Transformacja Hougha adaptacyjna

Transformacja Hougha adaptacyjna (transformacja Hougha) jest rozszerzeniem klasycznej metody przetwarzania obrazu służącej do wykrywania geometrycznych struktur (linii, okręgów, elips) w danych dwuwymiarowych. Wersja adaptacyjna wprowadza dynamiczną regulację parametrów akumulacji, dzięki czemu lepiej radzi sobie z niestandardowymi warunkami oświetlenia, szumem oraz zmienną gęstością punktów krawędziowych.

Historia i rozwój

Pierwsza wersja transformacji Hougha została opisana w 1962 roku przez Paula Hougha jako metoda wykrywania linii na obrazie binarnym. W kolejnych dekadach rozbudowano ją o wykrywanie prostych, okręgów i elips, a także o optymalizacje obliczeniowe. Od połowy lat 2000‑tych pojawiły się podejścia adaptacyjne, które łączyły klasęczną transformację z lokalnym dopasowywaniem progów oraz analizą gęstości punktowej w przestrzeni akumulatora.

Zasada działania

Klasyczna transformacja Hougha

W klasycznej wersji każdy piksel obrazu będący częścią krawędzi (wykryty np. metodą algorytmu Canny'ego) zostaje przekształcony do przestrzeni parametrów, w której tworzy krzywą (dla linii – sinusoidę w przestrzeni ρ–θ). Punkty krzywych są następnie sumowane w tzw. akumulatorze, a maksima akumulatora odpowiadają najbardziej prawdopodobnym elementom geometrycznym.

Adaptacyjne modyfikacje

W wersji adaptacyjnej zmiany obejmują:

Dynamiczne ustalanie rozmiaru i kroku siatki akumulatora w zależności od lokalnej gęstości punktowej oraz szumu obrazu.
Stosowanie progów adaptacyjnych do selekcji istotnych punktów krawędziowych przed ich mapowaniem do akumulatora.
Wykorzystanie algorytmu RANSAC do wykluczania outlierów i potwierdzania wiarygodności wykrytych parametrów.
Implementacja wielopoziomowego (piramidalnego) przetwarzania, które umożliwia wykrywanie struktur o różnych skalach w jednej operacji.

Algorytm

Wykonanie detekcji krawędzi na obrazie wejściowym (np. za pomocą algorytmu Canny'ego).
Obliczenie mapy lokalnej intensywności i gęstości punktów w oknach o zmiennym rozmiarze.
Dostosowanie rozdzielczości akumulatora (Δρ, Δθ) dla każdego okna na podstawie wyników z kroku 2.
Mapowanie punktów krawędziowych do przestrzeni parametrów przy użyciu dostosowanych kroków.
Akumulacja głosów w akumulatorze; jednoczesne aktualizowanie progów t (adaptacyjny próg) zależnych od lokalnego szumu.
Wykrycie maksimów akumulatora i ich przefiltrowanie metodą RANSAC w celu odrzucenia fałszywych detekcji.
Ostateczna rekonstrukcja parametrów wykrytych struktur (linie, okręgi, elipsy) i ich projekcja na oryginalny obraz.

Zastosowania

Adaptacyjna transformacja Hougha znajduje zastosowanie w wielu dziedzinach, m.in.:

Systemach rozpoznawania znaków drogowych – wykrywanie okrągłych i trójkątnych znaków w zmiennym oświetleniu.
Analizie medycznej – identyfikacja naczyń krwionośnych i kości w obrazach RTG oraz MRI.
Robotyce i systemach nawigacji wizualnej – detekcja linii prowadzących i granic powierzchni.
Przemysłowej inspekcji jakości – wykrywanie odkształceń i nieciągłości w strukturach metalowych i plastikowych.
Geoinformatyce – wyodrębnianie linii konturów i obwiedni terenów na mapach cyfrowych.

Zalety i ograniczenia

Zalety:

Lepsza odporność na zmienne warunki oświetleniowe dzięki progom adaptacyjnym.
Możliwość wykrywania struktur o różnej skali w tym samym przetwarzaniu.
Redukcja liczby fałszywych detekcji dzięki integracji RANSAC.

Ograniczenia:

Wzrost kosztu obliczeniowego w porównaniu do klasycznej transformacji Hougha.
Wymaganie starannego dobrania parametrów adaptacyjnych (rozmiar okna, próg szumu).
Możliwość utraty detekcji przy bardzo niskiej jakości obrazu, gdy adaptacja nie zdąży skompensować silnego szumu.

Implementacja i dostępne biblioteki

Współczesne biblioteki programistyczne udostępniają gotowe implementacje adaptacyjnej transformacji Hougha, m.in.:

OpenCV – funkcje HoughLinesP z rozszerzeniami umożliwiającymi parametryzację adaptacyjną.
scikit-image – moduł transform z opcją dynamicznej regulacji kroków akumulatora.
Biblioteki MATLAB i Octave – narzędzia hough oraz houghpeaks mogą być skonfigurowane do działania w trybie adaptacyjnym przy pomocy dodatkowych skryptów.

Powiązane pojęcia

Więcej informacji można znaleźć w następujących artykułach: