Hough变换原理要点.pdfVIP

摘要 人类对物体的识别最主要是对物体外形的识别，图像的形状 检测在图像处理以及模式识别中是十分重要的。 Hough 变换 作为目标形状特征提取的有效方法得到了广泛的应用。但 Hough 变换算法主要应用于二值图像 (即边缘图像 ) ，因此在 对灰度图像进行 Hough 变换前需要对其进行预处理 (包括图 像的滤波与边缘检测 ) 。图像预处理作为 Hough 变换目标检 测过程中重要的前期工作，其结果将直接影响检测结果的好 坏。文中介绍了图像中常见的两种噪声，对图像的空间域噪 声滤波做了一些研究，分析了高斯滤波与中值滤波的局限 性，在双边滤波的基础上提出了一种基于多次中值抽取的双 边滤波方法，该方法兼顾了空间邻域的相关性和像素强度的 相似性，通过伪中值滤波选取强度滤波器的参考像素值，在 平滑高斯噪声和椒盐噪声的同时更好地保护了边缘，与针对 某一类特定噪声设计的传统滤波方法相比，该方法能够处理 混有混合噪声 (高斯噪声和椒盐噪声 ) 的图像，并能够得到很 好的滤波效果。 同时，本文分析了几种经典的边缘检测算子， 用迭代的双边滤波方法代替 Canny 算子中的高斯滤波过程或 自适应滤波过程，在一定程度上避免了滤波过程给边缘带来 的模糊，得到了更好的边缘检测结果。 Hough 变换作为图形 目标检测的有效方法，能够检测直线、圆、椭圆和抛物线等 众多解析图形， 广义 Hough 变换对该方法做了一些推广， 不 再受图形解析表达式的限制，通过预先设置的查找表，能够 检测任何图形目标。文中对这些方法都做了介绍，并对这些 方法做了仿真。由于受到图像空间和参数空间离散化的影 响，以及 Hough 变换自身的计算过使得传统 Hough 变换方法 也有一些局限性，比如在高强度噪声下检测的结果不佳，计 算量大， 存储资源需求大等。 文中分析了传统 Hough 变换的 投票过程，指出传统方法对参数单元进行 1 值累加是不合理 的，并且传统方法没有区分图像中的噪声点和直线上的点， 介于此， 提出了基于直线连接度量的 Hough 变换， 既考虑了 图像的全局信息，也考虑了图像中像点邻域的局部信息，使 得参数空间中的峰值不再受到噪声的影响，同时也避免了图 像中具有线性关系的特征点投票带来的虚假峰值。通过对传 统 Hough 变换定义方式的修改，提出了基于模板匹配的 Hough 变换检测方法，在该方法中，每一个参数单元都确定 了图像空间中的一个模板，通过该模板主动搜索图像空间中 符合条件的特征点，特征点的个数作为参数单元的值，并记 录图像中线段的端点坐标，完成图像中线段的检测与定位， 能够节省大量的存储资源。 关键词 :特征提取； Hough 变换 Hough 变化检测直线 Hough 变换的基本思想是利用点—线的对偶性，即图 像空间共线的点对应在参数空间里相交的线，反过来，在参 数空间中交与同一个点的所有直线在图像空间里都有贡献 的点与之对应。 在图像空间 X —Y 中，所有共线的点（ x ，y ）都可以 用直线方程描述为： y mc c （3.1 ） 其中 m 为直线的斜率， c 为截距，同时式（ 3.1 ）又可以改写 为： c xm y （3.2 ） 上式可以看做是参数空间 C—