2.7　直线段检测

一般直线段检测首先采用Canny边缘检测算子来获得边缘图，然后应用Hough变换可以用来检测所有直线，这些线段可以通过边缘像素数目、长度和隔离情况来分成线段。但是其效率较低，并且容易受纹理和噪声的影响，具有以下两个缺陷：第一，这样的处理忽略了边缘点的方向性，前面圆形Hough变换中就利用曲率信息来提高效率；第二，阈值的选取非常困难。

因此，在2008年，Rafael Grompone von Gioi等人提出了一种线性时间的直线段检测算法，称为LSD（Linear-Time Segment Detector）。其基本原理是利用图像的梯度信息，若存在直线，则直线附近像素的梯度方向应该类似，进而对梯度图像采用区域增长算法获得直线段区域，并且可以检测直线段的宽度和长度等信息。

首先计算图像梯度方向值，然后根据梯度方向值计算像素值的方向场（Level-Line，与梯度方向场垂直，实际上表示这个方向上像素值没有太大变化，相当于边缘方向），通过迭代的方法将区域扩大，每次迭代过程中将区域内的点的像素值的方向进行平均，然后对其周围位置的方向进行比较，将限定阈值内的点增加到该区域中，其过程如图2.33所示。这样将图像划分成线支撑区域，每个区域中的联通像素具有类似的梯度角度。然后，按照直线段的特征来拟合每个线支撑区域，直线图特征可用图2.34表示。

图2.33　LSD直线段检测对齐点的增长过程

图2.34　采用矩形区域来刻画直线段

在LSD中，以梯度幅度作为像素质量，计算矩形区域的中心，第一个主轴作为矩形的长，长度和宽度覆盖直线的支撑区域。图2.35显示的是一个用矩形区域模拟直线段的实际例子。图2.35的左图为实际图像，中间图为支撑区域，右图为近似结果。

图2.35　用矩形区域模拟直线段

最后一步，验证满足上述要求的线是否为直线段。通过在输入图像梯度图的基础上，保持处于水平线方向场中，如图2.36所示。统计与拟合直线段矩形方向角度的误差在内的点数k，图中k=4，并对矩形的长度l进行统计，若数目k和长度l都大于给定的阈值，则说明这样的矩形区域确实是直线段；否则剔除。

图2.36　直线段检测示例

最终的直线段检测算法可以表示为如图2.37所示。该算法在计算机视觉领域中有着广泛的应用，例如，可以生成类似素描的图像，从而进行草图检索等。此外，也有其余基于改进的标准Hough变换的直线段检测方法，如D.Shi等提出的基于多层分数傅里叶变换的高级Hough变换。

图2.37　LSD直线段检测算法