C++ OpenCV庫中的霍夫變換應用

OpenCV是一個開源的計算機視覺和機器學習軟件庫，它包含了許多用于實時計算機視覺的優化算法。在OpenCV中，霍夫變換（Hough Transform）是一種用于檢測圖像中的形狀（如直線、圓等）的技術。

以下是使用OpenCV庫中的霍夫變換來檢測圖像中的直線和圓的示例：

1. 首先，需要安裝OpenCV庫。可以從官方網站（https://opencv.org/releases/）下載適合操作系統的版本。

2. 然后，創建一個C++項目并包含OpenCV頭文件。例如：

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

3. 接下來，編寫一個函數來檢測圖像中的直線。可以使用HoughLines()函數實現這一功能。例如：

void detectLines(cv::Mat& image) {
    cv::Mat gray, edges;
    cvtColor(image, gray, CV_BGR2GRAY);
    Canny(gray, edges, 50, 200, 3);

    std::vector<cv::Vec2f> lines;
    HoughLines(edges, lines, 1, CV_PI / 180, 100, 0, 0);

    for (size_t i = 0; i< lines.size(); i++) {
        float rho = lines[i][0], theta = lines[i][1];
        double a = cos(theta), b = sin(theta);
        double x0 = a * rho, y0 = b * rho;
        cv::Point pt1(cvRound(x0 + 1000 * (-b)), cvRound(y0 + 1000 * a));
        cv::Point pt2(cvRound(x0 - 1000 * (-b)), cvRound(y0 - 1000 * a));
        line(image, pt1, pt2, cv::Scalar(0, 0, 255), 3, CV_AA);
    }
}

4. 類似地，編寫一個函數來檢測圖像中的圓。可以使用HoughCircles()函數實現這一功能。例如：

void detectCircles(cv::Mat& image) {
    cv::Mat gray;
    cvtColor(image, gray, CV_BGR2GRAY);

    std::vector<cv::Vec3f> circles;
    HoughCircles(gray, circles, CV_HOUGH_GRADIENT, 1, gray.rows / 8, 100, 10, 0, 0);

    for (size_t i = 0; i< circles.size(); i++) {
        cv::Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
        int radius = cvRound(circles[i][2]);
        circle(image, center, radius, cv::Scalar(0, 255, 0), 3, 8, 0);
    }
}

5. 最后，在主函數中調用這些函數來處理圖像。例如：

int main() {
    cv::Mat image = cv::imread("test.jpg");
    if (!image.data) {
        std::cout << "No image data."<< std::endl;
        return -1;
    }

    detectLines(image);
    detectCircles(image);

    cv::namedWindow("Image", CV_WINDOW_AUTOSIZE);
    cv::imshow("Image", image);

    cv::waitKey(0);
    return 0;
}

這樣，就可以使用OpenCV庫中的霍夫變換來檢測圖像中的直線和圓了。注意，這里的代碼只是一個簡單的示例，實際應用中可能需要對參數進行調整以獲得更好的效果。