使用拉东变换检测线路
这个例子展示了如何使用拉东变换在图像检测。氡转换密切相关,一个共同的计算机视觉操作称为霍夫变换。您可以使用氡
霍夫变换的函数来实现形式用于检测直线。
计算图像的变换
读一个图像到工作区中。将它转换为灰度图像。
我= fitsread (“solarspectra.fts”);I =重新调节(我);
显示原始图像。
图imshow(我)标题(原始图像的)
计算一个二进制图像边缘使用边缘
函数。显示返回的二进制图像边缘
函数。
BW =边缘(I);图imshow (BW)标题(原始图像的边缘)
计算图像的变换,使用氡
功能,并显示变换。峰的位置变换对应于原始图像中直线的位置。
θ= 0:179;(R, xp) =氡(BW,θ);
显示拉东变换的结果。
图显示亮度图像(θ,xp, R);colormap(热);包含(‘\θ(度));ylabel (“x ^{\ '}(从中心像素)”);标题(“R_{\θ}(x ^ {\ '})”);colorbar
最强的峰R
对应于学位和x '= -80像素的中心。
解释拉东变换的山峰
可视化这个峰值在原始图中,找到图像的中心,蓝十字覆盖在下图所示。红色虚线的径向线穿过中心一个角度学位。如果你沿着这条线-80像素中心(向左),径向线垂直地相交固体红线。固体红线是最强的信号的直线拉东变换。
进一步解释氡转换,检查下四个最强峰R
。
两个强劲的山峰R
被发现在学位,在补偿-84和-87像素的中心。这些峰值对应于两个红线最强的左边线,覆盖在下图。
另外两个强峰的中心附近被发现R
。这些山峰位于与补偿度,8和-44像素的中心。下图中绿色虚线是辐射线穿过中心一个角度91度。如果你沿着径向线的距离从中心8和-44像素,然后辐射线垂直地相交固体绿线。这些固体绿线对应的强峰
R
。
图像中的暗行与弱峰R
。
这个主题有帮助吗?