霍夫变换抗噪声
Hough transform resistent to noise
我正在研究霍夫变换。为什么霍夫变换能抵抗边缘点的遮挡和噪声？
霍夫变换 (HT) 计算通过两点的直线，然后填充累加器 (Hough space)。累加器中具有最高值的区域是潜在线。
如果在不同的点切割一条线，HT会统计（如果迭代次数足够大）在此过程中使用剩余的部分点。由于经过这些点的是同一条线，因此Houghspace中会出现一个峰来表示这条线。请记住，在线中剩余的点数越多，在此过程中使用这些点数的机会就越大。
这也是 HT 对噪声具有鲁棒性的原因。当过程从噪音中选择点时，总是投票给不同的假设线。但是，属于同一行的点，总是投给那个点。所以在有噪声的图像的情况下，噪声会用稀疏的随机小值填充霍夫space，这时线条会产生一个峰值。你的数字是the same image with/without noise here.
我正在研究霍夫变换。为什么霍夫变换能抵抗边缘点的遮挡和噪声？
霍夫变换 (HT) 计算通过两点的直线，然后填充累加器 (Hough space)。累加器中具有最高值的区域是潜在线。
如果在不同的点切割一条线，HT会统计（如果迭代次数足够大）在此过程中使用剩余的部分点。由于经过这些点的是同一条线，因此Houghspace中会出现一个峰来表示这条线。请记住，在线中剩余的点数越多，在此过程中使用这些点数的机会就越大。
这也是 HT 对噪声具有鲁棒性的原因。当过程从噪音中选择点时，总是投票给不同的假设线。但是，属于同一行的点，总是投给那个点。所以在有噪声的图像的情况下，噪声会用稀疏的随机小值填充霍夫space，这时线条会产生一个峰值。你的数字是the same image with/without noise here.