第6章图像分割.ppt

第*页 第6章 图像分割 直线Hough变换的(k,b)空间方法： 思想：用斜率k和截距b来描述直线。 如果知道很多N个边缘点(x0 ,y0)……(xn-1,yn-1)，检测其中是否有直线。假设有直线且该直线的方程为y=kx+b，则y0=kx0+b,y1=kx1+b,……,yn-1=kxn-1+b同时满足。若构造一个计数器 count[k][b]，则有count[k][b]=n。 问题：求k、b和多少个点落到该直线y=kx+b上。 霍夫变换(Hough Transform) 第*页 第6章 图像分割 for (k = k1; k k2; k+=stepk) { for ( b = b1; b b2; b+=stepb ) { for ( i= 0; i n; i ++) { if ( yi = =k*xi +b ) count[k][b]++; // 应该 fabs(yi - k*xi +b)delta ?? } } } 因此，寻找count中的最大值，则该最大值对应的(k,b)即为最佳直线的参数。 缺点：数值计算困难，因为难以选择斜率的范围[K1,K2], 直线的斜率取值范围太大[是无穷大]，步长stepk也难以控制。 实现： 霍夫变换(Hough Transform) 第*页 第6章 图像分割 直线Hough变换的(ρ,θ)空间方法： 思想：在直角坐标系XOY中，任一直线L均可由参数空间(ρ,θ)中的一个点(ρ’，θ’)来表示，ρ’是原点到直线L的距离，θ’是X轴与直线L的法线间的夹角。给定一个（ρ’，θ’）如同(k, b)，则唯一确定一条直线。 问题：求ρ,θ和多少个点落到该直线x*cosθ’+y*sinθ’ = ρ’上。 霍夫变换(Hough Transform) 第*页 第6章 图像分割 for (ρ=ρ1;ρ=ρ2;ρ+=stepρ) { for(θ=θ1;θ=θ2;θ+=stepθ) { for(i=0;in;i++) { if (ρ==xi*cos(θ)+yi*sin(θ)) count[ρ][θ]++; } } } 实现： 优点：穷举(ρ,θ)远比(k, b)直观，其范围[ρ1, ρ2]和[θ1, θ2]也容易确定。 霍夫变换(Hough Transform) 第*页 第6章 图像分割 for(θ=θ1;θ=θ2;θ+=stepθ) { for(i=0;in;i++) { ρ=xi*cos(θ)+yi*sin(θ); if (ρ 有效) count[ρ][θ]++; } } 改进： 把三重循环改成两重循环，ρ直接计算得到，提高了速度； θ比ρ更直观，更容易控制。 cos(θ)和sin(θ)还可以变成查找表cos[θ]和sin[θ]来实现。在图像应用中，往往仅计算一次，或者直接就是个表(一次也不用计算)。 霍夫变换(Hough Transform) 第*页 第6章 图像分割 int cosV, sinV; for(theta = theta1; thetatheta2; theta+=step_theta) { cosV = (int) (cos(theta)*2048); sinV = (int) (sin(theta)*2048); for(i=0; in; i++) { thro = (x[i]*cosV + y[i] *sinV) 9; // 相当于除以512 ….. } } 直线的Hough变换高效编程： 1. 整数运算代替了浮点运算，提高了速度；2.移位代替了除法，提高了速度；3. ρ的精度为0.25。 霍夫变换(Hough Transform) 第*页 第6章 图像分割 ρ和θ的定义域的确定。 坐标原点的选择。 精确性取决于stepθ和stepρ ，显然它们越小，精确度越高。 但越小，count[ρ][θ]越不容易形成峰值。 常采用如下的策略： 注意要点： 可先用较粗的θ和ρ进行 Hough变换，筛选出候选点，再对候选点进行直线拟和，得到更精细的直线描述。 可先对边缘图像进行膨胀后，相当于把边缘点的精度降低，再进行Hough变换。 进行某种加权的H