Radon变换和Hough变换类似，最初是用于检测图像中的直线（例如笔直的街道边沿、房屋的边沿、
笔直的电线等）。
关于Hough变换，可以参考OpenCV中的代码和示例（其实除了Hough Lines还有Hough Circles等等变种），
此处不再赘述。
关于Radon变换，可以参考wiki或者百科，或者网络上的其他资料介绍。
这里做一个简单的总结。
首先准备一张灰度化的图像，及黑白图像，然后检测图像的边缘（如Canny算子，Sobel算子等等，
主要是灰度梯度方法吧）
假设我们得到一幅图像的边缘图像，然后找出这些边缘中的直线（段），除了之前的Hough算法之外，
这里使用Radon变换。
Radon变换核心在于“线积分”，针对一幅图像，具体来说就是：
设置一个方向（水平自左至右为0度，垂直自下至上为90度，以此类推）
按照这个方向对图像进行“列向量求和”
以0度为例，就是从图像的第1列开始，计算这一列上所有像素的灰度值之和；如此一直计算到最后一列。
以30度为例，如下图，X'为积分方向，对红色垂线所在列的像素进行灰度值叠加求和，
得到积分如图中的淡蓝色小块（仅作示意，可能不准确）
其他角度类似。
如果图像中有一条亮白的直线段，那么会存在这样的情况，
沿着某个方向积分得到的积分图没有“突变”（平缓，没有特别的尖峰）
沿着与之垂直的聆听一个方向则存在“突变”
下图是一个简单的示例
至此，你应当能体会到Radon变换的原理了。
接下来用Matlab进行测试
%% Radon Transform
function RadonTest()
fileName=input('Input image file name:');
srcImage=imread(fileName);
grayImage=rgb2gray(srcImage);
cannyImage=edge(grayImage,'canny');
theta=0:180;
[R,x]=radon(cannyImage,theta);
figure,imagesc(theta,x,R);
title('R_theta X');
xlabel('theta(degree)');
ylabel('X\prime');
colormap(hot);
colorbar;
end
首先载入一张图片，然后灰度化，接着检测边缘
然后针对边缘原图像进行Radon变换
最后得到结果
示例1
原图像（有一条直线段）
Radon变换结果
其中的极亮(暗)点对应的是 X'=-45, theta=50° （大概位置），这表明原图像中截距45处，50+90=140°方向有一条直线（段）
示例2
原图像
Radon变换结果
我正在尝试利用OpenCV或者EmguCV实现Radon变换，请关注后续更新。
本文原创，文章链接
http://blog.csdn.net/fengyhack/article/details/41873119