20180911图像处理之霍夫变换

原理介绍

霍夫变换在检测各种形状的的技术中非常流行，如果你要检测的形状可以用数学表达式写出，你就可以是使用霍夫变换检测它。及时要检测的形状存在一点破坏或者扭曲也可以使用。我们下面就看看如何使用霍夫变换检测直线。

一条直线可以用数学表达式y = mx + c 或者 = x cos θ + y sinθ 表示。ρ是从原点到直线的垂直距离，θ 是直线的垂线与横轴顺时针方向的夹角（如果你使用的坐标系不同方向也可能不同，我是按OpenCV 使用的坐标系描述的）。如下图所示：

                                                                         

所以如果一条线在原点下方经过，θ的值就应该大于0，角度小于180。但是如果从原点上方经过的话，角度不是大于180，也是小于180，但ρ 的值小于0。垂直的线角度为0 度，水平线的角度为90 度。

       让我们来看看霍夫变换是如何工作的。每一条直线都可以用(ρ; θ) 表示。所以首先创建一个2D 数组（累加器），初始化累加器，所有的值都为0。行表示ρ，列表示θ。这个数组的大小决定了最后结果的准确性。如果你希望角度精确到1 度，你就需要180 列。对于ρ，最大值为图片对角线的距离。所以如果精确度要达到一个像素的级别，行数就应该与图像对角线的距离相等。

        想象一下我们有一个大小为100x100 的直线位于图像的中央。取直线上的第一个点，我们知道此处的（x，y）值。把x 和y 带入上边的方程组，然后遍历θ 的取值：0，1，2，3，...，180。分别求出与其对应的 的值，这样我们就得到一系列(ρ; θ) 的数值对，如果这个数值对在累加器中也存在相应的位置，就在这个位置上加1。所以现在累加器中的（50，90）=1。（一个点可能存在与多条直线中，所以对于直线上的每一个点可能是累加器中的多个值同时加1）。

举例子 ：                       

 

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