最原始的检测直线的算法实现——Hough变换

1、给出一幅图片。

2、检测图片边界：

img1 = EdgeDetect[img, 0.5]

3、为了节省计算时间，需要把图片缩小：

img2 = ImageResize[img1, 200]

4、提取图片数据，下图是图片数据的矩阵形式：

data = ImageData[img2];

data // MatrixForm;

5、把非零像素的像素坐标提取出来：

data0 = Drop[

  Flatten[Table[

   If[data[[m, n]] > 0, {m, n}, 0], {m, 1, 200, 1}, {n, 1, 200, 1}],1] // Union, 1];

data0 // Length

6、对每一个非零像素进行Hough变换：

Table[Table[

  If[(data0[[n]].{Cos[x], Sin[x]}) > 

    0, {data0[[n]].{Cos[x], Sin[x]} // N, x}, 0], {x, 0, Pi, 

   Pi/180}], {n, 1, data0 // Length, 1}]

得到407612个数据组。

7、下面要对每一个数据组进行统计，统计它们各自在a里面出现的次数：

b = Drop[a // Union, 1];

d = a // Flatten;

dd=Table[{b[[n]], SequenceCount[d, b[[n]]]}, {n, 1, b // Length, 1}]

这一步实在是太耗费时间了，因此说，这个原始的算法计算量太大，根本不能用来检测直线；尤其是要实时检测的时候，根本不可能允许用长达数小时的时间，去检测一幅图片。

本次试验就此暂停，待找到快速算法，再继续进行。