 10 , CV_AA , 0);

}

// 顯示效果圖

pictureBox2->Image = gcnew System::Drawing::Bitmap(img_hough->width,img_hough->height, img_hough->widthStep,System::Drawing::Imaging::PixelFormat::Format24bppRgb,

(System::IntPtr) img_hough->imageData);

pictureBox2->Refresh();

氣溫：28.4度 @ 23:00

相對濕度：百分之 77%

天氣：天色大致良好

2015年9月20日星期日

OpenCV 2.4 的坎尼圖像邊緣檢測（Canny Edge Detection） – Canny 函數

OpenCV 2.4 的坎尼圖像邊緣檢測（Canny Edge Detection） – Canny 函數：

筆者將來需要用奧尼（Aoni）百腦通相影 HD720P 高清網絡攝像頭（Webcam）作智能小車或機械人的圖像處理，所以圖像邊緣檢測是必須的，在 OpenCV 內有坎尼邊緣檢測（Canny Edge Detector ）函數，坎尼邊緣檢測（Canny Edge Detector ）是由 John F. Canny 於1986年開發的，將來智能小車或機械人行走時便要使用這函數。

OpenCV 2.4 的坎尼圖像邊緣檢測（Canny Edge Detection）

坎尼圖像邊緣檢測（Canny Edge Detection）的主要算法（Algorithm）：
1‧Low error rate：Meaning a good detection of only existent edges。
2‧Good localization：The distance between edge pixels detected and real edge pixels have to be minimized。
3‧Minimal response：Only one detector response per edge。

Canny 邊緣檢測演算法可以分為以下 5 個步驟：
1‧應用高斯濾波來平滑圖像，目的是去除雜訊。
2‧找尋圖像的強度梯度（intensity gradients）。
3‧應用非最大抑制（non-maximum suppression）技術來消除邊誤檢（本來不是但檢測出來是）。
4‧應用雙閾值的方法來決定可能的（潛在的）邊界。
5‧利用滯後技術來跟蹤邊界。

操作系統：Windows XP 32-bit
操作環境：Windows Visual Studio 2010 C++/CLI + OpenCV 2.4.8

坎尼圖像邊緣檢測（Canny Edge Detection）程式：

// 圖像邊緣檢測

// Canny Edge Detection - Canny 函數

int edgeThresh = 50;

IplImage *pImgGray = cvCreateImage(cvGetSize(pImg),IPL_DEPTH_8U, 1);

IplImage *pImgEdge = cvCreateImage(cvGetSize(pImg),IPL_DEPTH_8U, 1);

cvCvtColor(pImg, pImgGray, CV_BGR2GRAY);

cvCanny(pImgGray, pImgEdge, edgeThresh, edgeThresh*3, 3);

int step = pImgEdge->widthStep;

uchar* oData = (uchar*)pImgEdge->imageData;

IplImage* nImg = cvCreateImage(cvSize(pImgEdge->width,pImgEdge->height),IPL_DEPTH_8U,3);

int nStep = nImg->widthStep;

int nChannels = nImg->nChannels;

uchar* nData = (uchar *)nImg->imageData;

for (int j = 0; jheight; j++){

for (int i = 0; iwidth; i++){

int counter = j*nStep + i*nChannels;

nData[counter+ 0] = oData[j*step + i]; // Blue

nData[counter+ 1] = oData[j*step + i]; // Green

nData[counter+ 2] = oData[j*step + i]; // Red

}

pictureBox2->Image = gcnew System::Drawing::Bitmap(frame->width,frame->height,

frame->widthStep,System::Drawing::Imaging::PixelFormat::Format24bppRgb,

(System::IntPtr) nImg->imageData);

pictureBox2->Refresh();

} // End If Canny Edge Detection

氣溫：28.0度 @ 20:10

相對濕度：百分之 77%

天氣：大致多雲

訂閱：文章 (Atom)

2015年9月26日 星期六

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLinesP 函數

2015年9月25日 星期五

OpenCV 2.4 的霍夫直線偵測轉換 – HoughLines 函數

2015年9月20日 星期日

OpenCV 2.4 的坎尼圖像邊緣檢測（Canny Edge Detection） – Canny 函數

2015年9月26日星期六

2015年9月25日星期五

2015年9月20日星期日