Hough Dönüşümü
Hough Transform for Line and Shape Detection · Ayrıca şöyle bilinir: Hough Line Detection, Generalized Hough Transform
Hough Dönüşümü, dijital görüntülerde çizgileri, çemberleri ve diğer geometrik şekilleri tespit etmek için kullanılan bir tekniktir. Orijinal olarak 1962'de Paul Hough tarafından patentlenen ve 1972'de Duda ve Hart tarafından bilgisayarlı görü alanında popülerleştirilen Hough Dönüşümü, görüntü uzayındaki kenar noktalarını, parametre uzayında (biriktirici uzay) eğrilere dönüştürür; burada doğrusal veya eş-dairesel noktalar kümelenerek kolayca tanımlanabilir hale gelir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Görüntülerde belirgin kenar yapısına sahip düz çizgileri, çemberleri veya diğer geometrik öncülleri tespit ederken Hough Dönüşümü'nü kullanın. Hough, insan yapımı sahnelerde (binalar, yollar, belgeler) baskın geometrik şekillerle iyi çalışır. Kenarlar eksik olsa veya kısmen örtülse bile, şekli destekleyen yeterli kenar pikseli olduğu sürece sağlamdır. Çok sayıda kesişen çizgi veya karmaşık eğri şekillerle uğraşırken Hough Dönüşümü'nden kaçının; kenar netliğinin belirsiz olduğu durumlarda derin öğrenme yaklaşımlarını düşünün.
Güçlü yönler & sınırlılıklar
- Kenar boşluklarına ve kısmi örtülmelere karşı sağlamdır; kenarlar eksik olsa bile şekilleri tespit eder
- Tek bir biriktirici geçişinde birden fazla şekil bulma yeteneği
- Teorik olarak zarif ve iyi anlaşılmış; parametrelerin net geometrik anlamları vardır
- Mühendislik ürünü sahnelerde geometrik öncülleri (çizgiler, çemberler, elipsler) tespit etmek için etkilidir
- Gerçek zamanlı uygulamalar için GPU hızlandırmasıyla optimize edilebilir
- Yüksek boyutlu parametre uzaylarında hesaplama açısından maliyetlidir (çemberler 3 parametre gerektirir, bu da O(n^3) karmaşıklığına yol açar)
- Kenar tespitinin kalitesine duyarlıdır; gürültülü kenarlar biriktiricide sahte zirveler oluşturur
- Parametre uzayı nicelemesi, kutu sınırları arasına düşen şekilleri kaçırabilir
- Çok sayıda parametreye sahip şekilleri (örneğin, keyfi eğriler) tespit etmek zordur; basit geometrik öncüllere sınırlıdır
SSS
Çizgi tespiti için parametre uzayı dönüşümü neden gereklidir?
Kenar piksellerine doğrudan çizgi uydurmak, kenarlar gürültülü veya parçalı olduğunda sorunludur. Hough Dönüşümü, problemi dönüştürerek bundan kaçınır: görüntü uzayındaki birçok noktaya uyan bir y=mx+b çizgisi bulmak yerine, parametre uzayında birçok oy alan bir (θ, ρ) noktası bulur. Parametre uzayındaki zirveler doğrudan baskın çizgileri ortaya çıkarır, bu da oylama mekanizmasını gürültüye ve boşluklara karşı sağlam hale getirir.
Çizgiler için standart Hough Dönüşümü'nde θ ve ρ nedir?
Hough Dönüşümü tipik olarak kutupsal koordinatları kullanır: θ, ilgi çizgisine dik olan bir çizginin açısıdır (0 ile π arasında değişir) ve ρ, görüntü orijininden çizgiye olan dik mesafedir (-∞ ile ∞ arasında değişir). Bu parametrelendirme, eğim-kesme noktası formunun (dikey çizgiler için tanımsız olan) tekillik sorunundan kaçınır ve sayısal olarak daha kararlıdır.
Genelleştirilmiş Hough Dönüşümü keyfi şekilleri nasıl ele alır?
Genelleştirilmiş Hough Dönüşümü, kenar yönelimleri ile şekil üzerindeki bir referans noktasına olan ofsetler arasındaki ilişkiyi kodlayan bir arama tablosu (R-tablosu) kullanır. Belirli bir yönelime sahip her kenar pikseli için R-tablosu olası referans noktası konumlarını sağlar. Bu konumlarda oy biriktirmek, şeklin muhtemelen bulunduğu yerlerde zirveler oluşturur. Bu yaklaşım, yalnızca çizgiler ve çemberler değil, herhangi bir şekil için çalışır.
Hough Dönüşümü performansı neden karmaşık sahnelerde düşer?
Çok sayıda kesişen çizgi veya karmaşık geometri içeren sahnelerde, biriktirici dizisi zirvelerle dolar, bu da gerçek şekilleri gürültü kaynaklı artefaktlardan ayırt etmeyi zorlaştırır. Ek olarak, parametre uzayı nicelemesi yakındaki şekillerin etkileşmesine neden olabilir. Bu tür sahneler için RANSAC (Rastgele Örnek Mutabakatı) veya derin öğrenme yöntemleri daha etkili olabilir.
Kaynaklar
- Hough, P. V. C. (1962). Method and means for recognizing complex patterns. U.S. Patent 3,069,654. link ↗
- Duda, R. O., & Hart, P. E. (1972). Use of the Hough transformation to detect lines and curves in pictures. Communications of the ACM, 15(1), 11–15. DOI: 10.1145/361237.361242 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Hough Transform for Line and Shape Detection. ScholarGate. https://scholargate.app/tr/computer-vision/hough-transform
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Canny Kenar AlgılayıcısıBilgisayarlı görü↔ karşılaştır
- Kontur AnaliziBilgisayarlı görü↔ karşılaştır
- Morfolojik Görüntü İşlemleriBilgisayarlı görü↔ karşılaştır
- Şablon EşleştirmeBilgisayarlı görü↔ karşılaştır