基于彩色空間轉(zhuǎn)換與Hough變換的直線檢測?

劉鎮(zhèn)岐 湯本俊 陳若珠

（1.蘭州理工大學(xué)電氣工程與信息工程學(xué)院 蘭州 730050）

（2.蘭州理工大學(xué)甘肅省土木工程防災(zāi)重點(diǎn)實(shí)驗(yàn)室 蘭州 730050）

基于彩色空間轉(zhuǎn)換與Hough變換的直線檢測?

劉鎮(zhèn)岐1湯本俊1陳若珠2

（1.蘭州理工大學(xué)電氣工程與信息工程學(xué)院 蘭州 730050）

（2.蘭州理工大學(xué)甘肅省土木工程防災(zāi)重點(diǎn)實(shí)驗(yàn)室 蘭州 730050）

根據(jù)圖像在HSV色彩空間中，陰影在色度和飽和度通道中都與非陰影區(qū)域有明顯的區(qū)別的特性。利用連續(xù)兩次的HSV彩色空間變換，可以在圖像中有效地區(qū)分出陰影與非陰影區(qū)域。Hough變換被廣泛地應(yīng)用于計(jì)算機(jī)視覺、圖像處理、模式識別等領(lǐng)域。利用Hough變換來檢測直線，其突出優(yōu)點(diǎn)是魯棒性較好。所以論文采用這兩種方法相結(jié)合的算法對圖像中的直線進(jìn)行檢測，并做了相應(yīng)的實(shí)驗(yàn)，結(jié)果表明這種算法不僅可以檢測背景比較復(fù)雜的情況，還可以提高檢測的準(zhǔn)確性。

HSV彩色空間轉(zhuǎn)換；陰影檢測；Hough變換；直線檢測

1 引言

在計(jì)算機(jī)視覺以及圖像處理［1］的應(yīng)用中，直線或線段的檢測是一個非常重要的環(huán)節(jié)。在相機(jī)標(biāo)定［2］、目標(biāo)跟蹤［3］領(lǐng)域有著廣泛的應(yīng)用。目前的直線檢測算法大部分都是基于標(biāo)準(zhǔn)Hough變換技術(shù)。由于標(biāo)準(zhǔn)Hough變換存在計(jì)算復(fù)雜度和空間復(fù)雜度高、運(yùn)算量大、峰值難以確定以及空間量化精度低等問題［4］，研究人員提出了諸多基于標(biāo)準(zhǔn)Hough變換的改進(jìn)算法，并在直線檢測中得到很好的應(yīng)用。一般的Hough變換都要經(jīng)過圖像的預(yù)處理，其中包括圖像的灰度化、二值化以及邊緣檢測，然后再根據(jù)邊緣點(diǎn)進(jìn)行直線檢測。在這次試驗(yàn)中所用到的結(jié)構(gòu)試件與試驗(yàn)環(huán)境下，這種傳統(tǒng)的檢測方法達(dá)不到要求。所以本文在充分分析了目標(biāo)圖像的復(fù)雜背景后，提出了一種彩色空間轉(zhuǎn)換和Hough變換相結(jié)合的方法來檢測直線。同時在Matlab以及C++技術(shù)支持下實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果與傳統(tǒng)的Hough變換檢測的直線相比較，在同等要求下，本文的方法不僅可以避免復(fù)雜背景的干擾，還可以提高直線檢測的準(zhǔn)確性，為下一步特征點(diǎn)的檢測起到了重要作用。

2 Hough變換檢測直線的原理

Hough 變換的基本思想［5～7］是利用點(diǎn)—線的對偶性，即圖像空間共線的點(diǎn)對應(yīng)在參數(shù)空間里相交的線，反過來，在參數(shù)空間中交與同一個點(diǎn)的所有直線在圖像空間里都有共線的點(diǎn)與之對應(yīng)。

在圖像空間中，直線可以用表達(dá)式（1）來表示：

其中共線的點(diǎn)(xiyi)是圖像中的像素坐標(biāo)，k為直線的斜率，b為截距，可以將式（1）改寫為下式：

而式（2）又可以看作是在另一個空間中的一條直線，這個空間成為參數(shù)空間，而直線的斜率與截距分別為-x與 y。

從上述式（1）和式（2）可以看出，圖像空間中的一點(diǎn)（x，y）對應(yīng)參數(shù)空間中的一條直線，而圖像空間中的一條直線又是由參數(shù)空間中的一個點(diǎn)（k，b）來決定的。Hough變換的基本思想［5］就是將上述兩式看作是圖像空間中的點(diǎn)和參數(shù)空間中的點(diǎn)的共同的約束條件，并由此定義一個從圖像空間到參數(shù)空間的一對映射如圖1，表示了這種點(diǎn)—線之間的對偶關(guān)系。圖2（a）所示圖像空間中位于同一直線的點(diǎn)，圖2（b）所示是圖像中直線上的點(diǎn)經(jīng)式（2）映射到參數(shù)空間中的一簇直線，對圖像空間中的一條直線上的所有點(diǎn)都做Hough變換后，對應(yīng)的參數(shù)空間中的所有直線都相較于一點(diǎn)，而這一點(diǎn)是確定的，所以通過確定該點(diǎn)在參數(shù)空間中的位置，就可以知道圖像中直線的參數(shù)，從而檢測出圖像中的直線。通過Hough變換，我們可以通過檢測參數(shù)空間中的點(diǎn)的問題來代替在圖像空間中的直線檢測問題，所以通過統(tǒng)計(jì)參數(shù)空間中的點(diǎn)的數(shù)目，再根據(jù)設(shè)定的閾值來完成直線的檢測。

圖1 圖像空間點(diǎn)與參數(shù)空間的直線對偶示意圖

圖2 圖像空間中的直線與參數(shù)空間中點(diǎn)的對偶示意圖

在實(shí)驗(yàn)的基礎(chǔ)上，發(fā)現(xiàn)在使用直角坐標(biāo)系表示直線時的一個弊端，就是當(dāng)直線為一條垂直直線或者接近垂直直線時，那么該直線的斜率就會無限大或者接近無限大，所以這樣的直線就無法在參數(shù)空間k-b中表示出來。為了解決這一問題，可以采用極坐標(biāo)系。

在極坐標(biāo)中可以用式（3）來表示一條直線：

其中ρ表示直線到原點(diǎn)的垂直距離，θ表示x軸與直線垂線的角度，取值范圍是[-90°+90°]。

檢測值線的方法與直角坐標(biāo)系下的檢測方法類似，所以極坐標(biāo)中的Hough變換也是將圖像坐標(biāo)空間中的點(diǎn)變換到參數(shù)空間中。在極坐標(biāo)下，圖像坐標(biāo)空間中共線的點(diǎn)變換到參數(shù)空間中后，在參數(shù)空間都相交于同一點(diǎn)，這時得到的 ρ、θ即為所求直線的極坐標(biāo)參數(shù)。而與直角坐標(biāo)系不同的是，當(dāng)用極坐標(biāo)表示時，圖像坐標(biāo)空間中共線的兩點(diǎn)映射到參數(shù)空間的是兩條正弦曲線并相交于點(diǎn)(ρ0，θ0)。其中 (ρ0，θ0)也就是圖像空間的擬和參數(shù)。所以，只要找到這個公共點(diǎn)就可以檢測出直線。如圖3所示就是檢測示意圖。

圖3 極坐標(biāo)下的點(diǎn)一線對偶示意圖

總結(jié)傳統(tǒng)檢測直線的具體過程就是：首先讓θ取遍所有可能的取值，然后再計(jì)算相應(yīng)的ρ值，通過在累加數(shù)組中對θ和ρ的值進(jìn)行累加，就可以得到共線點(diǎn)的個數(shù)。最后再根據(jù)設(shè)定的閾值判斷出直線。

3 彩色空間轉(zhuǎn)換

HSV模型［8］是基于人的視覺感知特性建立的色彩空間，其中色度（H）表示不同的顏色，如紅綠藍(lán)；飽和度（s）表示顏色的深淺，如深綠淺綠；亮度（y）表示顏色的明暗程度，如很亮（亮白）很暗（黑暗）。它具有兩個重要的特點(diǎn)［9］：其一，亮度分量（V）與圖像的彩色信息無關(guān)；其二，色度分量（H）、飽和度分量（S）與人感受顏色的方式是緊密相連的［6］。因此，結(jié)合本次試驗(yàn)圖像的特殊要求和實(shí)驗(yàn)環(huán)境的因素，本論文就是基于HSV模型中的的H分量或S分量對實(shí)驗(yàn)圖象進(jìn)行色彩的運(yùn)算處理，從而達(dá)到最佳效果。

HSV（hue，saturation，value）顏色空間的模型［8～11］對應(yīng)于圓柱坐標(biāo)系中的一個圓錐形子集，圓錐的頂面對應(yīng)于V=1。它包含RGB模型中的R=1，G=1，B=1的三個面，所代表的顏色較亮。通過V軸的旋轉(zhuǎn)角來確定色彩H的值。若用角度來度量，模型中的顏色所對應(yīng)的角度R對應(yīng)的角度為0°，G對應(yīng)的角度為120°，B對應(yīng)的角度為240°。由于在HSV顏色模型中，每一種顏色的角度值與它的補(bǔ)色的角度值是關(guān)于中心點(diǎn)對稱的。而飽和度S的取值范圍是［0，1］，從而可以得到HSV模型中圓錐頂面的半徑為1。HSV顏色模型所代表的顏色域是CIE色度圖的一個子集［10］，這個模型中飽和度為百分之百的顏色，其純度一般小于百分之百。其中代表黑色的時候，在圓錐的頂點(diǎn)（即原點(diǎn)）處，V=0，H和S無定義。而若圓錐的頂面中心處S=0，V=1，H無定義，則代表的是白色。

在從RGB顏色空間轉(zhuǎn)換到HSV空間時，我們把（r，g，b）的值規(guī)范到［0，1］之間的實(shí)數(shù)，而r、g、b分別表示某一種顏色的三個坐標(biāo)。設(shè)max的值是r，g和b值中的最大者。而min的值是由這些值中的最小者。則RGB轉(zhuǎn)換為HSV的公式如下：

如果H＜0，那么H=H+360。

由于每個像素由8位組成，所以R，G，B的取值范圍是［0，255］；因?yàn)镠表示的是圓，所以其取值范圍是［0，360］；有上述研究得S的取值范圍是［0，1］；V的取值范圍是［0，255］。但是，在實(shí)際圖像處理中，常常把H，S，V取值范圍歸一化為［0，1］。轉(zhuǎn)換之后突出重點(diǎn)彩色。

4 檢測結(jié)果及分析

4.1 本文檢測直線方法的步驟

1）讀入一幅原彩色圖。

2）用rgb2hsv函數(shù)對原圖進(jìn)行第一次色彩空間變換，然后將變換后的圖像的HSV值規(guī)范至［0，255］范圍內(nèi)。

3）用rgb2hsv函數(shù)對原圖進(jìn)行第二次色彩空間變換，然后再將變換后的圖像的HSV值規(guī)范至［0，255］范圍內(nèi)。

4）將RGB圖像轉(zhuǎn)化為灰度圖像，然后利用閾值檢測算法得到圖像二值化的閾值，再根據(jù)此閾值對圖像進(jìn)行二值化處理。

5）用canny算子對二值化后的圖像進(jìn)行邊緣檢測，再根據(jù)圖像的大小尺寸決定Hough變換累加器的大小并分配內(nèi)存。

6）對邊緣圖像的邊緣像素點(diǎn)作Hough變換，并將變換結(jié)果ρ、θ保存到Hough變換的累加器中。

7）根據(jù)設(shè)定判斷同一交點(diǎn)的直線的數(shù)目閾值，控制圖像中的直線數(shù)目，并在圖像中繪出直線。

4.2 結(jié)果及分析

檢測結(jié)果及分析如下：

1）首先是圖像前期處理的分析對比如下：

圖4 圖像前期處理分析對比

從圖4的結(jié)果可以得到：通過兩次的HSV空間轉(zhuǎn)換之后，可以很清楚地得到結(jié)構(gòu)試件的輪廓，結(jié)構(gòu)試件的邊緣輪廓得到很好的保留，相比于直接二值化的結(jié)果，避免了一些細(xì)節(jié)以及復(fù)雜背景對后續(xù)直線檢測的干擾，進(jìn)而可以提高直線檢測的效率。

2）設(shè)定不同的閾值并對圖像進(jìn)行直線檢測，其對比結(jié)果如下：

從圖5和圖6中可以看出：在Hough變換過程中，二值化圖像的細(xì)節(jié)多少可以通過對二值化的閾值調(diào)節(jié)來控制，閾值越大，細(xì)節(jié)越少。

圖5 對比結(jié)果（1）

圖6 對比結(jié)果（2）

從大量的檢測圖中的直線統(tǒng)計(jì)可以看出：提取直線的閾值與可檢測出來的直線的數(shù)目成反比關(guān)系，閾值小則更多的無關(guān)細(xì)節(jié)也可能被檢測為直線；閾值越大，雖然無關(guān)細(xì)節(jié)也會減少，可是被檢測出來的直線也越少，檢測不到結(jié)構(gòu)全部的直線。

通過對程序中的兩個閾值參數(shù)的適當(dāng)調(diào)節(jié)得到一系列的檢測直線的圖像：由圖5與圖6中設(shè)定的閾值所檢測出的直線效果較好。按照實(shí)驗(yàn)要求檢測出結(jié)構(gòu)試件中的直線，其中包括22條正面直線和4條側(cè)面直線，而正面的直線檢測是進(jìn)行下一步實(shí)驗(yàn)的關(guān)鍵步驟。在Matlab下實(shí)驗(yàn)結(jié)果對比如下。

表1 兩種方法檢測直線的情況

表2 兩種方法漏檢的直線情況

從上面的結(jié)果可以看出：一般的Hough變換在背景比較復(fù)雜的情況下，檢測出的直線數(shù)目比較多，但是大部分直線都不是實(shí)驗(yàn)所需要的直線，受背景影響較嚴(yán)重，所以檢測直線的干擾較嚴(yán)重。而本文直線檢測算法不僅能在復(fù)雜背景下很好的檢測出我們需要的直線，而且直線的數(shù)目更接近要求。減少直線的漏檢，提高檢測直線的完整性，為下一步的特征點(diǎn)檢測的準(zhǔn)確性提供了保障。

5 結(jié)語

通過傳統(tǒng)的Hough變換算法與本文突出的算法實(shí)驗(yàn)結(jié)果對比，彩色空間轉(zhuǎn)換與Hough變換的直線檢測的方法效果很好，比較符合實(shí)驗(yàn)的要求，不僅能有效地檢測出所有直線，還很大程度上減小了誤檢率，大大提高了算法的準(zhǔn)確性，同時也為檢測復(fù)雜背景和顏色對比比較鮮明的圖像的直線提供了思路。

［1］王文鋒，朱書華，馮以浩，等.基于局部方向編碼的遙感影像平行邊緣識別［J］.光學(xué)學(xué)報，2012，32（3）：133-139.WANG Wenfeng，ZHU Shuhua，F(xiàn)ENG Yihao，et al.Paral?lel edge detection from remote sensing image using local orientation coding［J］.Acta Optica Sinica，2012，32（3）：133-139.

［2］唐敏，李永樹，王生明.基于無人機(jī)影像的畸變校正研究［J］.激光與光電子學(xué)進(jìn)展，2013，50（6）：83-88.TANG Min，LI Yongshu，WANG Shengming.Research of distortion correction based on UAV images［J］.Laser&Optoelectronics Progress，2013，50（6）：83-88.

［3］張建偉，張啟衡.基于直線邊緣特征匹配的擴(kuò)展目標(biāo)跟蹤方法［J］.光學(xué)學(xué)報，2009，29（10）：2826-2831.ZHANG Jianwei，ZHANG Qiheng.Extended object track?ing method based on straight line edge feature matching［J］.Acta Optica Sinica，2009，29（10）：2826-2831.

［4］張振杰，郝向陽，劉松林，等.基于Hough一維變換的直線檢測算法［J］.光學(xué)學(xué)報，2016（4）：158-165.ZHANG Zhenjie，HAO Xiangyang，LIU Songlin，et al.Line Detection Based on Hough One-Dimensional Trans?form［J］.Acta Optica Sinica，2016（4）：158-165.

［5］Duda R O，Hart P E.Use of the Hough Transformation to Detect Lines and Curves in Pictures［J］.Ipsj Magazine，1975，13（1）：512-513.

［6］章毓晉.圖像工程（上）：圖像處理和分析［M］.北京：清華大學(xué)出版社，2001.ZHANG Yujin.Image engineering（on）：image process?ing and analysis［M］.Beijing：Tsinghua University press，2001.

［7］鐘彩.基于Hough變換的直線檢測算法［J］.時代教育，2016（8）：96-96.ZHONG Cai.Line detection algorithm based on Hough transform［J］.Time Education，2016（8）：96-96.

［8］高曉旭，馮國瑞.基于HSV顏色空間的自適應(yīng)性運(yùn)動目標(biāo)檢測［J］.電視技術(shù)，2015，39（10）：1-4.GAO Xiaoxu，F(xiàn)ENG Guorui.Adaptive moving object de?tection based on HSV color space［J］.video Engineering，2015，39（10）：1-4.

［9］明巍，豐洪才.基于HSV顏色空間的視頻鏡頭檢測算法［J］.湖北師范學(xué)院學(xué)報（自然科學(xué)版），2009，29（4）：91-95.MING Wei，F(xiàn)ENG Hongcai.Video camera lens detection algorithm based on HSV color space［J］.Journal of Hubei Normal University（NATURAL SCIENCE EDITION），2009，29（4）：91-95.

［10］趙紅雨，吳樂華，史燕軍，等.基于HSV顏色空間的運(yùn)動目標(biāo)檢測方法［J］.現(xiàn)代電子技術(shù)，2013（12）：45-48.ZHAO Hongyu，WU Yuehua，SHI Yanjun，et al.Moving object detection method based on HSV color space［J］.Modern electronic technology，2013（12）：45-48.

［11］Singh S，Patnaik T.利用HSV顏色空間有效的去除監(jiān)控視頻中的陰影［C］//計(jì)算、通信與信息學(xué)國際會議.IEEE，2015：1454-1460.Singh S，Patnaik T.An efficient shadow removal method using HSV color space for video surveillance［C］//Inter?national Conference on Advances in Computing，Commu?nications and Informatics.IEEE，2015：1454-1460.

Straight-line Detection Based on Color Space Conversion and Hough Transform

LIU Zhenqi1TANG Benjun1CHEN Ruozhu2
（1.College of Electrical and Information Engineering，Lanzhou University of Technology，Lanzhou 730050）（2.Key Laboratory of Disaster Prevention in Civil Engineering of Gansu Province，Lanzhou University of Technology，Lanzhou 730050）

According to the image in HSV color space，hue and saturation characteristics of shadow in the channel and non shadow region are obviously different，the use of HSV color space transform two times continuously，can distinguish between effec?tive shadow and non shadow region in image.Hough transform is widely used in the fields of computer vision，image processing，pat?tern recognition；The advantage of Hough transform to detect the straight line is the robustness of the test results.So This article uses the combination of the two methods of the algorithm to detect the line in the image，and the corresponding experiment results show that this algorithm can not only detect the complex background of the situation，but also can improve the accuracy of detection.

HSV color space conversion，shadow detection，hough transform，straight line detection

Class Number TP391.41

TP391.41

10.3969/j.issn.1672-9722.2017.12.040

2017年6月9日，

2017年7月20日

劉鎮(zhèn)岐，高級工程師，研究方向：電氣工程與自動化。湯本俊，男，碩士，研究方向：智能信息處理與模式識別。陳若珠，女，碩士生導(dǎo)師，研究方向：智能控制理論與應(yīng)用、模式識別。