Memahami Transformasi Hough untuk Pengekstrakan Ciri dalam Penglihatan Komputer

Hough ialah teknik pengekstrakan ciri yang digunakan dalam penglihatan komputer untuk mengesan garisan, bulatan dan bentuk lain dalam imej. Ia berdasarkan transformasi Hough, iaitu fungsi matematik yang memetakan piksel imej ke ruang parameter di mana parameter mewakili kemungkinan orientasi dan lokasi bentuk yang dicari. Transformasi Hough sering digunakan untuk mengesan garis lurus, bulatan dan elips dalam imej.

Idea asas di sebalik transformasi Hough adalah untuk mencipta ruang ciri baharu yang mewakili kemungkinan orientasi dan lokasi bentuk yang dicari. Ruang ciri ini kemudiannya dicari untuk mencari orientasi dan lokasi bentuk yang paling mungkin dalam imej. Output yang terhasil ialah satu set parameter yang mewakili bentuk yang dikesan, bersama-sama dengan orientasi dan lokasinya dalam imej.

Hough digunakan secara meluas dalam pelbagai aplikasi penglihatan komputer seperti:

1. Pengesanan garisan: Transformasi Hough boleh digunakan untuk mengesan garis lurus dalam imej. Ini berguna untuk mengesan tepi, sempadan dan ciri lain dalam imej.
2. Pengesanan bulatan: Transformasi Hough boleh digunakan untuk mengesan bulatan dalam imej. Ini berguna untuk mengesan objek bulat, seperti muka, kepala dan roda.
3. Pengesanan elips: Transformasi Hough boleh digunakan untuk mengesan elips dalam imej. Ini berguna untuk mengesan bentuk yang tidak sekata, seperti awan, gunung dan bangunan.
4. Pengesanan objek: Transformasi Hough boleh digunakan untuk mengesan objek dalam imej dengan mengesan orientasi dan lokasi sempadan objek.
5. Penjejakan: Transformasi Hough boleh digunakan untuk menjejak objek dalam urutan video dengan mengesan orientasi dan lokasi sempadan objek dari semasa ke semasa.
6. Penglihatan robot: Transformasi Hough digunakan secara meluas dalam penglihatan robot untuk tugas seperti pengesanan halangan, menggenggam dan manipulasi.
7. Pengimejan perubatan: Transformasi Hough digunakan dalam pengimejan perubatan untuk tugas seperti pengesanan tumor, pembahagian organ dan pengecaman tulang.
8. Pemanduan autonomi: Transformasi Hough digunakan dalam pemanduan autonomi untuk tugas seperti pengesanan lorong, pengesanan objek dan penjejakan.

Kelebihan menggunakan transformasi Hough ialah:

1. Keteguhan kepada hingar dan oklusi: Transformasi Hough adalah teguh kepada hingar dan oklusi dalam imej, menjadikannya sesuai untuk aplikasi dunia sebenar.
2. Fleksibiliti: Transformasi Hough boleh digunakan untuk mengesan pelbagai bentuk, termasuk garisan, bulatan, elips dan bentuk tidak sekata.
3. Kecekapan: Transformasi Hough adalah cekap dari segi pengiraan dan boleh dilaksanakan menggunakan algoritma mudah, menjadikannya sesuai untuk aplikasi masa nyata.
4. Kebolehtafsiran: Output transformasi Hough ialah satu set parameter yang mewakili bentuk yang dikesan, membolehkan tafsiran dan analisis mudah.

Keburukan menggunakan transformasi Hough ialah:

1. Kerumitan pengiraan: Walaupun transformasi Hough adalah cekap berbanding dengan teknik pengekstrakan ciri lain, ia masih boleh menjadi mahal dari segi pengiraan untuk imej besar atau video resolusi tinggi.
2. Penalaan parameter: Prestasi transformasi Hough bergantung pada pilihan parameter seperti resolusi ruang parameter, bilangan undian yang diperlukan untuk pengesanan dan ambang untuk menerima pengesanan. Penalaan parameter ini boleh memakan masa dan memerlukan pengetahuan pakar.
3. Fleksibiliti terhad: Walaupun transformasi Hough adalah fleksibel dari segi bentuk yang boleh dikesan, ia terhad dari segi jenis ciri yang boleh diekstrak. Contohnya, ia tidak boleh digunakan untuk mengesan ciri dengan bentuk atau ubah bentuk yang kompleks.