边缘检测
一阶算子—Robert、Sobel、Prewitt、
二阶算子—laplacian
综合性算子—Log、Canny
方法比较
Hough变换
作用：形状检测（直线、圆等）
对于图像上的直线：
y
=
u
x
+
v
y=ux+v
y=ux+v
在参数空间下：
v
=
x
u
+
y
v=xu+y
v=xu+y
图像空间下的每一个点对应参数空间下的一条直线，参数空间的一个点，对应直线空间的一条直线
Hough变换步骤：
- 初始化参数空间（ u , v u, v u,v），置为 0 0 0
- 对图像上的每一个点（ x i x_i xi, y i y_i yi）,绘制参数空间直线，对每个经过的位置计数（ + 1 +1 +1）
- 统计（ u , v u,v u,v）空间最大值位置，对应图像空间的直线
注意：对于直线
x
=
a
x=a
x=a，斜率
+
∞
+\infty
+∞，这样会导致参数空间无法表示，因为选择另外一种直线表示法——垂点表示法，方程为：
x
c
o
s
θ
+
y
s
i
n
θ
=
ρ
xcos\theta+ysin\theta=\rho
xcosθ+ysinθ=ρ，其中
ρ
\rho
ρ表示原点到直线的距离，
θ
\theta
θ表示原点到直线的垂线与
x
x
x轴的夹角，即
(
ρ
,
θ
)
(\rho,\theta)
(ρ,θ)代表垂足的极坐标，方程的推导如下：
垂线的方向向量为：
l
⃗
=
(
ρ
c
o
s
θ
,
ρ
s
i
n
θ
)
\vec l=(\rho cos\theta,\rho sin\theta)
l=(ρcosθ,ρsinθ)，直线任意一点对应的方向向量
a
⃗
=
(
x
,
y
)
\vec a=(x,y)
a=(x,y)，则直线的方向向量
n
⃗
=
a
⃗
−
l
⃗
\vec n=\vec a-\vec l
n=a−l，可知
n
⃗
⋅
l
⃗
=
0
\vec n·\vec l=0
n⋅l=0，可推出：
x
c
o
s
θ
+
y
s
i
n
θ
=
ρ
xcos\theta+ysin\theta=\rho
xcosθ+ysinθ=ρ
7205
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
