函数原型
void HoughLinesP( InputArray image, OutputArray lines, double rho, double theta, int threshold, double minLineLength = 0, double maxLineGap = 0 );
参数说明
- InputArray类型的image，输入图像，需为8位的单通道二进制图像。
- InputArray类型的lines，调用HoughLines函数后存储了霍夫线变换检测到线条的输出矢量。每一条线由具有两个元素的矢量（r,t）表示。r为离坐标原点的距离，t为弧度线条旋转角度。
- double类型的rho，以像素为单位的距离精度。
- double类型的theta，以弧度为单位的角度精度。
- int类型的threshold，累加平面的阈值参数，即识别某部分为图中一直线时它在累加平面中必须达到的值。大于阈值的线段才可以被检测通过并返回到结果中。
- double类型的minLineLength，默认值为0，表示最低线段的长度，比这个设定参数短的线段就不能被显现出来。
- double类型的minLineGap，默认值为0，允许将同一行点与点之间连接起来的最大的距离。
什么是累计概率霍夫变换？
OpenCV支持累计概率霍夫变换（PPHT），调用函数为HoughLinesP，PPHT是标准霍夫变换（SHT）的一个改进，它在一定范围内进行霍夫变换，计算单独线段的方向以及范围，从而大大减少计算量，缩短计算时间。之所以称其为“概率”，是因为并不将累加器平面内的所有可能的点累加，而只是累加其中的一部分，该想法是如果峰值足够高，只用一小部分时间去寻找它就足够了，PPHT的执行效率相比SHT高很多。
测试代码
#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; void main() { Mat src = imread("test.png"); Mat mid, dst; Canny(src, mid, 200, 250); cvtColor(mid, dst, COLOR_GRAY2BGR); // 累计概率霍夫变换 vector<Vec4f> lines; HoughLinesP(mid, lines, 1, CV_PI / 180.0, 150, 50, 20); for (size_t i = 0; i < lines.size(); ++i) { Vec4f l = lines[i]; line(dst, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 255, 255), 1, 16); } imshow("src", src); imshow("mid", mid); imshow("result", dst); waitKey(0); system("pause"); }
测试效果
图1 原图
图2 边缘检测
图3 直线检测效果图
看过霍夫变换的同学应该知道，两个函数输出line的变量类型不一样，一个是vector<Vec2f>，另一个是vector<Vec4f>，所以在使用时要注意区分；另外个人建议采用累计概率霍夫变换进行直线检测，效率高且识别效果更优。
如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！
