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
-
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。
-
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。
-
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。
-
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。
-
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。