3.1 Hough transform霍夫变换直线检测

一、hough transform(霍夫变换直线检测)

目标：需要检测直线，需要知道边的信息

前置工作 先转为二值图

算法思路 注意：不是极坐标表示

如何确定一条直线：需要r和θ 怎么来的呢？原点做一条垂直的直线，夹角θ，距离r

投票箱思想：对每个像素进行计算和投票，最大票数的就是所求参数

取值 - 角只有360度 - r最大取图片对角线长度

怎么做 先canny detction 遍历每一个像素 发现一个边缘点的时候

把x,y带入r的计算式子，得到r，对每个区间进行计算进行投票

投票的过程

直到所有的边缘点完成投票 什么最有可能是直线？得票数最多的最可能是直线

二、伪代码

def houghTransformLine(edge): 1、投票 将累加器 "accumulator "初始化为全零 对于图像中的每一个点（x,y）来说 找到边缘点时 把x,y带入r的计算式子，得到r，对每个区间进行计算进行投票 对于每个θ，θ∈[0,pi) ，计算r的值并进行投票，r = x*cosθ + y * sinθ 累加器[θ,r]+=1 结束 结束 2、阈值化，当票数大于阈值时，就是一条直线 找到最大的投票数，M，根据M设置阈值 票数大于阈值时，就是一条直线 3、非极大值抑制 # 当坐标划分较小时，可能会出现投偏，无法得到最准确的参数。因此，应该抑制非最大值，获得最大值 结果 = 抑制非最大值 (结果) 返回线的坐标 if __name__=='__main__': 读取图像 高斯核卷积去噪 灰度化 做canny detetcion，得到二进制图片 霍夫直线检测并获得线条参数。 绘制线条

def houghTransformLine(edge): Initialize Accumulator "accumulator" to all zeros for each point (x,y) in the image if not edge[x,y] ==0 #(x,y) is an edge point for each θ, θ ∈[0,pi) # Calculate the value of r and Do voting r = x*cosθ + y * sinθ accumulator[θ,r]+=1 end end Find the Maximum number of votes, M #There are multiple lines in an image, and when the number of votes is greater than the threshold, it is a straight line set threshold according to M result = np.array ( np.where (accumulator > threshold)) # When the division of coordinates is small, the cast bias may occur and the most accurate parameter is not obtained. Therefore, the non-maximal values should be suppressed and the maximal values should be obtained result = non-maxima suppression (result) return coordinates of a line if __name__=='__main__': Read the image Gaussian kernel convolution denoising Grayscale Do canny detetcion to get binary map houghTransformLine(edge) and get the line parameters Draw lines