Radon變換和Hough變換類似，最初是用於檢測影象中的直線（例如筆直的街道邊沿、房屋的邊沿、

筆直的電線等）。

       關於Hough變換，可以參考OpenCV中的程式碼和示例（其實除了Hough Lines還有Hough Circles等等變種），

此處不再贅述。

       關於Radon變換，可以參考wiki或者百科，或者網路上的其他資料介紹。

        這裡做一個簡單的總結。

        首先準備一張灰度化的影象，及黑白影象，然後檢測影象的邊緣（如Canny運算元，Sobel運算元等等，

主要是灰度梯度方法吧）

       假設我們得到一幅影象的邊緣影象，然後找出這些邊緣中的直線（段），除了之前的Hough演算法之外，

這裡使用Radon變換。

Radon變換核心在於“線積分”，針對一幅影象，具體來說就是：

設定一個方向（水平自左至右為0度，垂直自下至上為90度，以此類推）

按照這個方向對影象進行“列向量求和”

以0度為例，就是從影象的第1列開始，計算這一列上所有畫素的灰度值之和；如此一直計算到最後一列。

以30度為例，如下圖，X'為積分方向，對紅色垂線所在列的畫素進行灰度值疊加求和，

得到積分如圖中的淡藍色小塊（僅作示意，可能不準確）

其他角度類似。

如果影象中有一條亮白的直線段，那麼會存在這樣的情況，

沿著某個方向積分得到的積分圖沒有“突變”（平緩，沒有特別的尖峰）

沿著與之垂直的聆聽一個方向則存在“突變”

下圖是一個簡單的示例

至此，你應當能體會到Radon變換的原理了。

接下來用Matlab進行測試

%% Radon Transform
function RadonTest()

fileName=input('Input image file name:');
srcImage=imread(fileName);
grayImage=rgb2gray(srcImage);
cannyImage=edge(grayImage,'canny');

theta=0:180;
[R,x]=radon(cannyImage,theta);
figure,imagesc(theta,x,R); 
title('R_theta X'); 
xlabel('theta(degree)'); 
ylabel('X\prime'); 
colormap(hot);  
colorbar;

end
 

首先載入一張圖片，然後灰度化，接著檢測邊緣

然後針對邊緣原影象進行Radon變換

最後得到結果

原影象（有一條直線段）

Radon變換結果

其中的極亮(暗)點對應的是 X'=-45, theta=50° （大概位置），這表明原影象中截距45處，50+90=140°方向有一條直線（段）

示例2

原影象

Radon變換結果

我正在嘗試利用OpenCV或者EmguCV實現Radon變換，請關注後續更新。

本文原創，文章連結