HOUGH TRANSFORM

Nama: Jethro D E Bhaskara

NIM: 111080269
Kelompok: TT-74

Hough transform (HT) didesain untuk menemukan garis pada suatu citra. HT diperkenalkan
oleh Paul Hough pada tahun 1962. Ide dari HT adalah membuat persamaan dari suatu piksel
dan mempertimbangkan semua pasangan yang memenuhi persamaan ini. Semua pasangan
ditempatkan pada suatu larik akumulator, yang disebut larik transformasi (McAndrew 2004).
HT telah dikembangkan untuk mendeteksi bentuk-bentuk umum dalam citra seperti
lingkaran, elips dan parabola. Konsep dasar dari HT adalah terdapat garis dan kurva potensial
yang tak terhitung jumlahnya pada suatu citra yang melalui titik mana saja pada berbagai
ukuran dan orientasi. Transformasi dilakukan untuk menemukan garis dan kurva yang
melewati banyak titik-titik di dalam citra, yaitu garis dan kurva yang terdekat dan paling
sesuai dengan data pada matriks citra.
Standard Hough Transform (SHT) menggunakan parameter normal untuk garis lurus berupa
persamaan , dengan sebagai jarak suatu garis terhadap titik asal dan sebagai orientasi garis
tersebut terhadap sumbu-. Setiap titik pada citra ditransformasi menjadi suatu kurva
sinusiodal pada ruang . Akumulator mencatat semua perpotongan kurva dan mengambil
perpotongan terbanyak.
Parameterisasi HT dengan pendekatan bentuk elips dinyatakan dengan , dengan adalah titik
pusat dari elips, dan sebagai sumbu mayor dan minor elips dan adalah orientasi dari sumbu
mayor. Persamaan elips yang umum digunakan adalah: .
Persamaan dapat dituliskan dalam bentuk:

Setiap titik tepi pada citra dapat mendefenisikan elips-elips dengan berbagai kemungkinan
nilai dan . Voting dilakukan pada setiap titik yang dilalui oleh elips-elips yang terbentuk.

Beberapa Aplikasi Transformasi Hough Sebagai Berikut:

Pendeteksian garis dengan memanfaatkan Transformasi Hough

Transformasi Hough merupakan metode yang dapat digunakan untuk mengisolasi fitur
tertentu dalam sebuah citra. Metode Hough klasik biasanya digunakan untuk mendeteksi
bentuk geometri yang dapat dispesifikasikan dalam bentuk parametrik (garis, lingkaran,
elips).
Prinsip kerja metode ini dalam pendeteksian garis adalah dengan mencari bentuk geometri
yang paling bersesuaian dengan kumpulan titik pada citra.
Kelebihan Transformasi Hough adalah
o mampu mendeteksi garis pada bentuk geometri dengan kumpulan tepi yang terputusputus,
o relatif tidak terpengaruh derau,
o parameter yang mempengaruhi performansi adalah kuantisasi parameter pada ruang Hough.
Pixel–pixel tepi dalam citra tepi hasil deteksi
tepi Canny dilakukan pemungutan suara untuk
mendapatkan daerah iris dengan menggunakan
transformasi Hough lingkaran.
Algoritma:
a. Inisialisasi ruang parameter
b. Telusuri citra tepi. Jika pixel merupakan tepi,
hitung:
r = (x − a)2 + (y − b)2
c. Lakukan pemungutan suara.
d. Mencari lokal maksimum
Pengaruh adanya bulu mata dan kelopak
mata terhadap daerah lingkaran iris dicari dengan
menggunakan transformasi Hough linier. Algoritma
transformasi Hough linear pada dasarnya sama
dengan algoritma transformasi Hough Lingkaran
dengan perbedaan pada persamaannya yaitu
r = x cosθ + y sinθ .

Menggunakan arah gradien untuk mengurangi jumlah suara 

Sebuah perbaikan yang disarankan oleh O'Gorman dan Clowes dapat digunakan untuk
mendeteksi garis jika memperhitungkan bahwa gradien lokal intensitas citra tentu akan
ortogonal ke tepi. Sejak deteksi tepi umumnya melibatkan komputasi besarnya gradien
intensitas, arah gradien sering ditemukan sebagai efek samping.Jika suatu titik koordinat (x,
y) terjadi memang berada di baris, maka arah lokal gradien memberikan parameter θ
berkorespondensi dengan kata baris, dan parameter r kemudian segera diperoleh. (Shapiro
dan Stockman, 305) Arah gradien dapat diperkirakan dalam waktu 20 °, yang lebih pendek
sinusoida trace dari 180 ° penuh untuk sekitar 45 °. Hal ini akan mengurangi waktu
komputasi dan memiliki efek yang menarik mengurangi jumlah suara yang tidak berguna,
sehingga meningkatkan visibilitas dari paku sesuai dengan garis-garis nyata dalam gambar.

Kernel-based Hough transform

Fernandes dan Oliveira [7] diusulkan skema suara lebih baik bagi transformasi Hough yang
memungkinkan implementasi perangkat lunak untuk mencapai kinerja yang real-time
bahkan pada gambar yang relatif besar (misalnya, 1280 × 960). The-Kernel berdasarkan
Hough transform menggunakan yang sama (r, θ) parameterisasi diusulkan oleh Duda dan
Hart tetapi beroperasi di cluster piksel sekitar kesegarisan.Untuk setiap cluster, suara
dilemparkan menggunakan kernel elips-Gaussian berorientasi bahwa model ketidakpastian
yang terkait dengan garis terbaik pas sehubungan dengan cluster yang sesuai. Pendekatan
ini tidak hanya signifikan meningkatkan kinerja skema suara, tetapi juga menghasilkan
akumulator jauh lebih bersih dan membuat transformasi yang lebih kuat untuk mendeteksi
garis palsu.