zhixian_Untitled.zip_hough变换_matlab 智能车辆_vehicle road_道路 matlab_

RGB = imread('noSmallStructures');%jaynes-thesis I=rgb2gray(RGB); % 图片用的是灰度图像， [x,y]=size(I); BW=edge(I); figure;imshow(I);title('原图') figure;imshow(BW);title('边缘检测图像') rho_max=floor(sqrt(x^2+y^2))+1; %由原图数组坐标算出ρ最大值，并取整数部分加1 %此值作为ρ，θ坐标系ρ最大值 accarray=zeros(rho_max,180); %定义ρ，θ坐标系的数组，初值为0。 %θ的最大值，180度 Theta=[0:pi/180:pi]; %定义θ数组，确定θ取值范围 for n=1:x, for m=1:y if BW(n,m)==1 for k=1:180 %将θ值代入hough变换方程，求ρ值 rho=(m*cos(Theta(k)))+(n*sin(Theta(k))); %将ρ值与ρ最大值的和的一半作为ρ的坐标值（数组坐标），这样做是为了防止ρ值出现负数 rho_int=round(rho/2+rho_max/2); %在ρθ坐标（数组）中标识点，即计数累加 accarray(rho_int,k)=accarray(rho_int,k)+1; end end end end %figure;colormap gray; %imagesc(accarray);title('hough变换后的图') %xlabel('\theta'), ylabel('\rho'); %=====下面程序的显示效果没上面好=====% ?carray=uint8(accarray); %转换后会丢数据 %figure;imshow(accarray);title('hough变换后的图') %xlabel('\theta'), ylabel('\rho'); %axis on, axis normal, hold on; %=======利用hough变换提取直线======% %寻找100个像素以上的直线在hough变换后形成的点 K=1; %存储数组计数器 for rho_n=1:rho_max %在hough变换后的数组中搜索 for theta_m=1:180 if accarray(rho_n,theta_m)>=10 %设定直线的最小值。 case_accarray_n(K)=rho_n; %存储搜索出的数组下标 case_accarray_m(K)=theta_m; K=K+1; end end end %把这些点构成的直线提取出来,输出图像数组为I_out I_out=zeros(x,y); I_jiao_class=zeros(x,y); for n=1:x, for m=1:y if BW(n,m)==1 for k=1:180 rho=(m*cos(Theta(k)))+(n*sin(Theta(k))); rho_int=round(rho/2+rho_max/2); %如果正在计算的点属于100像素以上点，则把它提取出来 for a=1:K-1 if rho_int==case_accarray_n(a)&k==case_accarray_m(a)%%%==gai==%%% k==case_accarray_m(a)&rho_int==case_accarray_n(a) I_out(n,m)=BW(n,m); I_jiao_class(n,m)=k; end end end end end end figure;imshow(I_out);title('利用经典hough变换提取的图像'); %========hough变换=========% %=====matlab自带函数========% % 入口图像为 BW，出口图像为H % [H,T,R] = hough(BW,'RhoResolution',0.5,'ThetaResolution',0.5); % figure;imshow(H,'XData',T,'YData',R,'InitialMagnification','fit');title('hough变换矩阵') % xlabel('\theta'), ylabel('\rho'); % axis on, axis normal, hold on