洛陽理工學(xué)院畢業(yè)設(shè)計(論文)基于HOUGH變換的圖像檢測摘 要自從20世紀(jì)80年代以來，研究者們提出了多種圓形檢測的方法，基于hough變換的累積方法是主要的方法基本的hough變換方法是將圖像中的每一邊緣點(diǎn)映射到參數(shù)空間的一個區(qū)域，選取累積最多的參數(shù)在現(xiàn)實(shí)生活中，由于噪音、數(shù)字化錯誤和圖形變異等因素真實(shí)的圖形經(jīng)常被曲解，因此，圖像在應(yīng)用hough變換后，很難找到單一的峰值，這也就造成了檢測的難度本文討論了當(dāng)前的hough變換算法及其存在的一些問題，并在hough變換的原理基礎(chǔ)上利用圓的幾何特征提出了改進(jìn)算法重點(diǎn)介紹隨機(jī)hough變換原理，將傳統(tǒng)hough變換圓檢測時的二維參量統(tǒng)計變成一維參量統(tǒng)計理論和實(shí)驗證明，本課題所研發(fā)的算法具有良好的檢測性能，能獲得較好的檢測結(jié)果關(guān)鍵字：hough變換，傳統(tǒng)hough變換，圖像檢測，邊緣提取 Circle Detection Based on Improved Hough TransformABSTRACTThe detection of circle including camber is one of classical problems in digital image processing，and has extensive application background.Sinee1980s，researchers have provided many methods of circles detection. Hough transform is an important method. Classical Hough Transform transform edge of image to a region of parametric space，and select the most accumulated edges. In real-life images，the shapes are often distorted from their true parametric forms due to the presence of noise，digitization error and shape variations. Therefore，after apply Hough transform，it may be difficult to find out a single peak，thus it is difficult to detect image.In this paper，it discusses the current Hough transform algorithm and existing problems of the algorithm，and makes use of circle property to provide improved algorithm based on Hough transform. This paper emphasizes on introducing random Hough transform theory，takes three-dimensional parametric of the tradition Hough transform on detection of circle to one-dimensional statics of random Hough transform .Theories and experiments show that the paper presents an improved Hough transform algorithom，which has better detection performance and can get accurated result.KEYWORDS：Hough transform，tradition Hough transform ，image recongition ， edge extraction目 錄第1章 緒 論 11.1 課題研究意義 11.2 圖像檢測技術(shù)發(fā)展現(xiàn)狀 21.3 本文研究的主要內(nèi)容 31.3.1 數(shù)字圖像預(yù)處理 31.3.2 Hough變換 4第2章 圖像預(yù)處理 62.1 圖像灰度化 62.1.1 灰度圖 62.1.2 圖像灰度化 72.2 圖像濾波 82.2.1 噪聲 92.2.2 高斯噪聲的濾波 102.2.3 椒鹽噪聲的濾波 122.2.4 基于多次中值抽取的圖像雙邊濾波方法 152.3 實(shí)驗結(jié)果與分析 16第3章 圖像分割 173.1 圖像分割的定義 173.2 圖像分割算法及其分類 183.3 基于閾值的分割算法 203.4 基于邊緣的分割算法 213.4.1 邊緣及檢測原理 213.4.2 傳統(tǒng)的邊緣檢測算法 23第4章 Hough變換 274.1 Hough變換的原理 274.2 Hough變換的圓檢測 274.2.1 經(jīng)典的Hough圓檢測 284.2.2 快速Hough圓檢測 28第5章 實(shí)驗結(jié)果與分析 325.1 MATLAB介紹 325.2 基于MATLAB的仿真程序及分析 335.2.1 程序設(shè)計流程圖 335.2.2 程序設(shè)計及分析 345.3 仿真結(jié)果與分析 38結(jié) 論 40謝 辭 41參考文獻(xiàn) 42外文資料 444洛陽理工學(xué)院畢業(yè)設(shè)計(論文)第1章 緒 論1.1 課題研究意義P.V.C.H最初提出Hough變換后，學(xué)者們對Hough變換進(jìn)行了重新的定義來檢測二進(jìn)制圖像中的圖形，如直線、圓、橢圓等。

后來為了檢測任意特征的圖形，又?jǐn)U展了通用Hough變換在計算機(jī)視覺和圖像分析領(lǐng)域的許多問題，如：邊緣檢測，動作檢測，目標(biāo)識別，圖形分析等都利用了Hough變換的概念并推廣了Hough變換基本的Hough變換的優(yōu)勢是在噪聲變形、部分區(qū)域殘缺的狀態(tài)依然有很好的效果在現(xiàn)實(shí)生活中，由于噪音、數(shù)字化錯誤和圖形變異等因素影響，真實(shí)的圖形經(jīng)常被曲解[1]盡管輸入圖像是完整的，但圖像在計算機(jī)中很難用完美的模型來描繪，比如：現(xiàn)實(shí)生活中的物體只可被描述成近似的不依賴于圖形屬性本身的圓或橢圓；而且，物體區(qū)域的灰度值經(jīng)常由于外部的光照的影響產(chǎn)生很大的變化因此，應(yīng)用Hough變換后，在變量空間很難找到單一的峰值變量空間中峰值高度的減少導(dǎo)致了檢測的難度，盡管這些峰值被檢測到，但也代表多個圖形從而導(dǎo)致錯誤的理解考慮到己經(jīng)提出的關(guān)于圓的Hough變換算法及當(dāng)前的數(shù)字圖像處理技術(shù)在圖像描繪上的缺陷有以下問題：已經(jīng)提出的關(guān)于圓的Hough變換檢測大多數(shù)都是一個前提下，即待檢測的圖形都可被計算機(jī)以完美模型來描繪盡管這些算法繼承了Hough變換檢測的優(yōu)點(diǎn)，同時在降低計算量、內(nèi)存資源上都有很大的提升，但把這些算法應(yīng)用在實(shí)際的圖像檢測中，就存在著很大的局限。

因為在實(shí)際應(yīng)用中，圖像中的模糊點(diǎn)很大程度的增加了待檢測的難度本文正是基于以上想法，提出了一種在改進(jìn)Hough變換基礎(chǔ)上結(jié)合模糊理論的算法框架它充分的利用了至今已經(jīng)提出的關(guān)于圓或橢圓檢測的Hough變換算法，并改進(jìn)了算法中存在的一些不足，如：算法的適用性不廣，等等同時也深入的考慮了Hough變換中存在己久的缺點(diǎn)：計算量大，資源需求大，抗干擾能力差等缺點(diǎn)并仔細(xì)的研究圖像分析過程中的處理步驟，提出了一種結(jié)合模糊理論檢測圓的算法這種算法避免了在傳統(tǒng)Hough變換算法里，參數(shù)空間中的每個參數(shù)累積的計算，是將圖像空間中的模糊點(diǎn)經(jīng)Hough變換后在該參數(shù)點(diǎn)的隸屬度的值來累加，避免了原始的只對隸屬度值為一的映射點(diǎn)進(jìn)行累積造成的檢測不準(zhǔn)確的問題，從而實(shí)現(xiàn)了對圓或橢圓圖形有效的檢測，并且由于此算法在隨機(jī)Hough變換基礎(chǔ)上提出的，因此計算量小，對資源的需求也很少1.2 圖像檢測技術(shù)發(fā)展現(xiàn)狀圖像檢測作為圖像分析技術(shù)的一個研究內(nèi)容，它也是伴隨著數(shù)字圖像處理的發(fā)展而發(fā)展的數(shù)字圖像處理這門學(xué)科的形成也是和社會生產(chǎn)力發(fā)展的需要分不開的早期的圖像處理是由于通訊方面的要求而發(fā)展起來的，這就是本世紀(jì)20年代傳真技術(shù)的發(fā)明和發(fā)展。

其后，則是由于宇宙方面的要求，需要處理大量的宇宙探測器上拍攝下來的不清楚的其他天體(如月球、火星等)以及地球本身的照片然而，圖像處理技術(shù)的發(fā)展，遠(yuǎn)遠(yuǎn)突破了這兩個領(lǐng)域，到今天，它已經(jīng)廣泛的應(yīng)用到科學(xué)研究、工農(nóng)業(yè)生產(chǎn)、軍事技術(shù)、政府部門、醫(yī)療衛(wèi)生等許多領(lǐng)域，進(jìn)一步推動著社會生產(chǎn)力的發(fā)展圖像檢測是圖像分析研究內(nèi)容的一部分目前，在圖像分析領(lǐng)域已經(jīng)有很大的發(fā)展圖像分析是一種從一幅圖像中通過自動的或半自動的方法提取圖像尺寸、數(shù)據(jù)或信息的方法圖像分析方法通常因圖像分析系統(tǒng)最后的輸出是數(shù)字而不是畫面，使它與其他類型的圖像處理方法，如編碼、恢復(fù)、放大等不同圖像分析源于經(jīng)典的模式識別方法，根據(jù)定義，分析系統(tǒng)并不局限于對一個固定數(shù)量類別的場景區(qū)域的分類，而是更傾向于可設(shè)計成用于描繪復(fù)雜場景根據(jù)事先預(yù)測，該場景的種類可能是非常多的和不確定的目前，圖像分析領(lǐng)域主要包括形態(tài)學(xué)圖像處理、邊緣檢測、圖像特征提取、圖像分割、形狀分析、圖像檢測和配準(zhǔn)等幾個方面的內(nèi)容：(l) 形態(tài)學(xué)圖像處理：它的基本概念可以追朔到Minkowski對空間集合代數(shù)的研究和Matheron對拓?fù)涞难芯啃螒B(tài)學(xué)圖像處理是這樣的一種處理類型，它對圖像中的物體的空間形態(tài)或結(jié)構(gòu)進(jìn)行修改。

膨脹、腐蝕和骨架化是三種基本的形態(tài)學(xué)計算2) 邊緣檢測：一幅圖像的振幅屬性(如亮度或三色值)的變化或突變是對圖像進(jìn)行描述的重要特性，因為它們常指示圖像中物體的物理特性從一個層面到另一個層面的圖像亮度的局部突變叫亮度邊緣對于亮度圖像中的邊緣檢測、直線檢測和點(diǎn)檢測有兩類近似方法：微分檢測和模型擬合3) 圖像特征提取：圖像的特征是指圖像顯著的基本特征或特性一些圖像是其本質(zhì)的特性，在一定程度上這樣的特征可以從視覺上分辨出來，另一些則是通過某些變換產(chǎn)生的人為特征本質(zhì)特征包括像素區(qū)域和灰度紋理區(qū)域的亮度4) 圖像分割：圖像分割法使圖像被劃分成或分隔成具有相近特征的區(qū)域?qū)τ趫D像分割法，其最基本的特征是：單色照片圖像的亮度振幅和彩色圖像的彩色因素圖像邊緣和紋理也是對分割法很有用的特征5) 形狀分析：目前已經(jīng)提出了幾種定性的和定量的方法來描述圖像中物體的形狀，這些方法對于在模式識別系統(tǒng)中對物體進(jìn)行分類和在圖像理解系統(tǒng)中象征性的描述物體是很有用的在這些方法中，有一些只能應(yīng)用在二進(jìn)制圖像中，另外的一些則可以被擴(kuò)展到灰度圖像中6) 圖像檢測和配準(zhǔn)：圖像檢測主要是確定位于圖像內(nèi)被猜測的物體是存在還是不存在的而圖像配準(zhǔn)主要是涉及到一對圖像區(qū)域的空間配準(zhǔn)問題。

在一個圖像區(qū)域中，物體檢測的一種最基本方法是通過模板匹配來進(jìn)行在目前的實(shí)際應(yīng)用中，廣泛的利用Hough變換來進(jìn)行圓形或橢圓性的物體檢測比如，利用Hough變換進(jìn)行人臉圖像的定位；利用Hough變換進(jìn)行車牌字符分割；利用Hough變換進(jìn)行文本圖像的檢測；利用Hough變換進(jìn)行虹膜定位；利用寬線段Hough變換進(jìn)行箭靶識別上的應(yīng)用；利用Hough變換進(jìn)行懸停直升機(jī)檢測器性能分析等等1.3 本文研究的主要內(nèi)容1.3.1 數(shù)字圖像預(yù)處理人們從各種觀測系統(tǒng)所獲得的圖像，我們稱之為原始圖像由于不同的成像機(jī)理，得到的原始圖像都含有大量不同性質(zhì)的噪聲，這些噪聲的存在影響著人們的對圖像的觀察，干擾人們對圖像信息的理解噪聲嚴(yán)重時候，圖像幾乎產(chǎn)生變形，更使得圖像失去了存儲信息的本質(zhì)意義顯然，對圖像進(jìn)行去噪。