搜索
Hough变换提取直线一、实验目标实现用Hough变换检测直线的算法二、实验内容1、读入图像选取有较多直线及部分曲线以作对比的图像作为实验素材，这里我们必须使用彩色图像（有些看似灰度图像的实际属性也是彩色图像），原因下面有详解。2、检测图像边缘如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级变化的带。对这种变化最有用的两个特征是灰度的变化率和方向，他们分别用梯度向量的幅度和方向来表示。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。有若干种算子可以使用，大多数是基于方向导数掩模求卷积的方法。如Roberts算子，Sobel算子，Prewitt算子，Log算子等。这里采用Log算子提取图像边缘，再用均值滤波去除边缘图像噪声。3、实现Houg变换，检测出图像中的直线Hough变换是一种利用图像的全局特征将特定形状的边缘连接起来，形成连续平滑边缘的一种方法。它通过将源图像上的点影射到用于累加的参数空间，实现对已知解析式曲线的识别。这里先对边缘图像进行二值化处理，然后再用hough变换提取直线，最后用红色标记之。因为处理过程中需使用灰度图像，但最后无法给灰度图像赋颜色（会出错或效果不好），只能给彩色图像赋颜色，故最初输入时请使用彩色图像。4、Matlab代码如下：f=imread('3.png');%读入彩色图像，注意不能使用灰度图像o=f;%保留彩色原图f=rgb2gray(f);%将彩色图像转换为灰度图像，f=im2double(f);figure();subplot(2,2,1);imshow(o);title('原图');[m,n]=size(f);%得到图像矩阵行数m，列数nfori=3:m-2forj=3:n-2%处理领域较大，所以从图像（3,3）开始，在（m-2,n-2）结束l(i,j)=-f(i-2,j)-f(i-1,j-1)-2*f(i-1,j)-f(i-1,j+1)-f(i,j-2)-2*f(i,j-1)+16*f(i,j)-2*f(i,j+1)-f(i,j+2)-f(i+1,j-1)-2*f(i+1,j)-f(i+1,j+1)-f(i+2,j);%LoG算子endendsubplot(2,2,2);imshow(l);title('LoG算子提取图像边缘');[m,n]=size(l);fori=2:m-1forj=2:n-1y(i,j)=l(i-1,j-1)+l(i-1,j)+l(i-1,j+1)+l(i,j-1)+l(i,j)+l(i,j+1)+l(i+1,j-1)+l(i+1,j)+l(i+1,j+1);y(i,j)=y(i,j)/9;%LoG算子提取边缘后，对结果进行均值滤波以去除噪声，为下一步hough变换提取直线作准备endendsubplot(2,2,3);imshow(y);title('均值滤波器处理后')q=im2uint8(y);[m,n]=size(q);fori=1:mforj=1:nifq(i,j)80;%设置二值化的阈值为80q(i,j)=255;%对图像进行二值化处理，使图像边缘更加突出清晰elseq(i,j)=0;endendendsubplot(2,2,4);imshow(q);title('二值化处理后');%Hough变换检测直线，使用（a，p）参数空间，a∈[0,180],p∈[0,2d]a=180;%角度的值为0到180度d=round(sqrt(m^2+n^2));%图像对角线长度为p的最大值s=zeros(a,2*d);%存储每个(a,p)个数z=cell(a,2*d);%用元胞存储每个被检测的点的坐标fori=1:mforj=1:n%遍历图像每个点if(q(i,j)==255)%只检测图像边缘的白点，其余点不检测fork=1:ap=round(i*cos(pi*k/180)+j*sin(pi*k/180));%对每个点从1到180度遍历一遍，取得经过该点的所有直线的p值（取整）if(p0)%若p大于0，则将点存储在（d，2d）空间s(k,d+p)=s(k,d+p)+1;%（a，p）相应的累加器单元加一z{k,d+p}=[z{k,d+p},[i,j]'];%存储点坐标elseap=abs(p)+1;%若p小于0，则将点存储在（0，d）空间s(k,ap)=s(k,ap)+1;%(a，p)相应的累加器单元加一z{k,ap}=[z{k,ap},[i,j]'];%存储点坐标endendendendendfori=1:aforj=1:d*2%检查每个累加器单元中存储数量if(s(i,j)70)%将提取直线的阈值设为70lp=z{i,j};%提取对应点坐标fork=1:s(i,j)%对满足阈值条件的累加器单元中(a，p)对应的所有点进行操作o(lp(1,k),lp(2,k),1)=255;%每个点R分量=255，G分量=0，B分量=0o(lp(1,k),lp(2,k),2)=0;o(lp(1,k),lp(2,k),3)=0;%结果为在原图上对满足阈值要求的直线上的点赋红色endendendendfigure,imshow(o);title('hough变换提取直线');5、实验结果附：两个参数的调节1.二值化图像的细节多少可以通过对二值化的阈值调节来控制，阈值越大，细节越少。2.最后提取直线的阈值越小，可被赋红色的直线的越多，但更多的无关细节也可能被赋红色；阈值越大，可被赋红色的直线的越少，同时无关细节也会减少。通过对这个两个参数的适当调节可使提取直线的效果更好。