Matlab实现基于Hough变换的直线检测算法

使用Hough变换进行直线检测的步骤如下：

1. 对图像进行预处理，例如灰度化、边缘检测等操作，得到二值化图像。

2. 构建Hough空间，Hough空间中的每一个点代表着一条直线，因此需要确定Hough空间的大小和精度。

3. 对二值化图像中的每一个边缘点，在Hough空间中找到对应的直线。具体方法是对于每一个边缘点，遍历所有可能的直线参数，计算直线与该点的距离，将距离最小的直线在Hough空间中对应的点加一。

4. 在Hough空间中找到峰值点，这些峰值点对应着在图像中存在的直线。可以通过设置一个阈值来控制峰值的数量。

5. 将Hough空间中的峰值点转换为直线方程，即可得到在图像中检测到的直线。

下面是Matlab代码实现：

% 读取图像
img = imread('test.jpg');
% 灰度化
gray = rgb2gray(img);
% 边缘检测
edgeImg = edge(gray, 'canny');

% 构建Hough空间
theta = linspace(-pi/2, pi/2, 180); % 角度范围
maxRho = hypot(size(edgeImg, 1), size(edgeImg, 2)); % 最大距离
rho = linspace(-maxRho, maxRho, 2*maxRho); % 距离范围
houghSpace = zeros(length(rho), length(theta));

% 对每一个边缘点进行Hough变换
[y, x] = find(edgeImg);
for i = 1:length(x)
    for j = 1:length(theta)
        % 计算直线到边缘点的距离
        d = x(i)*cos(theta(j)) + y(i)*sin(theta(j));
        % 将距离最小的直线在Hough空间中对应的点加一
        [~, ind] = min(abs(rho - d));
        houghSpace(ind, j) = houghSpace(ind, j) + 1;
    end
end

% 显示Hough空间
figure;
imshow(imadjust(mat2gray(houghSpace)), 'XData', theta, 'YData', rho);
xlabel('\theta'), ylabel('\rho');
axis on, axis normal;
hold on;

% 找到峰值点
peaks = houghpeaks(houghSpace, 10, 'threshold', ceil(0.3*max(houghSpace(:))));
% 绘制峰值点
x = theta(peaks(:, 2));
y = rho(peaks(:, 1));
plot(x, y, 's', 'color', 'white');

% 将峰值点转换为直线
lines = houghlines(edgeImg, theta, rho, peaks, 'FillGap', 20, 'MinLength', 30);

% 显示检测到的直线
figure, imshow(img), hold on
max_len = 0;
for k = 1:length(lines)
    xy = [lines(k).point1; lines(k).point2];
    plot(xy(:, 1), xy(:, 2), 'LineWidth', 2, 'Color', 'green');
    % 找到直线的端点，以便计算其长度
    len = norm(lines(k).point1 - lines(k).point2);
    if (len > max_len)
        max_len = len;
        xy_long = xy;
    end
end

其中，`houghpeaks`函数用于找到Hough空间中的峰值点，`houghlines`函数用于将峰值点转换为直线方程。