Computer vision 基于hough变换坐标的有效直线

我正在使用hough变换（极坐标）。我想从hough变换的坐标计算直线的向量表示

我当前的实现循环遍历图像中从（0,0）到（M，N）的所有像素坐标，其中M和N是图像的大小。当循环遍历空间时，将计算该值：

//角度和ρ是hough空间的极坐标

tmp=（int）（（i*cos（角））+（j*sin（角））

其中tmp-rho==0是直线的一部分，所以我跟踪该位置。当循环到达图像（i，j）=（M，N）的末端时，从相反方向（M，N）到（0,0）再次进行循环

从左到右的第一个（tmp rho==0）和从右到左的第二个（tmp rho==0）是直线的坐标。然后减去这些像素坐标，得到hough空间中直线的向量

---

这是非常低效（缓慢），我100%肯定有一个更好的方法来计算它，但我似乎无法找出它。任何帮助都将不胜感激

你可以解i=0，i=M，j=0，j=N的方程，而不是循环

rho = i * cos(angle) + j * sin(angle)

i = 0 --> j1 = rho / sin(angle)
i = M --> j2 = (rho - M*cos(angle)) / sin(angle)
j = 0 --> i1 = rho / cos(angle)
j = N --> i2 = (rho - N*sin(angle)) / cos(angle)

---

你可以解i=0，i=M，j=0，j=N的方程，而不是循环

rho = i * cos(angle) + j * sin(angle)

i = 0 --> j1 = rho / sin(angle)
i = M --> j2 = (rho - M*cos(angle)) / sin(angle)
j = 0 --> i1 = rho / cos(angle)
j = N --> i2 = (rho - N*sin(angle)) / cos(angle)

---

谢谢我曾担心它最终会变得如此简单。我今晚去看看。谢谢！我曾担心它最终会变得如此简单。我今晚去看看。