机器视觉学习总结(一)——Hough Transform and Application

本文介绍了霍夫变换的原理,它是计算机视觉中用于检测图像中的直线、椭圆等几何形状的算法。详细阐述了传统的霍夫变换及其演算步骤,并探讨了OpenCV中采用的极坐标形式。此外,还提到了概率霍夫变换的改进,包括随机选择像素点、确定直线长度以及设置线段参数。
摘要由CSDN通过智能技术生成

哈夫曼变换原理:

HoughTransform是一种可以检测出某种特殊形状的算法,OpenCV中用霍夫曼变换来检测出图像中的直线、椭圆和其他几何图形。由它改进的算法,可以用来检测任何形状的图形。
传统的Hough变换采用的是枚举统计法,例如直线检测中,对平面上所有的关键点,分析每个单独的关键点,识别出所有可能经过该点的直线(a,b),并采用累加器对每个可能的直线(a[],b[])进行统计,所有的关键点运行一遍后,最后累(a[],b[])中累加最多的某一条直线即判断为检测的结果。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值