霍夫变换直线检测

一、基本原理：

所谓霍夫变换，即对于图像平面上的一个点(x , y )，我们采用参数方程p=xcos(θ)+ysin(θ)把这个点映射到参数p-theta平面，那么图像平面上的一个点就对应p-theta平面的一条曲线，其中的p表示图像平面中的这个点所在直线到原点的距离，theta表示这个点所在直线与X轴的夹角。

又因为图像平面上的一个点对应一系列穿过这个点的直线，即有一系列对应的p和theta，所以一个点在参数p-theta平面对应着一条正弦曲线。由此我们可以推导，如果是图像平面上的一条直线，那么直线上的每个点在参数p-theta平面对应的曲线都会相交于同一点，即当前直线的(theta, p)。

基于霍夫变换原理，我们可以在p-theta平面找到最多曲线相交的那点，这一点对应着图像平面最长的直线（可以是连续的也可以是不连续的）。这个点的theta坐标即是我们要寻找的倾斜角。
原文：https://blog.csdn.net/LQMIKU/article/details/79138811 
 

对于平面中的一条直线，在笛卡尔坐标系中，常见的有点斜式，两点式两种表示方法。然而在hough变换中，考虑的是另外一种表示方式：使用（r,theta）来表示一条直线。其中r为该直线到原点的距离，theta为该直线的垂线与x轴的夹角。如下图所示。

也就是霍夫变换中表示一条直线的参数变成了（r,theta）。
2.如何判断多个点是否在同一直线上
当我们的对象变成点时，我们知道一个点可以发射出无数条直线，根据霍夫变换的直线表达形式，假设这个点为i,则通过这个点的直线我们用（ri,thetai）表示。再假设一个点为j，则通过点j的一系列直线我们用（rj,thetaj）表示。我们知道两点决定一条直线，所以这两个点的直线必定有ri=rj,thetai= thetaj的时候。
那如果是三个点呢，假设第三个点是k，则通过k点的一系列直线为（rk,thetak）,如果三点在一条直线上，那必定有某个ri=rj=rk = r,thetai = thetaj= thetak = theta。
在霍夫变换检测直线时我们需要找到这样一样直线，如何找到这条直线呢？
3.如何检测出直线
假设有N个点，我们要检测其中的直线，也就是我们要找到具体的r和theata。对于上面所说的每个点可以通过无数条直线，这里我们设为n条（通常 n = 180），则我们一起可以找到Nn个（r, theata），对这Nn个（r,theata）,我们可以利用统计学，统计到在theta=某个值theta_i时，多个点的r近似相等于r_i。也就是说这多个点都在直线（r_i,theta_i）上。
4.举例说明
如果空间中有3个点，如何判断这三个点在不在一个直线上，如果在，这条直线是的位置为？

这个例子中，对于每个点均求过该点的6条直线的（r,theta）坐标，共求了3*6个（r,theta）坐标。可以发现在theta=60时，三个点的r都近似为80.7，由此可判定这三个点都在直线（80.7，60）上。
通过 r-o-theta 坐标系可更直观表示这种关系，如下图：图中三个点的（r,theta）曲线汇集在一起，该交点就是同时经过这三个点的直线。

在实际的直线检测情况中，如果超过一定数目的点拥有相同的（r,theta）坐标，那么就可以判定此处有一条直线。在r-O-theta 坐标系图中，明显的交汇点就标示一条检测出的直线。
https://blog.csdn.net/weixin_40196271/article/details/83346442

二、霍夫变换直线检测的matlab实现：

这里涉及到三个函数：hough,houghpeaks,houghlines：

1、[H,T,R] = hough(BW,'Theta',20:0.1:75);（输入二值图像BW，角度范围与步进（最大，[-90, 90)）,返回 H-霍夫空间，T-theta，R-p)；

2、PEAKS = houghpeaks(H,NUMPEAKS);（输入霍夫空间和极值数量，返回极值的坐标）

3、LINES=houghlines(BW,T,R,Peaks);（返回lines是一个包含图像中线段首末点、p、theta的结构体）

峰值提取 
peaks = houghpeaks(H,numpeaks)

peaks = houghpeaks(...,param1, val1, param2, val2)

 

H：累计数组；

Numpeaks：指定需要检测的峰值个数；

Param1：可以是'Threshold'或'NHoodSize'

'Threshold'-指定峰值的域值，默认是0.5*max(H(:))

'NHoodSize'-是个二维向量[m,n]，检测到一个峰值后，将峰值周围[m,n]内元素置零。

 

画直线段
lines = houghlines(BW,theta, rho, peaks)

lines = houghlines(...,param1, val1, param2, val2)

BW：二值图

Theta、rho、peaks：分别来自函数hough和houghpeaks

Lines：结构数组，大小等于检测到的直线段数

Point1、point2：线段的端点

Theta、rho：线段的theta和rho
 

示例代码1：

I=imread('1.jpg');

Ihsv=rgb2hsv(I);
Iv=Ihsv(:,:,3);                    %提取v空间
Ivl=Iv(500:end,:);              %截取下半部
Iedge=edge(Ivl,'sobel');    %边沿检测
Iedge = imdilate(Iedge,ones(3));%图像膨胀

%新建窗口，绘图用
figure (2)
imshow(Iedge);
hold on

%左方直线检测与绘制
%得到霍夫空间
[H1,T1,R1] = hough(Iedge,'Theta',20:0.1:75);

%求极值点
Peaks=houghpeaks(H1,5);

%得到线段信息
lines=houghlines(Iedge,T1,R1,Peaks);

%绘制线段
for k=1:length(lines)
    xy=[lines(k).point1;lines(k).point2];   
    plot(xy(:,1),xy(:,2),'LineWidth',4);
end

 
%右方直线检测与绘制
[H2,T2,R2] = hough(Iedge,'Theta',-75:0.1:-20);
Peaks1=houghpeaks(H2,5);
lines1=houghlines(Iedge,T2,R2,Peaks1);
for k=1:length(lines1)
xy1=[lines1(k).point1;lines1(k).point2];   
plot(xy1(:,1),xy1(:,2),'LineWidth',4);
end

hold off

示例代码2：

close all;
clear all;
I  = imread('scratch.tif');
figure;
subplot(1,3,1);
imshow(I);
BW = edge(I,'canny');%Canny方法提取图像边界，返回二值图像(边界1,否则0)
[H,T,R] = hough(BW);%计算二值图像的标准霍夫变换，H为霍夫变换矩阵，I,R为计算霍夫变换的角度和半径值
subplot(1,3,2);
imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');%hough变换的图像
xlabel('\theta'), ylabel('\rho');
axis on,axis square,hold on;
P  = houghpeaks(H,3);%提取3个极值点
x = T(P(:,2)); 
y = R(P(:,1));
plot(x,y,'s','color','white');%标出极值点
lines=houghlines(BW,T,R,P);%提取线段
subplot(1,3,3);
imshow(I), hold on;
for k = 1:length(lines)
    xy = [lines(k).point1; lines(k).point2];
    plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');%画出线段
    plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');%起点
    plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');%终点
end