1、在白紙上畫出乙個直角座標系，任意給出乙個點；
2、那麼，對於點（x0,y0）,經過這個點的直線必定滿足y0=k*x0+b, 其中k是直線的斜率，b是直線的截距；
3、上式可以化成b=y0-k*x0, 可以看作是以-x0為斜率，以y0為截距，在k-b空間上的乙個直線方程（k，b為變數）；
4、可見，k-b空間上的一條直線，代表了x-y空間經過特定點的所有直線，而x-y上的特定直線責備k-b空間上的特定點表示；
利用這個原理，我們可以通過一下方法檢測可能出線的直線：
1、得到一副邊緣影象；
2、對影象中的每乙個邊緣點，在k-b空間中畫出一條直線；（任意的劃線）
3、在各直線的交點，我們採取「投票」（vote）的方法，即累加：n條直線的交點，改點的值為n；
4、遍歷k-b空間，尋找出先區域性最大值（極值）的點，這些點的座標（k，b）就是影象中可能出線的直線的斜率和截距；
為了容易理解，這裡採用了直線的斜截表達法。
事實上這種方法並不使用，因為某些直線的斜率很大的甚至不存在。
實際操作中，檢測直線的霍夫變換使用含極座標引數的直線表示型式，簡稱極座標式（不是極座標方程，因為還是在笛卡爾座標下表示）
這樣，每條直線對應於theta-p空間下的一條正弦曲線，同樣採用投票求極值的方法尋找曲線
這裡涉及到三個函式：hough,houghpeaks,houghlines：
1、[h,t,r] = hough(bw,'theta',20:0.1:75) ; （輸入二值影象bw，角度範圍與步進（最大，[-90, 90)）,返回 h-霍夫空間，t-theta，r-p)；
2、peaks = houghpeaks(h,numpeaks) ;（輸入霍夫空間和極值數量，返回極值的座標）
3、lines=houghlines(bw,t,r,peaks) ; （返回lines是乙個包含影象中線段首末點、p、theta的結構體）
ihsv=rgb2hsv(i);
iv=ihsv(:,:,3);%提取v空間
ivl=iv(500:end,:);%擷取下半部
iedge=edge(ivl,'sobel
');%邊沿檢測
iedge = imdilate(iedge,ones(3));%影象膨脹 %新建視窗，繪圖用
figure (2) imshow(iedge); hold on %左方直線檢測與繪製
%得到霍夫空間
[h1,t1,r1] = hough(iedge,'theta
',20:0.1:75);
%求極值點 peaks=houghpeaks(h1,5);
%得到線段資訊
lines=houghlines(iedge,t1,r1,peaks);%繪製線段
for k=1:length(lines)
xy=[lines(k).point1;
lines(k).point2];
plot(xy(:,1),xy(:,2),'linewidth
',4);
end
%右方直線檢測與繪製
[h2,t2,r2] = hough(iedge,'theta
',-75:0.1:-20);
peaks1=houghpeaks(h2,5);
lines1=houghlines(iedge,t2,r2,peaks1);
for k=1:length(lines1)
xy1=[lines1(k).point1;lines1(k).point2];
plot(xy1(:,1),xy1(:,2),'linewidth
',4);
endhold off
輸入影象：
Opencv學習 霍夫變換檢測圓的基本原理
為了方便以後檢視，將基本筆記收藏到這裡！原博文 其實檢測圓形和檢測直線的原理差別不大，只不過直線是在二維空間，因為y kx b，只有k和b兩個自由度。而圓形的一般性方程表示為 x a y b r 那麼就有三個自由度圓心座標a,b,和半徑r。這就意味著需要更多的計算量，而opencv中提供的cvhou...
霍夫變換檢測直線
對於結構化道路的檢測，常用的方法是採用霍夫變換檢測道路中的直線段。一條直線可以看做是影象上的若干個畫素點組成，也可以用一條直線方程來表示，如 y kx b,那麼霍夫變換檢測直線段其實是將影象畫素點空間變換到引數空間，對於直線來說就是引數 k，b 也可以用來檢測其他形狀如圓和橢圓，只是引數空間表示不一...
霍夫變換檢測直線
對於線性目標提取時，霍夫變換是個很好的手段，博主在這裡做了 實驗，在乙個影象中畫上圓和矩形，通過霍夫變換提取矩形的邊緣。編譯環境為matlab2014a，如下。霍夫變換，找到矩形影象的邊界，用彩色表示出來,矩形和圓不重疊 clc clear all close all i zeros 256,256...