使用 Hough 变换进行椭圆检测

Posted 2023-04-17

【中文标题】使用 Hough 变换进行椭圆检测

【英文标题】：Ellipse Detection using Hough Transform

【发布时间】：2011-09-12 12:44:09

【问题描述】：

使用霍夫变换，我如何检测和获取二维空间中椭圆的 (x0,y0) 和“a”和“b”坐标？

这是 ellipse01.bmp：

I = imread('ellipse01.bmp');
[m n] = size(I);
c=0;
for i=1:m
    for j=1:n
        if I(i,j)==1
        c=c+1;
        p(c,1)=i;
        p(c,2)=j;
        end
    end
end
Edges=transpose(p);
Size_Ellipse = size(Edges);
B = 1:ceil(Size_Ellipse(1)/2);
Acc = zeros(length(B),1);
a1=0;a2=0;b1=0;b2=0;
Ellipse_Minor=[];Ellipse_Major=[];Ellipse_X0 = [];Ellipse_Y0 = [];
Global_Threshold = ceil(Size_Ellipse(2)/6);%Used for Major Axis Comparison
Local_Threshold = ceil(Size_Ellipse(1)/25);%Used for Minor Axis Comparison
[Y,X]=find(Edges);
Limit=numel(Y);
Thresh = 150;
Para=[];

for Count_01 =1:(Limit-1)
  for Count_02 =(Count_01+1):Limit
    if ((Count_02>Limit) || (Count_01>Limit))
      continue
    end
    a1=Y(Count_01);b1=X(Count_01);
    a2=Y(Count_02);b2=X(Count_02);
    Dist_01 = (sqrt((a1-a2)^2+(b1-b2)^2));
    if (Dist_01 >Global_Threshold)
      Center_X0 = (b1+b2)/2;Center_Y0 = (a1+a2)/2;
      Major = Dist_01/2.0;Alpha = atan((a2-a1)/(b2-b1));
      if(Alpha == 0)
        for Count_03 = 1:Limit
          if( (Count_03 ~= Count_01) || (Count_03 ~= Count_02))
            a3=Y(Count_03);b3=X(Count_03);
            Dist_02 = (sqrt((a3 - Center_Y0)^2+(b3 - Center_X0)^2));
            if(Dist_02 > Local_Threshold)
              Cos_Tau = ((Major)^2 + (Dist_02)^2 - (a3-a2)^2 - (b3-b2)^2)/(2*Major*Dist_02);
              Sin_Tau = 1 - (Cos_Tau)^2;
              Minor_Temp = ((Major*Dist_02*Sin_Tau)^2)/(Major^2 - ((Dist_02*Cos_Tau)^2));
              if((Minor_Temp>1) && (Minor_Temp<B(end)))
                Acc(round(Minor_Temp)) = Acc(round(Minor_Temp))+1;
              end
            end
          end
        end
      end
      Minor = find(Acc == max(Acc(:)));
      if(Acc(Minor)>Thresh)
        Ellipse_Minor(end+1)=Minor(1);Ellipse_Major(end+1)=Major;
        Ellipse_X0(end+1) = Center_X0;Ellipse_Y0(end+1) = Center_Y0;
        for Count = 1:numel(X)
          Para_X = ((X(Count)-Ellipse_X0(end))^2)/(Ellipse_Major(end)^2);
          Para_Y = ((Y(Count)-Ellipse_Y0(end))^2)/(Ellipse_Minor(end)^2);
          if (((Para_X + Para_Y)>=-2)&&((Para_X + Para_Y)<=2))
            Edges(X(Count),Y(Count))=0;
          end
        end
      end
      Acc = zeros(size(Acc));
    end
  end
end

【问题讨论】：

?en.wikipedia.org/wiki/…

我尝试用 MATLAB 实现该算法，但它不能正常工作。我认为我没有正确实施它。请重新检查问题。

这个实现是从en.wikipedia.org/wiki/Hough_transform#复制过来的

【参考方案1】：

虽然这是一个老问题，但也许我的发现可以帮助某人。

使用普通 Hough 变换检测椭圆的主要问题是累加器的维度，因为我们需要为 5 个变量投票（方程解释为 here）：

有一个很好的algorithm，例如，累加器可以是一个简单的一维数组，并在 中运行。如果你想看代码，你可以看here（用于测试的图像是上面发布的）。

【参考方案2】：

如果您使用圆形进行粗略变换，则给出为 rho = xcos(theta) + ysin(theta) 对于椭圆，因为它是

您可以将等式转换为 rho = axcos(theta) + bysin(theta) 虽然我不确定您是否使用标准霍夫变换，但对于类似椭圆的变换，您可以操作第一个给定函数。

【讨论】：

如您所知，我们有一个图像，其中只有一个椭圆，没有任何信息。 （我们不知道 "a","b" 和 "(x0,y0)" ）。我们应该使用霍夫变换来计算这些参数。

【参考方案3】：

如果你的椭圆是提供的，是一个真正的椭圆，而不是一个嘈杂的点样本； 对两个最远点的搜索给出了主轴的末端， 对两个最近点的搜索给出了短轴的末端， 这些线的交点（你可以检查它是一个直角）出现在中心。

【讨论】：

你需要检测椭圆段

【参考方案4】：

如果您知道椭圆的“a”和“b”，那么您可以在一个方向上按 a/b 因子重新缩放图像并寻找圆形。我还在思考a和b未知的时候怎么办。

如果您知道它是圆形，则对圆形使用 Hough 变换。这是一个示例代码：

int accomulatorResolution  = 1;  // for each pixel
    int minDistBetweenCircles  = 10; // In pixels
    int cannyThresh            = 20;
    int accomulatorThresh      = 5*_accT+1;
    int minCircleRadius        = 0;
    int maxCircleRadius        = _maxR*10;
    cvClearMemStorage(storage);
    circles = cvHoughCircles( gryImage, storage,
                              CV_HOUGH_GRADIENT, accomulatorResolution, 
                              minDistBetweenCircles,
                              cannyThresh , accomulatorThresh,
                              minCircleRadius,maxCircleRadius );    
    // Draw circles
    for (int i = 0; i < circles->total; i++)
        float* p = (float*)cvGetSeqElem(circles,i);
        // Draw center
        cvCircle(dstImage, cvPoint(cvRound(p[0]),cvRound(p[1])),
                           1, CV_RGB(0,255,0), -1, 8, 0 );
        // Draw circle
        cvCircle(dstImage, cvPoint(cvRound(p[0]),cvRound(p[1])),
                           cvRound(p[2]),CV_RGB(255,0,0), 1, 8, 0 );
        

【讨论】：

其实我们不知道'a'和'b'。但是现在，让我们假设它是一个圆圈（a=b）。我们应该遵循哪种算法来计算半径和 (x0,y0)？