Hough和两点直线的效率_算法的直线效率实例-CSDN博客

本文链接：https://blog.csdn.net/qq_25005311/article/details/99951904

本文探讨了Hough变换在直线识别中的效率问题，虽然效果好但效率较低。相比之下，通过两点计算直线斜率在点数较少时更为高效。当点数超过一定阈值时，Hough变换的效率优势显现。分析表明，对于delta=5°的情况，超过73个点时Hough变换更优。此外，计算r的效率高于计算斜率k，进一步支持了在大量点的情况下使用Hough变换。

摘要由CSDN通过智能技术生成

Hough和两点直线的效率：
直线识别最常用的就是hough变换，其效果较好，不足就是效率较低。其原理是将X,Y坐标系中的点映射成R,Φ空间的一条曲线。当X,Y坐标系中的几个点共线时，表现在R,Φ空间就是几条曲线相交与一点。这个点就代表了X,Y坐标系共线的那条直线。Φ在[-90,90] 范围内，假设间隔5°采点，X,Y内的一个点转换到R,Φ空间就是共38个点。100个点，转换后就是3800个点。统计这3800个点中数量最多的一个，那就是我们要找的直线。
两点构成直线：
N个点，直线的组合有N*(N-1)/2个。以N=100计算，居然4500个直线。比起上面的hough数量还多啊。什么时候二者相等呢？我们来看看。
假设：Φ在[-90,90] 范围内，间隔delta°采点。X,Y坐标系中共有N个点，那么R,Φ空间就是N180/delta 条直线。利用：N180/delta = N*(N-1)/2  N0 = 360/delta+1 时，两者相等。即在N > N0，hough计算数量较少，在N < N0时，直接计算斜率更加方便。当然这里假设了求r 和斜率k 的速度一样，事实上并非如此。
我们以delta为横坐标，N0为纵坐标，看看曲线图：在这里插入图片描述
可以看到当delta = 5 时，N0=73，小于这个数量的点，直接计算斜率更有效率，大于73个点，采用hough看起来更有效。一般为了通用性，当然都使用ho