论文回顾之一 一种新的直线段检测算法---LSD：a Line Segment Detector

    近来比较忙+生病，没有大段的时间学习PGM，临睡前回顾一篇论文--《LSD: a Line Segment Detector》，这篇文章发表于PAMI2010。特别之处在于能快速检测图像中的线段，同时使用了错误控制的方法，使得检测结果比较准确。最后，LSD结果输出是线段的坐标与属性，比如起点，终点，线段的粗细。

    首先，我们需要回顾一下，为什么需要检测图像中的直线段？直线段作为图像中边缘的一种，又有什么特殊之处呢？在Marr关于视觉的计算理论中提到，视觉是一种处理过程，经过这个过程我们能从图像中发现外部世界中有什么东西和它们在什么地方。同时，我们还知道，信息处理具有三个层次：（1）第一个层次是信息处理的计算理论（theory），也就是研究是对什么信息进行计算和为什么要进行这些计算；（2）第二个层次是算法（algorithm），也就是如何进行所需要的计算，或者说是设计算法；（3）第三个层次是实现算法的机制，也就是研究某一算法的特定构成。对于视觉系统，观看图像的过程，也可以看做是信息处理的过程。从图像推理得到物体的形状信息的过程也可以对应为三个阶段：（1）初始简图（primal sketch），这个初始简图可以是轮廓图像，也可以是一堆具有特定意义的特征点构成的掩码，或者是像素的光强等信息；（2）2.5维简图（2.5 dimensional sketch），2.5维简图是对初始简图进行一系列的处理和运算，推导出的一个能反映某些几何特征的表象，它和初始简图都是以观察者为核心；（3）三维模型（3D model）。

    那么哪些信息可以用来构造图像的初始简图呢？一个形象的例子是画画。画家速写时，用很少的边，点，线等符号，就可以勾勒出大致的景物。当然，这样的景物与实际景物在人体视网膜上产生的以像素为单位的亮度矩阵式不一样的，但是人们也可以轻松的识别出他们。这说明视觉对图形所做的第一个运算就是把他们转换成一些原始符号构成的描述，这些描述所反映的不止是亮度的绝对值的大小，还有图像中的亮度变化和局部的几何特征。

    初始简图是一种基元。它可以由若干边缘段（edge segments），线（line segment），斑点（blob）和端点（terminations）构成，这些杂乱的基元构成的初始简图又被称作未处理的初始简图，当这些基元通过各种方式进行聚合、概括和抽象以形成更大、更加抽象的标记（tokens）时，这样的初始简图又被称为完全的初始简图。

    这也就是边缘检测之所以称为图像处理和机器视觉的基本问题的原因。边缘检测的直接目的是寻找未处理的初始简图。它通常寻找图像中亮度变化明显的点，当这些点位置相邻且方向相近时，则构成了边缘中的特殊边缘-直线段。目前流行的直线检测算法主要是霍夫变换，它的优势是不受图像旋转的影响，易于进行几何图像的快速变换。基于霍夫变换的改进方法也很多，其中一个重要的方法是广义霍夫变换，可以用来检测任意形状的曲线。