霍夫变换函数检测条纹图像中的黑色条纹

边缘检测在图像处理中经常用到，目的是标识数字图像中亮度变化明显的点，即存在亮度跳跃的区域。Matlab中有edge函数来实现这个功能，利用传入参数的不同可以使用不同的算子，比如Prewitt、Canny等，通过这个函数返回的是一个二值图像矩阵。我们再利用这个矩阵作霍夫变换找到图像中的条纹。

1、读入图像

figure; [I,map] = imread(filename); subplot(2,2,1); imshow(I,map); axis on,hold on; title('原图读入');

2、加入高斯滤波器减噪

经过测试，发现窗口大小为[5,5]，标准差为0.5的时候最合适。

sigma = 0.5; gausFilter = fspecial('gaussian', [5,5], sigma); I= imfilter(I, gausFilter, 'replicate'); imshow(I); axis on,hold on; title('经过高斯降噪');

3、边缘检测

BW = edge(I,'Prewitt');%Prewitt算子边缘检测

4、标准霍夫变换

[H,T,R] = hough(BW);%计算二值图像的标准霍夫变换，H为霍夫变换矩阵，I,R为计算霍夫变换的角度和半径值 subplot(2,2,3); imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');%hough变换后的图像 title('hough变换后的图像'); xlabel('\theta'), ylabel('\rho'); axis on,axis square,hold on;

5、在霍夫变换矩阵中选取8个峰值

在霍夫变换矩阵H中一个点实际上代表一条直线，由直线的参数方程得知。

P是一个Q×2的矩阵，每行的两个元素分别是某一峰值点在H中的行、列索引，Q为找到的峰值点的数目。

P = houghpeaks(H,8); x = T(P(:,2)); y = R(P(:,1)); plot(x,y,'s','color','white');%标出极值点

6、提取线段

line是一个结构体数组，包括point1（起点）、point2（终点），theta，rho。其中theta,rho分别代表直线的参数方程ρ=x*cosθ+y*sinθ中的θ和ρ。line数组中的每一个元素代表一条线段。

line=houghlines(BW,T,R,P,'FillGap', 40, 'MinLength', 10);%提取线段

7、合并横坐标相同的线段

由于存在计算误差，相同的一条线段可能被检测成两条，因此需要将它们合并，并且按照横坐标从小到大排序。

[lines]=combineLines(line); subplot(2,2,4); imshow(I), hold on; axis on,hold on;

8、画出线段并且计算相邻线段之间的距离

由于直线都是平行于y轴，因此直接由横坐标相减便可得到两线段之间的距离。

temp = 0; for k = 1:length(lines) xy = [lines(k).point1; lines(k).point2]; plot(xy(:,1),xy(:,2),'LineWidth',1,'Color','white');%画出线段 if temp>0 text(temp,300,num2str(xy(1,1)-temp),'color','green','fontsize',8); end temp = xy(1,1); end title('数字表示相邻线段之间的距离（px）'); end

附录

https://www.zybuluo.com/lutingting/note/554459#hough变换原始形式-直线检测

http://blog.csdn.net/abcjennifer/article/details/7448513

http://blog.csdn.net/sudohello/article/details/51335237