外文翻译译文-利用Hough变换检测图像的直线和曲线.docxVIP

利用Hough变换检测图像的直线和曲线霍夫虽然已经提出了一个有趣的和计算效率的检测线图片程序。本文指出，使用角度—半径的参数比斜率—截距参数更简化了且计算速度快一些。它也显示了什么样的方法更适用于简单的的曲线拟合，并给出了另一种解释，解释其效率的来源。?关键词：图像处理；模式识别；在线检测；检测曲线；共线的点；点线变换，Hough变换曲线类别：3.631 介绍计算机图像处理中经常出现的问题是数字图像中直线的检测。在最简单的情况下，图片中包含了一些离散的、黑色的图形点，躺在白色的背景上。问题是检测组共线的存在或几乎共线图点。很显然，通过测试所有对点的线形成的直线，可以解决任何期望的精度问题。然而，计算所需的n与n平方近似成比例，并可能禁止的是大的n。罗森菲尔德[ 1 ]为Hough [ 2 ]代替通过寻找共点线数学等效共线点的原始问题发现问题描述了一种巧妙的方法。该方法包括把每个图分为一个直线参数空间中的行。定义了参数空间用参数表示法来描述线在图片平面。Hough选择使用熟悉的斜率截取参数，从而参数空间是二维边坡拦截平面。不幸的是，这两个斜坡和拦截是无界的，这使得应用程序的技术复杂化。在本说明中，我们建议的替代参数，消除了这个问题。我们也给hough变换的方法两种不同的解释，其中一个这揭示了它的效率的来源。最后，我们展示了什么样的方法可以扩展到找到更多的图中曲线的一般类。2. 基本面图平面上所有直线的集合构成一个二参数族。如果我们修复了一个参数化的家庭，然后一个任意直线可以在参数空间中的一个单点表示。对于原因很明显，我们更喜欢所谓的正常化。如图1所示，这参数化指定直线的角度θ，它的正常和它的代数距离t的起源。这个几何线对应的方程是如果我们限制角度的范围为[0,π]，然后正常参数一条直线是唯一的。这一限制下，每一条直线在x-y平面都对应在θ-ρ平面的一点。假设现在，我们有一些设定 { (x1, y1), . . . ,(xn, yn,) }图点和我们要找到一组适合他们的直线.我们变换的点（xi,yi）在正弦曲线上对应到θ-ρ平面的定义很容易发现，对应的共线图点的曲线有交叉的共同点。这一点在θ-ρ平面，说点（），定义直线通过共线点。因此，检测共线点可以转换为曲线发现并发问题。还可建立点到曲线变换的双属性，假设我们有一个集合{ （），......（）}的点在θ-ρ平面，都在曲线上面。 然后这很容易证明，这些点对应的线在X Y平面通过点（x0，y0）。我们可以总结这些有趣的特性的点-曲线转换如下：性质1。图面中的一个点对应于参数平面中的正弦曲线。性质2。参数平面上的一个点对应于图像平面中的直线。性质3。图像平面上的同一直线上的点与参数平面中的一个共同点对应的曲线。性质4。参数平面上的同一曲线上的点对应于图像平面中的直线。在3节我们将这些结果的检测画面共线点的问题和如何计算的经济意义可以在某些情况下的实现。?图1。线路的正常参数图2。在曲线的共线点投影。3 应用及替代解释假设我们在图片平面图上的所有点在参数平面中的相应曲线。在一般情况下，这些氮曲线将相交在N（N- 1）/ 2相应的线图点对点之间。完全共线图的子集可以发现，至少在原则上，通过寻找重合参数平面的交点。不幸的是，这种方法基本上是详尽的，和计算所需的平方成正比的图像点的个数。当它没有必要完全确定线路，计算负担可以大大减少。以下是我们指定Hough基本方案，可接受的误差在θ和ρ和量化θ-ρ平面为quadruled网格。 这种量化可以局限于地区的0 ≤θ＜7R，R ≤ρ≤r，其中r是视网膜的大小，因为在这个矩形的点对应的线在画面不交叉的视网膜。量化的区域视为一个二维数组累加器。每个点（x i，Y i）在画面上，给出了相应的曲线（L）是进入递增计数每个细胞沿曲线阵列。因此，一个给定的细胞在二维蓄能器最终记录通过它的总数量的曲线。在所有图点被处理后，该阵列被检查以查找具有高计数的细胞。如果在一个特定的细胞计数（θi，ρj）是K，然后是K图点（在量化误差）在其正常参数线（θi，ρj）。可以通过识别该点曲线变换的另一种解释,通过辨识得到的点（1）的投影点（x，y）到一条直线上，通过原点的斜率角θ，。因此，如果一个数字点的数字点接近1，他们的预测到线正常我是几乎重合（见图2）。给定列中的θ-ρ累加器数组只是这些投影直方图，所以在一个给定的点，高计数清楚地对应于图点近共线的子集。这种方法的一个变化是由格里菲思[ 3 ]找到一张图片中的长线。让我们探讨如何计算所需的累加器的执行情况随数字的不同而不同图点。要更具体的量化，假设我们限制我们的关注的d1的值和θ得范围是[ 0，π）。假设进一步指出，在区间内的“对轴”的ρ。在[-R,R]内确定d2的距离。对于每个图点（×，y），我们使用（1）计算ρ