经典的Hough变换和多尺度的Hough变换有什么区别？

Question

我正在查看OpenCV的文档的cv2.HoughLines()，文档中引用了一个多尺度的Hough变换。经典的Hough变换和多尺度的Hough变换有什么区别？

Answer 1

首先，您需要了解Hough变换算法的一般工作原理。从你的问题上还不清楚你对它有多熟悉。

如有必要，我建议阅读以下内容：

1. 算法的描述，引用自您在问题中提到的opencv文档：Hough变换。
2. OpenCV的Hough线变换教程。

简而言之，经典算法由以下元素组成(所有角度都以度表示，而不是仅为方便起见而以弧度表示)：

1. 一条线的参数是它与原点的垂直距离(ρ - rho)，以及由这条垂线形成的角度(θ - theta)。
2. rho和theta参数实际上决定了ρ和θ的分辨率。由于距离受图像对角线大小的限制，且角度为0.180，我们可以创建一个由距离和角度的所有组合组成的矩阵(根据分辨率)。这被称为accumulator. 例如:如果图像对角线为100，rho参数为20，我们将在矩阵中得到以下ρ值:0、20、40、60、80、100。角度也一样。累加器矩阵中的每个单元格表示一条潜在行(具有特定的ρ，θ)。
3. 输入图像必须是二进制掩码。我们遍历所有的“亮”像素。每个像素可以属于多条线(根据不同的ρ和θ)。我们在累加器中增加对应于其中任何一行的每个单元格。这就像投票给一样。
4. 最后，我们选择得票最高的行(取决于threshold)作为输出。

多尺度版本添加了以下内容，以形成一个迭代过程：

1. srn参数不是对ρ应用单一分辨率，而是确定距离分辨率的除数。
2. 类似地，stn参数不是对θ应用单一分辨率，而是确定角度分辨率的除数。
3. 还有min_theta和max_theta参数可以限制我们跟踪的角度的范围。

一般来说，多尺度版本可以提供更好的结果(由于尝试更多的分辨率)，而代价是计算量更大。

我还没有找到关于这个迭代过程的确切方式的正式文档。

但是从opencv源代码中的注释来看，似乎至少完成了两次迭代:一次粗( rho和theta)，一次罚款( rho/srn和theta/stn)。

我建议您尝试这两种方法，并在特定情况下比较结果、质量和处理时间。

请注意，也有可能出现的版本-请参阅cv::HoughLinesP