广义霍夫变换GHT任意形状检测算法

资 源 简 介

该项目旨在通过MATLAB实现广义霍夫变换（Generalized Hough Transform, GHT），这是一种用于在图像中检测具有任意形状（即无法用简单解析方程描述的不规则形状，如特定工业零件、图标或符号）的重要图像处理算法。

详 情 说 明

广义霍夫变换 (Generalized Hough Transform) 算法实现

项目介绍

本项目通过 MATLAB 实现了广义霍夫变换（GHT）算法。与标准霍夫变换仅能检测圆形、直线等可以用解析方程描述的形状不同，广义霍夫变换能够通过提取形状的局部梯度信息并构建 R-table 模型，在复杂的图像中定位具有任意几何外形的不规则物体。该算法在工业视觉检测、特定图标识别和医学影像处理等领域具有广泛的应用价值。

功能特性

• 任意形状检测：能够识别无法用简单数学模型描述的多边形或不规则轮廓。
• 旋转与缩放鲁棒性：通过构建四维累加器空间，支持在不同旋转角度和缩放比例下的目标搜索。
• 自动化 R-table 构建：通过计算模板图像的几何质心作为参考点，自动生成边缘梯度与位置向量的映射关系。
• 噪声处理能力：利用多维投票机制，能够在包含随机噪声和复杂背景的图像中准确提取目标。
• 可视化分析：实时生成梯度热力图、参数空间分布图以及最终的轮廓拟合结果。

实现逻辑与算法细节

本项目的主程序严格遵循以下技术流程：

1. 合成数据生成

• 动态生成一个不规则的六边形模板图像。
• 构建待检测目标图像，对模板进行旋转（如 45 度）、放缩（如 1.2 倍）处理。
• 注入随机噪声以模拟真实的图像采集环境。

2. 边缘与梯度预处理

• 使用 Canny 算子提取图像的边缘骨架。
• 利用 Sobel 算子计算图像在 X 和 Y 方向的梯度，进而获得每个边缘像素点的梯度方向角（Phi）。

3. 学习阶段（R-table 构建）

• 计算模板图像所有边缘点的物理质心作为参考点（Reference Point）。
• 将梯度角范围（-pi 到 pi）量化为 90 个区间（Bins）。
• 对于模板上的每一个边缘点，计算其到参考点的距离（r）和夹角（alpha），并根据该点的梯度方向将其存入对应的 R-table 条目中。

4. 检测阶段（多维投票）

• 初始化一个四维累加器（Accumulator），维度分别为：图像高度、图像宽度、尺度因子、旋转角度。
• 遍历待检测图像中的每一个边缘点，根据其梯度方向，在考虑所有旋转和尺度可能性的前提下，反向检索 R-table。
• 根据 R-table 中存储的偏移向量，计算预测的产物中心坐标，并在累加器的相应位置增加权重。

5. 结果提取与特征空间分析

• 在四维参数空间中搜索全局最大值点，该点对应的坐标、索引即为目标的最佳匹配位置、尺度和旋转角度。
• 计算置信分（Confidence Score），即最大票数与模板边缘点总数的比值。

关键函数与算法分析

• 梯度计算与方向量化：算法通过特定函数将连续的角度值映射到离散的区间，这是确保 R-table 索引效率的关键。使用 atan2 函数确保在四个象限内梯度的准确性。
• 旋转矩阵变换：在最终的可视化阶段，利用旋转矩阵对原始模板点集进行仿射变换。公式通过矩阵乘法实现了从模板局部坐标系到目标全局坐标系的转换。
• 非极大值抑制思想：通过在多维累加器中寻找峰值，算法有效地从大量干扰投票中滤除伪目标，仅保留匹配度最高的特征点。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 必需工具箱：Image Processing Toolbox（图像处理工具箱），用于边缘检测、图像缩放及形状填充（poly2mask）。

使用方法

1. 打开 MATLAB 软件。
2. 将项目相关的脚本文件放置在同一工作目录下。
3. 运行主函数脚本。
4. 程序将自动弹出一个可视化窗口，展示模板外形、待处理图像、参数空间的热力分布图以及在目标图像上实时覆盖的红色检测轮廓。
5. 控制台将输出检测到的目标中心坐标、缩放倍数、旋转度数及置信水平。