數字圖像中基於距離分布的正方形檢測方法
2023-06-07 04:57:01 1
專利名稱：數字圖像中基於距離分布的正方形檢測方法
技術領域：
本發明涉及計算機視覺中的圖像特徵自動檢測領域，特別是數字圖像中正方形的 檢測方法。
背景技術：
形狀檢測與識別在自動化檢測、物體定位、圖像分析、計算機輔助設計等領域具有 十分重要的地位和作用。目前，用於多邊形等由直線段構成的封閉幾何圖形的識別的方法 有多種。廣義Hough變換(GHT)[1]利用多邊形的幾何特性，將變量空間圖形的檢測問題轉 化為參數空間的聚類問題，實現多邊形的直接檢測。其特點是簡單直接，但由於計算量大， 一般只適用於三角形等邊數較少的多邊形檢測。Lara等[2]提出了平行算法識別圖像中 的多邊形，該算法在已知圖像中直線及其端點的條件下，首先計算直線間的交叉點，並設計 四個矩陣來表示端點及交叉點的相互位置關係，然後由一個端點出發，按照規則遍歷各端 點或交叉點，直至構成封閉序列，從而實現多邊形檢測。該方法須已知圖像中的相關信息。 Barnes等[3_5]提出的方法首先獲得圖像邊緣，然後依據正多邊形的幾何特性，利用後驗概 率定義正多邊形的概率密度函數，接著通過計算正多邊形邊數和方向偏角來實現道路標識 牌中正多邊形的檢測，該方法的計算較為複雜，計算量大。針對已有檢測方法中存在的問 題，本發明提出一種基於距離分布的正方形檢測方法，該方法利用正方形中心點到正方形 各邊緣點的垂直距離相等這一幾何特性，實現正方形中心點及邊緣的檢測；該方法不需要 已知圖像的相關信息，易於實現且計算效率優於已有方法。參考文獻[1]Davies E R. Machine vision :theory, algorithms, practicalities(3rd Ed.) · Elsevier,2005，387-410.[2]Arijit L, Amitava S, Bhabani P S.Parallel algorithms for identifying convex and non-convexbasis polygons in an image. Parallel Computing,2005. 31 290-310.[3]Nick B, Gareth L, David S. The regular polygon detector. Pattern Recognition,2010. 43 :592-602.[4]Barnes N,Loy G,Shaw D, Robles-Kelly A. Regular polygon detection. In InternationalConference on Computer Vision,2005.[5]Corke P, Sukkarieh S. Field and Service Robotics, STAR 25，2006，55—66.
發明內容
本發明針對數字圖像中正方形的檢測問題，提供一種能夠準確檢測圖像中正方形 的檢測方法。為了實現本目的，本發明數字圖像中基於距離分布的正方形檢測方法，包括以 下步驟步驟Sl 採集圖像並輸入計算機；
步驟S2 利用高斯梯度模板計算各像素點的梯度；步驟S3 利用Carmy邊緣檢測算子計算圖像的邊緣圖；步驟S4 利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線；步驟S5 計算圖像中各像素點的特徵長度與特徵能量，獲得圖像的特徵長度分布 圖與特徵能量分布圖；步驟S6 在閾值約束下，在特徵能量分布圖上檢測局部極大值點；步驟S7 由每個局部極大值點及其特徵長度確定一個正方形的邊緣點集合；步驟S8 利用邊緣點的方向信息驗證並剔除不合理的正方形邊緣點集合，輸出正 方形的邊緣點集合。本發明提供的數字圖像中基於距離分布的正方形檢測方法，主要利用正方形中心 點到正方形各邊緣點的垂直距離分布(即正方形中心點到各邊的距離相等且等於邊長的 一半)，首先以各像素點為中心計算該中心到其支撐區域內各邊緣點方向線的距離，並根據 各個距離及其出現的次數確定各像素點的特徵長度和特徵能量，獲得圖像的特徵長度分布 圖與特徵能量分布圖；然後在閾值約束下，在特徵能量分布圖上檢測局部極大值點；由每 個局部極大值點及其特徵長度確定一個正方形的邊緣點集合；利用邊緣點的方向信息驗證 並剔除不合理的正方形邊緣點集合，最後，輸出組成正方形的邊緣點集合。本發明提供的方 法簡單、易於實現，且計算效率優於已有方法。
圖1為本發明數字圖像中基於距離分布的正方形檢測方法流程圖。圖2a為實施例中使用的原始圖像。圖2b為利用Carmy算子在圖2a上獲得的邊 緣圖；圖2c、2d分別為本發明提供的方法在圖2a上獲得的特徵長度分布圖與特徵能量分布 圖；圖2e為本發明提供的方法的正方形檢測結果。
具體實施例方式如圖1所示為本發明數字圖像中基於距離分布的正方形檢測方法流程圖，包括 採集圖像並輸入計算機、計算各像素點的梯度、計算圖像的邊緣圖、計算各邊緣點的方向 線、獲得圖像的特徵長度分布圖與特徵能量分布圖、在特徵能量分布圖上檢測局部極大值 點、由每個局部極大值點及其特徵長度確定一個正方形的邊緣點集合、利用邊緣點的方向 信息驗證並剔除不合理的正方形邊緣點集合，最後，輸出正方形的邊緣點集合。各步驟的具 體實施細節如下步驟Sl 採集圖像並輸入計算機。步驟S2 利用高斯梯度模板計算各像素點的梯度。步驟S3 利用Carmy邊緣檢測算子計算圖像的邊緣圖。步驟S4 利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線。記圖像中的邊 緣點XiG = 1,2, ...，N) (N為邊緣點個數)，利用高斯梯度模板計算該點處的梯度向量為 gracKXi) = [dix，diy]，則經過點Xi且與點Xi梯度方向垂直的直線Ii :aiX+biy+Ci = 0稱為 點Xi的方向線，其中a^bi、Ci的計算公式為叫=dix，bi = diy，Ci = -d^Xi-d^yio步驟S5:計算圖像中各像素點的特徵長度與特徵能量，獲得圖像的特徵長度分布圖與特徵能量分布圖。指定一個整數L(L可設置為預檢測正方形邊長的1.5 倍)，對於圖像中任一點X(x，y)，將以點X為中心、L為半徑的圓形區域定義為點X的 支撐區域；對於支撐區域內的任一邊緣點XiG = 1，2，...，N) (N為邊緣點個數)， 記點Xi (i = 1，2，...，N)確定的方向線為Ii :aiX+biy+Ci = 0，計算點X到Ii的距離
數，將出現次數最多的距離定義為點X處的特徵長度，記為K (x，y)，該距離的出現次數定義 為點X處的特徵能量，記為E(x，y)；計算圖像中各像素點的特徵長度與特徵能量，可獲得圖 像的特徵長度分布圖與特徵能量分布圖。步驟S6 在閾值約束下，在特徵能量分布圖上檢測局部極大值點。記圖像中任一 點X(x，y)，該點處的特徵能量為E (X，y)，計算閾值T = k .Mean(E),其中Mean (E)表示步 驟S5獲得的特徵能量分布圖的均值，比例係數k的取值範圍為3 5，在特徵能量分布圖 上檢測大於T且在3X3鄰域內為局部極大值的點；對於獲得的局部極大值點P (x，y)，記點 P的特徵長度與特徵能量分別為K (x，y)與E(X，y)，將不滿足條件E(X，y)/K(X，y) >8.s 的局部極大值點剔除，其中s為比例係數(可根據具體情況取0. 6 0. 9)。步驟S7 由每個局部極大值點及其特徵長度確定一個正方形的邊緣點集合。對 於步驟S6獲得的一個特徵長度為K(x，y)的局部極大值點P(x，y)，記P(x，y)支撐區域內 的任一邊緣點Xi確定的方向線為Ii, P(x, y)到方向線Ii的距離為屯，考慮如下兩個條件
權利要求
1.一種數字圖像中基於距離分布的正方形檢測方法，其特徵在於，包括步驟 步驟Sl 採集圖像並輸入計算機；步驟S2 利用高斯梯度模板計算各像素點的梯度； 步驟S3 利用Carmy邊緣檢測算子計算圖像的邊緣圖； 步驟S4 利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線； 步驟S5 計算圖像中各像素點的特徵長度與特徵能量，獲得圖像的特徵長度分布圖與 特徵能量分布圖；步驟S6 在閾值約束下，在特徵能量分布圖上檢測局部極大值點； 步驟S7 由每個局部極大值點及其特徵長度確定一個正方形的邊緣點集合； 步驟S8 利用邊緣點的方向信息驗證並剔除不合理的正方形邊緣點集合，輸出正方形 的邊緣點集合。
2.根據權利要求1所述的數字圖像中基於距離分布的正方形檢測方法，其特徵在於， 所述步驟S4包括記圖像中的邊緣點XiG = 1，2，. . .，N) (N為邊緣點個數)，利用高斯梯 度模板計算該點處的梯度向量為gracKXi) = [dix，diy]，則經過點Xi且與點Xi梯度方向垂 直的直線Ii :aiX+biy+Ci = 0稱為點Xi的方向線，其中ai、bi、Ci的計算公式為
3.根據權利要求2所述的數字圖像中基於距離分布的正方形檢測方法，其特徵 在於，所述步驟S5包括指定一個整數L(L可設置為預檢測正方形邊長的1.5倍)， 對於圖像中任一點X(x，y)，將以點X為中心、L為半徑的圓形區域定義為點X的支 撐區域；對於支撐區域內的任一邊緣點XiG = 1，2，...，N) (N為邊緣點個數)，記 點Xi (i = 1，2，...，N)確定的方向線為Ii :aiX+biy+Ci = 0，計算點X到Ii的距離
4.根據權利要求3所述的數字圖像中基於距離分布的正方形檢測方法，其特徵在於， 所述步驟S6包括步驟S61 記圖像中任一點X(x，y)，該點處的特徵能量為E(x，y)，計算閾值T = k · Mean(E)，其中Mean(E)表示步驟S5獲得的特徵能量分布圖的均值，比例係數k的取值 範圍為3 5，在特徵能量分布圖上檢測大於T且在3X3鄰域內為局部極大值的點；步驟S62 對於步驟S61獲得的局部極大值點P (x, y)，記點P的特徵長度與特徵能量分 別為K(x，y)與E(X，y)，將不滿足條件E(X，y)/K(X，y) > 8 · s的局部極大值點剔除，其中 s為比例係數(可根據具體情況取0. 6 0. 9)。
5.根據權利要求4所述的數字圖像中基於距離分布的正方形檢測方法，其特徵在於， 所述步驟S7為對於步驟S6獲得的一個特徵長度為K(x，y)的局部極大值點P (χ，y)，記 P(x, y)支撐區域內的任一邊緣點Xi確定的方向線為Ii, P(χ, y)到方向線Ii的距離為d"考慮如下兩個條件(1) \\Xt -P||< V2· K(x, y)·, (2) K (χ, y)-1.5 ^ Cli^K(Xjy)+1.5,0' = \,2,...,Ν)(四捨五入為整數)；統計距離Cli出現的次獲得同時滿足兩個條件的正方形的邊緣點集合，並記為{xj (i = 1，2，... N)，其中N為滿足 條件的邊緣點個數。
6.根據權利要求5所述的數字圖像中基於距離分布的正方形檢測方法，其特徵在 於，所述步驟S8的具體方法為對於步驟S7獲得的一個正方形邊緣點集合{XJ (i = 1， 2，... N)，如果邊緣點的梯度方向集中分布在四個方向上且滿足條件N > 4. 5 · K(x，y)，則 輸出該正方形邊緣點集合，否則剔除該不合理的正方形邊緣點集合。
全文摘要
本發明涉及一種數字圖像中基於距離分布的正方形檢測方法，包括採集圖像並輸入計算機；利用高斯梯度模板計算各像素點的梯度；利用Canny邊緣檢測算子計算圖像的邊緣圖；利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線；計算圖像中各像素點的特徵長度與特徵能量，獲得圖像的特徵長度分布圖與特徵能量分布圖；在閾值約束下，在特徵能量分布圖上檢測局部極大值點；由每個局部極大值點及其特徵長度確定一個正方形的邊緣點集合；利用邊緣點的方向信息驗證並剔除不合理的正方形邊緣點集合，最後，輸出組成正方形的邊緣點集合。本發明提供的方法能夠準確檢測出圖像中正方形的中心和邊緣，較已有方法簡單、易於實現，且計算效率優於已有方法。
文檔編號G06K9/52GK102096820SQ20111002152
公開日2011年6月15日 申請日期2011年1月12日 優先權日2011年1月12日
發明者劉紅敏, 王志衡, 賈宗璞 申請人:河南理工大學