เนื้อหา

Hough Line Transform

การเรียนรู้ในบทนี้
- จะเข้าใจเกี่ยวกับแนวคิดของ Hough Tranform
- ให้การวิธีการใช้งาน การตรวจสอบเส้น (lines)
- รู้จักวิธีการใช้งานฟังก์ชั่น cv2.HoughLines(), cv2.HoughLinesP()

Hough Transform คือเทคนิคที่ใช้งานกันเยอะที่สุดสำหรับการตรวจจับ ถ้าสามารถแสดงรูปร่างในทางคณิตศาสตร์ ก็จะสามารถตรวจจับรูปร่างได้รวมถึง การเจอรูปแตกหักเสียหายและเพี้ยนๆนิดหน่อย เริ่ม

โดย เส้นนั้นจะสามารถแสดงเป็นสูตรได้ คือ y = mx + C หรือ ในรูปแบบของ พาราเมตริก จะได้ว่า ρ = xcos θ + ysin θ เมื่อ ρ คือระยะตั้งฉากจากต้นทางไปยังเส้น และ θ คือมุมที่เกิดจากเส้นตั้งฉาก และ horizontal axis หมุนทวนเข็มนาฬิกา

Thanks OpenCV.org

- ดังนั้นเส้นจะผ่านไปทางเดิม จะทำให้มี rho เป็น Positive และ มุมจะมีค่าน้อยกว่า 180 องศา ดังนั้นจำเกิดการแทนมุมที่มากกว่า 180 องศา และจะให้มุม 180 องศาเป็นเชิงลบ เส้นแนวตั้งใดๆนั้น จะ มี 0 องศาและเส้นแนวนอนจะมี 90 องศา

- ขณะนี้เรามาดูวิธีที่ Hough Transform จะทำงานได้ดีสำหรับ Hough Transform Line ในสามารถแสดงได้ผลได้โดยสองหลักนี้คือ (ρ,θ). และตอนแนกเราจะสร้าง อาร์เรย์สองมิติ หรือ การสะสม (เพื่อเก็บค่าของพารามิเตอร์ที่สอง) และจะมีการตั้งค่าเป็น 0 ในขั้นต้น โดยจะแสดงแถว ρ และคอลัมน์แสดง θ ขนาดของอาร์เรย์ขึ้นอยู่กับความถูกต้องของมุมที่จะเป็น 1 องศา ดังนั้นจะต้อง 180 คอลัมน์ สำหรับ ρ ระยะทางสูงสุดที่จะเป็นไปได้คือ ความยาวของเส้นทแยงมุมของรูปภาพ ดังนั้นการใช้สูตร พิกเซลหนึ่งของจำนวนแถวจะต้องถูกต้องและสามารถมรตวามยาวเท่ากับเส้นทแยงมุมของภาพ

ทุกๆอย่างที่อธิบายไว้ข้างต้นนั้นจะอยู่กับโค๊ดตัวอย่างด้านล่าง โดยใช้ ฟังก์ชั่น cv2.HoughLines() เพื่อรับค่า อาร์เรย์ของคณิตศาสตร์ (rho,theta) และค่า ρ คือ การวัดค่า พิกเซลและค่า θ คือค่าวัดที่เป็น Radians (เรเดียน) และ พารามิเตอร์แรกนั้นจะนำเข้ารูปภาพและแสดงเป็น ไบนารี ออกไป และจะเรียกใช้งาน threshold (เกณฑ์การวัดคุณภาพ) หรือ Canny Edge Detection ก่อนจะหา Hough Transfrm และ พารามีเตอร์ที่ 2 และ 3 จะเป็นค่า ρ และ θ โดยจะมีความถูกต้องตามลำดับ และ พารามีเตอร์ที่ 4 นั้น จะเป็น threshold ซึ่งจะหมายถึงการลงคะแนน (Vote) ขั้นต่ำที่ควรจะได้รับมันจะถูกพิจารณารเป็นบรรทัดๆไป