代码打卡（1）——基于hough变换的图像边缘提取

TXQIHYJ

已于 2023-10-30 19:44:30 修改

阅读量510

点赞数

文章标签：计算机视觉图像处理人工智能

于 2023-10-30 19:39:57 首次发布

本文链接：https://blog.csdn.net/TXQIHYJ/article/details/134125756

版权

引言：

在计算机视觉和图像处理领域，图像边缘提取是一个重要的任务，它对于图像分析和特征提取具有重要意义。本文介绍了一种基于霍夫变换的图像边缘提取方法，并给出了实验结果和代码实现。图像分割的依据是基于图像中各区域具有不同的特性(比如，灰度、颜色、纹理)。图像分割的目的是将图像划分成若干具有相近或相同特性的子区域，以便继续在分割成的相关区域中提取目标，并进而根据目标的特征或结构信息对其进行分类和识别，最后再给出对整幅图像分析结果的描述信息。所以，图像分割就显得尤为重要。

hough变换原理

说白了，就是将图像上的点映射到累加的参数空间，实现对已知解析式曲线的识别。让我细细跟你道来，我们都知道，要确认一条直线y=qx+p，我们需要知道斜率q和截距p，这时候我们可以把这条直线映射到参数空间，就是变换成p=y-xq，我们就可以把直线上的每一个点映射到参数空间变成一条直线，这时候我们会发现，每条直线都会相交于一个点（q，p），而这两个点又恰恰是原直线的截距和斜率，因此便可以确认那条直线了。（自己根据老师上课说的理解）

实验设计思路

本次实验的目的是利用霍夫变换来提取图像的边缘信息。实验步骤如下：

读取图像：使用imread函数读取指定路径下的图像文件。
将图像转换为灰度图像：使用rgb2gray函数将读取到的彩色图像转换为灰度图像，以便进行边缘检测。
对图像进行边缘检测：使用edge函数对灰度图像进行边缘检测，这里使用了Canny算子。
进行霍夫变换并检测直线：使用hough函数进行霍夫变换，并使用houghpeaks函数选择前20个峰值点作为直线的候选点。然后使用houghlines函数根据选择的峰值点检测直线，参数'FillGap'和'MinLength'用于控制直线的连接和最小长度。
计算矢量化的边缘特征：根据检测到的直线的起点和终点坐标，计算直线的方向向量，并将其归一化，最后存储到edgeFeatures矩阵中。
显示图像和检测到的直线：使用subplot函数将原始图像和边缘检测结果显示在同一个窗口中，然后使用imshow函数显示图像，使用plot函数在图像上绘制检测到的直线。

具体代码实现

% 读取图像
image = imread('F:/imge/house.jpg');

% 将图像转换为灰度图像
grayImage = rgb2gray(image);

% 对图像进行边缘检测
edges = edge(grayImage, 'Canny');

% 进行霍夫变换并检测直线
[H,theta,rho] = hough(edges);
peaks = houghpeaks(H, 20); % 选择前20个峰值点
lines = houghlines(edges, theta, rho, peaks, 'FillGap', 20, 'MinLength', 50);

% 计算矢量化的边缘特征
edgeFeatures = zeros(length(lines), 2);
for k = 1:length(lines)
    % 获取直线的起点和终点坐标
    startPoint = lines(k).point1;
    endPoint = lines(k).point2;
    
    % 计算直线的方向向量
    directionVector = endPoint - startPoint;
    
    % 归一化方向向量
    normalizedVector = directionVector / norm(directionVector);
    
    % 存储矢量化的边缘特征
    edgeFeatures(k, :) = normalizedVector;
end

% 显示图像和检测到的直线
figure;
subplot(1, 2, 1);
imshow(image);
title('Original Image');
subplot(1, 2, 2);
imshow(edges);
title('Edge Detection');

figure;
imshow(image);
hold on;
for k = 1:length(lines)
    xy = [lines(k).point1; lines(k).point2];
    plot(xy(:, 1), xy(:, 2), 'LineWidth', 2, 'Color', 'red');
end
hold off;
title('Detected Lines');

我们需要先准备一张图片，这里我准备了一张房子的图片（house.jpg）;其中引用了：imread()、rgb2gray()、edge()、hough()、houghpeaks()、houghlines()等函数实现。