matlab车道线检测_数字图像处理：基于霍夫变换的车道线检测

写在前面：

前几天写的第一篇文章收获了35个赞(目前)确实给了我挺大的鼓舞的哈哈哈，感觉写文章也挺锻炼自己能力的，也算是把它当笔记写吧

最近笔者开始着手开发一个新的项目，其中第一步就用了很多数字图像的知识，包括灰度图变换、canny边缘检测、霍夫变换等，想起来前几天的数字图像处理文章，索性在写一篇关于霍夫变换的吧，也好借这个机会用代码和效果图来帮大家感受霍夫变换算法的强大

关于环境：

笔者所使用的开发环境是Ubuntu16.04 + Pycharm + opencv4，前面两个应该大家都知道是什么吧，Ubuntu为一款较为流行的linux操作系统，Pycharm则是一款较为先进的python开发编译器，其中opencv是计算机视觉领域必备的一个计算机视觉库，全程为Open Source Computer Vision Library，强烈推荐对于计算机视觉感兴趣的同学可以开始了解一下 （ps：今天发现了一个pycharm暗黑系主题插件:Material Theme UI，简直好看哭了，这里安利一波，贴一下效果图）

一.前言

在我们开始深入学习霍夫变换算法之前，我们先简单了解一下什么是霍夫变换以及霍夫变换的应用举例

1.霍夫变换到底是个什么啥呀

霍夫变换是一种特征检测(feature)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理 (digital image processing)。 经典的霍夫变换是侦测图片中的直线，之后，霍夫变换不仅能识别直线，也能够识别任何形状，常见的有圆形、椭圆形。

让我们想象一下，现在叫大家在一副图片中找出一条直线或者圆，相信对于大家应该都是一件相当容易的事，但是对于计算机来说，一副图像所呈现的只是灰度值从0-255的庞大矩阵而已，它可不容易知道复制的矩阵中哪些是直线哪些不是，霍夫变换便是帮助计算机'看到'图像中的直线或圆的一种算法

其基本思想为：

将传统的图像从x y轴坐标体系变换到参数空间(m, b)或者霍夫空间(Hough space)中，通过在参数空间(parameter space)或可称为累加空间(accumulator space)中计算局部最大值从而确定原始图像直线或圆所在位置

(下面用一个具体应用来让大家有个直观的理解)

2.霍夫变换的具体应用实例

霍夫变换最初较为成功的应用体现在机场跑道检测，如图 1-1 、图 1-2所示，图中为基于霍夫变换的对机场的机场跑到检测

图 1-1 潮汕机场跑道线检测图

图 2-2 英国紐瓦克机场跑道线检测图

二.霍夫变换

常见的霍夫变换可归为以下两种：

1).基于笛卡尔坐标空间的霍夫变换

2).基于极坐标空间(二维直线霍夫空间)的霍夫变换

下面让我们来一一介绍这两种霍夫变换算法，以下文章仅包括霍夫变换中直线检测部分，如对圆检测或椭圆检测有兴趣的同学可自行去查阅资料哈

(贴张很酷炫的霍夫变换可视图)

1.基于笛卡尔坐标空间的霍夫变换

在我们从初中就开始使用的平面直角坐标中，一条直线的表示通常用

表示，其中

表示的是直线的

斜率