Matlab-图像分割与边缘检测实验-Hough线检测
代码链接：/download/qq_43571150/12033268
问题1：对作业一中边缘检测的结果，进行Hough线检测。
问题2：调节参数，提取较长的边界。
图像结果👇
Matlab代码👇
clear all;I = imread('05.jpg');%读入彩色图像origin_img = I;%复制彩色原图以最后对边缘上色img = rgb2gray(I); %将图像转换成为灰度图img = im2double(img); %将图像转换成为double类型[m,n]=size(img);% 得到图像大小行m，列nfor i=3:m-2for j=3:n-2% 计算区域从图像(3,3)开始，到(m-2,n-2)结束% LoG算子粗提取图像边缘log_margin(i,j) = -img(i-2,j)-img(i-1,j-1)-2*img(i-1,j)-img(i-1,j+1)-img(i,j+2)-2*img(i,j-1)+16*img(i,j)-2*img(i,j+1)-img(i,j+2)-img(i+1,j-1)-2*img(i+1,j)-img(i+1,j+1)-img(i+2,j);endend% 均值滤波处理[m,n]=size(log_margin);for i=2:m-1for j=2:n-1% LoG算子粗提取边缘后，进行均值滤波去除噪声（3x3范围）smooth(i,j) = log_margin(i-1,j-1)+log_margin(i-1,j)+log_margin(i-1,j+1)+log_margin(i,j-1)+log_margin(i,j)+log_margin(i,j+1)+log_margin(i+1,j-1)+log_margin(i+1,j)+log_margin(i+1,j+1);smooth(i,j) = smooth(i,j)/9;endend% 二值化处理binary_img = im2uint8(smooth); % 将均值滤波后的图像转换为uint8类型图像，即图像色彩范围[0,255][m,n]=size(binary_img);for i=1:mfor j=1:nif binary_img(i,j)>50 % 设置二值化的阈值为80binary_img(i,j) = 255; % 超过阈值的设为白点elsebinary_img(i,j) = 0; %小于阈值的设为黑点endendend% Hough变换检测，使用(a,p)参数空间（极坐标），a∈[0,180]，p∈[0,2d]angle = 180;% 极坐标角度的值为0~180度distance = round(sqrt(m^2+n^2));% 图像对角线长度最大值distance，从而确定p的取值范围为[-distance,distance]number_ap = zeros(angle,2*distance);% 存储每个检测点(a,p)的个数coordinate = cell(angle,2*distance);% 用元胞数组存储每个检测点的坐标(i,j)% 投票法检测边缘白点for i = 1:mfor j = 1:n% 遍历二值化图像的每个点if(binary_img(i,j) == 255)% 仅对于每一个白点边缘点进行检测for k = 1:angle% 对每个点从1~180度遍历，取得经过该点的所有直线的p值（产生选民）p = round(i*cos(pi*k/180)+j*sin(pi*k/180));% 若p大于0，则将点存储在坐标集合(distance,2*distance)空间（投票存储器），该集合点的极坐标θ∈[0,90]if(p > 0)number_ap(k,distance+p) = number_ap(k,distance+p)+1;% 符合直线的点(a,p)数量加1coordinate{k,distance+p} = [coordinate{k,distance+p},[i,j]];% 在点集合中存储该点坐标(i,j)elseap = abs(p)+1;% 若p小于0，则将点存储在坐标集合(0,distance)空间，该集合点的极坐标θ∈[90，180]number_ap(k,ap) = number_ap(k,ap)+1;% 符合直线的点(a,p)数量加1coordinate{k,ap} = [coordinate{k,ap},[i,j]];% 在点集合中存储该点坐标(i,j)endendendendend% 绘制图像边缘for i = 1:anglefor j = 1:distance*2 % 遍历累加器number_ap和点坐标coordinateif(number_ap(i,j)>30)% 提取直线的阈值point = coordinate{i,j};%提取对应点坐标[m,n] = size(point);%对满足阈值条件的累加器单元中(a,p)对应的所有点进行操作for k = 1:number_ap(i,j)origin_img(point(2*k-1),point(2*k),1) = 255;% 每个点R分量=255，G分量=0，B分量=0origin_img(point(2*k-1),point(2*k),2) = 0;origin_img(point(2*k-1),point(2*k),3) = 0;% 为满足阈值要求的直线上的点赋红色endendendendsubplot(2,3,1);imshow(I);title('input');subplot(2,3,2);imshow(log_margin);title('提取图像边缘');subplot(2,3,3);imshow(smooth);title('均值滤波处理后');subplot(2,3,4);imshow(binary_img);title('二值化处理后');subplot(2,3,5);imshow(origin_img);title('Hough变换后在原图上绘制边界');imwrite(origin_img,'05 Hough变换 边界30.jpg');
如果觉得《数字图像处理｜Matlab-图像分割与边缘检测实验-Hough线检测》对你有帮助，请点赞、收藏，并留下你的观点哦！
