计算机视觉和人工智能。井模式识别如今已为人们所熟知。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。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？以及它的过程是什么。我希望得到大家的积极回应。谢谢
【问题讨论】：
标签： algorithm pattern-matching hough-transform
霍夫变换是某种使用投票的逆图像变换。
换句话说，如果你的图案是一个圆圈，你会寻找图像的中心。这是通过投票和反转图像来完成的。
一个圆的倒数，讽刺的是另一个圆。如果一个像素具有高强度，它很可能是某个圆圈的一部分（或者至少，这是假设）。现在这意味着我们将对半径为 R 的所有像素进行投票，因为所有这些像素都可能成为圆的中点。
因为我们希望所有我们正在寻找的圆圈的像素都是图像的一部分，所以真正的中点将获得比碰巧是潜在中点的一些像素更多的选票两个或三个像素。具有足够票数的像素被认为是“真实的”圆中点。
作为预处理步骤，应该对图像进行处理，例如使用 (Canny) 边缘检测，以便仅突出显示圆的表面。这种转换在许多情况下是特定于应用程序的。
你可以对各种图像进行相同的变换，但是对于某些图像，它们可以进行优化（因为图像是对称的等）
【讨论】：
在霍夫变换中，一个主要的思想是考虑形状的特征不是离散的图像点（x1，y1），（x2，y2）等，而是根据它的参数来考虑，例如，斜率参数 m 和截距参数 b 可用于表示参数空间中的线。（但是由于垂直线，我们不使用这种形式，而是更喜欢使用参数 b 和角度编写的线方程-> 参见详细信息（http://www.tpub.com/math2/6.htm)）。现在我们可以让图像中的每一行都具有唯一的参数。 （详见：http://www.ai.sri.com/pubs/files/tn036-duda71.pdf）。
但是，经过一些修改，霍夫变换不仅可以用于检测用解析方程描述的对象（例如线、圆等）。相反，它也可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。 （详情见：http://www.cs.utexas.edu/~dana/HoughT.pdf）
【讨论】：