计算机视觉和人工智能。现在井模式识别对于人们来说是特别已知的。我是一名学生，我正在研究模式识别，我必须匹配一个模式来检查模式是否匹配。而我正在使用霍夫算法来检测椭圆。问题是什么适合Hough算法进行模式匹配？什么是它的过程。我希望每个人都有积极的回应。感谢
答案 0 :(得分：0)
Hough 转换是某种使用投票的逆图像转换。
换句话说，如果您的图案是圆形，则可以查找图像的中心。这是通过投票和反转图像来完成的。
圆的倒数是，<讽刺的是另一个圆圈。如果像素具有高强度，则可能是某个圆圈的一部分（或者至少是假设的一部分）。现在这意味着我们将对来自该圈子的半径为 R 的所有像素进行投票，因为所有这些像素都是潜在的圆圈中点。
因为我们期望 all 我们正在寻找的圆的像素是图像的一部分，所以真正的中点将获得比一些恰好是潜在中点的像素更多的投票两个或三个像素。具有足够票数的像素被认为是真实的＆＃34;圈中点。
作为预处理步骤，应该操纵图像，例如使用（Canny）边缘检测，以便仅突出显示圆的表面。在许多情况下，这种转换在某种程度上是应用特定的。
您可以对所有类型的图像执行相同的转换，但对于某些图像，它们可以进行优化（因为图像是对称的等等）。
答案 1 :(得分：0)
在霍夫变换中，一个主要思想是将形状的特征视为离散图像点（x1，y1），（x2，y2）等，而是根据其参数来考虑，例如，斜率参数m和截距参数b可以用来表示参数空间中的直线。（但由于垂直线我们不使用这种形式，而不是更喜欢使用参数，b和角度写的直线方程 - > ;详见（http://www.tpub.com/math2/6.htm））。现在我们可以在图像中使用唯一参数。 （详见：http://www.ai.sri.com/pubs/files/tn036-duda71.pdf）。
然而，通过一些修改，霍夫变换不仅可以用于检测用解析方程（例如，线，圆等）描述的对象。相反，它也可以用于检测用其模型描述的任意对象。这称为广义霍夫变换或GHT。 （详见：http://www.cs.utexas.edu/~dana/HoughT.pdf）