Outline:
1、Global Image Features (Hough Transform)霍夫变换
2、角点检测
3、SIFT特征
4、Learning with many simple features
一、霍夫变换
1、简介
霍夫变换 (Hough Transform) 是图像处理中的一种特征提取技术,它通过一种投票算法检测具有特定形状的物体。
Given a set of points, find the curve of line that explains the data points best. 给出一系列的点,找到一条最能代表这些点的曲线。
2、原理
霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值,从而把检测任意形状的问题转化为统计峰值问题。
(1)两个坐标空间之间的变换,即图中 ① 转换为 ②:
一条直线在直角坐标系下可以用y = kx + b 表示,霍夫变换的主要思想是将该方程的参数和变量交换,即用x, y作为已知量k, b作为变量坐标,所以直角坐标系下的直线y = kx + b在参数空间表示为点 ( k , b ) ,而一个点( x1, y1 ) 在直角坐标系下表示为一条直线y1 = x1·k+b,其中 ( k , b ) 是该直线上的任意点。
(2)峰值
图中 ② 的蓝点即峰值。
图中 ④ 的峰值不明显,可能由于分的区间很细,导致投票很分散,不利于找到直线的位置,容错率低。
(3)
① Gridsize分区间
② Smoth滤波
(4)极坐标表示
原因: 在y-x坐标系下,当直线垂直于y 轴,斜率是无穷的,在霍夫空间没有办法表示,为了避免这个缺点,采用极坐标表示。
注意 ρ和θ的取值范围:
① ρ>=0, 0<=θ<=360°
② ρ属于实数,0<=θ<=180°
3、基本霍夫变换算法:
<