洛阳理工学院毕业设计(论文)基于HOUGH变换的图像检测摘 要自从20世纪80年代以来，研究者们提出了多种圆形检测的方法，基于hough变换的累积方法是主要的方法。基本的hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域，选取累积最多的参数。在现实生活中，由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解，因此，图像在应用hough变换后，很难找到单一的峰值，这也就造成了检测的难度。本文讨论了当前的hough变换算法及其存在的一些问题，并在hough变换的原理基础上利用圆的几何特征提出了改进算法。重点介绍随机hough变换原理，将传统hough变换圆检测时的二维参量统计变成一维参量统计。理论和实验证明，本课题所研发的算法具有良好的检测性能，能获得较好的检测结果。关键字：hough变换，传统hough变换，图像检测，边缘提取 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 录第1章 绪 论11.1 课题研究意义11.2 图像检测技术发展现状21.3 本文研究的主要内容31.3.1 数字图像预处理31.3.2 Hough变换4第2章 图像预处理62.1 图像灰度化62.1.1 灰度图62.1.2 图像灰度化72.2 图像滤波82.2.1 噪声92.2.2 高斯噪声的滤波102.2.3 椒盐噪声的滤波122.2.4 基于多次中值抽取的图像双边滤波方法152.3 实验结果与分析16第3章 图像分割173.1 图像分割的定义173.2 图像分割算法及其分类183.3 基于阈值的分割算法203.4 基于边缘的分割算法213.4.1 边缘及检测原理213.4.2 传统的边缘检测算法23第4章 Hough变换274.1 Hough变换的原理274.2 Hough变换的圆检测274.2.1 经典的Hough圆检测284.2.2 快速Hough圆检测28第5章 实验结果与分析325.1 MATLAB介绍325.2 基于MATLAB的仿真程序及分析335.2.1 程序设计流程图335.2.2 程序设计及分析345.3 仿真结果与分析38结 论40谢 辞41参考文献42外文资料444洛阳理工学院毕业设计(论文)第1章 绪 论1.1 课题研究意义P.V.C.H最初提出Hough变换后，学者们对Hough变换进行了重新的定义来检测二进制图像中的图形，如直线、圆、椭圆等。后来为了检测任意特征的图形，又扩展了通用Hough变换。在计算机视觉和图像分析领域的许多问题，如：边缘检测，动作检测，目标识别，图形分析等都利用了Hough变换的概念并推广了Hough变换。基本的Hough变换的优势是在噪声变形、部分区域残缺的状态依然有很好的效果。在现实生活中，由于噪音、数字化错误和图形变异等因素影响，真实的图形经常被曲解1。尽管输入图像是完整的，但图像在计算机中很难用完美的模型来描绘，比如：现实生活中的物体只可被描述成近似的不依赖于图形属性本身的圆或椭圆；而且，物体区域的灰度值经常由于外部的光照的影响产生很大的变化。因此，应用Hough变换后，在变量空间很难找到单一的峰值。变量空间中峰值高度的减少导致了检测的难度，尽管这些峰值被检测到，但也代表多个图形从而导致错误的理解。考虑到己经提出的关于圆的Hough变换算法及当前的数字图像处理技术在图像描绘上的缺陷有以下问题：已经提出的关于圆的Hough变换检测大多数都是一个前提下，即待检测的图形都可被计算机以完美模型来描绘。尽管这些算法继承了Hough变换检测的优点，同时在降低计算量、内存资源上都有很大的提升，但把这些算法应用在实际的图像检测中，就存在着很大的局限。因为在实际应用中，图像中的模糊点很大程度的增加了待检测的难度。本文正是基于以上想法，提出了一种在改进Hough变换基础上结合模糊理论的算法框架。它充分的利用了至今已经提出的关于圆或椭圆检测的Hough变换算法，并改进了算法中存在的一些不足，如：算法的适用性不广，等等。同时也深入的考虑了Hough变换中存在己久的缺点：计算量大，资源需求大，抗干扰能力差等缺点。并仔细的研究图像分析过程中的处理步骤，提出了一种结合模糊理论检测圆的算法。这种算法避免了在传统Hough变换算法里，参数空间中的每个参数累积的计算，是将图像空间中的模糊点经Hough变换后在该参数点的隶属度的值来累加，避免了原始的只对隶属度值为一的映射点进行累积造成的检测不准确的问题，从而实现了对圆或椭圆图形有效的检测，并且由于此算法在随机Hough变换基础上提出的，因此计算量小，对资源的需求也很少。1.2 图像检测技术发展现状图像检测作为图像分析技术的一个研究内容，它也是伴随着数字图像处理的发展而发展的。数字图像处理这门学科的形成也是和社会生产力发展的需要分不开的。早期的图像处理是由于通讯方面的要求而发展起来的，这就是本世纪20年代传真技术的发明和发展。其后，则是由于宇宙方面的要求，需要处理大量的宇宙探测器上拍摄下来的不清楚的其他天体(如月球、火星等)以及地球本身的照片。然而，图像处理技术的发展，远远突破了这两个领域，到今天，它已经广泛的应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域，进一步推动着社会生产力的发展。图像检测是图像分析研究内容的一部分。目前，在图像分析领域已经有很大的发展。图像分析是一种从一幅图像中通过自动的或半自动的方法提取图像尺寸、数据或信息的方法。图像分析方法通常因图像分析系统最后的输出是数字而不是画面，使它与其他类型的图像处理方法，如编码、恢复、放大等不同。图像分析源于经典的模式识别方法，根据定义，分析系统并不局限于对一个固定数量类别的场景区域的分类，而是更倾向于可设计成用于描绘复杂场景。根据事先预测，该场景的种类可能是非常多的和不确定的。目前，图像分析领域主要包括形态学图像处理、边缘检测、图像特征提取、图像分割、形状分析、图像检测和配准等几个方面的内容：(l) 形态学图像处理：它的基本概念可以追朔到Minkowski对空间集合代数的研究和Matheron对拓扑的研究。形态学图像处理是这样的一种处理类型，它对图像中的物体的空间形态或结构进行修改。膨胀、腐蚀和骨架化是三种基本的形态学计算。(2) 边缘检测：一幅图像的振幅属性(如亮度或三色值)的变化或突变是对图像进行描述的重要特性，因为它们常指示图像中物体的物理特性。从一个层面到另一个层面的图像亮度的局部突变叫亮度边缘。对于亮度图像中的边缘检测、直线检测和点检测有两类近似方法：微分检测和模型拟合。(3) 图像特征提取：图像的特征是指图像显著的基本特征或特性。一些图像是其本质的特性，在一定程度上这样的特征可以从视觉上分辨出来，另一些则是通过某些变换产生的人为特征。本质特征包括像素区域和灰度纹理区域的亮度。(4) 图像分割：图像分割法使图像被划分成或分隔成具有相近特征的区域。对于图像分割法，其最基本的特征是：单色照片图像的亮度振幅和彩色图像的彩色因素。图像边缘和纹理也是对分割法很有用的特征。(5) 形状分析：目前已经提出了几种定性的和定量的方法来描述图像中物体的形状，这些方法对于在模式识别系统中对物体进行分类和在图像理解系统中象征性的描述物体是很有用的。在这些方法中，有一些只能应用在二进制图像中，另外的一些则可以被扩展到灰度图像中。(6) 图像检测和配准：图像检测主要是确定位于图像内被猜测的物体是存在还是不存在的。而图像配准主要是涉及到一对图像区域的空间配准问题。在一个图像区域中，物体检测的一种最基本方法是通过模板匹配来进行。在目前的实际应用中，广泛的利用Hough变换来进行圆形或椭圆性的物体检测。比如，利用Hough变换进行人脸图像的定位；利用Hough变换进行车牌字符分割；利用Hough变换进行文本图像的检测；利用Hough变换进行虹膜定位；利用宽线段Hough变换进行箭靶识别上的应用；利用Hough变换进行悬停直升机检测器性能分析等等。1.3 本文研究的主要内容1.3.1 数字图像预处理人们从各种观测系统所获得的图像，我们称之为原始图像。由于不同的成像机理，得到的原始图像都含有大量不同性质的噪声，这些噪声的存在影响着人们的对图像的观察，干扰人们对图像信息的理解。噪声严重时候，图像几乎产生变形，更使得图像失去了存储信息的本质意义。显然，对图像进行去噪