前言：
而今兄弟们对“霍夫变换的原理和过程”大体比较讲究，各位老铁们都想要知道一些“霍夫变换的原理和过程”的相关资讯。那么小编也在网摘上收集了一些关于“霍夫变换的原理和过程””的相关内容，希望同学们能喜欢，看官们一起来学习一下吧！图像处理中，检测直线或者圆等有固定方程式表示的物体时，可以考虑用霍夫变换来做。
对于一个二值图像，
如下图：
这个变换的思路：
1 利用两点的坐标计算出直线的斜率k和截距b，由于k的取值有无穷大的值，表示起来不方便，所以将k用角度来表示，即arctan(k)得到直线与水平线的夹角。b其实也需要做一些映射，将[负无穷，正无穷]映射到[-N,N] 上。
2 取图像上任意一对点的坐标，计算他们对应直线的arctan(k), 和b 。不同的一对点，计算得到的arttan(k)，b有可能相同，如果两队点都共线。
3 假设图像上有M对点，那么我们一共得到M个 [arctan(k),b]
4 统计arctan(k)取值 -90度至90度之间，b取值-N,至N之间时，对应于每个特定的[arctan(k),b]的直线数目。比如统计出[arctan(k)=45度，b=0]对应的直线数据，统计出[arctan(k)=-20度，b=35]对应的直线数目。
最终，我们得到一个180*2N的矩阵，如下图：
横轴是b,纵轴是arctan(k)
可以看到，图片的右下部分最亮，图像的下边缘对应的是斜率接近90度的直线，说明原图中，存在垂直的直线。
图片的中间部分有数量不多的点，中间部分对应于斜率为零的直线，说明原图上有一些水平线。
以往都是直接调用opencv库的，但是有些情况下，是不能调用库的，必须自己写了，
下面是我写的代码：
60 def get_line_list(point_list): 61 import numpy as np 62 k_dist_list=np.zeros(181) 63 k_b_matrix=np.zeros((181,181)) 64 N=len(point_list) 65 for i in range(0,N): 66 p1 = point_list[i] 67 for j in range(i+1,N): 68 p2 = point_list[j] 69 dist,k,b=get_line_coef_length(p1,p2) 70 if np.abs(b)<=90: 71 k_b_matrix[k,int(b+90)]+=1 72 if dist>k_dist_list[k]: 73 k_dist_list[k]=dist 74 return k_dist_list,k_b_matrix
point_list是python中的list,里面取的就是上面二值图上所有点的坐标。
63行声明了一个矩阵：181*181的
69行计算了两个点p1,p2所在直线的斜率k和截距b,
71行是统计语句，将矩阵中k行，int(b+90)位置+1，遇到斜率为k,截距为int(b+90]的直线时，就在矩阵中相应位置+1.
这里主要有个函数get_line_coef_length,代码如下：
44 def get_line_coef_length(p1,p2): 45 import numpy as np 46 x1,y1=p1 47 x2,y2=p2 48 xe=x1-x2 49 ye=y1-y2 50 dist = np.sqrt(xe*xe+ye*ye) 51 k=float(y2)-float(y1) 52 if x2-x1==0: 53 return dist,180,y1 54 k=k/(float(x2)-float(x1)) 55 k_theta = int(np.arctan(k)/3.14*180.0+90.0) 56 b = y1-k*x1 57 #线段长度，角度 58 return dist,k_theta,b
51行--55行是计算斜率的，这里当斜率为无穷大时，我们将其设定为180，为什么呢？
因为角度的取值范围是[-90,90],这个下标是从-90开始的，但是我们矩阵k_b_matrix的下标是从零开始的，所以将[-90,90]映射到了[0,180].
也正是因为如此，在55行，有个+90.0.
这就是霍夫变换了，原理简答，比形态学的方法找直线好用很多。
需要整份代码的可以私信我。
另外我这里有源码写的提取联通区域，计算联通区域最小外接矩形，没有调用任何库，可以写在任何设备上，需要的话，可以向我咨询。
我这里还有几个例子：
原图2
原图2对应的霍夫变换
原图3
原图3对应的霍夫变换
原图4
图4对应的霍夫变换
标签： #霍夫变换的原理和过程
