使用广义霍夫变换比较任意形状

Question

我使用广义霍夫变换来区分各种任意形状。我将要处理的几个形状如下所示： http://i50.tinypic.com/2u550t5.png

我已经成功实施了以下步骤：

A) 转换/训练阶段

i) 获取二值图像的阈值 ii) 使用 cvFindContour 获取轮廓 iii) 计算每个边缘像素的距离 'r' 和梯度方向 (phi) iv) 创建 R 表

为每个形状创建一个 R 表数据库

B) 认可

i) 获取任意形状的轮廓 ii) 计算每个边缘像素的梯度方向 iii) 使用 R-table，构建累加器

我的问题是如何进一步进行？

如何使用这个累加器数据检测形状？

Answer 1

基本上，一旦你有了累加器图像，你就必须找到其中的峰值，即“投票”数量最多的像素（或单元格），大致来说，峰值应该代表你的位置形状。

关于广义霍夫教程有很多教程，我喜欢 M. Ulrich 的论文"Hierarchical Real-Time Recognition of Compound Objects in Images" 中包含的那个，其中图 4.3、4.4 和 4.5 清楚地解释了主题。