基于Hough变换的直线检测研究（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

 ⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、文档

---

 ⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

本文实施了一些基本的图像处理算法，并将它们组合在一起构建了基于Hough变换的直线检测研究。该程序能够在图像中找到直线段的起始点和终点。与大多数视觉算法一样，Hough变换使用多个参数，这些参数的最优值依赖于数据（即，在一幅图像上表现良好的一组参数值可能不适合另一幅图像）。通过在测试图像上运行代码并调整参数，程序得到了每幅图像的最优值，从而实现了良好的性能。详细文档见第4部分。

本文可以使用单一参数处理所有图像，但结果并不理想。可以从上面的图像中看到：
(3) 阈值：如果图像的线在边缘图中不清晰，我们应该将阈值设置为相对较低的值以增强它。同样，如果边缘已经足够清晰，则应该设置较高的阈值以减少噪声。
(4) thetaRes 和 rhoRes：增加这些值可以在Hough投票图中获得更好的分辨率，在我的代码中，rhoRes=pi/180 和 thetaRes=2 的效果最佳。
(5) nLines：如果图像中有很多直线需要拟合，则应选择较大的nLines。如果只有一些直线但大部分是曲线，则不应将nLines设置得太高。
(6) Fillgap：如果有不连续的线应该连接在一起，则将fillgap设置为相对较高的值。另一方面，如果有线靠近但不应连接在一起，则将fillgap设置为较小的值，就像我们在图像6中所做的那样。
(7) Minlength：如果图像中只有长线而没有几条短线，则应将minlength设置为较大的值，反之亦然。
在更改分辨率之前，houghscrip部分造成了最大的问题。因为如果分辨率低，应该在附近的Hough峰值被视为只有一个峰值。因此，一些线可能无法被找到。更改分辨率后，问题得到解决。然而，对于Hough矩阵中的每个元素，仍然存在一个问题，即其周围可能存在相同的值。只有在邻域中存在比它大的值时，我们才能将值设置为零。因此，在最终的线拟合过程中可能会产生双线。有一种解决方法，就是检查邻域中是否有任何相同的元素，然后只保留其中一个，但这将需要一个额外的循环。我的最佳性能参数已包含在上面的文档中，不同的图像有不同的参数。如果只应用一个参数对所有图像，那么将是：
Sigma = 2; threshold = 0.03;
rhoRes = 2; thetaRes = pi/180;
nLines = 50; 'FillGap' = 6; 'MinLength' = 15；
单个参数的效果已在上文中说明。

📚2 运行结果

部分代码：

datadir     = '../data';    %the directory containing the images
resultsdir  = '../results'; %the directory for dumping results

%parameters
sigma     = 2;
threshold = 0.03;
rhoRes    = 2;
thetaRes  = pi/90;
nLines    = 50;
%end of parameters

imglist = dir(sprintf('%s/*.jpg', datadir));

for i = 1:numel(imglist)
    
    %read in images%
    [path, imgname, dummy] = fileparts(imglist(i).name);
    img = imread(sprintf('%s/%s', datadir, imglist(i).name));
    
    if (ndims(img) == 3)
        img = rgb2gray(img);
    end
    
    img = double(img) / 255;
   
    %actual Hough line code function calls%  
    [Im Io Ix Iy] = myEdgeFilter(img, sigma);   
    [H,rhoScale,thetaScale] = myHoughTransform(Im, threshold, rhoRes, thetaRes);
    [rhos, thetas] = myHoughLines(H, nLines);
    lines = houghlines(Im>threshold, 180*(thetaScale/pi),...
        rhoScale, [rhos,thetas],'FillGap',5,'MinLength',10);
    
    %everything below here just saves the outputs to files%
    fname = sprintf('%s/%s_01edge.png', resultsdir, imgname);
    imwrite(Im/max(Im(:)), fname);
    fname = sprintf('%s/%s_02threshold.png', resultsdir, imgname);
    imwrite(Im > threshold, fname);
    fname = sprintf('%s/%s_03hough.png', resultsdir, imgname);
    imwrite(H/max(H(:)), fname);
    fname = sprintf('%s/%s_04lines.png', resultsdir, imgname);

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]程建豪,祝锡晶.基于Hough变换的直线检测算法研究[J].商, 2014(48):1.

[2]王国宏,苏峰,毛士艺,等.杂波环境下基于Hough变换和逻辑的快速航迹起始算法[J].系统仿真学报, 2002, 14(7):3.DOI:10.3969/j.issn.1004-731X.2002.07.012.

🌈4 Matlab代码、文档