MATLAB图像处理的霍夫变换相关函数及其基本运算123

最新推荐文章于 2023-12-17 12:14:26 发布

海宝7号

最新推荐文章于 2023-12-17 12:14:26 发布

阅读量514

点赞数

分类专栏： matlab2020B 文章标签：算法计算机视觉 matlab 图像处理机器学习

本文链接：https://blog.csdn.net/dongbao520/article/details/115118715

版权

本文介绍了MATLAB中霍夫变换的应用，用于图像分析和计算机视觉中的特征检测，如直线、圆形和椭圆形的识别。文章详细阐述了霍夫变换的基本原理和算法流程，并提供了`hough`、`houghlines`和`houghpeaks`等MATLAB函数的使用方法及示例，展示了如何利用这些函数检测图像中的线条并提取线段。

摘要由CSDN通过智能技术生成

霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。
现在广泛使用的霍夫变换是由RichardDuda和PeterHart在公元1972年发明，并称之为广义霍夫变换(generalizedHoughtransform)，广义霍夫变换和更早前1962年的PaulHough的专利有关。经典的霍夫变换是侦测图片中的直线，之后，霍夫变换不仅能识别直线，也能够识别任何形状，常见的有圆形、椭圆形。
1981年，因为DanaH.Ballard的一篇期刊论文"Generalizing the Hough transform to detect arbitrary shapes"，让霍夫变换开始流行于计算机视觉界。
常有的子问题是侦测某些简单的直线、圆形、椭圆形。在多数情况下，边缘侦测器(edge detector)会先用来做图片前处理，将原本的图片变成只含有边缘的图片。因为图片的不完美或是边缘侦测的不完美，导致有些点(point)或像素(pixel)缺漏，或是有噪声使得边缘侦测器所得的边界偏离了实际的边界。所以无法直观的将检测出的边缘分成直线、圆形、椭圆形的集合，而霍夫变换解决上述问题，借由霍夫变换算法中的投票步骤，在复杂的参数空间中找到图形的参数，电脑可以由参数得知该边缘(edge)是哪种形状。

MATLAB图像处理的霍夫变换的基本使用方法。
hough - Hough 变换
此 MATLAB 函数计算二值图像 BW 的标准 Hough 变换 (SHT)。hough 函数旨在检测线条。该函数使用线条的参数化表示：rho =
xcos(theta) + ysin(theta)。该函数返回 rho（沿垂直于线条的向量从原点到线条的距离）和 theta（x轴与该向量之间的角度，以度为单位）。该函数还返回标准 Hough 变换 H，它是一个参数空间矩阵，其行和列分别对应于 rho 和 theta值。
调用格式如下:

[H,theta,rho] = hough(BW)
[H,theta,rho] = hough(BW,Name,Value)

有关详细信息，请参阅算法。如下是帮助案例:

clear all;close all;

RGB = imread('gantrycrane.png');
I  = im2gray(RGB);
BW = edge(I,'canny');
[H,T,R] = hough(BW,'RhoResolution',0.5,'Theta',-90:0.5:89);

subplot(2,1,1);
imshow(RGB);
title('gantrycrane.png');
subplot(2,1,2);
imshow(imadjust(rescale(H)),'XData',T,'YData',R,...
      'InitialMagnification','fit');
title('Hough transform of gantrycrane.png');
xlabel('\theta'), ylabel('\rho');
axis on