34、计算机视觉中的图像分析技术详解

计算机视觉中的图像分析技术详解

1. Hough变换与圆检测的局限

在图像分析里， cv::HoughCircles() 函数能够较好地捕捉圆的中心，但有时却难以准确找到圆的半径。所以，在仅需确定圆心位置的应用场景中，或者可以采用其他方法来确定实际半径时， cv::HoughCircles() 函数返回的半径值可以忽略不计。而且，该函数的计算成本和时间比之前提到的直线检测算法要高。为了控制这些成本，应根据实际情况尽可能严格地限定半径参数。

2. 距离变换

距离变换是将输入图像转换为新图像的过程，新图像中每个输出像素的值等于该像素到输入图像中最近零像素的距离，这里的距离是依据特定的距离度量来计算的。通常，距离变换的输入是边缘图像，在大多数应用中，其输入是经过反转的边缘检测算法（如Canny边缘检测器）的输出结果，反转后边缘像素值为0，非边缘像素值非零。

2.1 计算方法

有两种方法可用于计算距离变换：
- Borgefors方法 ：使用一个通常为3×3或5×5的掩码。掩码中的每个点定义了相对于掩码中心特定位置的点的“距离”，通过掩码中的条目定义的“移动”序列来累积并近似较大的距离。使用更大的掩码能得到更精确的距离。在使用该方法时，根据特定的距离度量，OpenCV会自动从已知的集合中选择合适的掩码。这是Borgefors在1986年开发的“原始”方法。
- Felzenszwalb方法 ：该方法能计算精确的距离。这两种方法的运行时间与像素总数呈线性关系，但精确算法的速度稍慢。