CN107092909A - 基于三角形相似定理的角度检测算法 - Google Patents

基于三角形相似定理的角度检测算法 Download PDF

Info

Publication number
CN107092909A
CN107092909A CN201710170378.XA CN201710170378A CN107092909A CN 107092909 A CN107092909 A CN 107092909A CN 201710170378 A CN201710170378 A CN 201710170378A CN 107092909 A CN107092909 A CN 107092909A
Authority
CN
China
Prior art keywords
image
curve
point
angle
curves
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.)
Granted
Application number
CN201710170378.XA
Other languages
English (en)
Other versions
CN107092909B (zh
Inventor
赵程龙
修思文
李彬
黄凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Sutian Technology Co Ltd
Original Assignee
Hangzhou Sutian Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Sutian Technology Co Ltd filed Critical Hangzhou Sutian Technology Co Ltd
Priority to CN201710170378.XA priority Critical patent/CN107092909B/zh
Publication of CN107092909A publication Critical patent/CN107092909A/zh
Application granted granted Critical
Publication of CN107092909B publication Critical patent/CN107092909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于相似三角形的角度检测算法，包括如下步骤：步骤一，图像二值化；步骤二，对生成的二值化图像进行膨胀操作，突出边缘曲线；步骤三，将二值化图像由上向下以及由下向上进行投影，分别得到图像的上下边缘曲线，并分别得到上下边缘曲线第一个有效行的有效点起始地址及终止地址；步骤四，将上下边缘曲线组合成完整的矩形边缘曲线进行处理，分别在图像上下边缘曲线起始地址左侧选择一段横坐标相同的线段；判断两段曲线的夹角是否为直角，以及所选择的两段曲线是否位于图像边缘曲线上的有效曲线；步骤五，选择一段符合要求的线段，利用快速倒数平方根算法以及勾股定理，计算斜边的倒数，进而得到倾斜角度的正弦值和余弦值。

Description

基于三角形相似定理的角度检测算法
技术领域
本发明属于角度检测领域，具体是一种基于三角形相似定理的角度检测算法。
背景技术
在如今的生活当中，身份证、名片等证件经常进行复印、传真等方面的使用，因为人为操作的原因，被扫描出来的图像很多都会出现倾斜的现象，这些倾斜将会对名片等的版面分析、字符识别以及复印使用都会造成不良影响，因此需要对出现倾斜的图像进行倾斜角度检测，而后根据倾斜角度进行图像校正。
在实际应用当中，现有的各类图像倾斜角度检测技术大多是先对输入图像进行滤波、二值化等操作，得到一幅二值化图像，将图像的边缘清晰的反映出来，然后通过Hough算子、Sobel算子、最小二乘法等算法分析图像的边缘曲线，最终得到图像倾斜角度。上述方法的检测精度高，然而会导致模块总体的计算量偏大，增加了模块对内存的占用。
中国专利CN201210483489.3专《一种基于图像处理的工件角度自动测量装置及测量方法》公开了一种图像处理方法，通过直方图均衡化算法对图像进行增强，使用Susan角点检测算法或者Harris角点检测算法检测图像角点（角点：夹角的顶点）计算图像的角点，提取边缘检测后角点周围的局部图像，提取形成夹角的两条直线上的点，对两条直线上的点进行拟合，得到两条直线的斜率，进而计算两条直线的夹角。
中国专利CN200810246629.9《名片图像倾斜角度的测量方法和装置》提出了一种倾斜角度检测的方法，通过名片图像边框直线的倾斜程度判断图像是否存在倾斜，而后对存在倾斜的图片判断其文字的编辑方向，并沿文字倾斜方向进行投影，利用投影特征计算图像的倾斜角度。
以上两种方法，虽然检测的精度高，但是其计算量大，占用内存高，对于运行平台的配置有一定的要求，而对于某些配置较低的运行平台而言，以上方法无法完全适用。
发明内容
为了解决现有技术中存在的上述技术问题，本发明提供了一种基于相似三角形的角度检测算法，包括如下步骤：
步骤一，图像二值化：将图像划分为多个块，每个块内包含n*n个像素点，对块内的像素点进行处理，最终得到二值化图像，提取图像边缘；
步骤二，对生成的二值化图像进行膨胀操作，突出边缘曲线；
步骤三，将二值化图像由上向下以及由下向上进行投影，分别得到图像的上下边缘曲线，并分别得到上下边缘曲线第一个有效行的有效点起始地址及终止地址；
步骤四，将上下边缘曲线组合成完整的矩形边缘曲线进行处理，分别在图像上下边缘曲线起始地址左侧选择一段横坐标相同的线段；对于以两段选定线段为斜边的三角形利用相似三角形定理进行判断，判断两段曲线的夹角是否为直角，以及所选择的两段曲线是否位于图像边缘曲线上的有效曲线；
步骤五，选择一段符合要求的线段，利用快速倒数平方根算法以及勾股定理，计算斜边的倒数，进而得到倾斜角度的正弦值和余弦值。
进一步的，所述步骤一中，对每个块内像素点的变化剧烈程度进行计算，可判断该块是否位于图像边缘，并进行二值化处理。
进一步的，所述步骤三中，在计算得到的图像有效范围内，对图像从上下两个方向进行投影，分别得到图像的上下边缘曲线，得到上边缘曲线第一个有效行的第一个有效点坐标point_l1以及最后一个有效点坐标point_r1，以及下边缘曲线第一个有效行的第一个有效点坐标point_l2以及最后一个有效点坐标point_r2。
进一步的，所述步骤三中，若是得到的point_l1或point_l2任意一个小于阈值参数，则判定该图像不存在倾斜，否则该图像倾斜。
进一步的，所述步骤四中，将分别得到的图像上下边缘曲线合成一幅完整的矩形图像边缘曲线，在上下边缘曲线point_l1/point_l2左侧共同范围内，选择起始点坐标以及终止点坐标相同的两段曲线，利用三角形相似定理，判断两曲线夹角是否为直角，同时可以判断所选择的四点是否位于图像边缘曲线上。
进一步的，步骤一中，在处理块内像素点的时候，图像右侧及底部不足n*n个像素点的块不做任何处理。
进一步的，若是以选择的两段曲线为斜边的两个三角形相似，判断其夹角为直角，以及选定的两段曲线是位于图像边缘上的有效曲线。
进一步的，由于检测对象是矩形名片，图像四个角皆为90度，因此若两段曲线的夹角为直角，则说明两段曲线的起始点及终止点位于矩形图像的边缘上，使用这两段曲线计算名片的倾斜角度；若两段曲线的夹角不为直角，则说明选择的两段曲线的起始点以及终止点至少有一点不在矩形图像的边缘上，即该点为杂点，需要另外选择两段曲线进行判断。
本发明的基于三角形相似定理的角度检测算法适合于对精度要求不高且内存较小的角度检测***。本发明只需要输入单通道的图像数据，不需要将彩色图像转化为灰度图像；对于图像的二值化、膨胀、生成边缘曲线可以同步进行，不需要大空间来存储图像处理过程中的中间数据；在保证精度的前提下，简化了图像的处理过程，提高了角度检测的效率，节约了***空间。
附图说明
图1是原始图像示意图；
图2是图像分割示意图；
图3是图像膨胀示意图；
图4是边缘扫描示意图；
图5是曲线分析示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明以名片扫描图像为例。本首先对输入的图像进行二值化处理，通过投影的方法得到图像的上下边缘曲线，在上下边缘曲线各自选择一段对应的曲线，判断选择的两段曲线是否位于矩形图像的边缘曲线上，而后再选择一段曲线计算名片的倾斜角度。
如图1所示，***接收一幅扫描得到的名片图像，只需要其灰度图像或者彩色图像的单通道数据，即可检测得到其倾斜角度θ的正弦值与余弦值。
如图2所示，将整幅图像划分为若干个块（patch），每个块（patch）内包含n*n个像素点，对图像右侧及底部不足n*n个像素点的patch，不做任何处理；对于符合要求的patch，首先计算其n*n个像素点的平均值，而后计算像素平均值和块（patch）内各像素点的差的绝对值，对绝对值求和取差值平均值，差值平均值与输入的阈值参数进行比较，若大于阈值，则该patch内像素点大小变化较大，可能位于图像边缘，该块（patch）为有效点，将该patch记为1，否则为无效点，记为0。最终得到一幅如图3所示的二值化图像。
如图3所示，对得到的二值化图像进行膨胀处理，生成一幅新块（patch）图，新块（patch）图中各patch值预设为0，若是选中的m*m大小窗口内的块（patch）值的和大于阈值参数，则进行膨胀，将新块（patch）图内对应窗口内的块（patch）值全部记为1，否则保持新块（patch）图内原块（patch）值不变。将膨胀的选择窗口向右平移一个单位，选择下一个区域进行膨胀操作；若该行膨胀完毕，则从下一行行首开始进行膨胀操作。最终生成一幅膨胀后的二值化图像，突出图像曲线边缘。对完成膨胀的patch值进行统计，统计每行/列的有效点的个数，若是结果大于阈值参数，则该行/列为有效行/列，由此可以确定图像的有效区域。
如图4所示，对膨胀后的二值化图像从上下两个方向进行投影扫描，记录每一列的第一个有效点以及最后一个有效点，最终得到如图4右侧图像所示的矩形图像上边缘曲线和下边缘曲线。根据确定的图像有效区域，记录第一个有效行的第一个有效点point_l1以及最后一个有效点point_r1，以及最后一个有效行的第一个有效点point_l2以及最后一个有效点point_r2。若point_l1及point_l2都大于阈值参数，则该图像倾斜，否则判定该图像不存在倾斜。
如图5所示，图像的上下边缘曲线可组成整幅名片图像的边缘曲线，在point_l1和point_l2左侧各自选择一段地址相同的曲线，其宽度为预设的参数off_dis，计算上边缘曲线选定曲线的高度差h1，以及下边缘曲线选定曲线的高度差h2，利用三角形相似定理，计算|h1*h2–off_dis*off_dis|的绝对值，和阈值参数进行比较，若结果小于阈值参数，则判定两段曲线对应的三角形相似，两段曲线所形成的夹角为直角，由于矩形图像的四个角皆为直角，因此当两段选定曲线的夹角为直角的时候，说明选定两段曲线都位于矩形图像边缘上的有效曲线，可用于计算图像的倾斜夹角，否则选定的点为位于图像边缘曲线之外的杂点，需要重新选定两段曲线进行判断。
根据选定的一条有效曲线，利用快速倒数平方根算法以及勾股定理，计算斜边的倒数，进而得到倾斜角度的正弦值和余弦值。

Claims (8)

1.基于相似三角形的角度检测算法，其特征在于：包括如下步骤：
步骤一，图像二值化：将图像划分为多个块，每个块内包含n*n个像素点，对块内的像素点进行处理，最终得到二值化图像，提取图像边缘；
步骤二，对生成的二值化图像进行膨胀操作，突出边缘曲线；
步骤三，将二值化图像由上向下以及由下向上进行投影，分别得到图像的上下边缘曲线，并分别得到上下边缘曲线第一个有效行的有效点起始地址及终止地址；
步骤四，将上下边缘曲线组合成完整的矩形边缘曲线进行处理，分别在图像上下边缘曲线起始地址左侧选择一段横坐标相同的线段；对于以两段选定线段为斜边的三角形利用相似三角形定理进行判断，判断两段曲线的夹角是否为直角，以及所选择的两段曲线是否位于图像边缘曲线上的有效曲线；
步骤五，选择一段符合要求的线段，利用快速倒数平方根算法以及勾股定理，计算斜边的倒数，进而得到倾斜角度的正弦值和余弦值。
2.根据权利要求1所述基于相似三角形的角度检测算法，其特征在于：所述步骤一中，对每个块内像素点的变化剧烈程度进行计算，可判断该块是否位于图像边缘，并进行二值化处理。
3.根据权利要求1所述基于相似三角形的角度检测算法，其特征在于：所述步骤三中，在计算得到的图像有效范围内，对图像从上下两个方向进行投影，分别得到图像的上下边缘曲线，得到上边缘曲线第一个有效行的第一个有效点坐标point_l1以及最后一个有效点坐标point_r1，以及下边缘曲线第一个有效行的第一个有效点坐标point_l2以及最后一个有效点坐标point_r2。
4.根据权利要求3所述基于相似三角形的角度检测算法，其特征在于：所述步骤三中，若是得到的point_l1或point_l2任意一个小于阈值参数，则判定该图像不存在倾斜，否则该图像倾斜。
5.根据权利要求3所述基于相似三角形的角度检测算法，其特征在于：所述步骤四中，将分别得到的图像上下边缘曲线合成一幅完整的矩形图像边缘曲线，在上下边缘曲线point_l1/point_l2左侧共同范围内，选择起始点坐标以及终止点坐标相同的两段曲线，利用三角形相似定理，判断两曲线夹角是否为直角，同时可以判断所选择的四点是否位于图像边缘曲线上。
6.根据权利要求2所述基于相似三角形的角度检测算法，其特征在于：步骤一中，在处理块内像素点的时候，图像右侧及底部不足n*n个像素点的块不做任何处理。
7.根据权利要求5所述基于相似三角形的角度检测算法，其特征在于：若是以选择的两段曲线为斜边的两个三角形相似，判断其夹角为直角，以及选定的两段曲线是位于图像边缘上的有效曲线。
8.根据权利要求7所述基于相似三角形的角度检测算法，其特征在于：由于检测对象是矩形名片，图像四个角皆为90度，因此若两段曲线的夹角为直角，则说明两段曲线的起始点及终止点位于矩形图像的边缘上，使用这两段曲线计算名片的倾斜角度；若两段曲线的夹角不为直角，则说明选择的两段曲线的起始点以及终止点至少有一点不在矩形图像的边缘上，即该点为杂点，需要另外选择两段曲线进行判断。
CN201710170378.XA 2017-03-21 2017-03-21 基于三角形相似定理的角度检测算法 Active CN107092909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710170378.XA CN107092909B (zh) 2017-03-21 2017-03-21 基于三角形相似定理的角度检测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710170378.XA CN107092909B (zh) 2017-03-21 2017-03-21 基于三角形相似定理的角度检测算法

Publications (2)

Publication Number Publication Date
CN107092909A true CN107092909A (zh) 2017-08-25
CN107092909B CN107092909B (zh) 2019-06-14

Family

ID=59648988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710170378.XA Active CN107092909B (zh) 2017-03-21 2017-03-21 基于三角形相似定理的角度检测算法

Country Status (1)

Country Link
CN (1) CN107092909B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509033A (zh) * 2020-11-25 2021-03-16 国网四川省电力公司阿坝供电公司 一种基于图像处理的铁塔倾斜自动检测方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5832110A (en) * 1996-05-28 1998-11-03 Ricoh Company, Ltd. Image registration using projection histogram matching
CN101420507A (zh) * 2007-10-26 2009-04-29 村田机械株式会社 图像处理装置、图像读取装置及图像处理方法
CN101625760A (zh) * 2009-07-28 2010-01-13 谭洪舟 一种证件图像倾斜校正的办法
CN101770575A (zh) * 2008-12-31 2010-07-07 汉王科技股份有限公司 名片图像倾斜角度的测量方法和装置
CN101930594A (zh) * 2010-04-14 2010-12-29 山东山大鸥玛软件有限公司 一种扫描文档图像的快速纠偏方法
CN104966089A (zh) * 2015-06-24 2015-10-07 福建联迪商用设备有限公司 一种二维码图像边缘检测的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5832110A (en) * 1996-05-28 1998-11-03 Ricoh Company, Ltd. Image registration using projection histogram matching
CN101420507A (zh) * 2007-10-26 2009-04-29 村田机械株式会社 图像处理装置、图像读取装置及图像处理方法
CN101770575A (zh) * 2008-12-31 2010-07-07 汉王科技股份有限公司 名片图像倾斜角度的测量方法和装置
CN101625760A (zh) * 2009-07-28 2010-01-13 谭洪舟 一种证件图像倾斜校正的办法
CN101930594A (zh) * 2010-04-14 2010-12-29 山东山大鸥玛软件有限公司 一种扫描文档图像的快速纠偏方法
CN104966089A (zh) * 2015-06-24 2015-10-07 福建联迪商用设备有限公司 一种二维码图像边缘检测的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
仇伟涛: "《复杂文本图像倾斜校正算法研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
吴飞飞: "《文本图像倾斜校正算法的研究与应用》", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509033A (zh) * 2020-11-25 2021-03-16 国网四川省电力公司阿坝供电公司 一种基于图像处理的铁塔倾斜自动检测方法和装置
CN112509033B (zh) * 2020-11-25 2024-04-09 国网四川省电力公司阿坝供电公司 一种基于图像处理的铁塔倾斜自动检测方法和装置

Also Published As

Publication number Publication date
CN107092909B (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN108335302B (zh) 一种区域分割方法及装置
TWI655586B (zh) 用於檢測預定區域中特定標識圖像的方法及裝置
CN110717489B (zh) Osd的文字区域的识别方法、装置及存储介质
CN105469027B (zh) 针对文档图像的水平和垂直线检测和移除
JP2012243307A (ja) 入力画像における歪を検出する方法、入力画像における歪を検出する装置およびコンピューター読み取り可能な媒体
JP2010171976A (ja) 歪み文書画像を補正する方法及びシステム
CN112200117B (zh) 表格识别方法及装置
JP2002133426A (ja) 多値画像から罫線を抽出する罫線抽出装置
CN107452035B (zh) 车道线图像分析方法、装置及其计算机可读取式媒体
CN109376740A (zh) 一种基于视频的水尺读数检测方法
CN103488986A (zh) 自适应字符切分及提取方法
CN109886935A (zh) 一种基于深度学习的道面异物检测方法
CN112364834A (zh) 一种基于深度学习和图像处理的表格识别的还原方法
JP2002228423A (ja) タイヤ検出方法および装置
KR101377910B1 (ko) 화상 처리 방법 및 화상 처리 장치
CN112419207A (zh) 一种图像矫正方法及装置、***
JP3471578B2 (ja) 行方向判定装置、画像傾き検出装置及び画像傾き補正装置
CN112733855B (zh) 表格结构化方法、表格恢复设备及具有存储功能的装置
CN114140416A (zh) 一种基于机器视觉的玻璃边缘检测方法和***
CN112036232B (zh) 一种图像表格结构识别方法、***、终端以及存储介质
JPH0418351B2 (zh)
CN107092909B (zh) 基于三角形相似定理的角度检测算法
CN117611619A (zh) 一种直线拟合方法、***、电子设备及存储介质
US7440636B2 (en) Method and apparatus for image processing
CN108629226B (zh) 一种基于图像分层技术的车辆检测方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant