线段检测器与概率霍夫变换

Posted 2023-04-17

【中文标题】线段检测器与概率霍夫变换

【英文标题】：Line Segment Detector vs Probabalistic Hough Transform

【发布时间】：2017-08-20 09:03:10

【问题描述】：

在 OpenCV 中，有两种检测线的方法可以以端点向量的形式给出相似的结果 - Line Segments Detector (LSD) 和 Probabilistic Hough Transform。 （扣除标准霍夫变换，因为给出的输出是方程，而不是线端点。）

我无法找到这两种线检测方法及其优缺点的比较和对比。因此 - 这两个功能有什么区别？使用一种方法相对于另一种方法有什么特别的好处吗？

此外，是否还有其他鲜为人知的线路检测方法（如 LSD）在某些用例中可能具有优势？

【问题讨论】：

LSD 使用灰度图像作为输入白色 PHough 使用二进制（黑白）图像。所以他们是完全不同的。我喜欢 LSD，因为它非常无参数，更像是边缘检测，而 PHough 可以找到单个更长的线。

@Micka 您本可以将其作为答案提及。我想这就足够了。还是谢谢！！！！

@Micka 同意，如果您想将其详细说明为答案，那就太好了！ （否则我想我会在某个时候将我所知道的内容纳入答案，并将这些点归功于您。）

atm 没有时间写一个好的答案，我的评论有点基于意见（除了二进制输入与灰度输入的差异）。随意自己开始回答并保持最新。我对不同的意见和提示感兴趣 :)

Line Segment Detector 因许可证冲突已被移除，建议大家给这个问题点个赞！ “恢复 LineSegmentDetector LSD 并避免许可证冲突”：github.com/opencv/opencv_contrib/issues/2524#issue-615242133

【参考方案1】：

线段检测器 (LSD)

以灰度图像作为输入 设计为无需任何参数调整即可工作 以线性时间运行 提供亚像素准确的结果 对于无参数边缘检测很有用 LSD paper by Grompone Von Gioi et al 示例实现：using LSD to detect data matrices

（渐进式）概率霍夫变换

以二值图像作为输入 有几个调整参数；距离分辨率（rho）、角度分辨率（theta）、累加器阈值参数（仅返回具有足够票数的参数）、最小线长和最大线间距 时间性能取决于参数（但比标准霍夫变换有所改进） 由于随机性，多次运行可能会产生不同的结果 有助于更具体的线查找；参数允许调整，并且可以选择组合段（通过最大线间隙参数）以返回单个较长的线 OpenCV 实现是Progressive Probabilistic Hough Transform（感谢Dr. D.'s answer on this question）

其他算法

EDLines：使用边缘检测器的线性时间线段检测器。据我所知，没有 OpenCV 实现。

（感谢 Micka 的评论指出输入和潜在用途的差异）