Transformación dura: Revelando la magia de Hough Transform en visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
Qué es la Transformación dura
La transformada de Hough es una técnica de extracción de características utilizada en el análisis de imágenes, la visión por computadora y el procesamiento de imágenes digitales. El propósito de la técnica es encontrar instancias imperfectas de objetos dentro de una determinada clase de formas mediante un procedimiento de votación. Este proceso de votación se lleva a cabo en un espacio de parámetros, a partir del cual se obtienen candidatos a objetos como máximos locales en el llamado espacio acumulador, que se construye explícitamente mediante el algoritmo para calcular la transformada de Hough.
Cómo te beneficiarás
(I) Insights y validaciones sobre los siguientes temas:
Capítulo 1: Transformación de Hough
Capítulo 2: Generalizado Transformada de Hough
Capítulo 3: Transformada de Hough aleatoria
Capítulo 4: Transformada circular de Hough
Capítulo 5: Detección de líneas
Capítulo 6: Proyección 3D
Capítulo 7: Ecuación paramétrica
Capítulo 8: Ecuación
Capítulo 9: Elipse
Capítulo 10: Cisoide
(II) Respondiendo a las principales preguntas del público sobre la transformada de hough.
(III) Ejemplos del mundo real para el uso de la transformada de hough en muchos campos.
Quién este libro es para
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básicos para cualquier tipo de Transformación de Hough.
Lee más de Fouad Sabry
Tecnologías Emergentes en Agricultura [Spanish]
Relacionado con Transformación dura
Títulos en esta serie (100)
Visión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesHistograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de característica invariante de escala: Revelando el poder de la transformación de características invariantes de escala en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de contorno: Revelando el arte de la percepción visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de bordes astuto: Revelando el arte de la percepción visual Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Eje medial: Explorando el núcleo de la visión por computadora: revelando el eje medial Calificación: 0 de 5 estrellas0 calificacionesModelo geométrica bidimensional: Comprensión y aplicaciones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora bidimensionales: Explorando el ámbito visual: gráficos por computadora bidimensionales en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de esquinas Harris: Revelando la magia de la detección de características de imagen Calificación: 0 de 5 estrellas0 calificacionesMétodo de ajuste de nivel: Avances en la visión por computadora, exploración del método de conjunto de niveles Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesPerspectiva curvilínea: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHashing geométrico: Algoritmos eficientes para el reconocimiento y la comparación de imágenes Calificación: 0 de 5 estrellas0 calificacionesGeometría proyectiva: Explorando la geometría proyectiva en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCampo de movimiento: Explorando la dinámica de la visión por computadora: campo de movimiento revelado Calificación: 0 de 5 estrellas0 calificacionesGeometría descriptiva: Desbloqueando el ámbito visual: explorando la geometría descriptiva en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación lineal directa: Aplicaciones prácticas y técnicas en visión por computadora. Calificación: 0 de 5 estrellas0 calificacionesAlgoritmo de la línea de Bresenham: Representación eficiente de líneas con píxeles perfectos para visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTeorema de proyección de Hilbert: Desbloqueo de dimensiones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelado y renderizado basado en imágenes: Explorando el realismo visual: técnicas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesÁlgebra lineal y geometría analítica. Volumen 1 Calificación: 5 de 5 estrellas5/5Primitiva geométrica: Explorando los fundamentos y aplicaciones de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMomentos de velocidad: Capturando la dinámica: conocimientos sobre la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesInterpolación bilineal: Mejora de la resolución y claridad de la imagen mediante interpolación bilineal Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesSuperficie procesal: Explorando la generación y el análisis de texturas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de cámara estenopeica: Comprender la perspectiva a través de la óptica computacional Calificación: 0 de 5 estrellas0 calificacionesFlujo óptico: Explorando patrones visuales dinámicos en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrelación cruzada: Desbloqueo de patrones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCónicas: Historia de su independencia del cono Calificación: 0 de 5 estrellas0 calificacionesCálculo infinitesimal: El lenguaje matemático de la naturaleza Calificación: 5 de 5 estrellas5/5Gráficos de trazado de rayos: Explorando la representación fotorrealista en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesProyección axonométrica: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEstimación de la postura del cuerpo articulado: Desbloqueando el movimiento humano en la visión por computadora Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Resumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesDominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Klara y el Sol Calificación: 5 de 5 estrellas5/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5Fundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesMáquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Cómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesBusiness Intelligence: Técnicas herramientas y aplicaciones Calificación: 0 de 5 estrellas0 calificacionesANDROID: Aprende desde cero a crear aplicaciones Calificación: 0 de 5 estrellas0 calificacionesMecatrónica Calificación: 0 de 5 estrellas0 calificacionesSobreviviendo a la IA Calificación: 3 de 5 estrellas3/5Metodología de la programación Calificación: 0 de 5 estrellas0 calificacionesEl imperio de los algoritmos: IA inclusiva, ética y al servicio de la humanidad Calificación: 0 de 5 estrellas0 calificacionesMáquinas como yo Calificación: 4 de 5 estrellas4/5GuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Introducción a la Ingeniería Industrial Calificación: 0 de 5 estrellas0 calificacionesProgramación de Inteligencia Artificial. Curso Práctico Calificación: 0 de 5 estrellas0 calificacionesDesarrollo y programación en entornos web Calificación: 0 de 5 estrellas0 calificacionesEl mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5El poder de las imagenes, la palabra no tiene poder Calificación: 0 de 5 estrellas0 calificacionesArquitectura de computadoras Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: con aplicaciones a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesAprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificaciones¿Cómo piensan las máquinas?: Inteligencia artificial para humanos Calificación: 5 de 5 estrellas5/5
Comentarios para Transformación dura
0 clasificaciones0 comentarios
Vista previa del libro
Transformación dura - Fouad Sabry
Capítulo 1: Transformación de Hough
La transformada de Hough es un método común de extracción de características en los campos del procesamiento digital de imágenes, la visión por computadora y el análisis de imágenes. El método utiliza un sistema de votación para identificar instancias imperfectas de objetos que pertenecen a una clase específica de formularios. El algoritmo de cálculo de la transformada de Hough realiza esta votación en un espacio de parámetros, donde los candidatos a objetos se encuentran como máximos locales en el llamado espacio acumulador.
Aunque la transformada original de Hough se centraba en encontrar líneas rectas en una imagen, desde entonces se ha ampliado para incluir la búsqueda del centro de formas no rectangulares como círculos y elipses. En 1972, Richard Duda y Peter Hart desarrollaron la transformada generalizada de Hough
que ahora se utiliza ampliamente. En un artículo de 1981 titulado Generalización de la transformada de Hough para detectar formas arbitrarias
, Dana H. Ballard introdujo la transformada en el campo de la visión por computadora.
Se desarrolló por primera vez para su uso en el análisis automatizado de imágenes de cámaras de burbujas (Hough, 1959).
La patente estadounidense 3.069.654, titulada Método y medios para reconocer patrones complejos
, fue emitida a la Comisión de Energía Atómica de Estados Unidos en 1962 y describe la transformada de Hough. El uso peculiar de la patente de la parametrización pendiente-intersección para las líneas da como resultado un espacio de transformación ilimitado porque la pendiente puede ser infinita.
La descripción inicial de la parametrización rho-theta, que ahora se usa en todas partes, se puede encontrar en.
Duda, R.O.; Hart, P. E. (enero de 1972). Uso de la transformación de Hough para detectar líneas y curvas en imágenes
. Comm. ACM. 15: 11–15. doi:10.1145/361237.361242. S2CID 1105637.
A pesar de que no fue hasta la década de 1930 que se convirtió en la norma para la transformación de radón.
Una descripción de la variante O'Gorman-Clowes se puede encontrar en
O'Gorman, Frank; Clowes, MB (1976). Encontrar bordes de imagen a través de la colinealidad de puntos característicos
. IEEE Trans. Comput. 25 (4): 449-456. doi:10.1109/TC.1976.1674627. S2CID 10851078.
La forma en que se desarrolló la transformada de Hough actual se describe en.
Hart, P. E. (noviembre de 2009). Cómo se inventó la Transformada de Hough
(PDF). Revista de Procesamiento de Señales IEEE. 26 (6): 18–22. doi:10.1109/msp.2009.934181. S2CID 16245096. Archivado desde el original (PDF) el 2018-05-16.
La detección de formas elementales como líneas, círculos y elipses presenta un desafío común en el análisis automatizado de imágenes digitales. Al buscar puntos de imagen o píxeles que se encuentran en la curva deseada en el espacio de la imagen, se puede emplear un detector de bordes como paso preliminar. Sin embargo, es posible que falten puntos o píxeles en las curvas requeridas y variaciones espaciales entre la línea/círculo/elipse ideal y los puntos de borde ruidosos a medida que se adquieren del detector de bordes debido a fallas en los datos de la imagen o en el detector de bordes. Debido a esto, puede ser difícil clasificar correctamente las entidades de borde extraídas como una colección de líneas rectas, líneas curvas o elipses. Para resolver este problema, la transformada de Hough utiliza un mecanismo de votación explícito a través de un conjunto de objetos de imagen parametrizados para categorizar pares de puntos de borde adyacentes en candidatos a objetos (Shapiro y Stockman, 304).
La transformada de Hough se aplica más fácilmente a la detección de líneas rectas. El punto (b, m) en el espacio de parámetros representa la línea recta y = mx + b. Sin embargo, surgen problemas con las líneas verticales. Resultarían en m, el parámetro de pendiente, que tiene un valor infinito. Por lo tanto, Duda y Hart propusieron la forma normal de Hesse para la eficiencia en la computación.
{\displaystyle r=x\cos \theta +y\sin \theta ,}donde r es la distancia desde el origen hasta el punto más cercano de la línea recta, y \theta es el ángulo entre el x eje y la línea que conecta el origen con ese punto más cercano.
La intuición de esta forma, de la misma manera que la ecuación plana, es que cada vector de la recta debe ser perpendicular (ortogonal) a la recta de longitud r que viene del origen.
Es fácil ver que el punto de intersección de la recta de función y la recta perpendicular que viene del origen está en {\displaystyle P_{0}=(r\cos \theta ,r\sin \theta )} .
Por lo tanto, para cualquier punto P de la recta, el vector {\displaystyle P-P_{0}} debe ser ortogonal al vector {\displaystyle P_{0}-0=P_{0}} .
Por lo tanto, obtenemos que para cualquier punto {\displaystyle P=(x,y)} de la recta de la función, la ecuación {\displaystyle (P-P_{0})\cdot P_{0}=0} debe cumplirse.
Por lo tanto, {\displaystyle P\cdot P_{0}=P_{0}\cdot P_{0}} .
Dado que {\displaystyle P=(x,y)} y {\displaystyle P_{0}=(r\cos \theta ,r\sin \theta )} , obtenemos
{\displaystyle r(x\cos \theta +y\sin \theta )=r^{2}(\cos ^{2}\theta +\sin ^{2}\theta )}.
Dado {\displaystyle \cos ^{2}\theta +\sin ^{2}\theta =1} que , obtenemos la forma final de {\displaystyle x\cos \theta +y\sin \theta =r} .
Por lo tanto, es posible asociar a cada línea de la imagen un par (r,\theta ) .
El (r,\theta ) plano a veces se denomina espacio de Hough para el conjunto de líneas rectas en dos dimensiones.
La transformada de Hough es conceptualmente cercana a la transformada bidimensional de Radón gracias a su representación.
De hecho, las transformadas de Radón y Hough son matemáticamente iguales, sin embargo, hay distintos significados computacionales asociados con las dos transformaciones.
Con un solo punto plano con el que trabajar, una curva sinusoidal en el sistema de coordenadas (r, t) es el conjunto de líneas rectas que pasan por esa ubicación, θ) plano, que es, en ese momento, singular.
Si tomas una colección de puntos y los organizas en línea recta, tendrás sinusoides que se encuentran en (r, θ) para esa línea.
Por lo tanto, la identificación de ubicaciones colineales se puede reformular como una búsqueda de curvas contemporáneas.
Dada una forma parametrizada por {\displaystyle (a_{1},...,a_{t})} , tomando valores en el conjunto S llamado espacio de forma, se puede interpretar la transformada de Hough como la transformada inversa de una distribución de probabilidad en el espacio de la imagen al espacio de la forma S , como una forma de estimación de máxima verosimilitud para la