Hough Transform | Boundary Detection

Cette vidéo de la série ‘First Principles of Computer Vision’ présente la transformée de Hough, une méthode puissante pour détecter des formes paramétriques (lignes, cercles) dans des images bruitées ou incomplètes. Le professeur Shree Nayar commence par exposer les défis de la détection de contours : données parasites, données incomplètes et bruit. Il explique ensuite le principe fondamental de la transformée : chaque point de l’image (edge) vote dans un espace de paramètres, et les maxima de votes correspondent aux paramètres des formes recherchées. Pour les lignes, il détaille d’abord la paramétrisation y=mx+c, puis introduit la paramétrisation plus robuste (rho, theta) qui évite les problèmes de valeurs infinies. Il montre comment construire un accumulateur et comment extraire les pics. Pour les cercles, il traite le cas où le rayon est connu (espace de paramètres 2D) et le cas où il est inconnu (espace 3D, vote sur des cônes). Il aborde également l’utilisation de l’orientation des bords pour réduire le nombre de votes. Enfin, il discute des choix de résolution de l’accumulateur et de la complexité croissante avec la dimensionnalité de l’espace des paramètres.