CN101645172A - 数字图像中直线的快速检测方法 - Google Patents
数字图像中直线的快速检测方法 Download PDFInfo
- Publication number
- CN101645172A CN101645172A CN200910092284A CN200910092284A CN101645172A CN 101645172 A CN101645172 A CN 101645172A CN 200910092284 A CN200910092284 A CN 200910092284A CN 200910092284 A CN200910092284 A CN 200910092284A CN 101645172 A CN101645172 A CN 101645172A
- Authority
- CN
- China
- Prior art keywords
- straight line
- cathetus
- conversion
- image
- digital picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种数字图像中直线的快速检测方法,该方法主要包括小波提升变换、二值化处理、采用改进的Hough变换检测直线、直线参数还原等步骤,可快速地从数字图像中提取直线的特征信息;该方法不但具有抗干扰能力强、对边缘间断不敏感等特性,还具有实时性好、占用内存少等优点,可应用于基于机器视觉的目标边缘特征检测。
Description
技术领域
本发明涉及一种数字图像中直线的快速检测方法,属于数字图像处理领域。
背景技术
直线是数字图像中物体的基本特征之一,一些人造目标如房屋、道路、桥梁具有明显的直线特征,而一般物体平面图像的轮廓也可以表示为直线及弧线的组合,对物体轮廓的检测可以转化为对这些基本元素的提取和识别。因此,研究数字图像中直线的检测方法对图像理解和模式识别具有重要意义。
由于Hough变换具有抗噪声干扰能力强、对边缘间断不敏感等特性而被广泛应用于数字图像中的直线特征检测。但是,Hough变换运算量大、占用内存多的缺陷已成为限制其发展的瓶颈。显然,不能将基于Hough变换的直线检测方法直接应用于对实时性要求较高的场合。
发明内容
本发明的目的在于提供一种数字图像中直线的检测方法,该方法具有实时性好、占用内存少的特点。
该算法在数字信号处理***中按照下述步骤进行:
(1)小波提升变换:对输入的数字图像进行一次小波提升变换,取其低频分量构建低分辨率图像;
(2)二值化处理:经小波提升后的低分辨率图像采用Prewitt算子进行二值化处理;
(3)采用改进的Hough变换检测直线:对二值化处理后的图像运用改进的Hough变换提取图像中直线的特征信息,即直线在极坐标系下的极角与极径,所采用的改进的Hough变换的基本原理如下:根据Hough变换过程中“图像空间中一条直线上的多个点对应参数空间中一个点”以及“两点确定一条直线”的原理,按照从局部到整体的检测顺序,将二值化后图像空间中非零点映射到参数空间中具有较大存在概率的累加单元,而不是所有可能的累加单元,统计参数空间累加器中的数值并与阈值相比较,若大于阈值则认为直线存在,该累加器的坐标便是低分辨率图像中直线在极坐标系下的极角与极径;
(4)直线参数还原:保持步骤(3)所求得的低分辨率图像中直线的极角保持不变的,将极径扩大两倍便是所输入的数字图像中直线在极坐标系下的极角与极径。
本发明的有益效果:
本发明所涉及的一种数字图像中直线的快速检测方法不但具有抗干扰能力强、对边缘间断不敏感等特性,还具有实时性好、占用内存少等优点,可应用于基于机器视觉的目标边缘特征检测。
具体实施方式
本发明所涉及的一种数字图像中直线的快速检测方法,可在数字信号处理***中实现。
图像空间的一条直线l可由公式(1)所示的参数方程表示:
ρ=xcosθ+ysinθ(0≤θ≤π) (1)
其中,ρ为极径,即坐标原点O到直线l的距离;θ为极角,即坐标原点到直线l的垂线与x轴正方向的夹角。
在硬件平台上按照如下步骤进行:
(1)小波提升变换:对输入的数字图像进行一次小波提升变换,取其低频分量构建低分辨率图像。小波提升是一种更为快速有效的小波变换实现方法,被称为第二代小波变换。小波提升不依赖于傅立叶变换,它继承了第一代小波的多分辨率的特征,小波变换后的系数是整数,无需额外的内存,可用本位操作进行运算,能够实现任意图像尺寸的小波变换。一幅像素为M×N的图像,经过一次小波提升后,取其低频分量构建低分辨率图像,其像素为而在原始图像中任意一条用(1)式表示的直线,其在所构建的低分辨率图像中,θ保持不变,ρ缩短为原来的一半。此外,由于噪声大多分布在图像的高频部分,因此基于小波提升所构建的低分辨率图像有效地抑制了高频噪声。
(2)二值化处理:经小波提升后的低分辨率图像采用Prewitt算子进行二值化处理。Prewitt算子是一个3×3算子,其利用像素点上下、左右邻域点灰度差在边缘处达到极值的特点来检测图像中物体的边缘。
(3)改进的Hough变换检测直线:对二值化处理后的图像运用改进的Hough变换提取图像中直线的特征信息,所采用的改进的Hough变换的基本原理如下:根据Hough变换过程中“图像空间中一条直线上的多个点对应参数空间中一个点”以及“两点确定一条直线”的原理,按照从局部到整体的检测顺序,将二值化后图像空间中非零点映射到参数空间中具有较大存在概率的累加单元,而不是所有可能的累加单元,统计参数空间累加器中的数值并与阈值相比较,若大于阈值则认为直线存在,该累加器的坐标便是低分辨率图像中直线在极坐标系下的极角与极径。其具体步骤如下:
a)以非零点为基点确定子区域:在二值图像中顺序搜索,将搜索到的图像中的第一个非零点作为基准点A(xa,ya),并顺序选择以A(xa,ya)为起始点的一个子区域R(r×r个像素);
b)确定其他非零点与基准点所属直线的参数:在该子区域中顺序搜索其他的非零点Bi(xi,yi),根据公式(2)计算每个非零点Bi(xi,yi)与A(xa,ya)所属直线的参数对(ρi,θi);
c)局部区域阈值比较:设ρ的偏差范围为δρ,θ的偏差范围为δθ,统计每个参数区间(ρi+δρ,θi+δθ)中参数对的个数ni,找出对应参数个数最大值nmax的参数区间;设定阈值L1,判断nmax与阈值L1的关系,当nmax≥L1时,并以参数(ρi,θi)作为通过A(xa,ya)点的直线的参数,并跳转至步骤d),当nmax<L1时,则将A(xa,ya)点清零,跳转至步骤a);
d)扩展搜索范围:将搜索范围扩展至除子区域R(r×r个像素)以外的部分,对检测到的每个非零点C(xc,yc),取θc=θi,根据公式(2)计算ρc,若满足
|ρi-ρc |≤δρ(3)
则认为C(xc,yc)属于该直线,并在参数空间对该直线的累加器加1,然后将C(xc,yc)设为0;
e)基准点清零:全图搜索完毕后,将A(xa,ya)点清零,跳转至步骤a)重新搜索,直到图像中不再有非零点时结束;
f)全局区域阈值比较:统计参数空间中各累加器中的数值并与阈值L2相比较,若大于阈值则认为直线存在;反之则认为直线不存在。
(4)直线参数还原:保持步骤(3)所求得的低分辨率图像中直线的极角保持不变,将极径扩大两倍便是输入的数字图像中直线在极坐标系下的极角与极径。
Claims (5)
1、一种数字图像中直线的快速检测方法,其特征在于:在数字信号处理***中按照下述步骤进行:
(1)小波提升变换:对输入的数字图像进行一次小波提升变换,取其低频分量构建低分辨率图像;
(2)二值化处理:对经小波提升后的低分辨率图像采用Prewitt算子进行二值化处理;
(3)采用改进的Hough变换检测直线:对二值化处理后的图像运用改进的Hough变换提取图像中直线的特征信息,即直线在极坐标系下的极角与极径。与传统的Hough变换相比,所采用的改进的Hough变换的特征在于:按照从局部到整体的检测顺序,将二值化后图像空间中非零点映射到参数空间中具有较大存在概率的累加单元,而不是所有可能的累加单元,统计参数空间累加器中的数值并与阈值相比较,若大于阈值则认为直线存在,该累加器的坐标便是低分辨率图像中直线在极坐标系下的极角与极径;
(4)直线参数还原:保持步骤(3)所求得的低分辨率图像中直线的极角保持不变,将极径扩大两倍便是所输入的数字图像中的直线在极坐标系下的极角与极径。
2、如权利要求1所述的一种数字图像中直线的快速检测方法,其特征在于:该检测方法实现的步骤依次包括:小波提升变换、二值化处理、采用改进的Hough变换检测直线、直线参数还原。
3、如权利要求1所述的一种数字图像中直线的快速检测方法,其特征在于:所采用的改进的Hough变换与传统的Hough变换相比的改进如下:按照从局部到整体的检测顺序,将二值化后图像空间中非零点映射到参数空间中具有较大存在概率的累加单元,而不是所有可能的累加单元,统计参数空间累加器中的数值并与阈值相比较,若大于阈值则认为直线存在,该累加器的坐标便是低分辨率图像中直线在极坐标系下的极角与极径。
4、如权利要求3所述的改进的Hough变换,其特征在于:其实现步骤依次包括:以非零点为基点确定子区域、确定其他非零点与基准点所属直线的参数、局部区域阈值比较、扩展搜索范围、基准点清零、全局区域阈值比较。
5、如权利要求1所述的一种数字图像中直线的快速检测方法,其特征在于:应用于基于机器视觉的目标边缘检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910092284A CN101645172A (zh) | 2009-09-09 | 2009-09-09 | 数字图像中直线的快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910092284A CN101645172A (zh) | 2009-09-09 | 2009-09-09 | 数字图像中直线的快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101645172A true CN101645172A (zh) | 2010-02-10 |
Family
ID=41657049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910092284A Pending CN101645172A (zh) | 2009-09-09 | 2009-09-09 | 数字图像中直线的快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101645172A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184536A (zh) * | 2011-04-19 | 2011-09-14 | 清华大学 | 一种提取图像中直线和/或线段端点的方法及*** |
CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及*** |
CN102289676A (zh) * | 2011-07-30 | 2011-12-21 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN102750544A (zh) * | 2012-06-01 | 2012-10-24 | 浙江捷尚视觉科技有限公司 | 基于车牌识别的未扣紧安全带违章驾驶检测***及方法 |
CN103116747A (zh) * | 2013-03-11 | 2013-05-22 | 山东农业大学 | 自动识别玉米茎叶图像的方法和*** |
CN103152318A (zh) * | 2011-12-07 | 2013-06-12 | ***通信集团天津有限公司 | 一种身份认证方法、装置及其*** |
CN104268883A (zh) * | 2014-10-07 | 2015-01-07 | 电子科技大学 | 一种基于边缘检测的时频谱曲线提取方法 |
CN105759820A (zh) * | 2016-04-08 | 2016-07-13 | 济宁中科先进技术研究院有限公司 | 基于激光和视觉的道路自主清扫控制***及控制方法 |
CN106446908A (zh) * | 2016-08-31 | 2017-02-22 | 乐视控股(北京)有限公司 | 图像中目标检测方法及装置 |
CN106778822A (zh) * | 2016-11-25 | 2017-05-31 | 西安电子科技大学 | 基于漏斗变换的图像直线检测方法 |
CN107784304A (zh) * | 2016-08-30 | 2018-03-09 | 合肥君正科技有限公司 | 一种图像处理方法和装置 |
CN109117757A (zh) * | 2018-07-27 | 2019-01-01 | 四川大学 | 一种提取航拍图像中拉索的方法 |
CN111523583A (zh) * | 2020-04-16 | 2020-08-11 | 国网河北省电力有限公司石家庄市栾城区供电分公司 | 一种利用无人机对设备铭牌照片自动识别分类的方法 |
-
2009
- 2009-09-09 CN CN200910092284A patent/CN101645172A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及*** |
CN102184536B (zh) * | 2011-04-19 | 2013-07-10 | 清华大学 | 一种提取图像中直线和/或线段端点的方法及*** |
CN102184536A (zh) * | 2011-04-19 | 2011-09-14 | 清华大学 | 一种提取图像中直线和/或线段端点的方法及*** |
CN102289676A (zh) * | 2011-07-30 | 2011-12-21 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN102289676B (zh) * | 2011-07-30 | 2013-02-20 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN103152318B (zh) * | 2011-12-07 | 2016-12-07 | ***通信集团天津有限公司 | 一种身份认证方法、装置及其*** |
CN103152318A (zh) * | 2011-12-07 | 2013-06-12 | ***通信集团天津有限公司 | 一种身份认证方法、装置及其*** |
CN102750544A (zh) * | 2012-06-01 | 2012-10-24 | 浙江捷尚视觉科技有限公司 | 基于车牌识别的未扣紧安全带违章驾驶检测***及方法 |
CN103116747A (zh) * | 2013-03-11 | 2013-05-22 | 山东农业大学 | 自动识别玉米茎叶图像的方法和*** |
CN103116747B (zh) * | 2013-03-11 | 2016-06-08 | 山东农业大学 | 自动识别玉米茎叶图像的方法和*** |
CN104268883B (zh) * | 2014-10-07 | 2018-04-13 | 电子科技大学 | 一种基于边缘检测的时频谱曲线提取方法 |
CN104268883A (zh) * | 2014-10-07 | 2015-01-07 | 电子科技大学 | 一种基于边缘检测的时频谱曲线提取方法 |
CN105759820A (zh) * | 2016-04-08 | 2016-07-13 | 济宁中科先进技术研究院有限公司 | 基于激光和视觉的道路自主清扫控制***及控制方法 |
CN107784304A (zh) * | 2016-08-30 | 2018-03-09 | 合肥君正科技有限公司 | 一种图像处理方法和装置 |
CN106446908A (zh) * | 2016-08-31 | 2017-02-22 | 乐视控股(北京)有限公司 | 图像中目标检测方法及装置 |
CN106778822A (zh) * | 2016-11-25 | 2017-05-31 | 西安电子科技大学 | 基于漏斗变换的图像直线检测方法 |
CN106778822B (zh) * | 2016-11-25 | 2020-04-10 | 西安电子科技大学 | 基于漏斗变换的图像直线检测方法 |
CN109117757A (zh) * | 2018-07-27 | 2019-01-01 | 四川大学 | 一种提取航拍图像中拉索的方法 |
CN109117757B (zh) * | 2018-07-27 | 2022-02-22 | 四川大学 | 一种提取航拍图像中拉索的方法 |
CN111523583A (zh) * | 2020-04-16 | 2020-08-11 | 国网河北省电力有限公司石家庄市栾城区供电分公司 | 一种利用无人机对设备铭牌照片自动识别分类的方法 |
CN111523583B (zh) * | 2020-04-16 | 2022-06-24 | 国网河北省电力有限公司石家庄市栾城区供电分公司 | 一种利用无人机对设备铭牌照片自动识别分类的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101645172A (zh) | 数字图像中直线的快速检测方法 | |
CN103390280B (zh) | 基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法 | |
CN101916373B (zh) | 基于小波检测和脊线跟踪的道路半自动提取方法 | |
CN103077531B (zh) | 基于边缘信息的灰度目标自动跟踪方法 | |
CN101551900B (zh) | 一种视频马赛克图像检测方法 | |
CN108898101B (zh) | 基于素描图和先验约束的高分辨sar图像路网检测方法 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN107909047B (zh) | 一种汽车及其应用的车道检测方法及*** | |
CN103679638A (zh) | 残缺或变形的四边形图像的校正方法 | |
CN105069415A (zh) | 车道线检测方法和装置 | |
CN102982304B (zh) | 利用偏光图像检测车辆位置的方法和*** | |
CN101620732A (zh) | 道路行驶线的视觉检测方法 | |
Wang et al. | Lane detection based on random hough transform on region of interesting | |
CN104050477A (zh) | 基于道路辅助信息和显著性检测的红外图像车辆检测方法 | |
CN102842039B (zh) | 一种基于Sobel算子的道路图像检测方法 | |
CN111833273A (zh) | 基于长距离依赖的语义边界增强方法 | |
CN105426868A (zh) | 一种基于自适应感兴趣区域的车道检测方法 | |
CN103440785B (zh) | 一种快速的车道偏移警示方法 | |
CN103106658A (zh) | 一种海岛、礁岸线快速提取方法 | |
CN103162669A (zh) | 航拍图像机场区域检测方法 | |
CN103116747B (zh) | 自动识别玉米茎叶图像的方法和*** | |
CN101556694B (zh) | 一种旋转图像的匹配方法 | |
CN105654423A (zh) | 基于区域的遥感图像配准方法 | |
Wang et al. | Lane boundary detection based on parabola model | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100210 |