机器视觉_实验2

1、实验二多边形边长测量一、实验目的1 掌握哈夫变换方法检测直线的基本原理和步骤。2 . 复习 VB/VC/Matlab的基本概念、基本语法和编程方法，并熟练使用VB/VC/Matlab编写遗传算法程序。二、实验设备微机三、实验原理距离测量基本步骤：1)对定位距离的两条直线进行识别和拟合。（关键步骤）2)得到直线方程后，根据数学方法计算两线间的距离。两种经典的直线拟合（检测）算法：最小二乘法、哈夫(霍夫 )变换法直线函数：y=ax+b，a、b是待定常数。Hough 变换 Hough ， 1962 是一种利用图像全局特征将特定形状的边缘连接起来，形成连续平滑边缘的一种方法。它通过将源图像上的点映射到

2、用于累加的参数空间，实现对已知解析式曲线的识别。由于Hough 变换利用了图像全局特性，所以受噪声和边界间断的影响较小，比较鲁棒（ Robust）。Hough 变换常用来对图像中的直线和圆进行识别。点 - 线对偶性：图像空间XY中共线的点，对应在参数空间PQ 中相交的线。参数空间PQ中相交于一点的所有直线，在图像空间XY里都有共线的点与之对应。结论：在PQ平面上相交直线最多的点，对应在XY平面上的直线就是解。假设： 1）图像上的直线是一个容器；2）直线上的点（图像中的特定像素）是放在容器中的棋子。由于图像上任一像素可以同时属于多根直线， 即可看成每个棋子（像素） 可以同时放在多个容器中（直线）

3、 。Hough 变换的基本思想：依次检查图像上的每个棋子（特定像素）。对每个棋子，找到所有包含它的容器（直线） ，并为每个容器的计数器加 1。遍历结束后，统计每个容器所包含的棋子数量。当图像上某个直线包含的特定像素足够多时，就可以认为直线存在。具体步骤：将 r量化，得到二维矩阵Mr；根据极坐标表示法，r 是直线到原点的距离。设图像的对角线长度为n，固定左上角为原点，则r的取值范围为0, n 。10, 359 。此时， M 是一个 n 行 360 列的二维矩阵。矩阵中任一元素Mr 所存储的值就是图像中由参数(r,)决定的直线上所拥有的像素数。初始化时，矩阵M置为0。遍历图像，对像素(xi, yi

4、)(xi, yi) ，依次代入直线的极坐标方程，计算 r 的值，根据当前r加 1，即： Mr=Mr+1 。分析 Mr，如果 MrT ，就认为存在一条有意义的线段，(r,)是该线段的拟合参数。T 是一个非负整数，由图像中景物的先验知识决定，与图像大小有关。由(r,) 和(xi,yi)共同确定图像中的线段，并连接 断裂部分。四、预习要求1 查阅资料，理解并掌握哈夫变换方法检测直线的基本原理与步骤。2 复习 VB/VC/Matlab的基本概念、基本语法和编程方法。五、实验内容及步骤1 . 上机编写程序，以“六边形.bmp ”为实验对象，利用哈夫变换方法检测出六边形各边边长。程序代码：#include

5、#include#include#include#include"stdafx.h""opencv2/highgui/highgui.hpp""opencv2/imgproc/imgproc.hpp"<iostream><stdio.h>usingnamespace cv;usingnamespace std;Mat src, edges;Mat src_gray;Mat standard_hough, probabilistic_hough;/ 标准霍夫变换，概率的霍夫变换intmin_threshold =

6、 10;/最小阈值为 10intmax_trackbar = 200;/最大的跟踪条为 200char *standard_name = "Standard Hough Lines Demo" ;char *probabilistic_name ="Probabilistic Hough Lines Demo"ints_trackbar = max_trackbar;intp_trackbar = max_trackbar;voidhelp();voidStandard_Hough( int,void *);voidProbabilistic_Hough

7、(int , void *);intmain()src = imread(" 六边形 .bmp" , 1);if(src.empty()help();return-1;cvtColor(src, src_gray,CV_RGB2GRAY);Canny(src_gray, edges, 50, 200, 3);namedWindow(standard_name, CV_WINDOW_AUTOSIZE);createTrackbar("Thresh" , standard_name, &s_trackbar, max_trackbar, Standa

8、rd_Hough);namedWindow(probabilistic_name,CV_WINDOW_AUTOSIZE);createTrackbar("Thresh" , probabilistic_name, &p_trackbar, max_trackbar, Probabilistic_Hough);/ 初始化Standard_Hough(0, 0);Probabilistic_Hough(0, 0);waitKey(0);return0;void help()printf(printf(printf("t Hough Transform to d

9、etect lines n");"t-n");"Usage:./HoughLines_Demo<image_name>n" );void Standard_Hough( int ,void *)vector <Vec2f>s_lines; cvtColor(edges, standard_hough,CV_GRAY2BGR);/ 用标准霍夫变换 HoughLines(edges, s_lines, 1,CV_PI / 180, min_threshold + s_trackbar, 0, 0);/ 显示结果for ( i

10、nti = 0; i < s_lines.size(); i+)floatr = s_linesi0, t = s_linesi1;double cos_t = cos(t), sin_t = sin(t);double x0 = r*cos_t, y0 = r*sin_t;double alpha = 1000;Point pt1(cvRound(x0 + alpha*(-sin_t), cvRound(y0 + alpha*cos_t); Point pt2(cvRound(x0 - alpha*(-sin_t), cvRound(y0 - alpha*cos_t); line(st

11、andard_hough, pt1, pt2, Scalar (255, 0, 0), 1, CV_AA);imshow(standard_name, standard_hough);imwrite(" 六边形 .bmp" , standard_hough);void Probabilistic_Hough( int ,void *)vector <Vec4i >p_lines; cvtColor(edges, probabilistic_hough,CV_GRAY2BGR);/ 用概率霍夫变换HoughLinesP(edges, p_lines, 1,CV_P

12、I / 180, min_threshold + p_trackbar, 30, 10);/ 显示结果for ( size_ti = 0; i < p_lines.size(); i+)Vec4i l = p_linesi;line(probabilistic_hough,Point (l0, l1),Point (l2, l3),Scalar (255, 0, 0), 1,CV_AA);imshow(probabilistic_name, probabilistic_hough);imwrite(" 六边形 .bmp" , probabilistic_hough);

13、2 . 利用实验一的Harris 角点检测程序，检测“六边形.bmp”中六边形的各边边长。源程序：#include"stdafx.h"#include"opencv2/highgui/highgui.hpp"#include"opencv2/imgproc/imgproc.hpp"#include"opencv2corecore.hpp"#include"opencv2legacylegacy.hpp"#include"opencv2nonfreenonfree.hpp"#i

14、nclude"opencv2highguihighgui.hpp"#include"opencv2calib3dcalib3d.hpp"#include<vector>#include<iostream>#include<stdio.h>usingnamespace cv;usingnamespace std;Mat src, src_gray, dst_norm_scaled, src_copy;intthresh = 0;intmax_thresh = 100;intmaxCorners = 0;intmaxTra

15、ckbar = 50;/ 最大的跟踪条为50char *source_window = char *corners_window ="Source image" ;"Corners detected"/void cornerHarris_demo(int ,void *);/intmain()src= imread(" 六边形 .bmp" , 1);cvtColor(src, src_gray,CV_BGR2GRAY);/ 建立一个窗口和跟踪条namedWindow(source_window, CV_WINDOW_AUTOSIZE)

16、;createTrackbar("Harris", source_window, &thresh, max_thresh, cornerHarris_demo);createTrackbar("ShiTomasi" , source_window, &maxCorners, maxTrackbar, cornerHarris_demo);namedWindow(corners_window,CV_WINDOW_AUTOSIZE);namedWindow(source_window, CV_WINDOW_AUTOSIZE);cornerHa

17、rris_demo(0, 0);/waitKey(0);return (0);void cornerHarris_demo(int ,void *)src.copyTo(src_copy);Mat dst, dst_norm;dst=Mat:zeros(src.size(),CV_32FC1);/intblockSize= 2;intapertureSize= 3;double k= 0.04;/cornerHarris(src_gray, dst, blockSize, apertureSize, k,BORDER_DEFAULT);/normalize(dst, dst_norm, 0,

18、255, NORM_MINMAX, CV_32FC1, Mat(); convertScaleAbs(dst_norm, dst_norm_scaled);/for ( intj = 0; j < dst_norm.rows; j+)for ( inti = 0; i < dst_norm.cols; i+)if( int )dst_norm.at<float>(j, i)>thresh + 60)circle(dst_norm_scaled, Point (i, j), 6, Scalar (0), -1, 8, 0); circle(src_copy, Point (i, j), 5, Scalar (255, 0, 0), -1, 8, 0);if(maxCorners < 1)maxCorners = 1;/vector <Point2f > corners;double qualityLevel = 0.01;double minDistance = 10;bool useHarrisDetector=false ;/Mat cormat;/goodFeaturesToTrack(src