實驗二多邊形邊長測量一、實驗?zāi)康?掌握哈夫變換方法檢測直線的基本原理和步驟。習(xí)VB/VC/Matlab的基本概念、基本語法和編程方法，并熟練使用VB/VC/Matlab編寫遺傳算法程序。二、實驗設(shè)備微機三、實驗原理距離測量基本步驟：1）對定位距離的兩條直線進行識別和擬合。（關(guān)鍵步驟）2）得到直線方程后，根據(jù)數(shù)學(xué)方法計算兩線間的距離。兩種經(jīng)典的直線擬合（檢測）算法：最小二乘法、哈夫（霍夫）變換法直線函數(shù)極值原理：：直線函數(shù)極值原理：：y=ax+b,a、% 理 理吃皿一￡三￡乂b是待定常數(shù)a=^-理J=1最小二乘法可以方便、快速地求解直線方程0缺點：用一條直線上多點到另一條直線的距離平均值來近似計算.Hough變換［Hough,1962］是一種利用圖像全局特征將特定形狀的邊緣連接起來，形成連續(xù)平滑邊緣的一種方法。它通過將源圖像上的點映射到用于累加的參數(shù)空間，實現(xiàn)對已知解析式曲線的識別。由于Hough變換利用了圖像全局特性，所以受噪聲和邊界間斷的影響較小，比較魯棒

(Robust)oHough(Robust)o國如合的哈夫變換方法直線函數(shù)：了‘猶?圖像空間XF：（為四直線函數(shù)：了‘猶?圖像空間XF：（為四?參數(shù)空聞PQ：dq）?圖像空間中共線的點，對應(yīng)在參數(shù)空間中相交的線口?參數(shù)空間中相交于一點的所有直線，在圖像空間里都有共線的點I與之對應(yīng)O 第5章尺寸測量技術(shù)點一線對偶性:圖像空間XY中共線的點，對應(yīng)在參數(shù)空間PQ中相交的線。參數(shù)空間PQ中相交于一點的所有直線，在圖像空間XY里都有共線的點與之對應(yīng)。結(jié)論：在PQ平面上相交直線最多的點，對應(yīng)在XY平面上的直線就是解。

點―正弦曲線對偶：圖像空間中的點住亦）映射到,窿數(shù)空間直線的極坐標(biāo)方程：口xcos如sin。點―正弦曲線對偶：圖像空間中的點住亦）映射到,窿數(shù)空間直線的極坐標(biāo)方程：口xcos如sin。2空間rd：（乙次先（0,何，re（-R.R）尸co5/乃sin，y7缶心）&，%)r=x2cos0^y2sm0假設(shè)：i）圖像上的直線是一個容器；2）直線上的點（圖像中的特定像素）是放在容器中的棋子。由于圖像上任一像素可以同時屬于多根直線，即可看成每個棋子（像素）可以同時放在多個容器中（直線）。Hough變換的基本思想：依次檢查圖像上的每個棋子（特定像素）。對每個棋子，找到所有包含它的容器（直線），并為每個容器的計數(shù)器加1。遍歷結(jié)束后，統(tǒng)計每個容器所包含的棋子數(shù)量。當(dāng)圖像上某個直線包含的特定像素足夠多時，就可以認(rèn)為直線存在?！鯤ough變換時，依次對像素4方進行處理像素力的處理結(jié)果：11、12、23、24等直線的計數(shù)器加1；像素￡的處理結(jié)果：12、26、27、￡8等直線的計數(shù)器加1；最終結(jié)果：除力2外，其余直線區(qū)域的計數(shù)器值均為1°■根據(jù)圖像大小設(shè)定閾值T,規(guī)定若某個直線計數(shù)器內(nèi)包含的特定像素數(shù)量aT，則認(rèn)為此直線存在。具體步驟：將r空間量化，得到二維矩陣M[r][]；根據(jù)極坐標(biāo)表示法，r是直線到原點的距離。設(shè)圖像的對角線長度為n,固定左上角為原點，則r的取值范圍為[0,n]。令以1度為增量，則的取值范圍為[0,359]。此時，M是一個n行360列的二維矩陣。矩陣中任一元素M[r][]所存儲的值就是圖像中由參數(shù)(r,)決定的直線上所擁有的像素數(shù)。初始化時，矩陣M置為0。遍歷圖像，對像素(xi,yi),將的所有量化值和像素坐標(biāo)(xi,yi)，依次代入直線的極坐標(biāo)方程，計算r的值，根據(jù)當(dāng)前r、，將對應(yīng)的累加器加1，即：M[r][]=M[r][]+1。分析M[r][]，如果M[r][]T，就認(rèn)為存在一條有意義的線段，(r,)是該線段的擬合參數(shù)。T是一個非負整數(shù)，由圖像中景物的先驗知識決定，與圖像大小有關(guān)。

由(r, )和(xi,yi)共同確定圖像中的線段，并連接斷裂部分。若將Hough變換得到的各直線計數(shù)器的值看作圖像的灰度，把用于存儲的二維數(shù)組看做像素矩陣，則可得到Hough變換的圖像口原灰度圖參數(shù)空間映射圖像原灰度圖四、預(yù)習(xí)要求.查閱資料，理解并掌握哈夫變換方法檢測直線的基本原理與步驟。.復(fù)習(xí)VB/VC/Matlab的基本概念、基本語法和編程方法。五、實驗內(nèi)容及步驟1..上機編寫程序，以“六邊形.bmp”為實驗對象，利用哈夫變換方法檢測出六邊形各邊邊長。程序代碼：#include"stdafx.h"#include"opencv2/highgui/highgui.hpp”#include"opencv2/imgproc/imgproc.hpp”#include<iostream>#include<stdio.h>usingnamespacecv;usingnamespacestd;

Matsrc,edges;Matsrc_gray;Matstandard_hough,probabilistic_hough;〃標(biāo)準(zhǔn)霍夫變換，概率的霍夫變換intmin_threshold=10;〃最小閾值為10intmax_trackbar=200;〃最大的跟蹤條為200char*standard_name="StandardHoughLinesDemo";char*probabilistic_name="ProbabilisticHoughLinesDemo";ints_trackbar=max_trackbar;intp_trackbar=max_trackbar;voidhelp();voidStandard_Hough(int,void*);voidProbabilistic_Hough(int,void*);intmain()(src=imread("六邊形.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,Standard_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;}voidhelp()(printf("\tHoughTransformtodetectlines\n");printf('\t \n");printf("Usage:./HoughLines_Demo<image_name>\n");}voidStandard_Hough(int,void*)(vector<Vec2f>s_lines;cvtColor(edges,standard_hough,CV_GRAY2BGR);〃用標(biāo)準(zhǔn)霍夫變換HoughLines(edges,s_lines,1,CV_PI/180,min_threshold+s_trackbar,0,0);〃顯示結(jié)果for(inti=0;i<s_lines.size();i++)(floatr=s_lines[i][0],t=s_lines[i][1];doublecos_t=cos(t),sin_t=sin(t);doublex0=r*cos_t,y0=r*sin_t;doublealpha=1000;Pointpt1(cvRound(x0+alpha*(-sin_t)),cvRound(y0+alpha*cos_t));Pointpt2(cvRound(x0-alpha*(-sin_t)),cvRound(y0-alpha*cos_t));line(standard_hough,pt1,pt2,Scalar(255,0,0),1,CV_AA);}imshow(standard_name,standard_hough);imwrite("六邊形.bmp”,standard_hough);}voidProbabilistic_Hough(int,void*)(vector<Vec4i>p_lines;cvtColor(edges,probabilistic_hough,CV_GRAY2BGR);〃用概率霍夫變換HoughLinesP(edges,p_lines,1,CV_PI/180,min_threshold+p_trackbar,30,10);〃顯示結(jié)果for(size_ti=0;i<p_lines.size();i++)(Vec4il=p_lines[i];line(probabilistic_hough,Point(l[0],l[1]),Point(l[2],l[3]),Scalar(255,0,0),1,CV_AA);}imshow(probabilistic_name,probabilistic_hough);imwrite("六邊形.bmp”,probabilistic_hough);}2..利用實驗一的Harris角點檢測程序，檢測“六邊形.bmp”中六邊形的各邊邊長。源程序：#include"stdafx.h"#include"opencv2/highgui/highgui.hpp”#include"opencv2/imgproc/imgproc.hpp”#include"opencv2\core\core.hpp”#include"opencv2\legacy\legacy.hpp”#include"opencv2\nonfree\nonfree.hpp”#include"opencv2\highgui\highgui.hpp”#include"opencv2\calib3d\calib3d.hpp”#include<vector>#include<iostream>#include<stdio.h>usingnamespacecv;usingnamespacestd;Matsrc,src_gray,dst_norm_scaled,src_copy;intthresh=0;intmax_thresh=100;intmaxCorners=0;intmaxTrackbar=50;//最大的跟蹤條為50char*source_window="Sourceimage";char*corners_window="Cornersdetected";//voidcornerHarris_demo(int,void*);//intmain()(src=imread("六邊形.bmp”,1);cvtColor(src,src_gray,CV_BGR2GRAY);〃建立一個窗口和跟蹤條namedWindow(source_window,CV_WINDOW_AUTOSIZE);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);cornerHarris_demo(0,0);//waitKey(0);return(0);}voidcornerHarris_demo(int,void*)(src.copyTo(src_copy);Matdst,dst_norm;dst=Mat::zeros(src.size(),CV_32FC1);//intblockSize=2;intapertureSize=3;doublek=0.04;//cornerHarris(src_gray,dst,blockSize,apertureSize,k,BORDER_DEFAULT);//normalize(dst,dst_norm,0,255,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;doublequalityLevel=0.01;doubleminDistance=10;booluseHarrisDetector=false;//Matcormat;//goodFeaturesToTrack(src_gray,corners,maxCorne