图像处理5章2.pptVIP

3 Hough变换的扩展 Hough变换不只对直线，也可以用于圆： （x – c1）2 + (y - c2)2 = c32 这时需要三个参数的参数空间。 参考文献 数字图像处理（第二版）， R.C.Gonzalez ， Richard E.Woods著，阮秋琦，阮宇智等译，电子工业出版社，第10章（10.1，10.2，10.4节） 1. 什么叫HT 霍夫变换是把空间分布的模式变换到参数空间去，找参数空间中聚类点的方法。 霍夫变换是一种快速匹配技术。它是对图像进行某种形式的坐标变换，使得经过变换以后原图上给定形状曲线（或直线）上的所有点都集中到变换空间的某些位置上，形成峰点。这样，就把对原图中给定形状曲线的检测问题转化为找变换空间中峰点问题。经典的霍夫变换适用于曲线形状可以用参数来描述，而曲线的位置未知的情况下检测曲线。 Hough 变换的一个突出优点是抗干扰能力强。如果待检测线条上有小的扰动或断裂，甚至是虚线的检测，进行Hough变换后，在变换空间中仍能得到明显的峰点。 2. 用HT进行边缘检测的原理 y=kx+q (x0,y0) x y k q (k,q) 例如为了检测任意方向和位置的直线。该直线在原始图像空间（x,y)的直线方程为： y=kx+q （斜截式） 它与参数空间上的一个点(k,q)相对应。 过(x0,y0)的一组直线，在参数空间中可用一条直线表示。 所以，在图像中一条直线上所有的点，在参数空间中为一个点，在参数空间中找到这个点，就可以找到在x,y空间中对应的这条线的两个参数。 边缘检测 x y k q (k0,q0) 把每一个点（指过每一点的一组线）都变换到k,q坐标中，各对应一条直线，共10条线，10条线交于一点(k0,q0)，这点所对应的k,q值就是x,y空间中这10个点共线的线的参数，则它在x-y空间上对应于直线y= k0 x+q0 。 对于分布在两条直线上的点，就可以在参数空间中找到两个聚类点。 x k q y A B C D ? E F ? ? ? 1962年由霍夫（Hough）向美国申请专利，用来检测图像中的直线和曲线。后经Rosenfeld把它引用到图像处理中，提出用一个二维累积数组作霍夫变换。 为了用程序实现，要准备一个表示k-q空间的二维数组，每通过一个轨迹，就在数组元素中加上1，在对应于边缘点所有的轨迹都画出之后，就可以提取具有较大值的数组元素，这就是边缘。 以上方法的毛病是：用了直线斜率和截距，若斜率无穷大，则在k,q空间中k非常大。 76年由Duda和Hart作了改进，把用斜率和截距的表示变成用法线和法线与X轴的夹角表示。即： 其中?是从原点引到直线的垂直长度； ?是垂线和x轴的夹角。 y x (x,y) (x0,y0) ? ? ? ?‘ ? = xcos? + ysin? ? 如果设这条直线通过图像上的点(x0,y0)，则： ?= x0cos?+ y0sin? 这里，把这个公式看作是关于?和?的方程式，下图描绘出在?-?空间上表示这个关系的轨迹（为曲线）。即?-?空间上的一点对应于x-y空间上的一条直线。相反，用上式表示的?-?空间的轨迹，就表示了在x-y空间通过(x0,y0)点的所有直线群。对图像中所有的边缘点施以同样的操作，便求出在?-?空间各条轨迹集中的位置 ( ?0,?0 )，它在x-y空间上对应于直线?0= xcos?0+ ysin?0，这样直线将被检测出来，其中?可以取0?2?或-? ? ?，垂线的长度也不会无限长）。 y x 60 120 60 ? ? A B C D E F G ? ? (a) x-y空间的边缘点(霍夫变换) ? 120 0 -120 ?/2 ? ? ? ? A B C D E F G (b) ?-?空间的轨迹 (霍夫变换) 为了用程序实现，要准备一个表示?-?空间的二维数组，每通过一个轨迹，就在数组元素中加上1，在对应于边缘点所有的轨迹都画出之后，就可以提取具有较大值的数组元素，这就是边缘。 Hough变换，即使图像中的边缘是不连续的，也能有效地检测出直线，与边缘跟踪等相比，抗噪声性能更好。也就是说，对图像中丢了数据或有噪声不敏感，可以容忍，有鲁棒性。 5.8 区域分割（region segmentation) 基于区域分割技术的基本思想是标识图像中各个具有相似特征（如灰度、纹理、颜色）的区域。在模式识别中的聚类（ clustering）技术有相似的目的，因此皆可用于图像分割。 5.8.1 简单区域扩张法（或区域生长法，re