[轉]霍夫變換 - 瘋狂奔跑
前言
今天群裡有人問到一個影象的問題，但本質上是一個基本最小二乘問題，涉及到霍夫變換（Hough Transform），用到了就順便總結一下。
內容為自己的學習記錄，其中多有參考他人，最後一併給出連結。
一、霍夫變換（Hough）
A-基本原理
一條直線可由兩個點A=(X1,Y1)和B=(X2,Y2)確定(笛卡爾座標)
另一方面，也可以寫成關於（k,q）的函式表示式（霍夫空間）：
對應的變換可以通過圖形直觀表示：
變換後的空間成為霍夫空間。即：笛卡爾座標系中一條直線，對應霍夫空間的一個點。
反過來同樣成立（霍夫空間的一條直線，對應笛卡爾座標系的一個點）：
再來看看A、B兩個點，對應霍夫空間的情形：
一步步來，再看一下三個點共線的情況：
可以看出如果笛卡爾座標系的點共線，這些點在霍夫空間對應的直線交於一點：這也是必然，共線只有一種取值可能。
如果不止一條直線呢？再看看多個點的情況（有兩條直線）：
其實（3，2）與（4，1）也可以組成直線，只不過它有兩個點確定，而圖中A、B兩點是由三條直線匯成，這也是霍夫變換的後處理的基本方式：選擇由儘可能多直線匯成的點。
看看，霍夫空間：選擇由三條交匯直線確定的點（中間圖），對應的笛卡爾座標系的直線（右圖）。
到這裡問題似乎解決了，已經完成了霍夫變換的求解，但是如果像下圖這種情況呢？
k=∞是不方便表示的，而且q怎麼取值呢，這樣不是辦法。因此考慮將笛卡爾座標系換為：極座標表示
在極座標系下，其實是一樣的：極座標的點→霍夫空間的直線，只不過霍夫空間不再是[k,q]的引數，而是的引數，給出對比圖：
是不是就一目瞭然了？
給出霍夫變換的演算法步驟：
對應code:
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 |
function [ Hough, theta_range, rho_range ] = naiveHough(I)
%NAIVEHOUGH Peforms the Hough transform in a straightforward way.
%
[rows, cols] = size(I);
theta_maximum = 90;
rho_maximum = floor(sqrt(rows^2 + cols^2)) - 1;
theta_range = -theta_maximum:theta_maximum - 1;
rho_range = -rho_maximum:rho_maximum;
Hough = zeros(length(rho_range), length(theta_range));
for row = 1:rows
for col = 1:cols
if I(row, col) > 0 %only find: pixel > 0
x = col - 1;
y = row - 1;
for theta = theta_range
rho = round((x * cosd(theta)) + (y * sind(theta))); %approximate
rho_index = rho + rho_maximum + 1;
theta_index = theta + theta_maximum + 1;
Hough(rho_index, theta_index) = Hough(rho_index, theta_index) + 1;
end
end
end
end
|
其實本質上就是：
交點怎麼求解呢？細化成座標形式，取整後將交點對應的座標進行累加，最後找到數值最大的點就是求解的，也就求解出了直線。
B-理論應用
這裡給出MATLAB自帶的一個應用，主要是對一幅影象進行直線檢驗，原影象為：
首先是對其進行邊緣檢測：
邊緣檢測後並二值化，就可以通過找非零點的座標確定資料點。從而對資料點進行霍夫變換。對應對映到霍夫空間的結果為：
找出其中數值較大的一些點，通常可以給定一個閾值，Threshold一下。
這就完成了霍夫變換的整個過程。這個時候求解出來了其實就是多條直線的斜率k以及截距q，通常會根據直線的特性進一步判斷，從而將直線變為線段：
不過這一步更類似後處理，其實已經不是霍夫變換本身的特性了。
給出對應的程式碼：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 |
clc;clear all;close all;
I = imread('circuit.tif');
rotI = imrotate(I,40,'crop');
subplot 221
fig1 = imshow(rotI);
BW = edge(rotI,'canny');
title('原影象');
subplot 222
imshow(BW);
[H,theta,rho] = hough(BW);
title('影象邊緣檢測');
subplot 223
imshow(imadjust(mat2gray(H)),[],'XData',theta,'YData',rho,...
'InitialMagnification','fit');
xlabel('\theta (degrees)'), ylabel('\rho');
axis on, axis normal, hold on;
colormap(hot)
P = houghpeaks(H,5,'threshold',ceil(0.7*max(H(:))));
x = theta(P(:,2));
y = rho(P(:,1));
plot(x,y,'s','color','black');
lines = houghlines(BW,theta,rho,P,'FillGap',5,'MinLength',7);
title('Hough空間');
subplot 224, imshow(rotI), hold on
max_len = 0;
for k = 1:length(lines)
xy = [lines(k).point1; lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');
% Plot beginnings and ends of lines
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');
% Determine the endpoints of the longest line segment
len = norm(lines(k).point1 - lines(k).point2);
if ( len > max_len)
max_len = len;
xy_long = xy;
end
end
% highlight the longest line segment
plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','red');
title('直線檢測');
|
對比自帶的Hough與編寫的Hough:
效果還是比較接近的。
看到Stackoverflow上的一個答案，覺得很好，收藏一下：
[2017-04-25 10:25:37]申請搜狐自媒體平臺
---------------------
作者：瘋狂奔跑
來源：CNBLOGS
原文：https://www.cnblogs.com/php-rearch/p/6760683.html
版權宣告：本文為作者原創文章，轉載請附上博文連結！
內容解析By：CSDN,CNBLOG部落格文章一鍵轉載外掛