【图像处理】霍夫变换

　　图像处理分析过程中，检测特定的形状是重要的一步。霍夫变换(Hough)通过转换坐标系，将特定形状的检测映射到参数空间中，从而根据参数空间中的值来确定特定形状的相关信息。
　　Hough变换的比较简单的应用例子有检测直线和检测圆。

检测直线

　　设空间中有若干点，我们要判断这些点是否能构成一条直线，即为直线检测。平面中直线的通用公式为$xcos(\theta)+ysin(\theta)=\rho$。常用的$y=wx+b$公式，因为不能兼容$y=b$的情况，所以不能使用。对于某个点，其坐标是$(x_i,y_i)$，过该点的直线有无数条，这些直线统一表示为$x_icos(\theta)+y_isin(\theta)=\rho$，其中$x_i,y_i$是常量。反过来看，代表这些直线的公式，可以看做$\theta$为自变量，$\rho$为因变量，$x_i,y_i$为常量参数的直线公式。这样，在x-y空间过$(x_i,y_i)$的无数条直线，可以在$\theta-\rho$空间中用一条线代表。见下图：
　　
　　
　　上图是x-y空间，下图是$\theta-\rho$空间。其中红、绿、蓝三条线可以汇聚成一个点，说明这三条线对应的点，其在$\theta-\rho$空间中的直线参数是一样的。反过来就是说，穿过这三个点的无数直线中，有“三”条直线，其$\theta,\rho$值相同，这“三“条直线是一根直线，即这三个点可以共线。
　　

检测圆

　　设空间有若干点，我们要判断这些点是否能构成一个圆的轮廓，即为圆检测。圆的表达式为$(x-x')^2+(y-y')^2=R$，参数有$x',y',R$。这说明，圆对应的映射空间是三维的，即$x'-y'-R$空间。$x',y'$都表示空间，因此我们可以暂时将R设为常量，构建$x'-y'$空间，令x’为自变量，y’为因变量，作图如下：
　　
　　
　　上图是x-y空间，下图是x’-y’空间。图中绘制了一个圆和一个矩形，其中圆的轮廓并不是完全规则的。经过Hough变换后，圆上的点的变换曲线基本汇聚在一起，而矩形上的点则不能汇聚，这样就检测到圆。由于我们获取的图像并不一定是规则图形，其在参数空间中不一定能汇聚到一个点，而是在一个区域中汇聚起来，为了容许这类误差，我们可以用窗来检测参数空间中的曲线汇聚区域，而不是找曲线汇聚点，以此来检测不完全规则的特定形状。
　　如果我们不知道R的值，那么我们就需要给定R取值的离散区间$[R_1,R_2...R_n]$，取该区间中的值，重复做n次Hough变换检测。这样的话工作量会非常大，为了提升效率，往往会借助图像中的其他特征。
　　另外，我们可以看出，由于不知道圆的尺度，我们不得不重复做多次检测。在实际的形状检测工作中，我们并不知道需要检测的复杂形状，经过了何种平移、缩放、旋转甚至是扭曲，因此需要引入不变性特征，或者针对所有可能的平移、缩放、旋转变换情况，统统做一遍检测。物体检测跟踪需要相当多的计算量。据了解，人脑为了进行视觉模式识别，至少消耗了一半的神经资源，所以人可以闭目养神，却不能捂耳朵、捏住鼻子养神：）