C++ 在hough变换中如何处理负rho值？

以下是我为图像中的行创建

hough累加器的代码：

void hough_lines_acc(cv::Mat img_a_edges, std::vector<std::vector<int> > &hough_acc) {
  for (size_t r = 0; r < img_a_edges.rows; r++) {
    for (size_t c = 0; c < img_a_edges.cols; c++) {
      int theta = static_cast<int> (std::atan2(r, c) * 180 / M_PI);
      int rho = static_cast<int> ((c * cos(theta)) + (r * sin(theta)));
      if (theta < -90) theta = -90;
      if (theta > 89) theta = 89;

      ++hough_acc[abs(rho)][theta];
    }
  }

  cv::Mat img_mat(hough_acc.size(), hough_acc[0].size(), CV_8U);

  std::cout << hough_acc.size() << "  " << hough_acc[0].size() << std::endl;
  for (size_t i = 0; i < hough_acc.size(); i++) {
    for (size_t j = 0; j < hough_acc[0].size(); j++) {
      img_mat.at<int> (i,j) = hough_acc[i][j];
    }
  }

  imwrite("../output/ps1-­2-­b-­1.png", img_mat);
}

输出仍然不正确。这里的错误是什么？
两个正数组成的2。。。不应该给你负角度，它应该只给你一个0-90的范围

同样对于hough变换，我认为您需要与一个点相关的所有内容（即本例中的0,0）。我认为，对于这一点，你实际上想要使θ=90-atan2（r，c）

不过，无可否认，我有点困惑，因为我认为必须对线方向进行编码，而不仅仅是“edge pt”。也就是说，我认为在每一个边缘点，你必须提供一个离散的猜测线轨迹数组，并计算每一个的ρ和θ，然后把所有这些都放到你的累加器中。事实上。。。我不知道你在计算什么。
我想我对算法不是很了解：/在课程中，教授说
d=x*cos（θ）-y*sin（θ）
作业说
rho=x*cos（θ）+y*sin（θ）
。有什么区别？从语言上看，d和rho似乎与prof将hough acc映射为H[d，θ]相同。此外，我打算在算法中包括一个选项，其中θ允许值为b/w-90和89。我们正在计算θ。我怎么允许这样？这就是它所说的：
指定了一个可选参数（θ=整数-90到89，即180个值，包括0）
。哦！我想我明白了！你们不想从任何东西计算θ，这将是我提到的离散列表。创建一个介于-90和90之间的值数组（以30度为增量）。然后，对于数组中的每个边点，计算每个θ的ρ，并将每个θ加到累加器中。-------为了更好地理解这个算法（）：想象一下，在每一点上，你都在生成一个星型的线条（猜测）。线性相关的点应该添加到相同的猜测中，从而创建峰值！您的函数参数可能会指定猜测范围（-90到90）或更多或更少，或者指定增量步长（30度）。这将允许在你的ρ-θ空间中提高分辨率。d和ρ是一样的。基本上，菱形-θ组合是图像中唯一可能的线条。所以，如果你画一幅图像中的某条线，θ将是这条线和x轴之间的角度（相交处左上角）。现在的问题是有很多可能的线具有相同的角度，所以ρ是从该线到原点的垂直距离（即你可以认为它是从该线到原点的最短距离）。对于这两个值，行描述符现在是唯一的
bool hough_lines_acc(cv::Mat img_a_edges, std::vector<std::vector<int> > &hough_acc,\
   std::vector<double> thetas, std::vector<double> rhos, int rho_resolution, int theta_resolution) {
  int img_w = img_a_edges.cols;
  int img_h = img_a_edges.rows;

  int max_votes = 0;
  int min_votes = INT_MAX;

  for (size_t r = 0; r < img_h; r++) {
    for (size_t c = 0; c < img_w; c++) {
      if(img_a_edges.at<int>(r, c) == 255) {
        for (size_t i = 0; i < thetas.size(); i++) {
          thetas[i] = (thetas[i] * M_PI / 180);
          double rho = ( (c * cos(thetas[i])) + (r * sin(thetas[i])) );
          int buff = ++hough_acc[static_cast<int>(abs(rho))][static_cast<int>(i)];

          if (buff > max_votes) {
            max_votes = buff;
          }
          if (buff < min_votes) {
            min_votes = buff;
          }
        }
      }
    }
  }

  double div = static_cast<double>(max_votes) / 255;
  int threshold = 10;
  int possible_edge = round(static_cast<double>(max_votes) / div) - threshold;

  props({
    {"max votes", max_votes},
    {"min votes", min_votes},
    {"scale", div}
  });
  // needed for scaling intensity for contrast
  // not sure if I am doing it correctly
  for (size_t r = 0; r < hough_acc.size(); r++) {
    for (size_t c = 0; c < hough_acc[0].size(); c++) {
      double val = hough_acc[r][c] / div;
      if (val < 0) {
        val = 0;
      }

      hough_acc[r][c] = static_cast<int>(val);
    }
  }


  cv::Mat img_mat = cv::Mat(hough_acc.size(), hough_acc[0].size(), CV_8UC1, cv::Scalar(0));

  for (size_t i = 0; i < hough_acc.size(); i++) {
    for (size_t j = 0; j < hough_acc[0].size(); j++) {
      img_mat.at<uint8_t> (i,j) = static_cast<uint8_t>(hough_acc[i][j]);
    }
  }

  imwrite("../output/ps1-­2-­b-­1.png", img_mat);
  return true;
}