霍夫变换

Hough Transform 霍夫变换检测直线

从理论到代码，再从代码到理论

（1）理论之通俗理解：

1.在图像中检测直线的问题，其实质是找到构成直线的所有的像素点。那么问题就是从找到直线，变成找到符合y=mx+c的所有(x,y)的点的问题。

2.进行坐标系变化y=mx+c，变成c=-xm+b。直线上的点(x1,y1)，在转换坐标系后为一条直线。这个原理应该是高中的。

  

3.直线上每一个点在MC坐标系中都表现为直线，而且，这些直线都相交于一个点，(m,c)。找到所有点的问题，转变为寻找直线的问题。

4.对于图像中的每一个点，在MC坐标系中对应着很多的直线。找到直线的交点，就对应着找到图像中的直线。

实际在使用这一原理的时候，不是采用直线的斜率和截距公式，而是用

如何实现：

1.       将θ角在-90度到90度的范围里，划分为很多区间，对所有的像素点(x,y)在所有θ角的时候，求出ρ.从而累加ρ值出现的次数。高于某个阈值的ρ就是一个直线。

2.       这个过程就类似于如下一个二维的表格，横坐标就是θ角，ρ就是到直线的最短距离。

横坐标θ不断变换，对于所有的不为0的像素点，计算出ρ，找到ρ在坐标(θ,ρ)的位置累加1.

3.       上图中局部最大的就是找到的直线的θ和ρ的值。

图像处理之霍夫变换（直线检测算法）

霍夫变换是图像变换中的经典手段之一，主要用来从图像中分离出具有某种相同特征的几何

形状（如，直线，圆等）。霍夫变换寻找直线与圆的方法相比与其它方法可以更好的减少噪

声干扰。经典的霍夫变换常用来检测直线，圆，椭圆等。

 

霍夫变换算法思想：

以直线检测为例，每个像素坐标点经过变换都变成都直线特质有贡献的统一度量，一个简单

的例子如下：一条直线在图像中是一系列离散点的集合，通过一个直线的离散极坐标公式，

可以表达出直线的离散点几何等式如下：

X *cos(theta) + y * sin(theta)  = r 其中角度theta指r与X轴之间的夹角，r为到直线几何垂

直距离。任何在直线上点，x, y都可以表达，其中 r， theta是常量。该公式图形表示如下：

然而在实现的图像处理领域，图像的像素坐标P(x, y)是已知的，而r, theta则是我们要寻找

的变量。如果我们能绘制每个(r, theta)值根据像素点坐标P(x, y)值的话，那么就从图像笛卡

尔坐标系统转换到极坐标霍夫空间系统，这种从点到曲线的变换称为直线的霍夫变换。变换

通过量化霍夫参数空间为有限个值间隔等分或者累加格子。当霍夫变换算法开始，每个像素

坐标点P(x, y)被转换到(r, theta)的曲线点上面，累加到对应的格子数据点，当一个波峰出现

时候，说明有直线存在。同样的原理，我们可以用来检测圆，只是对于圆的参数方程变为如

下等式：

(x –a ) ^2 + (y-b) ^ 2 = r^2其中(a, b)为圆的中心点坐标，r圆的半径。这样霍夫的参数空间就

变成一个三维参数空间。给定圆半径转为二维霍夫参数空间，变换相对简单，也比较常用。

 

编程思路解析：

1.      读取一幅带处理二值图像，最好背景为黑色。

2.      取得源像素数据

3.      根据直线的霍夫变换公式完成霍夫变换，预览霍夫空间结果

4.       寻找最大霍夫值，设置阈值，反变换到图像RGB值空间(程序难点之一)

5.      越界处理，显示霍夫变换处理以后的图像