霍夫直线检测 opencv

　　本次实验是检测图像中的直线，用到了HoughLines()和HoughLinesP()函数，其中HoughLinesP()称为累计概率霍夫变换，实验结果显示累计概率霍夫变换要比标准霍夫变换的效果好。具体的参数介绍书中网上都有，可参照此博客https://www.cnblogs.com/skyfsm/p/6881686.html　

 #include<opencv2/opencv.hpp>

 #include<opencv2/imgproc/imgproc.hpp>

 #include<iostream>

 using namespace cv;

 using namespace std;

 Mat midImage, dstImage;  // 临时变量和目标图的定义

 void HoughLines_p();

 int main()

 {

       //载入原图

     Mat src = imread("D:/bei1.jpg");

     namedWindow("原图", CV_WINDOW_AUTOSIZE);

     imshow("原图", src);

     //先进行边缘检测 在进行灰度变换

     Canny(src, midImage, , , );

     imwrite("D:/learn-opencv/can.jpg", midImage);

     cvtColor(midImage, dstImage, CV_GRAY2BGR);

     //进行霍夫线变换

     vector<Vec2f>lines;  //定义一个矢量结构lines用于存放得到的线段矢量集合

     HoughLines(midImage, lines, , CV_PI / , , , );

     //依次在图中做出每条线段

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

     {

         float r = lines[i][];

         float theta = lines[i][];

         Point pt1, pt2;

         double a = cos(theta), b = sin(theta);

         double x0 = a * r, y0 = b * r;

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

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

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

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

         line(dstImage, pt1, pt2, Scalar(, , ), , LINE_AA);

     }

     //HoughLines_p();累积概率【霍夫变换】

     imshow("边缘检测后的图", midImage);

     imshow("显示效果图", dstImage);

     imwrite("D:/learn-opencv/dstImage.jpg", dstImage);

     waitKey();

     return();

 }

 //累积概率【霍夫变换】

 void HoughLines_p()

 {

     vector<Vec4i>lines;

     HoughLinesP(midImage, lines, , CV_PI / , , , );

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

     {

         Vec4i l = lines[i];

         line(dstImage, Point(l[], l[]), Point(l[], l[]), Scalar(, , ), , LINE_AA);

     }

 }

显示效果：

1.原图

2.canny边缘检测效果图

3.标准霍夫变换图

4.累计概率霍夫变换图