[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/przeksztalcony-hough-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/przeksztalcony-hough-wikipedia\/","headline":"Przekszta\u0142cony Hough – Wikipedia","name":"Przekszta\u0142cony Hough – Wikipedia","description":"before-content-x4 . Hough Transform to technika rozpoznawania form wymy\u015blonych w 1959 roku przez Paula Hougha [[[ Pierwszy ] , b\u0119d\u0105c","datePublished":"2023-01-29","dateModified":"2023-01-29","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/upload.wikimedia.org\/wikipedia\/commons\/thumb\/5\/5c\/Parametres_polaires_droite.svg\/220px-Parametres_polaires_droite.svg.png","url":"https:\/\/upload.wikimedia.org\/wikipedia\/commons\/thumb\/5\/5c\/Parametres_polaires_droite.svg\/220px-Parametres_polaires_droite.svg.png","height":"225","width":"220"},"url":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/przeksztalcony-hough-wikipedia\/","wordCount":7464,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4. Hough Transform to technika rozpoznawania form wymy\u015blonych w 1959 roku przez Paula Hougha [[[ Pierwszy ] , b\u0119d\u0105c przedmiotem patentu [[[ 2 ] i u\u017cywane w przetwarzaniu obraz\u00f3w cyfrowych.        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Najprostsza aplikacja umo\u017cliwia wykrycie linii obecnych na obrazie, ale mo\u017cna wprowadzi\u0107 modyfikacje w tej technice w celu wykrywania innych form geometrycznych: jest to Uog\u00f3lniona transformacja Hough Opracowany przez Richarda Dudy i Petera Hart w 1972 roku.   Problemem jest badania i wykrywanie linii, kt\u00f3re ostatecznie by\u0142yby obecne na obrazie analizowanym pomimo niedoskona\u0142o\u015bci obrazu: brakuj\u0105ce punkty (linia mo\u017ce by\u0107 cz\u0119\u015bciowo maskowana przez obiekt), szum. Transformacja Hough polega na reprezentowaniu ka\u017cdego punktu zarysowego wykrytego w dwuwymiarowej przestrzeni parametr\u00f3w:        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Linia charakteryzuje si\u0119 dwoma parametrami, jest zatem reprezentowana przez punkt w tej przestrzeni parametr\u00f3w; Je\u015bli we\u017amiemy pod uwag\u0119 wszystkie linie przechodz\u0105ce przez punkt, obraz tego zestawu jest krzyw\u0105 w przestrzeni parametr\u00f3w. Transformacja Hough z punktu na analizowanym obrazie jest krzyw\u0105 przestrzeni parametr\u00f3w odpowiadaj\u0105cych wszystkim linii przechodz\u0105cym przez ten punkt. Je\u015bli punkty s\u0105 kolinearne, wszystkie krzywe przestrzeni parametr\u00f3w s\u0105 odci\u0119te do punktu reprezentuj\u0105cego praw\u0105. Ze wzgl\u0119du na obrazy obrazu wykryte punkty nie s\u0105 doskonale wyr\u00f3wnane, dlatego krzywe nie s\u0105 doskonale konkuruj\u0105ce. Metoda polega zatem na dyskretyzacji przestrzeni parametr\u00f3w, przecinaniu jej na ma\u0142e prostok\u0105ty i liczenie dla ka\u017cdego prostok\u0105ta liczba przechodz\u0105cych tam krzywej. W ten spos\u00f3b budujemy tak -podsumowan\u0105 macierz akumulacji, Maxima Przemienniki tej macierzy odpowiadaj\u0105 prawdopodobnym wierszom. Algorytm ma zatem trzy kroki:        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Dla ka\u017cdego wykrytego punktu zarysu okre\u015blenie odpowiedniej krzywej w przestrzeni przestrzeni; konstrukcja macierzy akumulacji z tych krzywych; Wykrywanie pik\u00f3w w macierzy akumulacji.  R\u00f3wnanie kartezja\u0144skie prawa ( D ) mo\u017ce by\u0107 napisane w swojej \u201enormalnej\u201d formie, kt\u00f3ra obejmuje wsp\u00f3\u0142rz\u0119dne polarne ( R W th ) . Pocz\u0105tkowo Hough scharakteryzowa\u0142 linie swoim nachyleniem i pierwotnie rz\u0119dnym [[[ Pierwszy ] . Wad\u0105 tego podej\u015bcia jest to, \u017ce nachylenie maleje w kierunku niesko\u0144czono\u015bci, gdy prawo maleje w kierunku pionowego. W 1972 r. Duda i Hart zaproponowali parametryzacj\u0119 przez wsp\u00f3\u0142rz\u0119dne polarne ( R W th ) [[[ 3 ] kt\u00f3ry by\u0142 u\u017cywany w spos\u00f3b uniwersalny. Linia ( D ) mo\u017cna scharakteryzowa\u0107 parametrami polarnymi ( R W th ) : R jest odleg\u0142o\u015bci\u0105 od prawej strony pochodzenia odniesienia, th jest k\u0105t prostopad\u0142y do \u200b\u200bprawej z osi X . Dane kontaktowe ( X W I ) Punkty tego prawego sprawd\u017a r\u00f3wnanie \u201enormalne\u201d SO: R = X \u22c5 cos ( th ) + I \u22c5 grzech ( th ) Najpierw zak\u0142ada si\u0119, \u017ce je\u015bli linie lub segmenty linii b\u0119d\u0105 obecne na obrazie, b\u0119d\u0105 one cz\u0119\u015bci\u0105 kontur\u00f3w obecnych na obrazie. Dlatego pocz\u0105tkowo zaczynamy od zidentyfikowania wszystkich kontur\u00f3w tego obrazu, na przyk\u0142ad przy u\u017cyciu lokalnych pomiar\u00f3w gradientu mi\u0119dzy warto\u015bciami pikseli wok\u00f3\u0142 ka\u017cdego punktu obrazu jako filtra kusz\u0105cego. Punkty obrazu przedstawiaj\u0105ce najwy\u017csze gradienty w ich s\u0105siedztwie, og\u00f3lnie dla obrazu (ustalony pr\u00f3g), albo w por\u00f3wnaniu z gradientami zwykle obecnymi w szerszej dzielnicy wok\u00f3\u0142 punktu (pr\u00f3g dynamiczny), s\u0105 najbardziej prawdopodobne do kontur\u00f3w do kontur\u00f3w tego obrazu. W ten spos\u00f3b zidentyfikowano ka\u017cdy punkt kontur\u00f3w ( X W I ) Nast\u0119pnie zezwoli na rzut w p\u0142aszczy\u017anie (przekszta\u0142cony plan) wsp\u00f3\u0142rz\u0119dnych polarnych wszystkich linii przechodz\u0105cych przez ten punkt. R\u00f3wnania linii przechodz\u0105cych do ka\u017cdego z tych punkt\u00f3w ( X W I ) s\u0105 zatem reprezentowane przez par\u0119 ( R W th ) weryfikacja R = X \u22c5 cos ( th ) + I \u22c5 grzech ( th ) W punkcie ( X W I ) Zarys, zatem dopasowujemy krzyw\u0105 R = F ( th ) Lub th We\u017a wszystkie mo\u017cliwe warto\u015bci od 0 do 2 Liczba Pi  rad (0 do 360 \u00b0 ), z F ( th ) = X \u22c5 cos ( th ) + I \u22c5 grzech ( th ). Ta krzywa jest sinusoid. W praktyce r\u00f3\u017cnimy si\u0119 th od 0 do Liczba Pi  rad (0 do 180 \u00b0 ) i rozwa\u017camy promie\u0144 algebraiczny (dodatni lub negatywny). Parametr R przyjmie warto\u015bci pomi\u0119dzy – R I + R Lub R jest du\u017c\u0105 przek\u0105tn\u0105 obrazu: R = \u221a L 2 + H 2  W L b\u0119d\u0105c szeroko\u015bci\u0105 obrazu i H jego wzrost. Kiedy krzywe R ( th ) Odpowiadaj\u0105c dwa punkty, punkt przeci\u0119cia charakteryzuje prawe przej\u015bcie przez dwa punkty. Wi\u0119c w planie ( th W R ) , kojarzymy z ka\u017cdym punktem g\u0119sto\u015b\u0107 odpowiadaj\u0105c\u0105 liczbie krzywej, kt\u00f3ra tam przechodzi. Im wy\u017csza g\u0119sto\u015b\u0107, tym wi\u0119cej jest wok\u00f3\u0142 tego prawa. Prawo jest zatem najprawdopodobniej segmentem na obrazie. W praktyce przekszta\u0142cona przestrze\u0144 Hough b\u0119dzie reprezentowana przez obraz, kt\u00f3rego odci\u0119cie b\u0119dzie k\u0105ty th , kt\u00f3rego rozkazuje warto\u015bci R i czyje intensywno\u015b\u0107 w dowolnym momencie ( th W R ) to liczba wyst\u0105pie\u0144 ( th W R ) Z oryginalnego obrazu. Nie powstaje tutaj hipoteza ci\u0105g\u0142o\u015bci prawej linie lub segment\u00f3w obrazu pocz\u0105tkowego, co sprawia, \u017ce \u200b\u200bprzekszta\u0142cony jest solidny do braku punkt\u00f3w: cz\u0119\u015bciowe maskowanie linii i szum na obrazie. Warto\u015bci th mo\u017ce by\u0107 dyskretyzowane na przyk\u0142ad w stopniach (w zale\u017cno\u015bci od po\u017c\u0105danej dok\u0142adno\u015bci) i warto\u015bci R W pikselach reprezentuj\u0105cych odleg\u0142o\u015b\u0107 (zawsze ni\u017csza w warto\u015bci bezwzgl\u0119dnej do \u015brednicy obrazu pocz\u0105tkowego), cz\u0119stotliwo\u015b\u0107 ograniczona liczb\u0105 punkt\u00f3w wybranych w konturach obrazu pocz\u0105tkowego. Algorytm jest zatem w pseudo-kodzie: Bez wzgl\u0119du na: i% obraz macierzyJ \u2190 Kontury i% np.Definiuje: \u03b4% bez dyskretyzacji1. m \u2190 0% inicjalizacja macierzy akumulacji2. Dla ka\u017cdego piksela (x, y)3. dla \u03b8 od 0 do 180 z krokiem \u03b44. \u03c1 \u2190 X*cos (\u03b8) + y*sin (\u03b8)5. M (\u03c1, \u03b8) \u2190 M (\u03c1, \u03b8) + 16. Koniec p\u0119tli7. Koniec p\u0119tliWykrywanie pik\u00f3w M  Przyk\u0142ad transformacji Hough. W transformacji Hough, wi\u0119c -podnoszony standardowo przekszta\u0142cony w Hough lub SHT, ka\u017cda linia jest wektorem wsp\u00f3\u0142rz\u0119dnych parametrycznych: th : l’angle; R : standard wektorowy (d\u0142ugo\u015b\u0107 segmentu prostopadle do k\u0105tu w prawo th i przechodz\u0105c przez pochodzenie). Przekszta\u0142caj\u0105c wszystkie mo\u017cliwe linie, kt\u00f3re przechodz\u0105 przez punkt, to znaczy poprzez obliczenie warto\u015bci R dla ka\u017cdego th , Otrzymuje si\u0119 pojedynczy sinusoid zwany \u201eprzestrzeni\u0105 Hough\u201d. Je\u015bli krzywe zwi\u0105zane z dwoma punktami wyci\u0119te, miejsce, w kt\u00f3rym odcinaj\u0105 si\u0119 w przestrzeni Hough, odpowiada parametrom prawa, kt\u00f3ry \u0142\u0105czy te dwa punkty. Wykrywanie konturu obejmuje okre\u015blenie gradientu kontrastu obrazu. W rzeczywisto\u015bci kierunek tego gradientu jest prostopad\u0142y do \u200b\u200bkierunku konturu. Zamiast rysowa\u0107 sinusoid\u00f3w th r\u00f3\u017cni si\u0119 od 0 do 180 \u00b0 , mo\u017cesz ograniczy\u0107 si\u0119 do pla\u017cy wok\u00f3\u0142 w ten spos\u00f3b znalezionych orientacji. Ta metoda zosta\u0142a zaproponowana przez O’Gormana i Clowesa w 1976 roku [[[ 4 ] i nazywa si\u0119 GHT ( Transformacja Hough oparta na gradientach , przekszta\u0142cony z hugh z gradientu). Fernandes et oliveira [[[ 5 ] zaproponowa\u0142 popraw\u0119 przyspieszenia leczenia do tego stopnia, \u017ce \u200b\u200bmo\u017cna przetwarza\u0107 obrazy w czasie rzeczywistym do 1280 \u00d7 960 pikseli. Metoda jest nast\u0119puj\u0105ca: Grupuj\u0105 piksele konturowe wykryte w kana\u0142ach ( klastry ) Globalnie tworz\u0105ce w\u0142a\u015bciwe segmenty:\u0141\u0105cz\u0105 piksele w pobli\u017cu, tworz\u0105c \u0142a\u0144cuch, Przechodz\u0105c prawe przej\u015bcie przez ko\u0144ce ka\u017cdego \u0142a\u0144cucha, okre\u015blaj\u0105 piksel najdalszego \u0142a\u0144cucha i przecinaj\u0105 \u0142a\u0144cuch na dwie cz\u0119\u015bci; Je\u017celi pod-Chantas tworz\u0105 segment \u201ebardziej liniowy\u201d, podzia\u0142 jest zachowany; Ten krok odbywa si\u0119 rekurencyjnie, zatrzymuj\u0105c minimalny rozmiar; Dla ka\u017cdego \u0142a\u0144cucha, poprzez regresj\u0119 liniow\u0105, okre\u015blaj\u0105 prawo i dyspersj\u0119 wok\u00f3\u0142 tego prawa:Aby unikn\u0105\u0107 problemu powi\u0105zanego z liniami pionowymi, umieszczaj\u0105 si\u0119 w odniesieniu, kt\u00f3rego o\u015b osi X to prawo \u0142\u0105cz\u0105ce ko\u0144ce, Odchylenia standardowe oszacowane na pochodzeniu i uporz\u0105dkowanej rz\u0119dnej s\u0105 u\u017cywane do okre\u015blenia standardowych odchyle\u0144 na parametrach R I th ; Dla ka\u017cdego \u0142a\u0144cucha gromadz\u0105 si\u0119 w klasyczny spos\u00f3b, ale ograniczaj\u0105c si\u0119 do \u201ej\u0105dra eliptycznego Gaussa\u201d: elipsa skoncentrowana na punkcie ( th W R ) charakterystyczne dla linii regresji i kt\u00f3rych ma\u0142e i du\u017ce osie s\u0105 okre\u015blane przez odchylenia standardowe; Przypadek elipsy z pola definicji ([ – R ; + R ], [0; 180 \u00b0]) jest traktowane; Matryca akumulacji jest \u201ewyg\u0142adzona\u201d przez produkt splotowy z j\u0105drem Gaussa 3 \u00d7 3: pomaga to z\u0142agodzi\u0107 bardzo ma\u0142e izolowane szczyty i zbiera\u0107 ma\u0142e pobliskie szczyty. Ta metoda nazywa si\u0119 KHT ( Transformacja Hough na bazie j\u0105dra , przekszta\u0142cone z hugh z j\u0105der). Metoda mo\u017ce mie\u0107 zastosowanie do dowolnej krzywej reprezentowanej przez r\u00f3wnanie kartezja\u0144skie lub parametryczne. Table of ContentsWykrywanie k\u00f3\u0142 [[[ modyfikator |. Modyfikator i kod ] Wykrywanie elipsy [[[ modyfikator |. Modyfikator i kod ] Bibliografia [[[ modyfikator |. Modyfikator i kod ] Linki zewn\u0119trzne [[[ modyfikator |. Modyfikator i kod ] Powi\u0105zane artyku\u0142y [[[ modyfikator |. Modyfikator i kod ] Wykrywanie k\u00f3\u0142 [[[ modyfikator |. Modyfikator i kod ] Metoda wykrywania ko\u0142a jest r\u00f3wnie\u017c ochrzczona HCT ( Hough Circle Transform ) . W tej metodzie okr\u0105g jest opisany przez jego r\u00f3wnanie kartezja\u0144skie: ( X – A ) 2 + ( I – B ) 2 = R 2 Lub punkt wsp\u00f3\u0142rz\u0119dnej ( A W B ) jest \u015brodkiem ko\u0142a; R jest dzia\u0142em. W kosmosie ( A W B W R ) , okr\u0105g charakteryzuje si\u0119 punktem. Zestaw kr\u0119g\u00f3w przechodz\u0105cych przez punkt M ( X W I ) Bior\u0105c pod uwag\u0119 sto\u017cek szczytowy ( A = X W B = I W R = 0) To osie R . \u201eDobry kandydat\u201d odpowiada przeci\u0119ciu kilku sto\u017ck\u00f3w. Je\u015bli promie\u0144 po\u017c\u0105danego ko\u0142a jest znany, mo\u017cemy by\u0107 umieszczone w p\u0142aszczy\u017anie ( A W B ) . W tym planie wszystkie ko\u0142a przechodz\u0105 M jest opisany przez \u015brodkowe ko\u0142o ( A = X W B = I ) i promie\u0144 R . Dobry kandydat znajduje si\u0119 zatem na skrzy\u017cowaniu kilku kr\u0119g\u00f3w. Budujemy macierz akumulacji A : ka\u017cdy element A I W J macierzy zawiera liczb\u0119 k\u00f3\u0142 przechodz\u0105cych przez punkt lub kwadrat o kilku pikselach, odpowiadaj\u0105cy temu elementowi. Je\u015bli promie\u0144 jest nieznany, metod\u0105 badawcz\u0105 jest zbudowanie hipermatora akumulacji, z kt\u00f3rej ka\u017cda kom\u00f3rka A I W J odpowiada kostce przestrzeni ( A W B W R ) , przez zamiatanie wszystkich mo\u017cliwych promieni 1 piksela do wymiaru obrazu. Aplikacje  Okr\u0105g jest rzutem sferycznego obiektu na p\u0142aszczy\u017anie lub odcinka okr\u0105g\u0142ego (cylindra, sto\u017cka, torusa), pod warunkiem, \u017ce o\u015b obiektu jest prostopad\u0142a do p\u0142aszczyzny projekcyjnej (w przeciwnym razie rzut jest elips\u0105). Rozpoznawanie form okr\u0105g\u0142ych mo\u017cna u\u017cy\u0107 do wykrywania g\u0142\u00f3w, a zatem ludzi na zdj\u0119ciu lub obrazie nadzoru wideo [[[ 6 ] . Mo\u017cna go r\u00f3wnie\u017c u\u017cy\u0107 do wykrywania t\u0119tniak\u00f3w na angiogramie [[[ 7 ] . Wykrywanie elipsy [[[ modyfikator |. Modyfikator i kod ]  Osie symetrii par punkt\u00f3w na tej samej poziomej lub pionowej (Yin i Chen 1994) oraz oznaczanie \u015brodka elipsy przy u\u017cyciu \u015brednich punkt\u00f3w (Ho i Chen 1995).  Okre\u015blenie \u015brodka elipsy z punkt\u00f3w punkt\u00f3w: krzywizna jest pod\u0142\u0105czona do stycznych (Aguado i Nixon 1995), centrum znajduje si\u0119 po prawej, \u0142\u0105cz\u0105c przeci\u0119cie dw\u00f3ch stycznych w \u015brodku segmentu (Alvarez i Coll. 2007 ). Elipsa charakteryzuje si\u0119 pi\u0119cioma parametrami, zazwyczaj: X 0 : odci\u0119ta jego centrum; I 0 : porz\u0105dek jego centrum; A : p\u00f3\u0142 d\u0142ugo\u015bci du\u017cej osi; B : p\u00f3\u0142 d\u0142ugo\u015bci ma\u0142ej osi; th : nachylenie du\u017cej osi w por\u00f3wnaniu do osi X . Oznacza to, \u017ce bezpo\u015brednie wdro\u017cenie transformacji Hough odbywa si\u0119 w przestrzeni pi\u0119ciodwozimnej, kt\u00f3ra implikuje znacz\u0105cy okres oblicze\u0144 i wymaga du\u017cej pojemno\u015bci pami\u0119ci. Zaproponowano kilka algorytm\u00f3w w celu zmniejszenia liczby niezb\u0119dnych parametr\u00f3w. En 1978, Tsuji et matsumoto [[[ 8 ] Zaproponuj u\u017cycie gradientu kontrastu do okre\u015blenia prostopad\u0142ego do stycznej. Bior\u0105c pod uwag\u0119 punkty z r\u00f3wnoleg\u0142ymi stycznymi, okre\u015blaj\u0105 pozycj\u0119 o\u015brodk\u00f3w elipsy. Nast\u0119pnie u\u017cywaj\u0105 w\u0142a\u015bciwo\u015bci geometrycznych do oddzielenia elips\u00f3w od innych obiekt\u00f3w o tej samej w\u0142a\u015bciwo\u015bci, ostatecznie parametry elips\u00f3w s\u0105 okre\u015blone metod\u0105 najmniejszych kwadratowych En 1994, Yin et Chen [[[ 9 ] Zaproponuj wybranie grup pi\u0119ciu punkt\u00f3w, wystarczaj\u0105cej liczby do okre\u015blenia elipsy. W tym celu punkty s\u0105 klasyfikowane w podsumowaniu. Obraz wykrytych punkt\u00f3w konturu nazywa si\u0119 F. Algorytm wykonuje skanowanie g\u00f3rnego i dolnego przez poziomy prawy i bierze punkty znajduj\u0105ce si\u0119 po prawej stronie. Rozwa\u017ca w ten spos\u00f3b \u015brodowiska segment\u00f3w, te \u015brodowiska segmentowe tworz\u0105 obraz o nazwie G. Dla danej elipsy segmenty znajduj\u0105 si\u0119 po tej samej prawej, prawej zale\u017cnej od nachylenia wielkiej osi; Prawo to nazywa si\u0119 \u201eos\u0105 symetrii\u201d, poniewa\u017c punkty s\u0105 symetryczne nie przez odbicie, ale podobie\u0144stwo raportu 1. Linie te s\u0105 okre\u015blane przez konwencjonaln\u0105 transformacj\u0119 Hough G. Nast\u0119pnie algorytm tworzy pod -obrazy F formowane punkty generuj\u0105ce generowanie punkt\u00f3w generuj\u0105cych punkty dane prawo g; Zatem punkty F s\u0105 klasyfikowane zgodnie z ich mo\u017cliwym nale\u017c\u0105cym do elipsy o danej osi symetrii. Ka\u017cdy podmiot jest nast\u0119pnie traktowany osobno. W podmiotu, dla ka\u017cdej pary punkt\u00f3w ( A W B ) Algorytm okre\u015bla pi\u0119\u0107 punkt\u00f3w: dwa punkty ( I W F ) ” wok\u00f3\u0142 A \u00bb, To znaczy na granicy kwadratowej strony okna C , Tel L’gle E\u00e2f jest kompatybilny z kierunkiem krzywizny elipsy; Dwa symetryczne punkty ( G W H ) ; Pi\u0105ty punkt I znajduj\u0105cy si\u0119 na mediatorze [[[ NP ] lub [[[ Fh ] . Parametry elipsy s\u0105 okre\u015blone na podstawie tych pi\u0119ciu punkt\u00f3w, a macierz akumulacji jest aktualizowana dla tego zestawu parametr\u00f3w. Granice tej metody to: Obraz musi mie\u0107 wystarczaj\u0105c\u0105 liczb\u0119 punkt\u00f3w na elips\u0119; Niekt\u00f3re wygenerowane podmioty nie zawieraj\u0105 elipsy, a zatem spo\u017cywaj\u0105 czas obliczania bez zysku; szeroko\u015b\u0107 C Z kwadratowego okna musi by\u0107 wystarczaj\u0105co du\u017cy, aby pi\u0119\u0107 punkt\u00f3w mog\u0142o zosta\u0107 rozmieszczone, co gwarantuje dobr\u0105 precyzj\u0119 przy okre\u015blaniu parametr\u00f3w, ale musi by\u0107 mniejsza ni\u017c po\u0142owa d\u0142ugo\u015bci ma\u0142ej osi ka\u017cdej elipsy. W 1995 roku jeste\u015b Chen [[[ dziesi\u0119\u0107 ] Utw\u00f3rz dwie podprzestrzenia w podobny spos\u00f3b jak Yin i Chen. Pierwszy polega na uwzgl\u0119dnieniu par punkt\u00f3w zarysowych znajduj\u0105cych si\u0119 na tej samej prawej poziomej i przyjmowaniu w ten spos\u00f3b utworzonych segment\u00f3w. Druga podprzestrze\u0144 jest zbudowana w ten sam spos\u00f3b, ale bior\u0105c pod uwag\u0119 pary punkt\u00f3w znajduj\u0105cych si\u0119 na tej samej pionowej. Algorytm wykonuje nast\u0119pnie wykrywanie linii utworzonych przez te \u015brednie punkty z konwencjonaln\u0105 transformacj\u0105 Hough, przeci\u0119cie tych linii nadaje centrom elipsy. Nast\u0119pnie okre\u015blaj\u0105 pozosta\u0142e trzy parametry (okre\u015blenie du\u017cej i ma\u0142ej osi). Podobn\u0105 metod\u0105 jest rozwa\u017cenie par punkt\u00f3w: gradient umo\u017cliwia dost\u0119p do stycznej, je\u015bli styczne nie s\u0105 r\u00f3wnoleg\u0142e, wycinaj\u0105 si\u0119 w punkcie T . Prawa \u0142\u0105cz\u0105ca ten punkt w \u015brodku segmentu przechodzi przez Center Elipsy [[[ 11 ] .  Z hipotez\u0105 to [[[ A Pierwszy A 2 ] to du\u017ca o\u015b, elipsy s\u0105 koniecznie na szarym dysku. Ka\u017cda kom\u00f3rka macierzy akumulacji (w jednym wymiarze, B ) zawiera tylko dwa zdarzenia, dlatego hipoteza \u201d [[[ A Pierwszy A 2 ] jest du\u017c\u0105 o\u015b \u201djest odrzucane (11 i JI 2002). W 2002 roku Xie i Ji zaproponowali metod\u0119 przeprowadzaj\u0105c\u0105 wyszukiwanie jednego parametru, d\u0142ugo\u015b\u0107 p\u00f3\u0142 dziecka [[[ dwunasty ] . Bior\u0105 par\u0119 punkt\u00f3w A Pierwszy ( X Pierwszy W I Pierwszy ) I A 2 ( X 2 W I 2 ) Wystarczaj\u0105co odleg\u0142e i zak\u0142adaj, \u017ce znajduj\u0105 si\u0119 one na du\u017cej osi elipsy. Z t\u0105 hipotez\u0105 centrum elipsy jest koniecznie po\u015brodku O z [[[ A Pierwszy A 2 ] , d\u0142ugo\u015b\u0107 du\u017cej osi to 2 A = A Pierwszy A 2 a nachylenie wielkiej osi jest th = ArcTan (( I 2 – I Pierwszy )\/( X 2 – X Pierwszy )) . Nast\u0119pnie rozwa\u017caj\u0105 ka\u017cdy punkt zarys M : Je\u015bli jest wystarczaj\u0105co blisko do O By\u0107 w stanie by\u0107 na du\u017cej elipsie osiowej [[[ A Pierwszy A 2 ] , potem punkt M U\u017cywane do obliczenia p\u00f3\u0142 ch\u0142opaka B elipsy. To jest ten parametr B kt\u00f3ry s\u0142u\u017cy do budowy macierzy akumulacji. Je\u015bli macierz zawiera pik wystarczaj\u0105co du\u017cy, aby scharakteryzowa\u0107 elips\u0119, w\u00f3wczas elipsa jest zachowana. Nast\u0119pnie algorytm przechodzi do innej pary ( A Pierwszy W A 2 ) . Algorytm polega zatem na tworzeniu transformacji Hough dla ka\u017cdej pary wystarczaj\u0105co odleg\u0142ych punkt\u00f3w, ale ta transformacja odbywa si\u0119 tylko na jednym parametrze. Z drugiej strony obraz musi zawiera\u0107 ko\u0144ce du\u017cej osi, aby elipsa zosta\u0142a wykryta. Aplikacje  Elipsa jest rzutem okr\u0105g\u0142ego przekroju na p\u0142aszczy\u017anie. Wykrywanie elipsy umo\u017cliwia zatem wykrywanie obiekt\u00f3w cylindrycznych lub torycznych, takich jak \u017arenice oczu, panele sygnalizacyjne i ko\u0142a pojazdu. \u2191 A et b Hough 1959.  \u2191 Patent US 3 069 654 z\u0142o\u017cony w 1962 r. Pod nazw\u0105 (W)  ‘ Metoda i \u015brodki do rozpoznawania z\u0142o\u017conych wzorc\u00f3w \u00bb  (skonsultuj\u0119 si\u0119 z 18 maja 2018 ) (Metody i \u015brodki rozpoznawania z\u0142o\u017conych wzorc\u00f3w).  \u2191 Duda et Hart 1972.  \u2191 (W) Szczery O’Gorman i M. B. Clowes W ‘ Znalezienie kraw\u0119dzi obrazu poprzez kolinearno\u015b\u0107 punkt\u00f3w funkcji \u00bb W IEEE Trans. Oblicz. W tom. 25, N O 4, 1976 W P. 449\u2013456 .  \u2191 (W) Leandro A.F. Fernandes ET Manuel M. Oliveira W ‘ Wykrywanie linii w czasie rzeczywistym poprzez ulepszony program g\u0142osowania Hough Transform \u00bb W Rozpoznawanie wzorc\u00f3w W tom. 41, N O 9, 2008 W P. 299-314 (Doi 10.1016\/j.patcog.2007.04.003 )  \u2191 (W) Hong Liu , Yueliang Qian et Shouxun Lin W \u00abWykrywanie os\u00f3b za pomoc\u0105 Hough Circle Transform w filmie nadzoru\u00bb , W Mi\u0119dzynarodowa konferencja na temat teorii i aplikacji wizji komputerowej W 2010 ( Czytaj online ) .  \u2191 (W) P\u0142ytka Mitra  i in. W ‘ Szczytowe trekking g\u00f3ry hierarchii do wykrywania t\u0119tniaka m\u00f3zgowego za pomoc\u0105 zmodyfikowanej transformacji okr\u0119gu Hough \u00bb W Elektroniczne litery dotycz\u0105ce wizji komputerowej i analizy obrazu W tom. dwunasty, N O 1, dwa tysi\u0105ce trzyna\u015bcie (Doi 10.5565\/rev\/elcvia.529 W Czytaj online ) .  \u2191 (W) S. TSUJI i Marcus Matsumoto W ‘ Wykrywanie elips\u00f3w za pomoc\u0105 zmodyfikowanej transformacji Hough \u00bb W IEEE Trans. Oblicz. W tom. 27, 1978 W P. 777 – 781 .  \u2191 (W) Peng-yeng Do zrobienia et ling-hwei Chen W ‘ Nowa metoda wykrywania elipsy za pomoc\u0105 symetrii \u00bb W Journal of Electronic Imaging W tom. 3, N O 1, Stycze\u0144 1994 W P. 20-29 .  \u2191 (W) Chung-ta Do et ling-hwei Chen W ‘ Szybki detektor elipsy\/ko\u0142a za pomoc\u0105 symetrii geometrycznej \u00bb W Recog wzoru. W tom. 28, N O 1, 1995 W P. 117-124 (Doi 10.1016\/0031-3203 (94) 00077-y ) .  \u2191 (W) L. Alvarez , A. S\u0142ony i J. Sanchez W ‘ Solidne wykrywanie i zamawianie elips na wzorze kalibracji \u00bb W Rozpoznawanie wzorc\u00f3w i analiza obrazu , Springer, tom. 17, N O 4, Grudzie\u0144 2007 W P. 508\u2013522  \u2191 (W) Yonghong Xie Et Qiang Z W \u00abNowa wydajna metoda wykrywania elipsy\u00bb , W Mi\u0119dzynarodowa konferencja na temat rozpoznawania wzorc\u00f3w W 2002 ( Czytaj online )  Bibliografia [[[ modyfikator |. Modyfikator i kod ] [Duda et Hart 1972]  (W) R. O. W\u0105tpliwo\u015b\u0107 i P. E. Jele\u0144 W ‘ U\u017cycie transformacji Hough do wykrywania linii i krzywych na zdj\u0119ciach \u00bb W Comm. ACM W tom. 15, Stycze\u0144 1972 W P. 11-15 . [Hart 2009]  (W) P. E. Jele\u0144 W ‘ Jak wynaleziono transformacj\u0119 Hough \u00bb W Magazyn przetwarzania sygna\u0142\u00f3w IEEE W tom. 26, N O 6, Listopad 2009 W P. 18\u201322 ( Czytaj online ) . [Hough 1959]  (W) P.V.C. P\u0119cina W \u00abAnaliza maszyny zdj\u0119\u0107 komory b\u0105belkowej\u00bb , W Proc. Int. Conf. Akceleratory o wysokiej energii i oprzyrz\u0105dowanie W 1959 . [Tarsha-Kurdi i Col. 2007]  (W) F. Tarsha , T. Kraj i gramy Grussmeyer W ‘ Hough-transform i rozszerzone algorytmy RANSAC do automatycznego wykrywania samolot\u00f3w dachowych budynk\u00f3w 3D z danych Lidar \u00bb W Mi\u0119dzynarodowe archiwa fotogrametrii, teledetekcji i nauki o informacjach przestrzennych W tom. 36, N O 3\/w52, 2007 W P. 407-412 . Linki zewn\u0119trzne [[[ modyfikator |. Modyfikator i kod ] Scikit-Imagage Transformacja Hough (po prawej, okr\u0119gu, elipsy) w bibliotece Scikit-Image (Python). Powi\u0105zane artyku\u0142y [[[ modyfikator |. Modyfikator i kod ]       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/przeksztalcony-hough-wikipedia\/#breadcrumbitem","name":"Przekszta\u0142cony Hough – Wikipedia"}}]}]