OpenCV之Hough变换检测猫眼

Hough变换

Hough变换是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。霍夫变换于1962年由Paul Hough 首次提出，后于1972年由Richard Duda和Peter Hart推广使用，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。

Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间的点－线对偶性，把图像空间中的检测问题转换到参数空间。

我们知道，在x-y坐标系内直线的方程可以用y=kx+b 来表示，其中k和b是参数，分别是斜率和截距。若已知k和b的值，则直线确定。那么可以说，在k-b坐标系中的一点（k,b）确定了x-y坐标系中的一条直线，即y = k * x＋ｂ。反之亦然，即在x-y坐标系的一点（x,y）确定了k-b坐标系中的一条直线，即ｂ＝－ｘｋ＋ｙ。即参数空间一点确定图像空间的一条直线，图像空间一点确定参数空间一条直线。图像空间中共线的点在参数空间对应的直线相交于一点。

由于Hough直线检测时参数调整太耗时了，所以这个时候先给出一个检测Hough圆的例子。等什么时候把直线调参研究的差不多了再补充检测直线的程序。仍然是这只高冷的喵。

---

程序如下：

#include<opencv.hpp>  
  
using namespace std;  
using namespace cv;  
  
int main()  
{  
    Mat img = imread("miao.jpg");  
  
    Mat gray;  
    Mat gray1,edge1,dst;  
    cvtColor(img, gray, 6);  
  
    vector<Vec3f> circles;  
    HoughCircles(gray, circles, CV_HOUGH_GRADIENT, 1, 5, 10, 53, 20,50);  
      
    for (size_t i = 0; i < circles.size(); i++)  
    {  
        Point center(round(circles[i][0]), round(circles[i][1]));  
        int radius = round(circles[i][2]);  
  
        circle(img, center, 3, Scalar(0, 255, 0), -1, 8, 0);  
  
        circle(img, center, radius, Scalar(155, 50, 255), 3, 8, 0);  
    }  
      
    imshow("circle",img);  
  
    waitKey(0);  
    return 0;  
}  

效果图很是风情万种：

最近开通了微信公众号，分享OpenCV和Python的内容，欢迎关注。