RANSAC算法+RANSAC在指纹识别的应用+Fitting(The Hough Transform)+圆的霍夫变换
RANSAC算法
鲁棒最小二乘法可以解决少部分outlier,对于大量outlier的,我们先用RANSANC
随机选两个点为一条线 其余点对其进行投票 选出最多票的线
如何选择参数
1-e:兩個點都是属于线上
指定门限选定一条和多条线
优化N
实际上做完RANSAC后 还要进行LS
RANSAC在指纹识别的应用(分别代表:指纹分差,拐弯,结尾)
随机找三个对应点,计算矩阵T:abcdef,再用T计算所有点,看对应成功的点有多少个(设置门限),进行投票
Fitting(The Hough Transform)
霍夫变换的思想:投票策略
遇到的问题:用极坐标系
噪声的影响(投票不集中):noise of level指的就是噪声的方差(正太分布)
随机点影响(伪峰值)
解决噪声的三种方法
软投票(实际应用上)
圆的霍夫变换
每个xy点有很多个r(组成一条直线)(r小于图像大小)进行投票.
作业:python代码识别钱币(用Candy边缘检测+霍夫变换)
https://github.com/CV-xueba/cvclass_basic
https://www.bilibili.com/video/BV1nz4y197Qv?p=4
霍夫变换的应用
假设是车,投票后找到车的位置