经典霍夫线性变换算法和源代码

          霍夫变换是一种无需图像内容先验知识的特征提取技术，可以广泛的应用图像中直线、圆、椭圆等形状的识别。本文主要基于opencv源代码实现经典的线性霍夫变换。

      在直角坐标系下，直线被定义为：

              y=mx+b    (1)

其中， m为斜率，b为与y轴的截距，只要确定了m和b，一条直线就可以被唯一地确定下来。如果用ρ₀表示原点到该直线的代数距离，θ₀表示该直线的正交线与x轴的夹角，则：

        （2）

        （3）

则该直线又可表示为：

              （4）

简化成一般式，即：

 （5）

      很容易想到，（ρ，θ）是极坐标的表示形式。但如果把（ρ，θ）也用直角坐标的形式表示，即把ρ和θ做正交处理，则（ρ，θ）就被称为霍夫空间。

     在直角坐标系中的一点，对应于霍夫空间的一条正弦曲线。直线是由无数个点组成的，在霍夫空间就是无数条正弦曲线，但这些正弦曲线会相交于一点（ρ₀，θ₀），把该点带入公式2和公式3就得了直线的斜率和截距，这样一条直线就被确定了下来。因此在用霍夫变换识别直线时，霍夫空间中的极大值就有可能对应一条直线。

  则霍夫线性变换算法实现步骤主要有：

   1、对边缘图像进行霍夫空间变换；

   2、在4邻域内找到霍夫空间变换的极大值；

  3、对这些极大值安装由大到小顺序进行排序，极大值越大，越有可能是直线；

  4、输出直线。

基于opencv实现的源代码如下：

 void FindLinesByHough(const BYTE* const* binaryImg, int M, int N, float rho, float theta, int threshold, LineNode* &pLines, int &linesMax)
{
	//tho表示距离刻度，theta表示角度刻度，pLines表示返回的直线数组指针,threshold表示直线的最少像素值，linesMax表示要返回的最大边数目。
	int* pAccm = NULL;
	KVNode* pKVNodeSort = NULL;
	float* tabSin = NULL;
	float* tabCos = NULL;




	int total = 0;
	int numAngle, numRho;
	int i, j;
	double scale = 0.0;
	float iRho = 1 / rho;
	int width = M;
	int height = N;


	numAngle = Round(PI / theta);
	numRho = Round(((width + height) * 2 + 1) / rho);


	pAccm = new int[(numAngle + 2)*(numRho + 2)]{0};
	pKVNodeSort = new KVNode[numAngle*numRho];


	tabSin = new float[numAngle]{0.0f};
	tabCos = new float[numAngle]{0.0f};


	float ang = 0;//避免重复计算角度，事先计算好sinθi/ρ和cosθi/ρ
	for (int n = 0; n < numAngle; ang += theta, n++)
	{
		tabSin[n] = sinf(ang)*iRho;
		tabCos[n] = cosf(ang)*iRho;
	}


	//第一步：逐点进行或霍夫空间变换，并将结果写入累加器数组内
	for (int i = 0; i < height; ++i)
	{
		for (int j = 0; j < width; ++j)
		{
			if (0 != (int)binaryImg[j][i])
			{
				for (int n = 0; n < numAngle; n++)
				{
					int r = Round(j*tabCos[n] + i*tabSin[n]);
					r += (numRho - 1) / 2;
					++pAccm[(n + 1)*(numRho + 2) + r + 1];
				}
			}
		}
	}


	//第二步：找到局部极大值，即做四方向的非极大值抑制
	for (int r = 0; r < numRho; ++r)
	{
		for (int n = 0; n < numAngle; ++n)
		{
			int base = (n + 1)*(numRho + 2) + r + 1;
			if (pAccm[base]>threshold && pAccm[base]>pAccm[base - 1] && pAccm[base] > pAccm[base + 1] && pAccm[base] > pAccm[base - numRho - 2] && pAccm[base] > pAccm[base + numRho + 2])
			{
				KVNode tempKVNode;
				tempKVNode.index = base;
				tempKVNode.pixelSum = pAccm[base];
				pKVNodeSort[total++] = tempKVNode;
			}
		}
	}


	//第三步：对累加器值按由大到小排序
	sort(pKVNodeSort, pKVNodeSort + total, Compare);


	//第四步：输出linesMax条直线，如果linesMax等于total,则输出所有直线
	linesMax = (linesMax <= total) ? linesMax : total;
	pLines = new LineNode[linesMax];


	scale = 1.0 / (numRho + 2);
	for (int i = 0; i < linesMax; ++i)
	{
		LineNode tempLineNode;
		int index = pKVNodeSort[i].index;//分离出该极大值在霍夫空间中的位置
		int n = floor(index*scale) - 1;
		int r = index - (n + 1)*(numRho + 2) - 1;
		tempLineNode.rho = (r - (numRho - 1)*0.5f)*rho;
		tempLineNode.angle = n*theta;
		pLines[i] = tempLineNode;
	}
}

 辅助函数和数据结构：

 

bool Compare(KVNode& aNode, KVNode& bNode)
{
	return (aNode.pixelSum > bNode.pixelSum);
}

struct LineNode
{
	float rho;
	float angle;
};

struct KVNode
{
	int index;
	int pixelSum;
};

经典线性霍夫变换缺点：运行耗时，不能定位线段的起始终止点。