Я новичок в обработке изображений, и я работаю над обнаружением строк в документе. Я прочитал теорию преобразования линии Hough, но я не понимаю, почему я должен использовать Canny, прежде чем называть эту функцию в opencv, как говорится во многих учебниках. Какова точка поиска ребер в этом случае? Дело в том, что если я не использую Canny или порог перед HoughLines(), результаты будут очень грязными. Я надеюсь, что кто-то объяснит мне причину, почему.
2 учебных пособий, которые я прочитал:
Короткий ответ
cvCanny используется для обнаружения краев, а также для увеличения контраста и устранения шума изображения. HoughLines, использующий преобразование Hough, используется для определения того, являются ли эти ребра линиями или нет. Hough Transform требует, чтобы ребра были хорошо распознаны, чтобы быть эффективными и предоставлять результаты.
Длинный ответ
Ограничения Hough Transform описаны более подробно в Википедии.
Эффективность преобразования Hough зависит от того, что бункер accuctumated pixel отличается, например. прямой контраст между пикселем и окружающими его соседями или при использовании области маски область пикселей и ее окружающие области. Если бы все пиксели имели похожие значения, то ничто не выделялось бы как линия или круг. Это приводит к уменьшению цвета (цвет в оттенки серого, оттенки серого до черного и белого), чтобы увеличить контракт.
Количество параметров для преобразования Hough также увеличивает распространение голосов в ячейках пикселей и увеличивает сложность преобразования, а это означает, что обычно только линии или круги надежно обнаруживаются с использованием, так как они имеют менее 3 параметров.
Края должны быть обнаружены задолго до запуска преобразования Хафа, иначе его эффективность будет еще больше. Также шумные изображения не очень хорошо работают с преобразованием Hough, если только шум не удаляется перед началом работы.
Прежде всего, чтобы обнаружить линии, которые вам нужно использовать для матричного изображения boolean (или двоичного), я имею в виду: цвет черный или белый, нет оттенков серого.
HoughLines() Требование к правильной работе - иметь такой вид изображения в качестве входного. Это причина, по которой вам нужно использовать Canny или Treshold, чтобы преобразовать матрицу цветного изображения в логическую.
Преобразование hough
Линия на одном снимке на самом деле является краем. Преобразование Hough сканирует все изображение и использует преобразование, которое преобразует все белые пиксельные декартовы координаты в полярных координатах; черные пиксели не учитываются. Таким образом, вы не сможете получить строку, если сначала не обнаруживаете ребра, потому что HoughLines() не знает, как вести себя, когда есть оттенки серого.
Теоретически, вы правы. Поиск ребер не является абсолютно необходимым для работы алгоритма Hough Line.
То, как работает Хью, в основном, берет каждую точку и связывает ее со всеми остальными точками, и в тех точках, которые имеют большинство линий, проходящих через них, эти линии остаются. Для этого нам нужны точки. The Canny создает эти точки. Теоретически вы можете использовать любой вид фильтра - изолировать все синие или фиолетовые точки и соединить их, что угодно, но края работают хорошо.
Хью также не взвешивает свои линии или точки. Для Hough изображение является двоичным - состоящим из 1 или 0 точек или точек. Нет необходимости в оттенках серого, и canny удобно возвращает двоичные изображения.
Таким образом, Canny всегда является частью Hough.
все относится к обработке двоичных данных,
сложные данные → (двоичные данные, b двоичные данные, c двоичные данные,..) (с использованием canny(), sobel() и т.д.)
двоичные данные → function1() (используя houghlines())
b двоичные данные → function2()
c двоичные данные → function3()..
двоичные данные -X- > function2()..
сложные данные -X- > function1()..
НТН