CN111445510A - 一种图像中直线的检测方法 - Google Patents

一种图像中直线的检测方法 Download PDF

Info

Publication number
CN111445510A
CN111445510A CN202010211840.8A CN202010211840A CN111445510A CN 111445510 A CN111445510 A CN 111445510A CN 202010211840 A CN202010211840 A CN 202010211840A CN 111445510 A CN111445510 A CN 111445510A
Authority
CN
China
Prior art keywords
roi
gradient
gradient direction
edge points
straight line
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
Application number
CN202010211840.8A
Other languages
English (en)
Inventor
陈伟
袁兵
曹予飞
曾敬勇
许理
车建强
程杰
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.)
EB INFORMATION TECHNOLOGY Ltd
Original Assignee
EB INFORMATION TECHNOLOGY 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 EB INFORMATION TECHNOLOGY Ltd filed Critical EB INFORMATION TECHNOLOGY Ltd
Priority to CN202010211840.8A priority Critical patent/CN111445510A/zh
Publication of CN111445510A publication Critical patent/CN111445510A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

一种图像中直线的检测方法，包括：将图像ROI子图转为灰度图；计算ROI子图中每个像素点在x、y方向的梯度值，构成梯度矩阵dx、dy；计算梯度方向角矩阵da；提取ROI子图中的所有边缘点；从梯度方向角矩阵da中提取所有边缘点的梯度方向角，构成梯度方向数组arrAngs；将角度区间[0，360]以n为间隔平均分割成若干子区间，然后将arrAngs中每个边缘点的梯度方向角划分至对应子区间内，统计每个子区间的边缘点的梯度方向角数量，最后读取数量最大的子区间的所有边缘点；将读取的所有边缘点拟合成一条直线。本发明属于图像处理领域，能在具有复杂纹理背景的图像ROI区域里，高效准确的检测出长度最长的目标直线。

Description

一种图像中直线的检测方法
技术领域
本发明涉及一种图像中直线的检测方法，属于图像处理领域。
背景技术
在图像处理领域，很多场景需要检测目标图像中ROI(Region Of Interest)区域的直线，这些ROI区域背景中包含很多复杂纹理，而且每个ROI区域里包含一条或多条直线段，往往需要检测出ROI区域里长度最长的直线段。
在现有技术中，直线检测一般使用霍夫变换的方法或基于梯度计算的方法：
1、基于霍夫变换的方法具有一定的鲁棒性，但是霍夫检测比较耗时，而且容易将一条完整的直线***为多条，不利于后续分析处理。
2、基于梯度计算的方法的典型代表为LSD线段检测算法，该类方法计算目标图像中每个像素点的梯度，根据梯度幅值和梯度方向生成包含目标直线的梯度方向一致性连通区域，然后从连通区域获取直线段的参数。该类方法效率虽高，但仍然会将一条完整的直线段，***为多条直线。
也就是说，上述两种典型方法均容易将图像ROI区域里最长的直线段***为多条直线。因此，如何在具有复杂纹理背景的图像ROI区域里，高效准确的检测出长度最长的目标直线，已经成为技术人员普遍关注的技术问题。
发明内容
有鉴于此，本发明的目的是提供一种图像中直线的检测方法，能在具有复杂纹理背景的图像ROI区域里，高效准确的检测出长度最长的目标直线。
为了达到上述目的，本发明提供了一种图像中直线的检测方法，包括有：
步骤一、从待检测图像中提取ROI区域的图片，简称为ROI子图，将ROI子图转为灰度图，并进行高斯去噪；
步骤二、计算ROI子图中每个像素点分别在x、y方向的梯度值，并按照像素点的坐标，将所有像素点在x、y方向的梯度值分别构成梯度矩阵dx、dy；
步骤三、根据梯度矩阵dx、dy，计算梯度方向角矩阵da：da＝atan(dy/dx)，梯度方向角的取值范围为[0，360]；
步骤四、提取ROI子图中的所有边缘点；
步骤五、根据边缘点坐标，从梯度方向角矩阵da中提取ROI子图中所有边缘点的梯度方向角，并将所提取的边缘点的梯度方向角构成一个梯度方向数组arrAngs；
步骤六、将角度区间[0，360]以n为间隔平均分割成若干个子区间，然后将梯度方向数组arrAngs中每个边缘点的梯度方向角划分至对应的子区间内，统计每个子区间包含的边缘点的梯度方向角的数量，最后读取数量最大的子区间所包含的所有边缘点，这些边缘点即是待检测直线上的点；
步骤七、将从子区间内读取的所有边缘点拟合成一条直线，所述直线即是从待检测图像ROI区域里检测到的长度最长的直线，并获取所述直线参数。
与现有技术相比，本发明的有益效果是：本发明无论在简单或复杂纹理背景下，均能从图像ROI区域里准确地检测出长度最长的直线，不会将一条长的直线段***为几段，并且由于检测出的直线经过滤后的边缘点拟合而来，因此能更加逼近图像中的真实边缘，为图像测量提供更高的精度。
附图说明
图1是本发明一种图像中直线的检测方法的流程图。
图2是应用本发明的一个实施例的效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
如图1所示，本发明一种图像中直线的检测方法，包括有：
步骤一、从待检测图像中提取ROI(Region Of Interest)区域的图片，简称为ROI子图，将ROI子图转为灰度图，并进行高斯去噪；
步骤二、使用sobel算子计算ROI子图中每个像素点分别在x、y方向的梯度值，并按照像素点的坐标，将所有像素点在x、y方向的梯度值分别构成梯度矩阵dx、dy；
步骤三、根据梯度矩阵dx、dy，计算梯度方向角矩阵da：da＝atan(dy/dx)，其中，dy、dx为同大小的矩阵，dy/dx表示两个相同大小矩阵中对应元素相除，其结果也是相同大小的矩阵，atan(dy/dx)表示对矩阵的每个元素计算，梯度方向角的取值范围为[0，360]；
步骤四、使用canny算子提取ROI子图中的所有边缘点；
步骤五、根据边缘点坐标，从梯度方向角矩阵da中提取ROI子图中所有边缘点的梯度方向角，并将所提取的边缘点的梯度方向角构成一个梯度方向数组arrAngs；
步骤六、将角度区间[0，360]以n为间隔平均分割成若干个子区间，然后将梯度方向数组arrAngs中每个边缘点的梯度方向角划分至对应的子区间内，统计每个子区间包含的边缘点的梯度方向角的数量，最后读取数量最大的子区间所包含的所有边缘点，这些边缘点即是待检测直线上的点；其中，n是一个不大于3的自然数，可以根据实际业务需要而设定，例如，n＝1时，将角度区间[0，360]平均分割成360个子区间，n＝2时，将角度区间[0，360]平均分割成180个子区间；
步骤七、将从子区间内读取的所有边缘点拟合成一条直线，所述直线即是从待检测图像ROI区域里检测到的长度最长的直线，并获取所述直线参数。
步骤六还可以进一步包括有：
步骤61、将角度区间[0，360]以n为间隔平均分割成若干个子区间，然后将梯度方向数组arrAngs中的所有边缘点的梯度方向角投影到对应的子区间里，从而生成梯度方向角投影直方图；
步骤62、从梯度方向角投影直方图中选取边缘点数量最大的子区间，并读取所述子区间内的所有边缘点。
根据实验证明，无论在简单或复杂纹理背景下，本发明均能从图像ROI区域里准确地检测出长度最长的直线，不会将一条长的直线段***为几段，并且由于检测出的直线经过滤后的边缘点拟合而来，因此能更加逼近图像中的真实边缘，为图像测量提供更高的精度。图2是应用本发明的一个实施例的效果图，其中，(a)是ROI子图转化后的灰度图；(b)是步骤四使用canny算子提取ROI子图中的所有边缘点；(c)是步骤六生成的梯度方向角投影直方图；(d)是步骤六从选取子区间获取的所有边缘点；(e)是本发明从图像ROI区域里检测到的长度最长的直线。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (5)

1.一种图像中直线的检测方法，其特征在于，包括有：
步骤一、从待检测图像中提取ROI区域的图片，简称为ROI子图，将ROI子图转为灰度图，并进行高斯去噪；
步骤二、计算ROI子图中每个像素点分别在x、y方向的梯度值，并按照像素点的坐标，将所有像素点在x、y方向的梯度值分别构成梯度矩阵dx、dy；
步骤三、根据梯度矩阵dx、dy，计算梯度方向角矩阵da：da＝atan(dy/dx)，梯度方向角的取值范围为[0，360]；
步骤四、提取ROI子图中的所有边缘点；
步骤五、根据边缘点坐标，从梯度方向角矩阵da中提取ROI子图中所有边缘点的梯度方向角，并将所提取的边缘点的梯度方向角构成一个梯度方向数组arrAngs；
步骤六、将角度区间[0，360]以n为间隔平均分割成若干个子区间，然后将梯度方向数组arrAngs中每个边缘点的梯度方向角划分至对应的子区间内，统计每个子区间包含的边缘点的梯度方向角的数量，最后读取数量最大的子区间所包含的所有边缘点，这些边缘点即是待检测直线上的点；
步骤七、将从子区间内读取的所有边缘点拟合成一条直线，所述直线即是从待检测图像ROI区域里检测到的长度最长的直线，并获取所述直线参数。
2.根据权利要求1所述的方法，其特征在于，步骤二中，使用sobel算子计算ROI子图中每个像素点分别在x、y方向的梯度值。
3.根据权利要求1所述的方法，其特征在于，步骤四中，使用canny算子提取ROI子图中的所有边缘点。
4.根据权利要求1所述的方法，其特征在于，步骤七中，使用ransac算法将从子区间内读取的所有边缘点拟合成一条直线。
5.根据权利要求1所述的方法，其特征在于，步骤六进一步包括有：
步骤61、将角度区间[0，360]以n为间隔平均分割成若干个子区间，然后将梯度方向数组arrAngs中的所有边缘点的梯度方向角投影到对应的子区间里，从而生成梯度方向角投影直方图；
步骤62、从梯度方向角投影直方图中选取边缘点数量最大的子区间，并读取所述子区间内的所有边缘点。
CN202010211840.8A 2020-03-24 2020-03-24 一种图像中直线的检测方法 Pending CN111445510A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010211840.8A CN111445510A (zh) 2020-03-24 2020-03-24 一种图像中直线的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010211840.8A CN111445510A (zh) 2020-03-24 2020-03-24 一种图像中直线的检测方法

Publications (1)

Publication Number Publication Date
CN111445510A true CN111445510A (zh) 2020-07-24

Family

ID=71652413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010211840.8A Pending CN111445510A (zh) 2020-03-24 2020-03-24 一种图像中直线的检测方法

Country Status (1)

Country Link
CN (1) CN111445510A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652825A (zh) * 2020-08-06 2020-09-11 上海海栎创微电子有限公司 基于梯度方向约束的边缘跟踪直线段快速检测装置及方法
CN111986221A (zh) * 2020-09-07 2020-11-24 北京凌云光技术集团有限责任公司 一种基于灰度或位置信息的边缘评价方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663395A (zh) * 2012-03-05 2012-09-12 西北工业大学 基于自适应多尺度快速离散Beamlet变换的直线检测方法
CN109558908A (zh) * 2018-11-28 2019-04-02 西安邮电大学 一种给定区域最优边缘的确定方法
CN110210451A (zh) * 2019-06-13 2019-09-06 重庆邮电大学 一种斑马线检测方法
CN110660071A (zh) * 2019-08-23 2020-01-07 中山市奥珀金属制品有限公司 一种边缘检测双阈值自动设定方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663395A (zh) * 2012-03-05 2012-09-12 西北工业大学 基于自适应多尺度快速离散Beamlet变换的直线检测方法
CN109558908A (zh) * 2018-11-28 2019-04-02 西安邮电大学 一种给定区域最优边缘的确定方法
CN110210451A (zh) * 2019-06-13 2019-09-06 重庆邮电大学 一种斑马线检测方法
CN110660071A (zh) * 2019-08-23 2020-01-07 中山市奥珀金属制品有限公司 一种边缘检测双阈值自动设定方法及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KUO-LIANG CHUNG 等: "New orientation-based elimination approach for accurate line-detection", 《PATTERN RECOGNITION LETTERS》, 13 September 2009 (2009-09-13), pages 11 - 19 *
徐德 著: "《显微视觉测量与控制》", 31 December 2014, pages: 66 - 67 *
汤伟等: "基于改进霍夫变换的水面无人船水界线检测方法", 《科学技术与工程》, vol. 18, no. 31, 30 November 2018 (2018-11-30), pages 36 - 41 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652825A (zh) * 2020-08-06 2020-09-11 上海海栎创微电子有限公司 基于梯度方向约束的边缘跟踪直线段快速检测装置及方法
CN111986221A (zh) * 2020-09-07 2020-11-24 北京凌云光技术集团有限责任公司 一种基于灰度或位置信息的边缘评价方法及装置
CN111986221B (zh) * 2020-09-07 2024-05-24 凌云光技术股份有限公司 一种基于灰度或位置信息的边缘评价方法及装置

Similar Documents

Publication Publication Date Title
US11443437B2 (en) Vibe-based three-dimensional sonar point cloud image segmentation method
CN109886928B (zh) 一种目标细胞标记方法、装置、存储介质及终端设备
CN112818988A (zh) 一种指针式仪表自动识别读数方法及***
CN110335233B (zh) 基于图像处理技术的高速公路护栏板缺陷检测***和方法
CN106340010B (zh) 一种基于二阶轮廓差分的角点检测方法
CN110909640A (zh) 水位线的确定方法及装置、存储介质、电子装置
CN112561940B (zh) 密集多目标参数提取的方法、装置及终端设备
CN110276759B (zh) 一种基于机器视觉的手机屏坏线缺陷诊断方法
CN109508709B (zh) 一种基于机器视觉的单指针仪表读数方法
CN110110667B (zh) 一种硅藻图像的处理方法、***及相关组件
CN111445510A (zh) 一种图像中直线的检测方法
CN113674220A (zh) 一种图像差异检测方法、检测装置和存储介质
CN112233076A (zh) 基于红色圆标靶图像处理的结构振动位移测量方法及装置
CN107133964B (zh) 一种基于Kinect的抠像方法
CN114821274A (zh) 一种用于识别分合指示牌的状态的方法和设备
Ying et al. Research on an automatic counting method for steel bars' image
CN107392948B (zh) 一种分振幅实时偏振成像***的图像配准方法
CN108268868B (zh) 身份证图像的倾斜值获取方法及装置、终端、存储介质
CN113642582A (zh) 电表读数识别方法、装置、电子设备和存储介质
CN112560839A (zh) 指针式仪表读数的自动识别方法及***
CN110490865B (zh) 基于螺柱高反光特性的螺柱点云分割方法
CN114255352A (zh) 一种河道提取方法、装置及计算机可读存储介质
CN109801428B (zh) 纸币边缘直线的检测方法、检测装置及终端
CN114742849B (zh) 一种基于图像增强的水准仪距离测量方法
CN113554688B (zh) 一种基于单目视觉的o型密封圈尺寸测量方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200724