如果像素(可能)位于搜索的对称线上
>它的(第一/第二/第三/ ……)左右点相等(=> dG,图1左)
>它(第一/第二/第三/ ……)左(或右)值不同(=> dGs,图1中)
因此,兴趣点的特征是| dGs |的值高 – | dG | (=> dGs_dG,图1右)
从图1的右图可以看出,仍然存在许多误报.因此,Hough变换(图2左)将用于检测与最强线对应的所有点(图2右).绿线确实是搜索线.
调音
>更改n:较高的值会丢弃更多的误报,但也会排除n个边框像素.通过使用较低的n作为边界像素可以避免这种情况.
>更改阈值:dGs_dG上的更高阈值将丢弃更多误报.丢弃高dG值对于丢弃原始图像中的边缘位置也可能是有趣的.
>对称线的先验知识:使用霍夫变换的定义,您可以丢弃通过图像中心部分的所有线.
用于生成图像的matlab代码是:
I = imread('bnuqb.png');
G = int16(rgb2gray(I));
n = 3; % use the first, second and third left/right point
dG = int16(zeros(size(G) - [0 2*n+2]));
dGs = int16(zeros(size(G) - [0 2*n+2]));
for i=0:n
dG = dG + abs(G(:, 1+n-i:end-2-n-i) - G(:, 3+n+i:end-n+i));
dGs = dGs + abs(G(:, 1+n-i:end-2-n-i) - G(:, 2+n:end-n-1));
end
dGs_dG = dGs - dG;
dGs_dG(dGs_dG < 0) = 0;
figure
subplot(1,3,1);
imshow(dG, [])
subplot(1,3,2);
imshow(dGs, [])
subplot(1,3,3);
imshow(dGs_dG, [])
BW = dGs_dG > 0;
[H,theta,rho] = hough(BW);
P = houghpeaks(H,1);
lines = houghlines(BW,theta,rho,P,'FillGap',50000,'MinLength',7);
figure
subplot(1,2,1);
imshow(H, [])
hold on
plot(P(:, 2),P(:, 1),'r.');
subplot(1,2,2);
imshow(I(:, n+2:end-n-1, :))
hold on
max_len = 0;
for k = 1:length(lines)
xy = [lines(k).point1; lines(k).point2];
plot(xy(:,1),xy(:,2),'g');
end