機(jī)械優(yōu)化設(shè)計論文

1、(2015-2016學(xué)年第1學(xué)期)重慶理工大學(xué)研究生課程論文課程論文題目：Hough算法的原理及在圖像處理方面的應(yīng)用課程名稱機(jī)械優(yōu)化設(shè)計課程類別學(xué)位課 非學(xué)位課任課教師賈秋紅所在學(xué)院機(jī)械工程學(xué)院學(xué)科專業(yè)機(jī)械工程姓名學(xué)號52151211114提交日期2015.1.12Hough算法的原理及在圖像處理方面的應(yīng)用胡友呈摘要：hough算法主要原理是能夠把給定曲線或者直線檢測問題變成尋找變換空間的峰點(diǎn)問題，這樣就把檢測整體特征轉(zhuǎn)換為檢測局部特征。Hough算法在形狀特征處理方面有很大優(yōu)勢。相對于其他算法，它即使在圖像被遮擋了也有很好的識別性，抗干擾能力強(qiáng)。主要介紹hough算法以及簡單介紹下數(shù)學(xué)形態(tài)學(xué)

2、識別，深度圖像識別的原理；幾種算法之間的比較，說明hough的優(yōu)越性；最后介紹hough算法的應(yīng)用。關(guān)鍵詞：hough算法原理，hough應(yīng)用，識別，圖像；Abstract：Theory of Hough algorithm is that The detection of a given curve or a straight line is transformed a problem to find the peak point of the transformation space.So that the detection of the overall characteristics

3、become the detection of local features.Hough algorithm has advantages of shape feature processing.Compared with other algorithms，it has a good recognition advantage even when the image is blocked.And it has strong anti-interference ability.This paper mainly describe the theory of the Hough algorithm

4、, mathematical morphology recognition, the principle of depth image recognition.Comparison between several algorithms prominent outstanding of Hough.Finally,the book describe the application of Hough algorithm.Key word: Theory of Hough algorithm，Hough application， Distinguish， photo.引言：Hough變換在1962年

5、由Paul Hough提出，并在美國作為專利被發(fā)表。它所實(shí)現(xiàn)的是一種從圖像空間到參數(shù)空間的映射關(guān)系。由于具有一些明顯優(yōu)點(diǎn)和可貴性質(zhì)，它引起了許多國內(nèi)外學(xué)者和工程技術(shù)人員的普遍關(guān)注。例如，由于其根據(jù)局部度量來計算全面描述參數(shù)，因而對于區(qū)域邊界被噪聲干擾或被其他目標(biāo)遮蓋而引起邊界發(fā)生某些間斷的情況，它具有很好的容錯性和魯棒性。多年來，專家們對Hough變換的理論性質(zhì)和應(yīng)用方法進(jìn)行了深入而廣泛的研究， 并取得了許多有價值的成果。Hough變換是一種形狀匹配技術(shù)。最初是用于二值圖像直線檢測，后來擴(kuò)展任意形狀的檢測。Hough變換在圖像識別技術(shù)方面有很大的優(yōu)勢，及時遇到了圖像物體不完整，傾斜，能夠很好的

6、還原物體，進(jìn)行很好的識別。一、Hough算法的原理： Hough算法的基礎(chǔ)原理在于利用點(diǎn)與線的對偶性，將原始圖像空間給定的曲線通過曲線表達(dá)式變?yōu)榭臻g的一個點(diǎn)。這樣就把原始圖像中給定曲線檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題。 Hough變換的根據(jù)公式：xcos()+ysin()=從而實(shí)現(xiàn)了把x-y平面的圖像轉(zhuǎn)換為-參數(shù)平面上的圖像矩陣。這樣就是實(shí)現(xiàn)了一種物體的圖像分割，然后再進(jìn)行物體提取。這里就舉一個hough處理圓的原理。與使用（r,theta）來表示一條直線相似，使用（a,b,r）來確定一個圓心為（a,b）半徑為 r  的圓。1如何表示過某個點(diǎn)的所有圓？某個圓過點(diǎn)（x1,y1），

7、則有：(x1-a1)2 + (y1-b1)2 = r12 。那么過點(diǎn)（x1,y1）的所有圓可以表示為（a1(i),b1(i),r1(i)），其中r1（0，無窮），每一個 i 值都對應(yīng)一個不同的圓，（a1(i),b1(i),r1(i)）表示了無窮多個過點(diǎn)（x1,y1）的圓。2 如何確定多個點(diǎn)在同一個圓上？如(2)中說明，過點(diǎn)（x1,y1）的所有圓可以表示為（a1(i),b1(i),r1(i)），過點(diǎn)（x2,y2）的所有圓可以表示為（a2(i),b2(i),r2(i)），過點(diǎn)（x3,y3）的所有圓可以表示為（a3(i),b3(i),r3(i)），如果這三個點(diǎn)在同一個圓上，那么存在一個值（a0,b0

8、,r0），使得 a0 = a1(k)=a2(k)=a3(k) 且b0 = b1(k)=b2(k)=b3(k) 且r0 =r1(k)=r2(k)=r3(k)，即這三個點(diǎn)同時在圓（a0,b0,r0)上。從下圖可以形象的看出：首先，分析過點(diǎn)（x1,y1）的所有圓（a1(i),b1(i),r1(i)），當(dāng)確定r1(i)時 ，（a1(i),b1(i)）的軌跡是一個以（x1,y1,r1(i)）為中心半徑為r1(i)的圓。那么，所有圓（a1(i),b1(i),r1(i)）的組成了一個以（x1,y1,0）為頂點(diǎn)，錐角為90度的圓錐面。三個圓錐面的交點(diǎn)A 既是同時過這三個點(diǎn)的圓。這樣就可以根據(jù)多次比較，根據(jù)各個

9、點(diǎn)的投票超過設(shè)定閥值來得出果實(shí)的形狀大小。二、數(shù)學(xué)形態(tài)學(xué)識別原理： 數(shù)學(xué)形態(tài)學(xué)是一種非線性圖像處理和分析理論, 拋棄了傳統(tǒng)的數(shù)值建模、處理和分析的觀點(diǎn), 從集合運(yùn)算的角度來描述和分析圖像, 著重研究圖像的集合結(jié)構(gòu)。從某種意義上講, 數(shù)學(xué)形態(tài)學(xué)開辟了圖像處理與識別的新理論、新方法。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算包括膨脹、腐蝕,以及由膨脹和腐蝕不同組合推導(dǎo)出的開啟、閉合、厚化和薄化等算法。數(shù)學(xué)形態(tài)學(xué)最初用于數(shù)學(xué)形態(tài)學(xué)最初用于處理二值圖像。它是將二值圖像看成集合,而結(jié)構(gòu)元素是一個可以在圖像上平移且尺寸比圖像小的集合,并運(yùn)用結(jié)構(gòu)元素對圖像進(jìn)行探測。結(jié)構(gòu)元素在圖像范圍內(nèi)平移的同時,施加交、并、補(bǔ)等集合運(yùn)算,以達(dá)到

10、對二值圖像的處理。但是由于現(xiàn)實(shí)中的圖像多為灰度圖像,因此將二值形態(tài)學(xué)推廣到灰度形態(tài)學(xué),相當(dāng)于將圖像的函數(shù)空間從二維推廣到三維,函數(shù)的值域從0, 1推廣到 0, 255。灰度形態(tài)學(xué)是二值形態(tài)學(xué)對灰度圖像的自然擴(kuò)展,其中,二值形態(tài)學(xué)中所用到的交、并運(yùn)算分別用最大、最小極值運(yùn)算代替。簡要介紹下數(shù)學(xué)形態(tài)學(xué)的腐蝕：用結(jié)構(gòu)元素b對輸入圖像f(x, y)進(jìn)行灰值腐蝕記為fS， 其定義為式中，Df和Db分別是f和b的定義域。 這里限制(t+x)和(m+y)在f的定義域之內(nèi)，類似于二值腐蝕定義中要求結(jié)構(gòu)元素完全包括在被腐蝕集合中。其效果相當(dāng)于半圓形結(jié)構(gòu)元素在被腐蝕函數(shù)的下面“滑動”時，其圓心畫出的軌跡。但是，這

11、里存在一個限制條件，即結(jié)構(gòu)元素必須在函數(shù)曲線的下面平移。從圖中不難看出，半圓形結(jié)構(gòu)元素從函數(shù)的下面對函數(shù)產(chǎn)生濾波作用，這與圓盤從內(nèi)部對二值圖像濾波的情況是相似的。采用了一個扁平結(jié)構(gòu)元素對上圖的函數(shù)作灰值腐蝕。扁平結(jié)構(gòu)元素是一種在其定義域上取常數(shù)的結(jié)構(gòu)元素。注意這種結(jié)構(gòu)元素產(chǎn)生的濾波效果。 進(jìn)行開運(yùn)算與閉運(yùn)算進(jìn)行形態(tài)學(xué)處理,開運(yùn)算可看作將b貼著f 的下沿從一端滾到另一端。對所有比b的直徑小的山峰其高度和尖銳度都減弱了。 開運(yùn)算操作消除與結(jié)構(gòu)元素相比尺寸較小的亮細(xì)節(jié)，而保持圖像整體灰度值和大的亮區(qū)域基本不受影響。 腐蝕去除了小的亮細(xì)節(jié)并同時減弱了圖像亮度，膨脹增加了圖像亮度，但又不重新引入前面去除

12、的細(xì)節(jié)。 閉運(yùn)算可看作將b貼著f 的上沿從一端滾到另一端。所有比b的直徑小的山谷得到了“填充”。閉運(yùn)算操作消除與結(jié)構(gòu)元素相比尺寸較小的暗細(xì)節(jié)，而保持圖像整體灰度值和大的暗區(qū)域基本不受影響；膨脹去除了小的暗細(xì)節(jié)并同時增強(qiáng)了圖像亮度， 腐蝕減弱了圖像亮度但又不重新引入前面去除的細(xì)節(jié)。這樣處理后就能得到很好的圖像效果，便于對圖像進(jìn)行識別。三、深度圖的算法：其工作原理是對三維空間進(jìn)行縱深標(biāo)記，以激光散斑作為標(biāo)記信號，當(dāng)激光照射到目標(biāo)物體或穿透毛玻璃后形成衍射斑點(diǎn)，衍射斑點(diǎn)因距離改變而發(fā)生變化，因此相機(jī)首次拍攝前需要對拍攝場景進(jìn)行標(biāo)定。標(biāo)定方法如下：每隔一段距離，取一參考平面，記錄下參考平面上的散斑圖案

13、。當(dāng)檢測物體時，所拍攝場景的散斑圖像與標(biāo)定的參考圖像依次計算相關(guān)系數(shù)，存在物體的位置會出現(xiàn)峰值，將每一層參考平面處的峰值疊加，然后經(jīng)過一些插值計算，即可得到三維場景形狀?；叶戎底兓较蚺c相機(jī)所拍攝的視場方向z 方向相同（利用深度圖像可以在一定范圍內(nèi)重建 3D 空間區(qū)域，并且可以從一定程度上解決物體遮擋或同一物體各部分重疊的問題）。根據(jù)深度，可以很容易地把前景和背景分開，這使得識別的難度大大降低。測量物體深度的原理：利用高精度計數(shù)器計算時間差，發(fā)射調(diào)制光時啟動高精度計數(shù)器，測量到反射光后停止計數(shù)器。或者使用電容充電法計算時間差，入射光和反射光改變電容兩端電壓，通過其隨時間變化的規(guī)律計算時間差。四

14、、各種算法的優(yōu)缺點(diǎn)的比較：基于數(shù)學(xué)形態(tài)學(xué)的方法在物體間相互重疊比例較小時，具有較好的識別效果；當(dāng)物體間相互重疊比例較大時，容易出現(xiàn)過分割或欠分割的錯誤。類似于數(shù)學(xué)形態(tài)學(xué)的方法，該方法在物體被遮擋的邊緣較少時，具有較好的識別效果。Hough算法把曲線和直線轉(zhuǎn)化為空間參數(shù)的峰值，當(dāng)物體基于Hough變換的識別方法具有較好的抗干擾能力，當(dāng)物體部分邊緣被遮擋時，同樣具有較好的識別性能。該方法的缺點(diǎn)是計算量較大，需要進(jìn)行卷積，實(shí)時性能較差?；谏疃葓D像的識別方法，由于是物體的3D形狀進(jìn)行成簇區(qū)域內(nèi)果蔬的識別，因此該方法在物體存在輕度遮擋的情況下，同樣可以具有較好的識別性能，但該方法的主要問題是物體區(qū)域內(nèi)

15、對象3D重建較為復(fù)雜，計算量很大。目前hough算法在圖像輪廓識別，被遮擋物體以及圖像處理方面有很好的應(yīng)用，唯一不好的在于需要進(jìn)行卷積運(yùn)算從而，在計算較復(fù)雜圖像是運(yùn)算量很大，大大降低了識別速度。其根據(jù)局部度量來計算全面描述參數(shù)，因而對于區(qū)域邊界被噪聲干擾或被其他目標(biāo)遮蓋而引起邊界發(fā)生某些間斷的情況，它具有很好的容錯性和魯棒性。使其在圖像識別上有很大的優(yōu)勢，應(yīng)用廣泛。五、hough算法的應(yīng)用：目前hough算法基于把直線或曲線轉(zhuǎn)化成空間參數(shù)的峰值，從而提取圖像的輪廓。目前hough算法在采摘機(jī)器人的進(jìn)行視覺識別果園果實(shí)方面應(yīng)用很大，姚立健等 以茄子3D模型的中心軸繞軸旋轉(zhuǎn)的角度Ot、縮放比及該旋

16、轉(zhuǎn)角度下的茄子形心坐標(biāo)(o，b)作為進(jìn)行廣義Hough變換后所需確定的4個參數(shù)，建立以旋轉(zhuǎn)角度及縮放比為最高索引項(xiàng)，邊緣點(diǎn)梯度值為第2層索引的形心坐標(biāo)檢索表。識別時，通過檢索該表對相應(yīng)形心坐標(biāo)對應(yīng)的茄子模型進(jìn)行投票，取與被識別茄子公共面積比最大的最高得票數(shù)對應(yīng)的茄子模型為識別結(jié)果。同時崔永杰等 對毗鄰獼猴桃的分離方法進(jìn)行了研究，提出了一種基于橢圓Hough變換的毗鄰獼猴桃識別方法。因此hough算法在解決成簇果實(shí)識別方面有很大的作用，性能優(yōu)越。 同時也有在車牌傾斜校正有著廣泛應(yīng)用步驟大致是1)圖像預(yù)處理。讀取圖像，轉(zhuǎn)換成灰度圖，去除離散噪聲點(diǎn)2)利用邊緣檢測，對圖像中水平線進(jìn)行強(qiáng)化處理。3）基

17、于Hough 變換檢測車牌圖像中邊框，獲取傾斜角度。4）根據(jù)傾斜角度，對車牌圖像進(jìn)行傾斜校正。最后通過角來確定車牌的傾斜角。 Hough算法在眼跟蹤瞄準(zhǔn)的應(yīng)用也有很好的應(yīng)用，Hough變換檢測瞳孔中心算法實(shí)現(xiàn)1)從內(nèi)存讀取紅外源圖像如圖2所示，與眼睛的其他部分相比，瞳孔要暗得多，可以采用簡單的二值化的方法分離出瞳孔，運(yùn)用Hough變換檢測瞳孔中心坐標(biāo)。因?yàn)橥椎陌霃绞且欢ㄖ?，我們可以根?jù)經(jīng)驗(yàn)規(guī)定瞳孔的半徑范圍【rl，r2；lpDIBBits為二值化圖像的DIB指針，Width為圖像寬度；Height為圖像的高度；circleNum為檢測的圓的個數(shù)(這里默認(rèn)為1)；radius為當(dāng)前檢測的圓的半

18、徑；edgeThick為當(dāng)前檢測圓的圓環(huán)寬度；以坐標(biāo)(radius，radius)為檢測的圓心起點(diǎn)，建立一個圓檢測模板，指針數(shù)組ixCor【iNumOfCircle】、iyCoriNumOfCircle分別記錄符合radius為半徑、edgeThiCk為圓環(huán)寬度的NumOfCircle個點(diǎn)的橫坐標(biāo)和縱坐標(biāo)；運(yùn)用以上模板，開始以半徑為r1檢測，在(rl，r1)與(Widthrl，Heightr2)之間矩形區(qū)域開始檢測，如果圓心(rl，r1)的灰度為255，說明它一定不是瞳孔的中心；否則，開始讀取模板上的坐標(biāo)，并判斷其所指向點(diǎn)的灰度是否為0，如果為0，則被統(tǒng)計到數(shù)組元素pCounti木width+j】(j,j為圓心橫縱坐標(biāo))，檢測完后模板向右或向下移動，模板上坐標(biāo)值也進(jìn)行相應(yīng)改變，從而進(jìn)行下一個圓心的檢測。最后，在pCount中篩選出值最大的元素pCount【U】，u=iI*width+j1，則(il,j2)即為該半徑radius下的最合理圓心坐標(biāo)。根據(jù)半徑范圍rl，r2】，一一進(jìn)行上面的檢測過程，從而得到一系列圓心坐標(biāo)，選取它們的對應(yīng)計數(shù)值pCountu】中最大幾個值進(jìn)行平均，即為所求的最后結(jié)果一瞳孔中心坐標(biāo)。Hough應(yīng)用還很多，在目前圖像輪廓處理方面應(yīng)用很廣泛，在圖像識別與其他算法結(jié)合使用，更加能夠加大他的優(yōu)勢，規(guī)避了在計算量大的缺點(diǎn)。參考文獻(xiàn)：【1】Ho