OpenCV CUDA模块霍夫变换------在 GPU 上执行概率霍夫变换检测图像中的线段端点类cv::cuda::HoughSegmentDetector

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

cv::cuda::HoughSegmentDetector 是 OpenCV 的 CUDA 模块中一个非常重要的类，它用于在 GPU 上执行 概率霍夫变换（Probabilistic Hough Transform），能够检测图像中的线段端点（即直线段），而不是标准霍夫变换中表示为 (rho, theta) 的无限长直线。

类定义

class cv::cuda::HoughSegmentDetector : public cv::cuda::Algorithm

继承自 cv::cuda::Algorithm，提供了 GPU 加速的线段检测功能。

主要功能

• 在 GPU 上进行 概率霍夫变换
• 输出为一系列 线段端点，格式为 Vec4i(x1, y1, x2, y2)
• 支持边缘图作为输入（通常是 Canny 边缘检测后的图像）

构造函数 & 创建方式

你可以通过以下方式创建该类的对象：

cv::Ptr<cv::cuda::HoughSegmentDetector> hough = 
    cv::cuda::createHoughSegmentDetector(rho, theta, threshold, minLineLength, maxLineGap);

参数说明：

方法列表（常用方法）

代码示例

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>

int main()
{
    // Step 1: 加载图像并转为灰度图
    cv::Mat h_src = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/lines.png", cv::IMREAD_GRAYSCALE);
    if (h_src.empty()) {
        std::cerr << "无法加载图像！" << std::endl;
        return -1;
    }

    // Step 1.1: 图像预处理（高斯模糊降噪）
    cv::Mat h_blur;
    cv::GaussianBlur(h_src, h_blur, cv::Size(5, 5), 0);

    // Step 2: 上传到 GPU 并执行 Canny 边缘检测
    cv::cuda::GpuMat d_src, d_edges;
    d_src.upload(h_blur);

    cv::Ptr<cv::cuda::CannyEdgeDetector> canny = cv::cuda::createCannyEdgeDetector(100, 200);
    canny->detect(d_src, d_edges);

    // Step 3: 创建概率霍夫变换检测器
    float rho         = 1.0f;            // 距离分辨率
    float theta       = CV_PI / 180.0f;  // 角度分辨率（1 度）
    int threshold     = 30;              // 投票阈值（更敏感）
    int minLineLength = 50;              // 最小线段长度（更短也保留）
    int maxLineGap    = 20;              // 线段之间最大间隙（容许更大间隙）

    cv::Ptr<cv::cuda::HoughSegmentDetector> hough =
        cv::cuda::createHoughSegmentDetector(rho, theta, threshold, minLineLength, maxLineGap);

    // Step 4: 执行线段检测
    cv::cuda::GpuMat d_lines;
    hough->detect(d_edges, d_lines);

    // Step 5: 下载结果
    std::vector<cv::Vec4i> h_lines;
    d_lines.download(h_lines);

    // Step 6: 绘制检测到的线段
    cv::Mat display;
    cv::cvtColor(h_src, display, cv::COLOR_GRAY2BGR);

    for (const auto& line : h_lines)
    {
        cv::Point pt1(line[0], line[1]);
        cv::Point pt2(line[2], line[3]);
        cv::line(display, pt1, pt2, cv::Scalar(0, 255, 0), 2);
    }

    // Step 7: 显示结果
    cv::imshow("Detected Line Segments", display);
    cv::waitKey();

    return 0;
}

运行结果