基于Hough变换的直线检测(Matlab)

article/2025/9/29 5:28:01

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

700354bc933da8c07256e96bf7bdc1e6.jpeg

作者丨无敌三脚猫

来源丨 古月居

1、引言

该程序实现了一些基本的图像处理算法，并将它们组合在一起，构建了一个基于霍夫变换的直线检测器。该程序能够在图像中找到直线段的起始点和结束点。

像大多数视觉算法一样，Hough变换使用了一些参数，它们的最优值是具有数据依赖性(即一组参数值在一幅图像上工作得很好，可能对另一幅图像来说不是最好的)。通过在测试图像上运行代码和调优参数，它获得了每个图像的最佳值，从而获得了良好的性能。

  • Hough Transform based line detector ：基于Hough变换的直线检测器。

  • straight line segments in images：图像中的直线。

  • optimal values are data dependent：最优参数具有数据依赖性。

2、实施

2.1卷积

编写一个函数，将图像与给定的卷积滤波器进行变换。

function [img1]=myImageFilter(img0,h)

作为输入，该函数接受存储在矩阵h中的卷积滤波器和灰度图像(img0)。函数的输出应该是与img0相同大小的图像img1，它是由img0和h卷积得到。您可以假设滤波器h沿两个维度都是奇数大小。您将需要处理图像边缘的边界情况。

例如，当您在图像的左上角放置卷积掩膜时，大多数滤波器掩膜将位于图像之外。一种可能的解决方案是对图像进行处理，使位于图像边界之外的像素与位于图像内部的最近像素具有相同的强度值。

2.2用一个For循环进行卷积

请编写一个只使用一个for循环进行卷积的函数，并将其保存到ec/目录。(如果您在Q3.1中已经这样做了，好的，只需复制一个并保存到EC/。)

此外，简单地描述一下你在写作中是如何实现的。插图有助于理解是高度鼓励的。

function [img1]=myImageFilterX(img0,h)

为了只使用一个循环，我将2D数组转换成了1D数组，然后使用它们的映射关系。其他代码与2.1完全相同。看.m文件夹ec下。

2.3边缘检测

编写一个函数，以查找图像中的边缘强度和方向。在您的写作中包含给定图像之一的功能输出。

function [Im Io Ix Iy]=myEdgeFilter(img,sigma)

该函数将输入灰度图像(img)和σ(标量)。Sigma是高斯平滑核在边缘检测前使用的标准差，函数将输出边缘幅值图像Im，边缘方向图像Io，以及x方向和y方向上的滤波响应Ix和Iy。

ab39285c002d4d7602d871769efced4c.png

2.4Hough变换

编写将Hough变换应用于边缘幅值图像的函数。

function [H, rhoScale, thetaScale] = myHoughTransform(Im, threshold, rhoRes, thetaRes)


Im是边缘幅值图像， threshold(标量)是用来忽略像素的边缘强度阈值，该类像素具有低边缘滤波器响应。rhoRes(标量)和ThetaRes(标量)分别是HoughTransform累加器沿ρ轴和θ 轴的分辨率。例如，如果theaRes=5°和，则沿θ轴的线带数为360/5=72。

H是Hough变换累加器，包含图像中所有可能的直线“选票”数。rhoscale和thetaScale是myHoughTransform生成Hough变换矩阵H的p和θ 值数组。例如，

554e09b1f5eb01e2fb245ff4d962d621.png

5d3fc0674c62aae014e6019e8ee60b92.png

2.5找直线

function [rhos, thetas] = myHoughLines(H, nLines)

H是Hough变换累加器；RhoRes和taRes是累加器分辨率参数，nLine是返回的行数。Output lineRho和lineTheta都是nline x 1向量，它们分别包含图像中所找到的线条的参数(p和θ)。

9195443a559a557cd6be1a3bb56791f8.png

(1) Fillgap:如果有不连续的线条需要连接在一起，则将Fillgap设置为相对较高的价值。另一方面，如果有一些不应该在一起的线连接，然后将fillgap设置为一个小值，就像我们在图6中所做的那样。

(2) Minlength:如果图像只有较长的线条，而不是几条较短的线条，则Minlength应该是大的，反之亦然。

(3) 变化”最小长度”: Minlength = 10(左)和Minlength = 30(右)，通过增加线的最小长度可以消除图片中的短噪声线。根据不同的图片，情况也不同。

707df8d369df5506c04787a022909a8c.png

3、讨论

我的代码可以用一个参数对所有的图像，但结果并不理想。


从上图可以看出: 

(3)阈值:如果边缘图像中图像的线条不清晰，我们应该将阈值设置为 一个相对较低的值来增强它。同样，我们应该设置一个更高的阈值来降低噪音，如果边缘已经足够清晰。


(4) thetaRes和rhoRes:增加这些值可以在Hough投票中获得更好的分辨率图片，在我的代码中rhoRes=pi/180和thetaRes=2工作得最好。


(5) nLine:如果图像中有很多直线需要匹配，那么应该选择一个较大的nLine。如果有一些线，但大部分是曲线，nLines不应该设置太高。

(6) Fillgap:如果有不连续的线条需要连接在一起，则将Fillgap设置为a 相对较高的价值。另一方面，如果有一些不应该在一起的线连接，然后将fillgap设置为一个小值，就像我们在图6中所做的那样。


(7) Minlength:如果图像只有较长的线条，而不是几条较短的线条，则Minlength应该是大的，反之亦然。在改变分辨率之前，强制条款部分造成的问题最多。

因为如果分辨率较低，应在附近的霍夫峰仅视为一个峰。所以，有些线找不到。改变分辨率后，问题解决了。

但是，对于每个元素在霍夫矩阵中，仍然存在一个问题它的外围可能存在相同的值。我们只能将值设置为0时，有一个值大于它在邻域。所以它可能导致在最后的线拟合过程中有双线。

有一种解决方法，就是检查是否有相邻元素中相同的元素只保留其中一个，但它需要一个循环。我的最佳性能参数包括在上面的记录中，还有另一对不同图像的参数。如果对所有的图像只应用一对参数，那将是:

Sigma = 2; threshold = 0.03;
rhoRes = 2; thetaRes = pi/180;
nLines = 50; ‘FillGap’ = 6; ‘MinLength’ = 15；
The effect of single parameter has already been stated above.

4、代码结构图

e3f1c098c059d59301c04fd13cfbe11b.jpeg

clc;
clear;datadir     = '../data';    %the directory containing the images
resultsdir  = '../results'; %the directory for dumping results%parameters
sigma     = 2;
threshold = 0.005;  %0.03
rhoRes    = 2;
thetaRes  = pi/90;
nLines    = 50;
%end of parametersimglist = dir(sprintf('%s/*.jpg', datadir));for i = 1:numel(imglist)%read in images%[path, imgname, dummy] = fileparts(imglist(i).name);img = imread(sprintf('%s/%s', datadir, imglist(i).name));if (ndims(img) == 3)img = rgb2gray(img);endimg = double(img) / 255;%actual Hough line code function calls%  [Im Io Ix Iy] = myEdgeFilter(img, sigma);   [H,rhoScale,thetaScale] = myHoughTransform(Im, threshold, rhoRes, thetaRes);[rhos, thetas] = myHoughLines(H, nLines);lines = houghlines(Im>threshold, 180*(thetaScale/pi),...rhoScale, [rhos,thetas],'FillGap',5,'MinLength',10);%everything below here just saves the outputs to files%fname = sprintf('%s/%s_01edge.png', resultsdir, imgname);imwrite(Im/max(Im(:)), fname);fname = sprintf('%s/%s_02threshold.png', resultsdir, imgname);imwrite(Im > threshold, fname);fname = sprintf('%s/%s_03hough.png', resultsdir, imgname);imwrite(H/max(H(:)), fname);fname = sprintf('%s/%s_04lines.png', resultsdir, imgname);img2 = img;for j=1:numel(lines)img2 = drawLine(img2, lines(j).point1, lines(j).point2); end     imwrite(img2, fname);
end

5、测试结果

从左往右依次为原图、边缘检测图、二值化图、Hough变换图、最终结果


a8983a6a3bce6b5d158e697df674f12b.jpeg
ad7bda954104af2e1dffd3e020fd4855.jpeg

本文仅做学术分享，如有侵权，请联系删文。

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

16.基于Open3D的点云处理入门与实战教程

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

eca334c5c0025ce907ce91b9ed3af164.jpeg

▲长按加微信群或投稿

f087f963ede194b4c8093577de7959f8.jpeg

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

ac1b0efd9ccdcafeaadb7ac422a87400.jpeg

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~  


http://chatgpt.dhexx.cn/article/kU670Q4P.shtml

相关文章

Hough变换原理

Hough变换原理

霍夫变换在识别方程式已知的曲线是常用的一种方法，本文通过识别直线方程为向导，说明霍夫变换的原理。 话不多说，开始今天的主题，我们处理的对象是二值黑白图像，如下图： 上图是我自绘的五个点，考…
阅读更多...
图像处理算法 之 Hough变换

图像处理算法 之 Hough变换

Hough变换 一、标准Hough线变换(SHT)1.1 原理1.2 SHT步骤1.3 缺点 二、渐进概率Hough变换(PPHT)2.1 原理及步骤2.2 缺点 三、Hough圆变换3.1 原理及步骤3.2 缺点 四、实验代码 一、标准Hough线变换(SHT) 1.1 原理 标准Hough变换（standard hough transform&#xf…
阅读更多...
MATLAB中的Hough变换

MATLAB中的Hough变换

下面来介绍一下关于Hough变换的原理及其如何在MATLAB中实现。 Hough变换：Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间的点－线对偶性，把图像空间中的检测问题转换到参数空间。国内外对Hough变换的研究及…
阅读更多...
智能图像分析——Hough变换

智能图像分析——Hough变换

一、原理 引用 hough变换利用点、线对偶的思想，把提取图像空间中直线的问题转换成在参数空间/hough空间中计算点的峰值的问题。 在x − y坐标系中，假设有一条直线过点( x0 , y0 )，那么我们可以把这条直线的方程记为 ymxb（1&#…
阅读更多...
霍夫Hough变换

霍夫Hough变换

参考： https://blog.csdn.net/qq_15971883/article/details/80583364 MATLAB帮助文档 Hough变换是一种使用表决方式的参数估计技术，其原理是利用图像空间和Hough参数空间的线-点对偶性，把图像空间中的检测问题转换到参数空间中进行。 利用Hough变换检测直线 记住：直角坐标…
阅读更多...
Hough变换及MATLAB示例

Hough变换及MATLAB示例

前言 在车道线检测中，最小二乘法，Hough变换是车道线模型拟合的传统方法之一，通过一系列离散的点拟合出车道直线，也就是得到基于像素平面坐标系的左车道和右车道直线方程。 Hough变换 Hough变换的基本思想 我们先来看看如何表达…
阅读更多...
hough变换算法

hough变换算法

VoteNet网络中会用Deep Hough Voting，所以先来学习一下Hough Voting。 正文开始 hough变换算法 1、算法思想 霍夫变换于1962年由Paul Hough 首次提出，后于1972年由Richard Duda和Peter Hart推广使用，经典霍夫变换用来检测图像中的直线&…
阅读更多...
Hough 变换

Hough 变换

Hough 变换是图像处理中，检测直线最基本，也是应用最广泛的一种传统方法。虽然现在是深度学习大行其道的时代，但是很多传统的算法，依然有其参考的价值所在，至少从数学表达上来看，是更加的简洁，有…
阅读更多...
Hough transform(霍夫变换)

Hough transform(霍夫变换)

主要内容： 1、Hough变换的算法思想 2、直线检测 3、圆、椭圆检测 4、程序实现 一、Hough变换简介 Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变…
阅读更多...
Hough变换

Hough变换

目录 一、Hough变换简介 二、Hough变换的数学理解 1.x-y变量空间至k-b参数空间的变换 2.x-y变量空间至-空间的变换 三、Hough变换应用于线检测（MATLAB实现） 1.检测步骤 2.使用MATLAB工具箱中的Hough变换函数进行边缘检测 一、Hough变换简介 霍夫变…
阅读更多...
图像处理：Hough变换原理分析

图像处理：Hough变换原理分析

目录 一、前言 二、直线函数的形式化表示 2.1 直线被方程表示 2.2 直线被图表表示 2.3 直线的表格表示 三、hough变换的提出 3.1 极坐标表示点和线 四、 hough变换的原理 4.1 极坐标的​编辑表格 4.2 用​编辑平面表示：过任意点P(x,y)做所有射线&#xff0…
阅读更多...
Hough变换原理-直线检测

Hough变换原理-直线检测

目录 一、简介 二、原理 三、Python代码实现 一、简介 Hough（霍夫）变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换是将图像坐标空间变换到参数空间，利用点与线的对偶性，将原始图像空间的给定的曲线&#xff08…
阅读更多...
YUV444、YUV422、YUV420、YUV420P、YUV420SP、YV12、YU12、NV12、NV21

YUV444、YUV422、YUV420、YUV420P、YUV420SP、YV12、YU12、NV12、NV21

前言 各种YUV格式多如牛毛啊，刚开始学起来确实很费劲，网上搜索的文章讲的并不是很明白。 各种不同的YUV格式其实只是采样方式和存储方式不同，就这两点，不同的采样方式是为了实现节省内存，不同的存储方式暂时不了解有…
阅读更多...
2023-02-24：请用go语言调用ffmpeg，解码mp4文件并保存为YUV420SP格式文件，采用YUV420P转YUV420SP的方式。

2023-02-24：请用go语言调用ffmpeg，解码mp4文件并保存为YUV420SP格式文件，采用YUV420P转YUV420SP的方式。

2023-02-24：请用go语言调用ffmpeg，解码mp4文件并保存为YUV420SP格式文件，采用YUV420P转YUV420SP的方式。 答案2023-02-24： 使用 github.com/moonfdd/ffmpeg-go 库。 解码后就是yuv420p，然后用SwsScale函数转换成yuv…
阅读更多...
ffmpeg处理YUV422和YUV420P相互转换

ffmpeg处理YUV422和YUV420P相互转换

YUV422空间大小计算 YUV422封包width*heightwidth/2*height*2YUYV Y分量width*heightYUYV U分量width/2*heightYUYV V分量width/2*height YUV420空间大小计算 YUV420封包width*heightwidth/2*height/2*2Y分量width*heightU分量width/2*height/2V分量width/2*height/2 extern &…
阅读更多...
Android Camera2 YUV420_888 格式详解

Android Camera2 YUV420_888 格式详解

Camera2 YUV420_888 官网文档介绍 Android PAI 对 YUV420_888的介绍 ，大致意思如下： 它是YCbCr的泛化格式，能够表示任何4:2:0的平面和半平面格式，每个分量用8 bits 表示。带有这种格式的图像使用3个独立的Buffer表示，每…
阅读更多...
【音视频数据数据处理 2】【YUV篇】将YUV420P_I420数据旋转90°-180°-270°-镜像旋转

【音视频数据数据处理 2】【YUV篇】将YUV420P_I420数据旋转90°-180°-270°-镜像旋转

【音视频数据数据处理 2】【YUV篇】将YUV420P_I420数据旋转90 一、理论分析（以yuv420p_i420格式为例）二、顺时针旋转90 代码实现三、顺时针旋转180 代码实现四、旋转90-180-270-镜像旋转，完整代码实现五、运行结果 本文接着前文： …
阅读更多...
YUV420-＞RGB888格式转换的CPP实现

YUV420-＞RGB888格式转换的CPP实现

git地址： GitHub - Evayangelion/EYUVConverter: A YUV converter implemented by cpp 上一次学习了YUV各种采样和存储方式的区别（YUV知识存档） 接下来一起学习一下RGB格式的知识和YUV到RGB的转换方式 RGB色彩模式的分类 RGB的分类相较YUV来说…
阅读更多...
YUV444，YUV420P，YUV420SP，YUV422P，YUV422SP，NV12，NV21，NV16，NV61等格式区分与存储简介

YUV444，YUV420P，YUV420SP，YUV422P，YUV422SP，NV12，NV21，NV16，NV61等格式区分与存储简介

一、基础知识： 概述 YUV是顏色編碼方式，常用於視頻及圖像處理中。 其中的YUV是三個分量。“Y”表示明亮度（Luminance或Luma），也就是灰度值。“U”和“V” 表示的是彩色信息，分別爲色度和濃度（C…
阅读更多...
OpenGL渲染YUV420P

OpenGL渲染YUV420P

一 、YUV420P数据格式二 、GLFW渲染YUV420P2.1 定义顶点数据2.2 创建YUV三张纹理2.3上行YUV420数据2.4 渲染纹理2.5 着色器 三、代码地址以及存在的问题四 、解决存在的问题 一 、YUV420P数据格式 图片来源于谷歌 结合上图可以看出YUV420P的特点如下： ①无论在横向还…
阅读更多...
推荐文章

Copyright @ 2022~2023