霍夫变换检测直线

对于结构化道路的检测，常用的方法是采用霍夫变换检测道路中的直线段。

一条直线可以看做是图像上的若干个像素点组成，也可以用一条直线方程来表示，如 y=kx+b,那么霍夫变换检测直线段其实是将图像像素点空间变换到参数空间，对于直线来说就是参数（k，b），也可以用来检测其他形状如圆和椭圆，只是参数空间表示不一样了。

霍夫变换的说明可以详细参考[1]：

图1

由于用斜截式表示直线时无法表示垂直于X轴的直线，那么这条直线也可以用参数空间（γ，θ）来表示，那么一条直线也可以表示成：γ=xcosθ+ysinθ。

图2

 

图3

如图3所示，图像空间的一个点可能有无数条直线经过，这些直线如果用参数空间（γ，θ）来表示的话，实际上是一条正弦波函数，也就是说图像空间一个点对应于参数空间中一条曲线。如果有三条正弦波函数相交于一点，则表示这三点在一条直线上，并且这条直线的参数就是这个交点对应的（γ，θ）。

但是实际在图像中，像素点是离散的，因此我们可以以一定分辨率如为1°，长度为1个像素点进行遍历搜索图像，然后判断待检测的轮廓（在用霍夫变换之前一般要先用边缘检测得到二值轮廓图像）中是不是有一定数量的像素点在某一参数的直线上，这样我们便可以得到某一参数的直线（不能检测直线段）。

 

Opencv中的霍夫变换函数有三种[2]：

OpenCV支持三种不同的霍夫线变换，它们分别是：标准霍夫变换(Standard Hough Transform，SHT)和多尺度霍夫变换（Multi-ScaleHough Transform，MSHT）累计概率霍夫变换(Progressive Probabilistic Hough Transform ，PPHT)。

 其中，多尺度霍夫变换（MSHT）为经典霍夫变换（SHT）在多尺度下的一个变种。累计概率霍夫变换(PPHT）算法是标准霍夫变换（SHT）算法的一个改进，它在一定的范围内进行霍夫变换，计算单独线段的方向以及范围，从而减少计算量，缩短计算时间。之所以称PPHT为“概率”的，是因为并不将累加器平面内的所有可能的点累加，而只是累加其中的一部分，该想法是如果峰值如果足够高，只用一小部分时间去寻找它就够了。这样猜想的话，可以实质性地减少计算时间。

 

 比如检测校园处道路，效果如下：

  

 

 

还可参考博客：

[1] https://en.wikipedia.org/wiki/Hough_transform

[2] http://blog.csdn.net/poem_qianmo/article/details/26977557

[3]http://xiahouzuoxin.github.io/notes/html/OpenCV%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E7%AF%87%E4%B9%8BHough%E5%8F%98%E6%8D%A2.html