样,我们可以通过检测参数空间中的峰值得到相应直线的参数。Hough变换具有明了的几何解析性、一定的抗干扰能力[16]和易于实现并行处理[17,18,19,20,21]等优点。1962年以来,针对Hough作了很多改进,并在很多方面都有较好的应用[22,23,24,25,26,27]。§2.2已有Hough变换的改进算法标准HT是一种“一对多”算法,图像空间的一个特征点对就着参数空间的一条由很多个点组成的正弦曲线。这种算法实际上是“盲目”地将每一个特征点映射到累加矩阵的许多个单元中。然后统计各个单元的计数来确定是否存在直线及直线参数,因此标准HT算法效率不高。近十多年来,提出了一种改进的直线Hough算法----PHT(ProbabilisticHT),并得到了较为广泛地应用。Ben-Tzvietal[28],Leavers[29],Shvaytseretal[30],Xuetal[31]等提出了形式不同但本质相似的改进算法,这些算法都有一个共同点:图像空间的每一由n个特征点组成的子集(这里n等于HT参数空间的参数个数)被映射到参数空间的一个节点单元,即“多对一”映射,其中很有代表性的是Chutatape-Guo[32]在PHT的基础上提出的一种改进的直线HT算法(CGHT),而且具有较好的时间、空间指标。CGHT算法(2-1)过程描述如下:(1)种子点的选取。设在N×N的二值化边缘图像中存在K个特征点,它们构成集合{(x,yiKi)|=1,2...},依次从集合中抽出一点作为i种子点并建立一个与它对应的一维累加器H(θ)。该特征点被处理完后,它将从该集合中删除,即该特征点不再作为种子点了。(2)种子点选定后,按顺序选择每一个特征点,与种子点构成一组点对。这两个点对确定一条直线。(3)计算参数。如图2.2由上述的特征点对{(i,y),(x,y)}x可以确定一条ijj----7