Hough Transform - mif17

Ce projet à été réalisé dans le cadre de l'unité d'enseignement "Analyse d'image - mif17" de première année de master informatique à l'Université Claude Bernard Lyon 1.

Structure du projet

├── ressources # images utilisées pour les démos
|   ├── cathedrale_lyon.jpg
|   ├── droites_simples.png
|   ├── exemple_simple.jpg
|   └── image_simple.jpg
├── src # fichiers c++
|   ├── applications.cpp 
|   ├── gradient.hpp
|   ├── hough.hpp
|   ├── kernel.hpp
|   ├── main.cpp # programme principale 
|   ├── multithreading.hpp
|   ├── ui.hpp
|   └── utils.hpp
├── CMakeLists.txt
├── rapport.pdf
└── README.md

Prérequis

L'installation de la bibliothèque OpenCV c++ est necéssaire pour que le projet compile. Voir ici: https://opencv.org/get-started/

Compilation du projet (Sous linux / Wsl)

1. Ce placer à la racine du projet:

    cd ~/path/to/directory/

2. Créer un répertoire build et se placer dedans:

    mkdir build && cd build

3. Générer le projet avec cmake en mode Release:

    cmake -DCMAKE_BUILD_TYPE=Release ..

4. Compiler le projet avec make et exécuter le programme:

    make && ./hough [lines|circles] <filepath> 

Explication des arguments de commande

L'exécutable ./hough prend deux arguments :

1. Le mode
   • lines -> détection de ligne
   • circles -> détection de cercles
2. Le chemin du fichier testé
   • rien -> ../ressources/Droites_simples.png
   • ../ressources/<image_name>

Application

Il suffit d'appuyer sur la touche 'R' pour exécuter l'algorithme de Transformée de Hough avec les paramètres définit dans le panneau de contrôle.

Panneau de configuration

Au démarrage de l'application, un panneau de contrôle, avec des sliders sur différents paramètres, s'affiche. Plusieurs types de paramètres peuvent être modifier pour influer sur le résultat de l'algorithme de Hough Transform:

• [Input] : Paramètres pour le filtre bilatéral appliqué à l'image lors de la phase de prétraitement.
• [Binary] : Paramètres à modifier lorsqsu'une image binaire est utilisée en entrée ou si l'on ne souhaite pas utiliser de gradient.
• [Gradient] : Paramètres à modifier pour le calcul du gradient.
• [Hough] : Paramètres correspondant généralement aux seuils utilisés dans l'algorithme de la transformée de Hough.
• [Hough + Gradient] : Paramètres à modifier si le gradient est utilisé pour la détection de contours.

Démo Hough Line

La démonstration de détection de ligne affiche cinq images :

• Input image : l'image d'entrée
• Filtered image : l'image filtrée
• Edges : les contours détectés (soit par le gradient, soit par la fonction 'cv::canny()' d'OpenCV)
• Accumulator : l'accumulateur représentant le nombre d'intersections pour chaque droite définit en fonction de $\boldsymbol\theta$ et $\boldsymbol\rho$
• Final result : L'image résultat qui combine l'image source avec les lignes détectées

Démo Hough Circle

La démonstration de détection de cercles affiche les mêmes images que celle des lignes excepté l'accumulateur qui, ayant trois dimensions, ne peut être affiché simplement avec la fonction 'cv::imshow()' d'OpenCV.

Configurations intéressantes

* : valeur de paramètre différente que par défaut

• cathedrale_lyon.jpg
  • lines

    * [Input] Bilateral filter d -> 15
    * [Input] Bilateral filter sigma color -> 32
    * [Input] Bilateral filter sigma space -> 43
    [Binary] Invert binary image -> 0
    [Binary] Opencv edge detection -> 0
    [Hough] Use gradient ? no -> 0 | yes -> 1 -> 1
    [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 1
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    * [Gradient] Hysteresis : Upper bound (sb) -> 22
    * [Gradient] Hysteresis : Lower bound (sb) -> 21
    [Hough + Gradient] Use direction in computation -> 1
    [Hough] Edge detection threshold -> 255
    [Hough] Line detection threshold -> 50
    * [Hough] Grouping threshold -> 34
    [Hough] Shape thickness -> 2

• circles

    * [Input] Bilateral filter d -> 18
    [Input] Bilateral filter sigma color -> 27
    [Input] Bilateral filter sigma space -> 27
    [Binary] Invert binary image -> 0
    [Binary] Opencv edge detection -> 0
    [Hough] Use gradient ? no -> 0 | yes -> 1  -> 1
    * [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 0
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    [Gradient] Hysteresis : Upper bound (sb) -> 24
    * [Gradient] Hysteresis : Lower bound (sb) -> 24
    [Hough + Gradient] Use direction in computation -> 1
    [Hough] Edge detection threshold -> 255
    * [Hough] Circle detection threshold -> 85
    * [Hough] Grouping threshold -> 79
    [Hough] Shape thickness -> 2

• droites_simples.png
  • lines

    * [Input] Bilateral filter d -> 5
    * [Input] Bilateral filter sigma color -> 6
    * [Input] Bilateral filter sigma space -> 4
    * [Binary] Invert binary image -> 1
    [Binary] Opencv edge detection -> 0
    * [Hough] Use gradient ? no -> 0 | yes -> 1 -> 0
    [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 1
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    [Gradient] Hysteresis : Upper bound (sb) -> 24
    [Gradient] Hysteresis : Lower bound (sb) -> 4
    [Hough + Gradient] Use direction in computation -> 1
    * [Hough] Edge detection threshold -> 201
    * [Hough] Line detection threshold -> 21
    * [Hough] Grouping threshold -> 22
    [Hough] Shape thickness -> 2

• exemple_simple.jpg
  • lines

    [Input] Bilateral filter d -> 27
    [Input] Bilateral filter sigma color -> 27
    [Input] Bilateral filter sigma space -> 27
    [Binary] Invert binary image -> 0
    [Binary] Opencv edge detection -> 0
    [Hough] Use gradient ? no -> 0 | yes -> 1 -> 1
    [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 1
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    [Gradient] Hysteresis : Upper bound (sb) -> 24
    [Gradient] Hysteresis : Lower bound (sb) -> 4
    [Hough + Gradient] Use direction in computation -> 1
    [Hough] Edge detection threshold -> 255
    * [Hough] Line detection threshold -> 31
    * [Hough] Grouping threshold -> 34
    [Hough] Shape thickness -> 2

• circles

    * [Input] Bilateral filter d -> 10
    * [Input] Bilateral filter sigma color -> 12
    * [Input] Bilateral filter sigma space -> 7
    [Binary] Invert binary image -> 0
    [Binary] Opencv edge detection -> 0
    [Hough] Use gradient ? no -> 0 | yes -> 1 -> 1
    * [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 0
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    [Gradient] Hysteresis : Upper bound (sb) -> 24
    [Gradient] Hysteresis : Lower bound (sb) -> 4
    [Hough + Gradient] Use direction in computation -> 1
    [Hough] Edge detection threshold -> 255
    * [Hough] Circle detection threshold -> 96
    * [Hough] Grouping threshold -> 54
    [Hough] Shape thickness -> 2

• image_simple.jpg
  • lines

    [Input] Bilateral filter d -> 27
    [Input] Bilateral filter sigma color -> 27
    [Input] Bilateral filter sigma space -> 27
    * [Binary] Invert binary image -> 1
    * [Binary] Opencv edge detection -> 1
    * [Hough] Use gradient ? no -> 0 | yes -> 1 -> 0
    [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 1
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    [Gradient] Hysteresis : Upper bound (sb) -> 24
    [Gradient] Hysteresis : Lower bound (sb) -> 4
    [Hough + Gradient] Use direction in computation -> 1
    [Hough] Edge detection threshold -> 255
    * [Hough] Line detection threshold -> 39
    * [Hough] Grouping threshold -> 8
    [Hough] Shape thickness -> 2

• circles

    [Input] Bilateral filter d -> 27
    [Input] Bilateral filter sigma color -> 27
    [Input] Bilateral filter sigma space -> 27
    [Binary] Invert binary image -> 0
    [Binary] Opencv edge detection -> 0
    [Hough] Use gradient ? no -> 0 | yes -> 1  -> 1
    * [Gradient] Bidirectionnal -> 0 | Multidirectionnal -> 1 -> 0
    [Gradient] Kernel (0: prewitt | 1: sobel | 2: kirsch) -> 2
    [Gradient] Hysteresis : Upper bound (sb) -> 24
    [Gradient] Hysteresis : Lower bound (sb) -> 4
    [Hough + Gradient] Use direction in computation -> 1
    [Hough] Edge detection threshold -> 255
    * [Hough] Circle detection threshold -> 72
    * [Hough] Grouping threshold -> 38
    [Hough] Shape thickness -> 2