基于hough变换的直线检测

直线检测在智能交通（检测车辆与道路）、图像识别领域都有很重要的应用。

而hough变换在理论上给出了可行的直线检测方法。

今天通过写博客的方法也让自己对hough进行一下了解。

 

首先是hough变换的原理。

     hough变换在1962年被提出，实现了一种从图像空间到参数空间的映射。

　　在图像空间x-y中，所有共线的点可用直线  y = mx + c表示（当然，除了平行于y轴的直线之外）。

　　即 c = -mx + y, 这样就变成了参数空间c-m的方程： c = -xm + y。

 

　　把m,c离散化为二维累加数组。同时设定其阈值范围。（要找的是这样一个阈值范围内的直线）

　　对每一个图像空间中给定的边缘点，

　　　　　　遍历斜率m

　　　　　　　　 对给定的m，算出c的值。

　　这样得到的应该是一个三维数组：第一维指定了边缘点的位置，第二维指定了m，第三维指定了c　　

　　通过分析数组，聚类的方法可以得到m/c点对的值。

 

　　通过这种聚类方法， 应该可以找到图像中对应的直线。不过计算量巨大、复杂。

　　针对hough变换，还有很多优化方法，就不一一介绍了。