基本思路
先使用上文介绍的Prewitt算子将输入的图像边缘化处理，再使用霍夫变换检测直线。
其中使用到了matlab的hough，houghpeaks,houghlines等函数.
函数hough
[H, theta, rho] = hough(f) 或 [H, theta, rho] = hough(f, 'ThetaRes', val1, 'RhoRes', val2)
其中，H是霍夫变换矩阵，theta(以度计)和rho是ρ和θ值向量，在这些值上产生霍夫变换。输入f是二值图像，val1是0到90的标量，指定了沿θ轴霍夫变换的间距(默认是1)，val2是0。函数houghpeaks
线检测和连接用的霍夫变换的第一步是用高的计数寻找累加单元(工具箱文本把高的计数单元作为峰值)。因为存在霍夫变换参数空间中的量化和典型图像的边缘并不是很完美的直线这样的事实，霍夫变换的峰值倾向于相比霍夫变换单元更多。函数houghpeaks用任意默认语法来寻找指定的峰值数：
peaks = houghpeaks(H, NumPeaks) 或peaks = houghpeaks(..., 'Threshold', val1, 'NHoodSize', val2)函数houghlines
一旦一组候选的峰值在霍夫变换中被识别出来，如果存在与这些峰值相关的有意义的线段，剩下的就是决定线的起始点和终点。函数houghlines用默认的语法执行这个任务：
lines = houghlines(f, theta, rho, peaks) 或lines = houghlines(..., 'FillGap', val1, 'MinLength', val2)
其中，theta和rho是来自函数hough的输出，peaks是函数houghpeaks的输出。输出lines是结构数组（可能检测到多条直线），长度等于找到的线段数。结构中的每个元素可以看成一条线，并含有下列字段：
point1：两元素向量[r1, c1]，指定了线段起点的行列坐标。
point2：两元素向量[r2, c2]，指定了线段终点的行列坐标。
theta：与线相关的霍夫变换的以度计量的角度。
rho：与线相关的霍夫变换的ρ轴位置。
寻找最长直线将每个两个点坐标遍历一遍记录最长距离的两个点并输出。
代码实现
mian.m
% Find the longest line segment based on Hough transform.
[x, y] = mylineextraction(f);
% Plot the line in the image
figure; imshow(Im, [min(min(Im)) max(max(Im))]), hold on
plot([x(1) y(1)], [x(2) y(2)],'LineWidth',2,'Color','blue');
plot(x(1),x(2),'x','LineWidth',2,'Color','red');
plot(y(1),y(2),'x','LineWidth',2,'Color','red');
hold off
mylineextraction.m
function [bp, ep] = mylineextraction(BW)
% The function extracts the longest line segment from the given binary image
% Input parameter:
% BW = A binary image.
%
% Output parameters:
% [bp, ep] = beginning and end points of the longest line found
% in the image.
[n, m] = size(BW);
[H,T,R] = hough(BW);
P = houghpeaks(H,8,'threshold',ceil(0.2*max(H(:))));
lines= houghlines(BW,T,R,P,'FillGap',20,'MinLength',7);
maxLength = 0;
for k = 1:length(lines)
xy = [lines(k).point1; lines(k).point2];
if (((xy(1,1) - xy(2,1))^2 + (xy(1,2) - xy(2,2))^2) > maxLength)
maxLength = (xy(1,1) - xy(2,1))^2 + (xy(1,2) - xy(2,2))^2;
bp = xy(1,:);
ep = xy(2,:);
end
end
示例输入与输出
输入图片
输出图片 已找到图片中最长的直线
