-
用途：
Line Detection by Hough transformation
Hough Transform
用来检测出可以用公式描述的形状，比如直线，圆，椭圆等等。
-
原理
直线可以用下面的格式来描述，θ和r是直线的参数，根据下图和勾股定理即可得出。
建立参数空间（Hough Space），即θ作为横轴，r作为纵轴，对于原始图像的具体的一个点，有无数的直线穿过它，也就是有无数多个（θ，r）的值，我们将其画在参数空间上，得到一条类似正弦曲线。我们从格式也可以得知，x0cosθ + y0sinθ = r，可知这是两条正弦曲线的叠加。
对于每一个点我们都这样做会得到很多条正弦曲线，其中会有一些很明显的交点的坐标就是我们要求的直线对应的参数。
-
具体的实现
1.预处理，使用Canny边缘检测得到一幅黑白图片。
2.对于每一个点，计算可能的参数进行累加，也就是将参数空间分割后对每个空间上参数个数分别进行计数。可能这样的计算复杂度会很高，但其实我们首先把每个格子划大一点，然后不断地细分。
3.施加阈值或者其他的限制得到有限的几对参数。
4.将无限长的直线转化为有限长的直线。
累加器
将参数空间分割成一个个小小的空间，然后每个参数对（对应一条直线）落在这个范围就进行计数。累加器的分辨率（数量多少）决定了计算出参数的精度。一般r是以像素点，θ是以度数作为单位的。
每个累加器维数由参数个数决定，比如直线有2个参数，参数空间也是2维的，累加器就是分割参数空间的，所以也是2维的。
限制无线长度直线个数
限定阈值，然后要注意有些相邻的参数可能其实在真实中是同一条直线，需要增加suppression neighborhood
无限变有限
可以在计算累加器的时候把原始的点也保存，这样可能会增加内存的使用，减少分辨率可以减少内存的使用——也就是把原始点一个间隔一个间隔地保存，而且有直线方程在，只保留x/y即可。
也可以用无限长的直线上的点反过来来搜索原图——Progressive Probabilistic Hough Transform
-
更快的算法 PPHT(Progressive Probabilistic Hough Transform)
大致是随机选择一些点，然后还是计算累加器，超过某个阈值后的直线，再回到原图根据直线找到对应的点，看数量是否超另外一个阈值，是输出这条直线，然后继续。
-
opencv实践
参数介绍，
src_gray: Input image (grayscale).
circles: A vector that stores sets of 3 values: x_{c}, y_{c}, r for each detected circle.
HOUGH_GRADIENT: Define the detection method. Currently this is the only one available in OpenCV.
dp = 1: The inverse ratio of resolution.
min_dist = src_gray.rows/8: Minimum distance between detected centers.
中心点最短距离，多个圆相近只要1个，增加这个参数
param_1 = 200: Upper threshold for the internal Canny edge detector.
Canny上限，转化之前会先用Canny搞出边界，计算梯度后要用上限确定初步保留哪些边界，用200左右，具体可以用Canny函数计算后测量下。
param_2 = 100*: Threshold for center detection.
越大需要的组成圆的点要越多，这个是最重要的参数，如果检测出很多圆来，那么增加这个可以减少
min_radius = 0: Minimum radio to be detected. If unknown, put zero as default. max_radius = 0: Maximum radius to be detected. If unknown, put zero as default.
可以将下面HoughCircles的参数20,200分别调小看会发生什么。
#include "opencv2/opencv.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "main.h"
using namespace cv;
int main() {
Mat src, src_gray,edges;
src = imread("coin.jpg");
//去噪
GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);
cvtColor(src, src_gray, COLOR_BGR2GRAY);
//Canny(src_gray, edges, 50, 150);
//imshow("edges", edges);
imshow("src1", src);
vector<Vec3f> circles;
HoughCircles(src_gray, circles, HOUGH_GRADIENT,1,20,150,200);
for (auto c : circles) {
Point center(cvRound(c[0]), cvRound(c[1]));
int radius = cvRound(c[2]);
circle(src, center, 3, Scalar(0, 255, 0));
circle(src, center, radius, Scalar(0, 0, 255),2);
}
imshow("src2", src);
END:
waitKey(0);
system("pause");
return 0;
}
-
HoughLines
HoughLinesP是线段，实际使用体验并不好，检测的结果是这样的，参数怎么调都调不好。
rho：
以像素为距离的距离分辨率
theta：
以弧度为单位的角度分辨率
threshold：
投票门限
srn：
stn：
min_theta：
max_theta = CV_PI
