9.霍夫变换：圆——圆的算法、投票使用技巧、优点和缺点_2

目录

圆的算法

投票实用技巧

优点和缺点

结束语

---

圆的算法

 这是一个简单描述圆的算法。

和之前一样：

1、循环每一个边缘像素；

2、循环每个可能的半径；这是对的，因为我们不知道半径。

3、循环每一个可能的边缘梯度；如果我们投票给圆锥，或如果我们使用估计的梯度

4、然后我们计算 a 和 b ，我们增加 a、b和r，然后那会在你的霍夫空间投票给你。

一般来说，即使3D仅比2D多50%，你会发现3D投票比2D难多50%。

这是因为，我们可以这样想，假设每个维度有100个桶。

如果你有一个维度，那将是多少？是100个桶。

如果你有两个纬度，那将是多少？ 是10000个桶。

如果你有三个纬度，那将是多少？ 是1000000个桶。

你必须考虑单元格的数量，在维数上是指数级的，这是使用霍夫变换的一个挑战。

投票实用技巧

下面是投票给霍夫变换的几个实用技巧。

1、你要做的一件事就是不要做太多无关紧要的投票。所以尽量减少那些不健壮或不太可能有用的边缘元素。

因为记住，我们不需要找到这条直线上的所有点，只要找到足够多的点。

2、你想为霍夫累加器阵列选择一个好的网格离散化。你做了多少个箱子。这里没有什么神奇的答案，这有点像是一门艺术。

2.1、问题是：如果东西太大了，箱子太大了，那么太多的错误点会投给同一个箱子；

2.2、如果东西太好了，那么一点点噪音会让你投错了箱子；

所以这是一种权衡，这是一种如何处理和完善数据结构的方法。

你可以做的其他事情，你事实上可以说，我要表明我的观点，我要投票给箱子。

3、但也许我也会投票给附近的箱子，因为也许我投的不是我真正需要的地方。这有点像累加器阵列中的平滑。这确实有帮助。

4、使用梯度或边缘方向可以减少一个人的投票自由度，有时这非常有用。

5、最后一件事是，一旦你找到了，比如说圆或者直线。你可以把它画在图像上，但是如果你想找到边缘点，

你可以做一些事情。一个是你可以试着沿着这个圆寻找边缘点。或者你可以聪明一点，你可以有，当你在那些桶里投票，

在那些箱子里，你可以记录每一个投给那个桶的点。然后一旦你有了一个获胜的木桶，你去看，在桶里有一列投票给它的分数。

这样你就能在边缘图像中找到选择那个物体的点。

优点和缺点

霍夫变换的一些优点和缺点。

优点：

1、所有点都是独立处理的，因此可以处理遮挡；

所有的点都是独立处理的，Okay，如果我的部分内容被遮挡了因为每个点都可以投票。

2、对噪声具有一定的鲁棒性：噪声点不太可能对任何单个箱子产生一致性；

对于噪声有一定的鲁棒性，因为噪声点，就像我们之前说的，它们不太可能串通起来投票给错误的东西。

3、可以在一次遍历中检测一个模型的多个实例；

您可以使用它在单个图像中查找对象的多个实例。

缺点：

1、随着模型参数的增加，搜索时间复杂度呈指数增长；

最大的挑战是复杂性随模型参数的数量呈指数增长。如果你有7个模型参数，甚至4个，你永远都不会用到它。

你必须使用其他方法。

2、非目标形状可以在参数空间中产生假峰；

另一件事是，如果你有某种非目标形状，假设不是圆，你实际上有稍微压扁的椭圆，那么投票就会失败，你必须小心处理它。

3、量化：很难选择一个好的网格大小；

正如我们之前说过的，量化是很难挑选好的网格大小，需要实验。

结束语

这就结束了使用霍夫变换来找到圆的环节。

这是一种非常古老的参数化方法找到参数化对象的方法。尽管它很古老，但它是学习从图像中提取结构的好方法。

记住，我们从像素到物体。这就是为什么它是第一个严肃的问题集。

下次，我们将讨论，霍夫变换的更一般的用法。

你的参数不是建立在分析模型上的，比如线和圆。而是基于某人给你的物体的形状。

我们会讲到如何做到这一点以及为什么这在最近几年有了一些复苏。

---

——学会编写自己的代码，才能练出真功夫。