基于hough变换的图像边缘提取（matlab实现）

一.Hough变换的基本原理

        Hough 变换是一种在图像处理和计算机视觉中常用的技术，用于检测图像中的几何形状，特别是直线或曲线。它的基本原理是将图像中的像素点映射到参数空间中，并利用参数空间中的累加来检测出图像中的几何形状。

         Hough变换是将图像坐标空间变换到参数空间

二.Hough 变换的基本步骤

1. 边缘检测：首先对输入图像进行边缘检测，可以使用一些常见的边缘检测算法，如 Canny 算子、Sobel 算子等。边缘检测后得到一个二值化图像，其中边缘像素值为 1，非边缘像素值为 0。

2. 构建 Hough 空间：对于每个边缘像素，在参数空间中进行累加操作。对于直线检测而言，参数空间一般是由极坐标表示的，包括两个参数：极径（距离）和极角（角度）。对于每个边缘像素，根据其在图像中的位置，计算相应的参数空间中的曲线，并在参数空间中进行累加。

3. 寻找累加最大值：在参数空间中寻找累加值最大的点，这些点表示了可能存在的直线或曲线的参数。这一步通常使用阈值来筛选累加值较大的点。

4. 参数解码：将在参数空间中找到的点解码回图像空间，得到检测到的直线或曲线的参数。

5. 绘制检测结果：根据解码得到的直线或曲线参数，在原始图像上绘制检测结果。

三.具体实现

img1=imread('E:\picture\+4\55.jpg');
img=rgb2gray(img1);
%%边缘检测，这里使用 Sobel 算子进行边缘检测
BW = edge(img, 'sobel');
%%Hough 变换可以将图片中的所有直线检测出来
%%其中 H 是 Hough 空间（参数空间）中的累加矩阵，theta 是角度值的集合，rho 是距离值的集合。
[H, theta, rho] = hough(BW);
%%接下来需要从 Hough 空间中提取直线
%%P 是选取的 Hough 空间中的峰值，lines 是提取出来的直线集合。
P = houghpeaks(H, 10); % 提取前 10 条直线
lines = houghlines(BW, theta, rho, P);

边缘绘制，这里选择用红色的直线来标识检测到的边缘。

figure, imshow(img), hold on
for k = 1:length(lines)
    xy = [lines(k).point1; lines(k).point2];
    plot(xy(:,1), xy(:,2), 'LineWidth', 2, 'Color', 'red');
end

为了计算矢量化特征，我们需要将每条直线表示为一个向量，假设直线 l的两个端点为 (x1​,y1​) 和 (x2​,y2​)，则可以将直线表示为以下向量：

                                        

四.结果展示

五.总结

     通过上述步骤，可以获得矢量化的边缘特征，该特征表示了图像中检测到的直线段。这些矢量化的边缘特征可以用于进一步分析、处理和应用，例如进行物体检测、形状识别等。通过本次实验，我了解到   Hough 变换的优势在于对图像中的噪声和不完整形状具有一定的鲁棒性。它可以用于各种应用，如形状检测、边缘检测、圆检测等。然而，Hough 变换也存在一些局限性，例如计算复杂度较高、对参数空间的选择要求较高等。