OpenCvSharp 是一个 .NET 包装库，允许开发者在 C# 中使用 OpenCV 的功能。霍夫变换是 OpenCV 中一种强大且常用的图像处理方法，用于检测几何形状。本文将介绍霍夫变换的特点、应用场景，并通过示例代码展示如何在 C# 中使用 OpenCvSharp 实现霍夫变换。

特点

霍夫变换是一种特征提取技术，主要用于识别图像中的直线、圆以及其他简单的几何形状。其特点包括：

1. 鲁棒性：能够在具有噪声的图像中识别出部分隐藏或破碎的几何形状。
2. 参数化表示：通过将形状参数空间转换为线性空间来实现形状的检测。
3. 自动化：能够有效地从图像中自动提取几何形状。

应用场景

霍夫变换在众多领域都能派上用场，包括但不限于：

• 车道检测：在自动驾驶和高级驾驶辅助系统中，用于检测道路车道线。
• 医学成像：用于识别和提取医学图像中的结构，例如血管或组织边缘。
• 目标跟踪：在视频检测和跟踪中用于识别和跟踪特定的几何形状。
• 光学字符识别：通过检测文本字符的边缘和轮廓进行文本分析。

霍夫直线变换示例

以下是使用 OpenCvSharp 在一幅图像中进行霍夫直线检测的示例代码。

C#
static void Main()
{
    // 加载灰度图像
    using var src = Cv2.ImRead("example.png", ImreadModes.Grayscale);

    // 边缘检测（使用Canny检测器）
    using var cannyOutput = new Mat();
    Cv2.Canny(src, cannyOutput, 50, 150);

    // 霍夫线变换
    LineSegmentPolar[] lines = Cv2.HoughLines(cannyOutput, 1, Math.PI / 180, 100);

    // 显示检测到的线条
    using var colorDst = new Mat();
    Cv2.CvtColor(cannyOutput, colorDst, ColorConversionCodes.GRAY2BGR);

    double thetaThreshold = 1 * Math.PI / 180; // 1 degree tolerance for near horizontal

    List<LineSegmentPolar> filteredLines = new List<LineSegmentPolar>();

    foreach (var line in lines)
    {
        double thetaInDegrees = line.Theta * 180 / Math.PI;

        if (thetaInDegrees >= 90 - thetaThreshold && thetaInDegrees <= 90 + thetaThreshold)
        {
            // 将每条线与已经选出的线对比，避免选择非常相似的线条
            bool isSimilar = false;

            foreach (var existingLine in filteredLines)
            {
                if (Math.Abs(line.Rho - existingLine.Rho) < 10 && Math.Abs(line.Theta - existingLine.Theta) < thetaThreshold)
                {
                    isSimilar = true;
                    break;
                }
            }

            // 如果找不到相似的线条，则添加到结果集中
            if (!isSimilar)
            {
                filteredLines.Add(line);
            }
        }
    }

    // 绘制过滤后线条
    foreach (var line in filteredLines)
    {
        double rho = line.Rho;
        double theta = line.Theta;

        double a = Math.Cos(theta);
        double b = Math.Sin(theta);
        double x0 = a * rho;
        double y0 = b * rho;
        Point pt1 = new Point(x0 + 1000 * (-b), y0 + 1000 * (a));
        Point pt2 = new Point(x0 - 1000 * (-b), y0 - 1000 * (a));

        // 在图像上绘制线
        Cv2.Line(colorDst, pt1, pt2, Scalar.Red, 3, LineTypes.AntiAlias);

        // 在图像上标记该线的水平值（Theta）
        string label = $"Theta: {theta * 180 / Math.PI:F2} deg";
        Point textPosition = new Point(x0, y0);
        Cv2.PutText(colorDst, label, textPosition, HersheyFonts.HersheySimplex, 0.5, Scalar.Blue, 1, LineTypes.AntiAlias);
    }

    // 显示结果
    Cv2.ImShow("Detected Lines with Angles", colorDst);
    Cv2.WaitKey();
}

• 相似性检测: 引入了 filteredLines 列表来保存不重复的线。在每次添加新线之前，检查它是否与已选择的线条过于相似（基于 rho 和 theta 参数的差异）。
• 阈值调整: 根据 theta 的变化来定义一个接近 90 度的范围 (thetaThreshold)，从而减少引入不接近水平的线条。
• 将 rho 位置偏移小于一定值的线视为重复，提高精度调整的自由度。

霍夫圆变换示例

以下示例展示了如何检测图像中的圆。

C#
using OpenCvSharp;

class HoughCircleTransformExample
{
    static void Main()
    {
        // 加载灰度图像
        using var src = Cv2.ImRead("input.jpg", ImreadModes.Grayscale);

        // 降噪
        using var blurred = new Mat();
        Cv2.MedianBlur(src, blurred, 5);

        // 霍夫圆变换
        CircleSegment[] circles = Cv2.HoughCircles(
            blurred,
            HoughMethods.Gradient,
            1,
            src.Rows / 8,
            100,
            30,
            1,
            30);

        // 显示检测到的圆
        using var colorSrc = new Mat();
        Cv2.CvtColor(src, colorSrc, ColorConversionCodes.GRAY2BGR);
        foreach (var circle in circles)
        {
            Cv2.Circle(colorSrc, (int)circle.Center.X, (int)circle.Center.Y, (int)circle.Radius, Scalar.Green, 2);
            Cv2.Circle(colorSrc, (int)circle.Center.X, (int)circle.Center.Y, 2, Scalar.Red, 3);
        }

        // 显示结果
        Cv2.ImShow("Detected Circles", colorSrc);
        Cv2.WaitKey();
    }
}

总结

霍夫变换是图像处理中不可或缺的工具，尤其适用于识别图像中的简单几何形状。在 OpenCvSharp 中，我们可以方便地使用霍夫变换进行线条和圆的检测。通过这些特点和应用场景，开发者可以开发出能够自动识别和分析复杂场景的强大程序。这个工具在图像处理、计算机视觉的项目中，将为您带来无限的便捷和可能性。