【表盘识别】基于matlab Hough变换钟表表盘识别【含Matlab源码 1069期】

⛄一、Hough简介

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53]，后于1972年由Richard Duda和Peter Hart推广使用[54]，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。

霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测任意形状的问题转化为统计峰值问题，上一节中已经介绍了车道的直线特征，本节中介绍hough变换检测直线的原理和检测结果。

我们知道，一条直线在直角坐标系下可以用y=kx+b表示, 霍夫变换的主要思想是将该方程的参数和变量交换，即用x,y作为已知量k,b作为变量坐标，所以直角坐标系下的直线y=kx+b在参数空间表示为点(k,b)，而一个点(x1,y1)在直角坐标系下表示为一条直线y1=x1·k+b，其中(k,b)是该直线上的任意点。为了计算方便，我们将参数空间的坐标表示为极坐标下的γ和θ。因为同一条直线上的点对应的(γ,θ)是相同的，因此可以先将图片进行边缘检测，然后对图像上每一个非零像素点，在参数坐标下变换为一条直线，那么在直角坐标下属于同一条直线的点便在参数空间形成多条直线并内交于一点。因此可用该原理进行直线检测。

如图所示，对于原图内任一点(x,y)都可以在参数空间形成一条直线，以图中一条直线为例有参数(γ,θ)=(69.641,30°)，所有属于同一条直线上的点会在参数空间交于一点，该点即为对应直线的参数。由该图中所有直线所得到的(γ,θ)在参数空间中得到一系列对应曲线见图霍夫统计变换结果。

⛄二、部分源代码

clear all;
close all;
clc;
P= imread(‘时钟-2.jpg’); %2/5/8/11 没问题 7/10反 13图分针错 16图时针错

I = imresize(P,0.7); % 图像缩小70%
% figure(‘NumberTitle’, ‘off’, ‘Name’, ‘原图’);
% imshow(I);
% 去除背景
[m,n]=size(I);
for i=1:m
for j=1:n
if I(i,j)>100
I(i,j)=256;
end
end
end
imshow(I);

I1 = im2bw(I); %rgb转化为二值化图像
% figure(‘NumberTitle’, ‘off’, ‘Name’, ‘二值化后图像’);
% imshow(I1);

% I2 = edge(I1,‘canny’); %canny 算子提取边界
% figure(3)
% imshow(I2)

I20 = imcomplement(I1); %图像反色
% figure(‘NumberTitle’, ‘off’, ‘Name’, ‘反色后图像’);
imshow(I20);

I2 = bwmorph(I20,‘skel’,8); %提取图像骨架 6ci N=6、7、8、9都行 10图取3 11图取5
% figure(‘NumberTitle’, ‘off’, ‘Name’, ‘提取图像骨架’);
imshow(I2);

%检测直线
[H,T,R] = hough(I2);
figure(‘NumberTitle’, ‘off’, ‘Name’, ‘峰值提取效果’);
imshow(H,[],‘XData’,T,‘YData’,R, ‘InitialMagnification’,‘fit’);
xlabel(‘\theta’), ylabel(‘\rho’);
axis on, axis normal, hold on;
P = houghpeaks(H,5,‘threshold’,ceil(0.3*max(H(