基本介紹
- 中文名：廣義霍夫變換
- 外文名：Generalised Hough transform
- 領域：圖像
簡介,霍夫變換,特徵檢測,
簡介
霍夫變換最初被設計成用來檢測能夠精確地解析定義的形狀（例如直線，圓，橢圓等）。在這些情況下，我們可以通過對於形狀信息的充分了解來找出它們在圖像中的位置和方向。 而廣義霍夫變換（Generalized Hough Transform, GHT）則由Dana H.Ballard在1981年提出，它在霍夫變換的基礎上根據模板匹配的原理進行了調整。廣義霍夫變換不要求能夠給出需要檢測的形狀的解析式，它可以檢測任意給定的形狀。
霍夫變換
霍夫變換是一種特徵檢測(feature extraction)，被廣泛套用在圖像分析（image analysis）、電腦視覺(computer vision)以及數位影像處理 (digital image processing)。 霍夫變換是用來辨別找出物件中的特徵，例如：線條。他的算法流程大致如下，給定一個物件、要辨別的形狀的種類，算法會在參數空間(parameter space)中執行投票來決定物體的形狀， 而這是由累加空間(accumulator space)里的局部最大值(local maximum)來決定。
現在廣泛使用的霍夫變換是由 Richard Duda 和 Peter Hart 在公元1972年發明，並稱之為廣義霍夫變換(generalized Hough transform)，廣義霍夫變換和更早前1962年的Paul Hough 的專利有關。 經典的霍夫變換是偵測圖片中的直線，之後，霍夫變換不僅能識別直線，也能夠識別任何形狀，常見的有圓形、橢圓形。1981年，因為Dana H. Ballard 的一篇期刊論文 "Generalizing the Hough transform to detect arbitrary shapes"，讓霍夫變換開始流行於電腦視覺界。
特徵檢測
特徵檢測是計算機視覺和圖像處理中的一個概念。它指的是使用計算機提取圖像信息，決定每個圖像的點是否屬於一個圖像特徵。特徵檢測的結果是把圖像上的點分為不同的子集，這些子集往往屬於孤立的點、連續的曲線或者連續的區域。
