「图像处理」霍夫变换

霍夫变换（Hough Transform）

最近在学习图像分割的相关知识，提及到霍夫变换，参考教材《数字图像处理（第三版）》决定总结一下这个有用的方法

方法介绍

看图，霍夫变换回答了这样一个问题：哪一些点的集合可以被判断为组成了一条直线？

霍夫变换需要将xy坐标转换为ab坐标，为什么需要这样的转换呢？回答是这样的，因为在xy坐标上需要表示一条线时，需要两个参数（a和b）y=ax+b表示成功，但是在ab坐标中，表示一条线时，只需要一个点，a和b两个参数组成的点，就可以表示一条直线了

有了这样的操作之后能干什么呢？举一个例子，有一个点，我并不清楚它在图像中的哪一条直线上，这时候我只需要将这个点带入不同的线段中（其实就是不断改变a的值），计算出与之对应的b，这样就会以不同的a为投票条件，将未知的点进行投票，从投票结果来看，在一个范围内出现最多的点，很大程度上就属于同一条线了，分类的精度取决于投票器（1、2、3、4）的区域大小，这就是霍夫变换的基本操作。

还有一个小问题需要回答，为什么最后又要进行一次坐标变换呢？将ab坐标变换为三角函数坐标？是因为在空间图像中可能会有垂直的线段，意味着线段斜率可能无穷大，于是就不可能在ab坐标上表示出来，解决方法就是用这条直线的法线来表示这条直线，为了方便理解，可以借助圆来帮助大家理解，这条线相当于圆上某一点的切线，切线固定，则垂线固定

效果演示

霍夫变换不仅可以处理直线，也可以处理其他模型，只要知道了模型的数学公式，例如圆，就可以进行图片中的模型检测，不过模型中参数越多，设计出来的投票器（计算点在某一特定参数出现的次数）维度就越高。

这种变换在检测特定模型时，例如圆、直线、矩形抗噪能力优秀。