直线在图像中出现的频率非常之高，而直线作为图像的特征对于基本内容的图像分析有着很重要的作用，本文通过OpenCV中的hough变换来检测图像中的线条。
我们先看最基本的Hough变换函数HoughLines，它的原型如下：
void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 );
它的输入是一个二值的轮廓图像，往往是边缘检测得到的结果图像；它的输出是一个包含多个Vec2f点的数组，数组中的每个元素是一个二元浮点数据 对<rou,theta>，rou代表直线离坐标原点的距离，theta代表角度。第3和第4个参数代表步长，因为Hough变换实际上是一 个穷举的算法，rho表示距离的步长，theta代表角度的步长。第5个参数是一个阈值设置直接的最低投票个数，知道Hough原理的，这个参数应该很容 易理解。
从 这个函数的输出结果我们可以看出，得到的直线并没有指定在图像中的开始点与结束点，需要我们自己去计算，如果我们想把直接显示在图像中就会比较麻烦，而且 会有很多角度接近的直线，其实它们是重复的，为了解决上面这些问题，OpenCV又提供了一个函数HoughLinesP()。它的输出是一个 Vector of Vec4i。Vector每一个元素代表一条直线，是由一个4元浮点数组构成，前两个点一组，后两个点一组，代表了在图像中直线的起始和结束点。
void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta,int threshold, double minLineLength=0, double maxLineGap=0 );
解释一下最后两个参数，minLineLength指定了检测直线中的最小宽度，如果低于最小宽度则舍弃掉，maxLineGap指定通过同一点的直线，如果距离小于maxLineGap就会进行合并。
-
下面是一个用HoughLinesP检测直线的例子：
-
1 int main() 2 { 3 Mat image=imread("../car.png"); 4 Mat I; 5 cvtColor(image,I,CV_BGR2GRAY); 6 Mat contours; 7 Canny(I,contours,125,350); 8 threshold(contours,contours,128,255,THRESH_BINARY); 9 vectorlines; 10 // 检测直线，最小投票为90，线条不短于50，间隙不小于10 11 HoughLinesP(contours,lines,1,CV_PI/180,80,50,10); 12 drawDetectLines(image,lines,Scalar(0,255,0)); 13 namedWindow("Lines"); 14 imshow("Lines",image); 15 waitKey(); 16 return 0; 17 }
-
上面程序将检测到的线条保存在lines变量内，我们需要进一步将它们画在图像上：
-
1 void drawDetectLines(Mat& image,const vector
& lines,Scalar & color) 2 { 3 // 将检测到的直线在图上画出来 4 vector ::const_iterator it=lines.begin(); 5 while(it!=lines.end()) 6 { 7 Point pt1((*it)[0],(*it)[1]); 8 Point pt2((*it)[2],(*it)[3]); 9 line(image,pt1,pt2,color,2); // 线条宽度设置为2 10 ++it; 11 } 12 }
实 际上Hough变换可以检测很多固定的形状，比如：圆、正方形等。它们的原理基本相同，都是构造一个投票矩阵。OpenCV里提供了检测圆的函数 HoughCircles，它的输出是一个Vector of Vec3i，Vector的每个元素包含了3个浮点数，前2个是圆的中心坐标，最后一个是半径。