数字图像处理Hough变换直线检测matlab实现

Hough变换直线检测MatLab代码function Img_hough = hough_s(Img, bw)%该函数实现hough变换提取直线的功能。

%输入图像x,运行Z后直接画出直线。

%选择进行Hough变换的图像行%Img为原图像；bw为边缘图像%%[H,W,D]=size(Img);Img_hough = Img;讦D==lchannel = Img_hough;Img_hough = cal(3,channel, channel, channel); end[M,N]=size(bw);%求出图像大小。

%%dtheta=l;drho=l;md=ceil((N+round(sqrt(M A2+N A2)))/drho);%确定网格的最大区域。

ma=ceil(l 8O/dtheta); numrhotheta=zeros(md,ma);%产生计数矩阵。

coordrhotheta=cell( 1,1);% para=cell(l,3)；❷II数组相当于c语言中的指针，可动态的改变大小。

for i=l:mdfor j=l:macoordrhotheta{ i,j}=[J;endend%产生空网格。

ymin = 5;ymax = M - 4;for i=ymin:ymaxforj=l:Nif bw(i,j) == 1for k=l:marho=round((j *cos(dtheta*k*pi/180)+i*sin(dtheta*k*pi/180))/drho); %根据直线的法线式表示，计算出平面上不同点的hough变换值。

rho=rho+ceil(N/drho);%可能的最大负值。

numrhotheta(rho+1 ,k)=numrhotheta(rho+1 ,k)+1;%将hough变换值相应位置的计数值加1。

coordrhotheta {rho+ l,k}=[coordrhotheta {rho+ l,k);[ij]];%记录hough变换值相应位置对应的点的坐标。

Hough变换直线检测MatLab代码一．function Img_hough = hough_s(Img, bw)%该函数实现hough变换提取直线的功能。

%输入图像x，运行之后直接画出直线。

%选择进行Hough变换的图像行%Img为原图像；bw为边缘图像%%[H,W,D]=size(Img);Img_hough = Img;if D==1channel = Img_hough;Img_hough = cat(3,channel, channel, channel); end[M,N]=size(bw);%求出图像大小。

%%dtheta=1;drho=1;md=ceil((N+round(sqrt(M^2+N^2)))/drho);%确定网格的最大区域。

ma=ceil(180/dtheta);numrhotheta=zeros(md,ma);%产生计数矩阵。

coordrhotheta=cell(1,1);% para=cell(1,3);�ll数组相当于c语言中的指针，可动态的改变大小。

for i=1:mdfor j=1:macoordrhotheta{i,j}=[];endend%产生空网格。

ymin = 5;ymax = M - 4;for i=ymin:ymaxfor j=1:Nif bw(i,j) == 1for k=1:marho=round((j*cos(dtheta*k*pi/180)+i*sin(dtheta*k*pi/180))/drho);%根据直线的法线式表示，计算出平面上不同点的hough变换值。

rho=rho+ceil(N/drho);%可能的最大负值。

numrhotheta(rho+1,k)=numrhotheta(rho+1,k)+1;%将hough变换值相应位置的计数值加1。

coordrhotheta{rho+1,k}=[coordrhotheta{rho+1,k};[i,j]];%记录hough变换值相应位置对应的点的坐标。

数字图像处理—Hough 变换直线检测,matlab 实现实验八Hough 变换直线检测一、实验目的理解Hough变换的原理，了解其应用；掌握利用Hough变换进行直线检测的处理过程及编程方法。

二、实验内容利用Hough变换检测直线通常先进行边缘检测，得到只包含边缘的二值图像。

再通过Hough变换，在参数空间检测图像共线点的数量得到直线参数，从而实现直线检测。

1、读入图像（图像需有直线或直线性边缘） 2 、进行图像边缘，得到二值图像3、实现Hough变换，检测出图像中的直线方程4、输出结果三、实验要求1、编写代码，完成各项实验内容2、总结实验中遇到问题及解决方案，书写实验报告%Hougl变换clc;clear;close all f=imread('l in e.bmp'); % 若是彩色图片转灰度化if len gth(size (f) )>2f=rgb2gray(f);end%figure(1)subplot(121);imshow(f); % 利用edge函数进行边缘检测j=edge(f,'Sobel');subplot(122);imshow(j); [row,col]=size(j);pi nfan g=ro un d((row*row+col*colF0.5);A=zeros(2*pinfang,180);for m=1:rowfor n=1:colif j(m,n)>0for thera=1:180r=thera/180*pi; % 角度转弧度rho=round(m*cos(r)+n*sin(r));% p =cos 0 +sin 0rho=rho+pinfang+1;%-l:l 转换到1:2l+1A(rho,thera)=A(rho,thera)+1;endendendend[rho,the⑻二仙d(A>40);% 交点超过60条线的点，ma,na为参数空间的坐标点nma=length(rho);for i=1:nmahold onm=1:row;%rho=ma(i)-1;r=thera(i)/180*pi;n=(rho(i)-pinfang-m*cos(r))/(0.00001+sin(r));end。

以下是一个简单的MATLAB例程，演示如何使用Hough变换来检测图像中的直线。

假设你已经有一个名为`image.jpg`的图像文件，你可以使用以下代码来进行Hough变换:读取图像I = imread('image.jpg');将图像转换为灰度图Igray = rgb2gray(I);执行边缘检测BW = edge(Igray, 'canny');执行Hough变换[H,theta,rho] = hough(BW);找到峰值P = houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));找到直线lines = houghlines(BW,theta,rho,P,'FillGap',5,'MinLength',7);绘制图像和检测到的直线figure, imshow(I), hold onfor k = 1:length(lines)xy = [lines(k).point1; lines(k).point2];plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');% 为每条直线绘制端点plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');end在这个例程中，我们首先读取图像，然后将其转换为灰度图像，并执行Canny边缘检测。

接下来，我们使用Hough变换来检测直线，并找到其中的峰值。

最后，我们使用`houghlines`函数找到图像中的直线，并将其绘制在原始图像上。

H a r b i n I n s t i t u t e o f T e c h n o l o g y图像工程导论课程名称：图像工程导论设计题目：《图像检测：直线提取》院系：班级：设计者：学号：哈尔滨工业大学教务处图像工程导论任务书二〇一五年柒月哈尔滨工业大学一、课题详细描述：提取图像中所有长度>8,<80像素的水平、垂直和对角直线。

二、课题设计思路：读取图片后将其转化为灰度图后记为二值图像，对其进行边缘检测后通过霍夫变换检测直线，并将符合像素要求的水平、垂直和对角直线绘制在屏幕上。

三、代码清单及注释x=imread('D:2.jpg');%读取图片BW=rgb2gray(x);%转化为灰度图imshow(BW);thresh=[0.01,0.17];sigma=2; %定义高斯参数f=edge(double(BW),'canny',thresh,sigma);%canny边缘检测figure,imshow(f);[H,T,R]=hough(f,'ThetaResolution',89,'RhoResolution',10); %霍夫变换P=houghpeaks(H,400,'Threshold',80,'NHoodSize',[1,1]);lines=houghlines(f,T,R,P,'FillGap',1,'Minlength',8);for k = 1:length(lines)xy = [lines(k).point1; lines(k).point2];len = norm(lines(k).point1 - lines(k).point2);Len(k)=lenif ( len > 8& len < 80) %限定像素范围plot(xy(:,1),-xy(:,2),'LineWidth',2,'color','Red'); %绘制图像hold on;endend四、代码运行结果及自评所需处理的图片：处理结果：从图中可以看到本程序确是找到了满足要求的所有直线并将其呈现在了新的窗口中，完成了设计要求。

Hough变换是一种图像处理技术，它可以被用来检测图像中的直线。

Hough变换的原理是通过将图像空间中的像素点转换到参数空间中来对直线进行检测。

在参数空间中，每条直线都可以被表示为一组参数，如直线的斜率和截距。

在matlab中，可以使用hough变换来检测图像中的直线。

下面我们来介绍一下在matlab中如何使用hough变换来检测直线。

1. 预处理图像在使用hough变换之前，首先需要对图像进行预处理。

可以通过灰度化、边缘检测等处理方法来提取出图像中的直线信息，以便于后续的检测。

2. 进行hough变换在matlab中，可以使用函数hough来进行hough变换。

该函数的调用格式为：[H,T,R] = hough(BW)其中，BW是经过预处理的二值图像，H是hough变换的结果矩阵，T和R分别是参数空间中的角度和距离。

3. 检测直线在获得了hough变换的结果矩阵之后，可以使用函数houghpeaks来检测出图像中的直线。

该函数的调用格式为：P = houghpeaks(H,5)其中，H是hough变换的结果矩阵，5表示要检测的直线数量。

4. 获取直线参数一旦检测出了直线，就可以使用函数houghlines来获取直线的参数。

该函数的调用格式为：lines = houghlines(BW,T,R,P)其中，BW是经过预处理的二值图像，T和R分别是参数空间中的角度和距离，P是检测出的直线。

5. 绘制直线可以使用函数imshow来在原图上绘制出检测到的直线。

该函数的调用格式为：imshow(BW)hold onfor k = 1:length(lines)xy = [lines(k).point1; lines(k).point2];plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');endhold off通过以上步骤，就可以在matlab中使用hough变换来检测图像中的直线。

用matlab实现hough变换的直线检测 RGB = imread('fenkuai.bmp';%jaynes-thesis I=rgb2gray(RGB; % 图片用的是灰度图像， [x,y]=size(I; BW=edge(I;figure;imshow(I;title('原图' figure;imshow(BW;title('边缘检测图像'rho_max=floor(sqrt(x^2+y^2+1; %由原图数组坐标算出ρ最大值，并取整数部分加1 %此值作为ρ，θ坐标系ρ最大值 accarray=zeros(rho_max,180; %定义ρ，θ坐标系的数组，初值为0。

%θ的最大值，180度 Theta=[0:pi/180:pi]; %定义θ数组，确定θ取值范围 for n=1:x, for m=1:y if BW(n,m==1 for k=1:180 %将θ值代入hough变换方程，求ρ值 rho=(m*cos(Theta(k+(n*sin(Theta(k; %将ρ值与ρ最大值的和的一半作为ρ的坐标值（数组坐标），这样做是为了防止ρ值出现负数rho_int=round(rho/2+rho_max/2; %在ρθ坐标（数组）中标识点，即计数累加accarray(rho_int,k=accarray(rho_int,k+1; end end end end %figure;colormap gray;%imagesc(accarray;title('hough变换后的图' %xlabel('\theta', ylabel('\rho'; %=====下面程序的显示效果没上面好=====% %accarray=uint8(accarray; %转换后会丢数据%figure;imshow(accarray;title('hough变换后的图' %xlabel('\theta', ylabel('\rho'; %axis on, axis normal, hold on; %=======利用hough变换提取直线======% %寻找100个像素以上的直线在hough变换后形成的点 K=1; %存储数组计数器 forrho_n=1:rho_max %在hough变换后的数组中搜索 for theta_m=1:180 ifaccarray(rho_n,theta_m>=10 %设定直线的最小值。

边缘检测与Hough变换实验目的：写一段代码实现一幅图像，其中分为以下两个步骤1.使用Matlab中的canny算子进行边缘检测，可以让使用者交互式的输入不同的Sigma的值实现边缘检测。

2.运用Hough变换来找到最突出的边缘，在图像中找到并画出最长的直线。

实验原理：canny算子边缘检测的基本原理是：采用二维高斯函数的任一方向上的一阶方向导数为噪声滤波器，通过与图像f（x，y）卷积进行滤波，然后对滤波后的图像寻找图像梯度的局部极大值，以确定图像边缘。

Canny边缘检测算子是一种最优边缘检测算子。

其实现步骤如下：1）用高斯滤波器平滑图像2）计算滤波后图像梯度的幅值和方向3）对梯度幅值应用非极大值抑制，其过程为找出图像梯度中的局部极大值点，把其他非局部极大值置零，以得到细化的边缘；4）再用双阈值算法检测和连接边缘；使用canny算子的edge函数调用格式为BW=edge(I,＇canny＇);BW=edge(I,＇canny＇,thresh,sigma);BW=edge(I,＇canny＇,thresh);[BW,threshold]=edge(I,＇canny＇,…);2.Hough变换时最常用的直线提取方法，它的基本思想是：将直线上每一个数据点变换为参数平面中的一条直线或曲线，利用共线的数据点对应的参数曲线相交于参数空间中一点的关系，使得直线提取问题转化为计数问题。

Hough变换提取直线的主要优点是受直线中的间隙和噪声影响较小。

Hough检测直线的Matlab实现：在Matlab图像处理工具箱中提供了3个与Hough变换有关的函数，分别为hough函数，houghpeaks函数和houghlines函数。

hough函数的调用格式为[H，theta,rho]=hough(BW);其中BW为二值图像，H为Hough变换矩阵，theta为变换轴间隔θ,rho为元素个数。

Houghpeaks函数是用来提取Hough变换后参数平面上的峰值点。

Matlab实现——霍夫变换直线检测（2）在上一篇博客中发现经过霍夫变换检测出的直线有可能因为车辆挡住路沿等原因断开，形成线段，这样就不好了，因为检测道路是要找直线焦点。

Thus it is necessary to combine 相同斜率的直线 and connect them.本代码提供了matlab下求取经过霍夫变换的直线斜率，并将其联合，代码见下方，实验结果见文末。

[plain]view plaincopy1.% 入口图像为 BW，出口图像为f2.%optimize from main_optimize, merely select 2 lines, one has positive3.%slope,the other has negative slope4.clear all,close all5.BW=imread('D:\Images\NEW\img4b9faef664e03.jpg');6.figure,imshow(BW);7.8.BW=rgb2gray(BW);9.%thresh=[0.01,0.17];10.thresh=[0.01,0.10];11.sigma=2;%定义高斯参数12. f = edge(double(BW),'canny',thresh,sigma);13.figure,subplot(121);14.imshow(f,[]);15.title('canny Edge Detect Result');16.17.[H, theta, rho]= hough(f, 0.1);%cos(theta)*x+sin(theta) *y=rho18.%imshow(theta,rho,H,[],'notruesize'),axis on,axis norm al19.%xlabel('\theta'),ylabel('rho');20.21.[r,c]=houghpeaks(H,10);22.hold on23.24.25.lines=houghlines(f,theta,rho,r,c);26.27.subplot(122);28.imshow(f,[]),title('Hough Transform Detect Result'),hold on29.nlind=0;%new line index30.st=1;31.%%%%%%%%%求斜率%%%%%%%%%%%%32.for k=1:length(lines)33.%xy=[lines(k).point1;lines(k).point2];34.xielv(k)=(lines(k).point2(1)-lines(k).point1(1))/(lines(k).point2(2)-lines(k).point1(2)+0.0001)35.end36.37.%%%%%%%%%将相同斜率的直线连起来%%%%%%%%%%%%38.k=1;39.while(k<=length(lines))40.if(k~=length(lines))41.k=k+1;42.end43.while(abs(xielv(k)-xielv(k-1))<0.0001)44.k=k+1;45.if(k>length(lines))46.break;47.end48.end49.50.if(abs(xielv(k-1))<0.05||abs(xielv(k-1))>=10)%eliminate horizontal and vertical lines,防治水平线和楼房51.st=k;52.if(k~=length(lines))53.continue;54.end55.end56.57.if(st==length(lines)&&k==st)58.if(abs(xielv(k))>0.05&&abs(xielv(k))<10)59.nlind=nlind+1;60.newlines(nlind)=lines(st);61.newlines(nlind).point2=lines(k).point2;62.newxy=[newlines(nlind).point1;newlines(nlind).point2];63.plot(newxy(:,2),newxy(:,1),'LineWidth',4,'Color',[.6 1.0 .8 ]);64.end65.break;66.end67.68.%end=k-1,start=st; draw line69.nlind=nlind+1;70.newlines(nlind)=lines(st);71.newlines(nlind).point2=lines(k-1).point2;72.newxy=[newlines(nlind).point1;newlines(nlind).point2];73.plot(newxy(:,2),newxy(:,1),'LineWidth',4,'Color',[.6 1.0 .8 ]);74.75.st=k;76.end77.78.fprintf('%d lines are detected in sum.\n',nlind);实验结果：原图：未优化的霍夫变换：优化后：。

Hough变换提取直线一.试验目的实现用Hough变换检测直线的算法二.试验内容1.读入图像拔取有较多直线及部分曲线以作比较的图像作为试验素材,这里我们必须应用黑色图像（有些看似灰度图像的现实属性也是黑色图像）,原因下面有详解.2.检测图像边沿假如一个像素落在图像中某一个物体的鸿沟上,那么它的邻域将成为一个灰度级变更的带.对这种变更最有效的两个特点是灰度的变更率和偏向,他们分离用梯度向量的幅度和偏素来暗示.边沿检测算子检讨每个像素的邻域并对灰度变更率进行量化,平日也包含偏向的肯定.有若干种算子可以应用,大多半是基于偏领导数掩模求卷积的办法.如Roberts算子,Sobel算子,Prewitt算子,Log算子等.这里采取Log算子提取图像边沿,再用均值滤波去除边沿图像噪声.3.实现Houg变换,检测出图像中的直线Hough变换是一种应用图像的全局特点将特定外形的边沿衔接起来,形成持续腻滑边沿的一种办法.它经由过程将源图像上的点暗射到用于累加的参数空间,实现对已知解析式曲线的辨认.这里先对边沿图像进行二值化处理,然后再用hough变换提取直线,最后用红色标识表记标帜之.因为处理进程中需应用灰度图像,但最后无法给灰度图像赋色彩（会出错或后果不好）,只能给黑色图像赋色彩,故最初输入时请应用黑色图像.4.Matlab代码如下：f=imread('3.png');%读入黑色图像,留意不克不及应用灰度图像o=f; %保存黑色原图f=rgb2gray(f);%将黑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nfor i=3:m2for j=3:n2%处理范畴较大,所以从图像（3,3）开端,在（m2,n2）停止l(i,j)=f(i2,j)f(i1,j1)2*f(i1,j)f(i1,j+1)f(i,j2)2*f(i,j1)+16*f(i,j)2*f(i,j+1)f(i,j+2)f(i+1,j1)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算子提取图像边沿'); [m,n]=size(l);for i=2:m1forj=2:n1y(i,j)=l(i1,j1)+l(i1,j)+l(i1,j+1)+l(i,j1)+l(i,j)+l(i, j+1)+l(i+1,j1)+l(i+1,j)+l(i+1,j+1);y(i,j)=y(i,j)/9; %LoG算子提取边沿后,对成果进行均值滤波以去除噪声,为下一步hough变换提取直线作预备endendsubplot(2,2,3);imshow(y);title('均值滤波器处理后')q=im2uint8(y);[m,n]=size(q);for i=1:mfor j=1:nif q(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,使图像边沿加倍凸起清楚elseq(i,j)=0;endendendsubplot(2,2,4);imshow(q);title('二值化处理后');%Hough变换检测直线,应用（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for i=1:mfor j=1:n%遍历图像每个点if(q(i,j)==255)%只检测图像边沿的白点,其余点不检测 for k=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,取得经由该点的所有直线的p值（取整）if(p > 0)%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）响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)响应的累加器单元加一z{k,ap}=[z{k,ap},[i,j]'];%存储点坐标 endendendendendfor i=1:afor j=1:d*2 %检讨每个累加器单元中存储数目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for k=1:s(i,j)%对知足阈值前提的累加器单元中(a,p)对应的所有点进行操纵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; %成果为在原图上对知足阈值请求的直线上的点赋红色endendendendfigure,imshow(o);title('hough变换提取直线');5.试验成果附：两个参数的调节1.二值化图像的细节若干可以经由过程对二值化的阈值调节来掌握,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,同时无关细节也会削减.经由过程对这个两个参数的恰当调节可使提取直线的后果更好.。