霍夫变换直线检测houghlines及opencv的实现分析

最新推荐文章于 2021-06-21 18:32:13 发布

原创

最新推荐文章于 2021-06-21 18:32:13 发布 · 3.3w 阅读

43 ·

CC 4.0 BY-SA版权

文章标签：

#float #代码分析 #image #算法 #output #buffer

本文深入分析了霍夫变换直线检测原理，通过直角坐标系中的点和直线实例，阐述了该算法如何在r-theta空间中找到直线对应的曲线交点。同时，介绍了OpenCV库在实现这一过程中的关键参数linesMax，它定义了检测到的直线的最大数量。

导读：
1. houghlines的算法思想
2. houghlines实现需要考虑的要素
3. houghlines的opencv实现，代码分析
4. houghlines的效率分析，改进

1. houghlines的算法思想
检测直线，houghlines标准算法，不考虑线段，不检测线段端点。

在直角坐标系和极坐标系的对应关系，点、直线在两个坐标系中是对偶关系。
即直角坐标系中的点是极坐标系中的线，直角坐标系中的线是极坐标系中的点。
反过来，也成立。

图像可知看做直角坐标系，检测图像中的直线，可以转化为统计检测极坐标系中的点（r，theta）。

2. houghlines实现需要考虑的因素
hough空间(离散极坐标)的表示
原因：
图像中直线的表示，由斜率和截距表示，而极坐标中用(r, theta)表示.
r = cos(theta)*x + sin(theta)*y

对于点(x0, y0) , 在极坐标中就是一条直线（很多对（r，theta）点）:
r = cos(theta)*x0 + sin(theta)*y0

r，theta就是一对hough空间的变量表示。
旋转的theta不容易表示，若将r，theta看成直角坐标空间。
一个点(x0, y0), 就是一个正弦曲线。
r = cos(theta)*x0 + sin(theta)*y0