Hough变换实例分析和总结.docxVIP

PAGE PAGE 1 实验内容 1.拍摄一张包含硬币、橡皮等物品的照片，通过 Hough 变换检测出圆形的硬币个数并区分不同半径的硬币。最终计算出照片中的总钱数。 解：Hough 变换的实质是对图像进行坐标的变换，将图像空间的线条变为参数空间的聚集点，从而将原始图像中检测给定形状的曲线问题，变成寻找参数空间中的峰点的问题。 它不仅可以检测直线，而且可以很方便地检测圆、椭圆和抛物线等形状。由于这里需要检测圆形的硬币，所以下面给出检测圆的具体方法： 因为圆的图像空间方程为：(x ? a)2 ? ( y ? b)2 ? r 2 ，我们需要通过 Hough 变换， 将图像空间( x, y) 对应到参数空间(a, b, r) ，然后对其进行累加完成检测。但是显 然这种方法的计算量是非常大的，所以一般都是先对灰度图像进行边缘提取，利用边界像素的灰度梯度信息估计出下式中的角度? ，以此来降低计算量： ??a ? x ? r ?cos? ? ? ……（1）b ? y ? r ? ……（1） 一般在检测过程中需要对图像进行预处理，使得检测更加准确和容易。检测过程如下所示： ○1 真彩色图像转为灰度图像； ○2 去除噪声，进行中值滤波； ○3 转为二值图像，利用边缘算子进行图像边缘提取； ○4 最后进行图像的平滑和填充。 这里处理的图像并没有太多噪声，所以处理的时候略去了中值滤波的步骤， 直接对边缘提取后的图像进行 Hough 变换检测圆形。 根据式（1），我们需要对半径r 和角度? 进行搜索，所以这里应该首先设置半径和角度方向的搜索步长 step_r 和 step_angle，接着给出半径搜索的最大和最小值，当然这两个数值需要根据经验来自己确定。最后就可以根据这些确定半径 和角度的最大搜索次数。 由于 Hough 变换需要用到稀疏矩阵，也即首先得找到图像矩阵中的非零量， 针对这些非零量进行进一步的处理。这个操作可以直接通过 Matlab 中的 find 语 句来实现： [rows, cols] = find(BW); %找出矩阵中的非零值 接着只需要根据式（ 1）计算出对应参数空间的参数 a和b ，根据 a, b 的范围确定 hough 空间累加器 hough_adder 是否自增。 由于这里的图像中不止一个圆形，所以不能直接利用hough_adder 中的最大值来确定半径，需要设置一定的阈值 thre 来确定一定半径的圆，当阈值设置合理后才可以找出图像中的圆。接着对阈值范围内的点进行搜索，当满足圆周内外各 5 个像素点时，该点可以认为是我们搜寻的圆上的点。对其相应的坐标赋 1 即可。 经过上述的步骤，便通过 hough 变换的思想将图像的中的圆给检测出来了。并且可以将圆心坐标和圆的半径都显示出来。 那接下来按照题目的意思是需要我们计算总的钱数，所以首先需要区分一元和五角的硬币，也就是区分圆的半径。由于这里我们设置搜索出来的圆的半径是逐渐递增的，所以只需要判断在两个相邻点之间圆的半径是否存在跳变即可。因为如果是不同的一元硬币，那么他们的半径即使相差一点也不会很多。这样我们便可以得出首先将圆分成两类（这里只考虑一元和五角的两种情况），然后在每一类中再寻找半径相似的圆位于不同坐标的个数，也就是同样面值的硬币的个数了。 可以通过如下代码实现： total_wu total_wu = 0; for idx = 1 : length-1 total_wu = total_wu + para(3,idx); if (para(3,idx+1) - para(3,idx) 5) break; end end total_yi = sum(para(3,:)) - total_wu; Ave_wu = total_wu / idx; Ave_yi = total_yi / (length(1,1)-idx); 从以上代码我们可以看出，这里只要当相邻两个半径相差超过 5 即可认定为 是不同的硬币了。 接着在相同的硬币中，通过循环搜索当前半径和之前像素点的半径，当横纵 坐标相差都小于 10 的时候可以认为是同一个点，也即是同一个硬币，否则将硬币数加一。 最后通过统计得到的总硬币数计算出总钱数。下面先给出具体代码： clc,clear all Image = imread(final.bmp); imshow(Image),title(原始图像); Gray = rgb2gray(Image); bw = im2bw(Gray); % 先转为二值图像BW = edge(bw); % 然后提取边缘figure imshow(BW),title(图像边缘); step_r = 1; % 设定半径搜索步长 step_angle = 0.1; % 设