霍夫变换，应用霍夫变换方法用matlab语言编写相应的程序

本文目录一览

1，应用霍夫变换方法用matlab语言编写相应的程序
2，霍夫变换对直线的检测
3，霍夫变换vectorvec2f是什么意思
4，霍夫变换和最小二乘法有什么区别
5，opencv 霍夫变换不懂啊
6，请问谁知道概率霍夫变换的原理是什么吗

1，应用霍夫变换方法用matlab语言编写相应的程序

首先利用hought变换检测出目标图像，包括圆和直线，然后对同一连通域内的目标像素拟合即可得到方程

应用霍夫变换方法用matlab语言编写相应的程序

2，霍夫变换对直线的检测

，△θ，2△θ……π

错误629”端口已由远程计算机断开连接，从字面上就能看出原因在哪里了！解决方法：1.查看账号密码是否输入错误，注意小数点或者是空格。2.查看网卡驱动是否正常。3.查看网线是否连接成功。（查看“本地连接”）4.查看宽带是否欠费或者是到期。5.前四项都试过如果还是不行的话，把电脑和光猫一起关掉

霍夫变换对直线的检测

3，霍夫变换vectorvec2f是什么意思

可以的 #include #include using namespace std; int main() { vector v1; vector v2; v1.push_back(1); v1.push_back(2); v2=v1; vector::iterator it=v2.begin(); while(it!=v2.end()) { cout<<*it< it++; } return 0; } 你会看到输出为 1 2

虽然我很聪明，但这么说真的难到我了

霍夫变换vectorvec2f是什么意思

4，霍夫变换和最小二乘法有什么区别

它们是算不同的是东西，得到的解也不同。霍夫变换：霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。主要用来从图像中分离出具有某种相同特征的几何形状(如，直线，圆等)。最基本的霍夫变换是从黑白图像中检测直线(线段)。最小二乘法：又称最小平方法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

5，opencv 霍夫变换不懂啊

检测到的直线中含有的点的个数超过该阈值就将该直线计入cannyImg中

lines = cvHoughLines2 (cannyImg, storage, CV_HOUGH_PROBABILISTIC,1,CV_PI/180, 40, 200, 10); 40是一个阈值，越小检测到的线越多200是最小线段长度，可以改小一点，你要的线很可能过短被过滤了。10是碎线链接参数，如果两跳线共线但中间断了，可以通过加大这个参数使他重新链接。

既然能检测直线，那么你把矩形的边缘线检测出来就行了。这些边缘线按照举行的定义进行拟合，计算角度和截距，找到矩形并不难。或者你可以把矩形的四个角点识别出来，然后判断空间位置关系是否符合举行定义。

6，请问谁知道概率霍夫变换的原理是什么吗

霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。最基本的霍夫变换是从黑白图像中检测直线(线段)。我们先看这样一个问题：设已知一黑白图像上画了一条直线，要求出这条直线所在的位置。我们知道，直线的方程可以用y=k*x+b 来表示，其中k和b是参数，分别是斜率和截距。过某一点(x0,y0)的所有直线的参数都会满足方程y0=kx0+b。即点(x0,y0)确定了一族直线。方程y0=kx0+b在参数k--b平面上是一条直线，(你也可以是方程b=-x0*k+y0对应的直线)。这样，图像x--y平面上的一个前景像素点就对应到参数平面上的一条直线。我们举个例子说明解决前面那个问题的原理。设图像上的直线是y=x, 我们先取上面的三个点：A(0,0), B(1,1), C(22)。可以求出，过A点的直线的参数要满足方程b=0, 过B点的直线的参数要满足方程1=k+b, 过C点的直线的参数要满足方程2=2k+b, 这三个方程就对应着参数平面上的三条直线，而这三条直线会相交于一点(k=1,b=0)。同理，原图像上直线y=x上的其它点(如(3,3),(4,4)等) 对应参数平面上的直线也会通过点(k=1,b=0)。这个性质就为我们解决问题提供了方法：首先，我们初始化一块缓冲区，对应于参数平面，将其所有数据置为0. 对于图像上每一前景点，求出参数平面对应的直线，把这直线上的所有点的值都加1。最后，找到参数平面上最大点的位置，这个位置就是原图像上直线的参数。上面就是霍夫变换的基本思想。就是把图像平面上的点对应到参数平面上的线，最后通过统计特性来解决问题。假如图像平面上有两条直线，那么最终在参数平面上就会看到两个峰值点，依此类推。在实际应用中，y=k*x+b形式的直线方程没有办法表示x=c形式的直线(这时候，直线的斜率为无穷大)。所以实际应用中，是采用参数方程p=x*cos(theta)+y*sin(theta)。这样，图像平面上的一个点就对应到参数p---theta平面上的一条曲线上。其它的还是一样。在看下面一个问题：我们要从一幅图像中检测出半径以知的圆形来。这个问题比前一个还要直观。我们可以取和图像平面一样的参数平面，以图像上每一个前景点为圆心，以已知的半径在参数平面上画圆，并把结果进行累加。最后找出参数平面上的峰值点，这个位置就对应了图像上的圆心。在这个问题里，图像平面上的每一点对应到参数平面上的一个圆。把上面的问题改一下，假如我们不知道半径的值，而要找出图像上的圆来。这样，一个办法是把参数平面扩大称为三维空间。就是说，参数空间变为x--y--R三维，对应圆的圆心和半径。图像平面上的每一点就对应于参数空间中每个半径下的一个圆，这实际上是一个圆锥。最后当然还是找参数空间中的峰值点。不过，这个方法显然需要大量的内存，运行速度也会是很大问题。有什么更好的方法么?我们前面假定的图像都是黑白图像(2值图像)，实际上这些2值图像多是彩色或灰度图像通过边缘提取来的。我们前面提到过，图像边缘除了位置信息，还有方向信息也很重要，这里就用上了。根据圆的性质，圆的半径一定在垂直于圆的切线的直线上，也就是说，在圆上任意一点的法线上。这样，解决上面的问题，我们仍采用2维的参数空间，对于图像上的每一前景点，加上它的方向信息，都可以确定出一条直线，圆的圆心就在这条直线上。这样一来，问题就会简单了许多。接下来还有许多类似的问题，如检测出椭圆，正方形，长方形，圆弧等等。这些方法大都类似，关键就是需要熟悉这些几何形状的数学性质。霍夫变换的应用是很广泛的，比如我们要做一个支票识别的任务，假设支票上肯定有一个红颜色的方形印章，我们可以通过霍夫变换来对这个印章进行快速定位，在配合其它手段进行其它处理。霍夫变换由于不受图像旋转的影响，所以很容易的可以用来进行定位。霍夫变换有许多改进方法，一个比较重要的概念是广义霍夫变换，它是针对所有曲线的，用处也很大。就是针对直线的霍夫变换也有很多改进算法，比如前面的方法我们没有考虑图像上的这一直线上的点是否连续的问题，这些都要随着应用的不同而有优化的方法。

霍夫变换就是利用参数空间中的（ρ，θ）来表示一条直线，其中ρ是原点到直线的垂直距离，θ是原点到直线的一条垂线段与θ的夹角。通过几何的方法（添加辅助线，相似三角形来做），我们可以证明对于直线上的任何一点都有ρ=xcosθ +ysinθ。知道这个原理之后我们就可以通过便利ρ和θ的值域来对每个点进行试验，即把每个点的坐标，θ带入xcosθ +ysinθ判断是否等于ρ即可。若等于则说明这个点在这条直线上。通过遍历所有的点来对我们的直线（ρ，θ）进行投票。设定一个阈值就可以得到比较明显的（点数较多的）直线。

文章TAG：霍夫霍夫变换变换应用霍夫变换