一种提取图像中非连续直线的方法技术

本发明专利技术是一种提取图像中非连续直线的方法，涉及图像处理中非连续直线的提取，属于计算机视觉与图像处理领域。该方法针对图像中的非连续直线，利用了基于形态学处理的Steger中心线提取算法和结合曲线切割的RANSAC拟合算法的非连续直线提取方法。首先通过基于图像形态学处理的Steger算法实现非连续直线的连接及中心线提取，得到拟合直线所需的预备点集；再使用曲线切割算法将交叉曲线进行切割，去除交叉曲线对拟合结果的影响；最后利用RANSAC算法进行线性拟合得到最终提取结果。该方法解决了图像中非连续直线不能通过相邻像素点获取直线信息的问题；实现了非连续直线的连接及提取；可以应用于金属内部的缺陷检测，自然灾害影响判断，生物图像观察等方面。

【技术实现步骤摘要】
一种提取图像中非连续直线的方法
本专利技术涉及计算机视觉与图像处理领域，具体涉及图像非连续直线提取技术。
技术介绍
作为图像分割的基础任务，直线提取是图像处理中的一项重要内容，在多目标跟踪、人脸识别、道路提取和医学图像分析等方面都有着广泛的应用。对于具有连续性线条的结构学图像，如建筑，道路等中的直线信息提取已经有很多成熟的研究，常用的提取方法有Freeman链码法、梯度方向法、启发式搜索法、相位编组法和Hough变换等，这些提取算法的基本思路通常是：首先，使用合适的边缘检测算法检测图像边缘；然后，通过判断图像边缘相邻像素之间的关系来确定直线的成线点；最后，根据成线点进行进一步优化处理得到图像中的直线。传统的直线提取方法的关键步骤就是在对相邻像素之间关系的判定上，而在提取图像中非连续直线时，非连续直线的直线信息是断开的，所以相邻像素间信息并不能被直接利用，也就是非连续直线中的相邻像素在这些算法的判断下不会被判定为成线点，导致无法提取出其中的直线信息，所以传统的直线提取方法对于图像中的非连续直线提取并不适用。而许多物质的剖面结构，如金属、地震后的地块以及生物细胞等，存在大量非连续直线，其目标点离散但具有直线特征，这些信息的提取可以用于金属内部的缺陷检测，灾害影响判断，生物图像观察等方面，因此非连续直线的提取方法的研究是至关重要的。
技术实现思路
本专利技术为了解决图像中非连续直线因离散区域形状各异，相邻像素信息无关联而无法被识别提取的问题，提出了一种提取图像中非连续直线的方法。本专利技术首先利用基于形态学处理的Steger中心线提取算法取出图像中线结构的中心线，得到直线提取的预备点集。其次，对待拟合曲线进行切割，根据对目标点是否为交叉点的判断结果，删除交叉点得到各不相交的曲线，去除相交曲线对拟合结果的影响。最后，利用RANSAC算法对预备点进行拟合，实现图像中非连续直线的提取。本专利技术的图像非连续直线提取方法的步骤如下所示：步骤一：图像预处理。对图像进行二值化处理，减少图像数据复杂性，利用滤波器去除多余信息，具体实现步骤为：步骤A：对图像进行自适应性二值化，遍历图像像素点确定积分矩阵，并根据区域积分进行自适应性阈值设置，得到二值化图像，减少图像数据复杂性；步骤B：判断目标像素点构成的连通域，将连通域中面积大小作为特征信息，利用滤波器去除多余信息，如单个的点及较小的目标图像；步骤二：基于图像形态学的Steger中心线提取。利用膨胀图像的方法对目标像素点进行扩充，将离散直线连接起来形成不同连接域，再使用经典Steger算法提取图像中曲线中心线，具体实现步骤为：步骤A：使用矩形结构元素对原始图像进行滑动卷积，将离散点进行边界轮廓扩充，使得离散直线可以相互连接；步骤B：更新膨胀后图像的连通域，并用滤波器去除其中连接而成的大面积区域以及细小无用信息；步骤C：遍历图像中目标像素点，使用Steger算法判断像素点是否为中线点，从而确定中心线点集，为后续步骤提供预备点；步骤三：拟合预备点处理。滤波去除无用信息，细化曲线宽度至单像素，切割交叉曲线，具体实现步骤为：步骤A：利用滤波去除其中较小的连通域，并对线连通域进行骨架提取形成单像素曲线，有效减少待处理数据；步骤B：利用线切割算法在进行直线拟合前先对曲线进行切割，使相交曲线不能同时进行拟合，保证了最终拟合的准确性；步骤四：在拟合预备点集中选取合适的连通域，使用RANSAC算法进行拟合得到直线方程，最后根据直线方程及预备点进行绘制得到图像中非连续直线的提取结果。附图说明图1是本专利技术方法的流程框图。图2是本专利技术步骤一中的积分示意图。图3是本专利技术步骤二中的中心线提取原理示意图。图4是本专利技术的最终提取关键步骤结果示意图，从左到右分别为原始图像、二值化图像、膨胀图像、中心线提取、图像切割及最长线选择、提取结果。具体实施方式结合图1说明本实施方式，本实施方式的步骤如下：步骤一：图像预处理。对图像进行二值化处理，减少图像数据复杂性，利用滤波器去除多余信息，具体实现步骤为：步骤A：对图像进行自适应性二值化，遍历图像像素点确定积分矩阵(积分矩阵形式见图2)，并根据区域积分进行自适应性阈值设置，得到二值化图像，减少图像数据复杂性；步骤B：判断目标像素点构成的连通域，将连通域中面积大小作为特征信息，利用滤波器去除多余信息，如单个的点及较小的目标图像；步骤二：基于图像形态学的Steger中心线提取。利用膨胀图像的方法对目标像素点进行扩充，将离散直线连接起来形成不同连接域，再使用经典Steger算法提取图像中曲线中心线，具体实现步骤为：步骤A：使用矩形结构元素对原始图像进行滑动卷积，将离散点进行边界轮廓扩充，使得离散直线可以相互连接；步骤B：更新膨胀后图像的连通域，并用滤波器去除其中连接而成的大面积区域以及细小无用信息；步骤C：遍历图像中目标像素点，使用Steger算法判断像素点是否为中线点(中心点提取原理图见图3)，从而确定中心线点集，为后续步骤提供预备点；步骤三：拟合预备点处理。滤波去除无用信息，细化曲线宽度至单像素，切割交叉曲线，具体实现步骤为：步骤A：利用滤波去除其中较小的连通域，并对线连通域进行骨架提取形成单像素曲线，有效减少待处理数据；步骤B：利用线切割算法在进行直线拟合前先对曲线进行切割，使相交曲线不能同时进行拟合，保证了最终拟合的准确性；步骤四：在拟合预备点集中选取合适的连通域，使用RANSAC算法进行拟合得到直线方程，最后根据直线方程及预备点进行绘制得到图像中非连续直线的提取结果(提取各步骤结果见图4)。步骤一的实现细节为：计算积分矩阵I，I(x,y)表示点(x,y)与原点(x0,y0)组成矩形的灰度值总和：I(x,y)＝f(x,y)+I(x-1,y)+I(x,y-1)-I(x-1,y-1)(1)其中f(x,y)为像素点(x,y)的真实像素值，像素点(x,y)与其左上角像素点(x1,y1)构成一个矩形区域，根据积分矩阵计算阈值thf矩阵公式如下：当f(x,y)-thf(x,y)＞thf(x,y)*t，像素点(x,y)为目标点，否则为背景点，其中t为阈值因子；然后对二值图像进行连通域判断，并利用滤波器去除其中单个的点及较小的目标图像，有效减少图像中的多余信息。步骤二的实现细节为：用矩形结构元素B遍历A中的每个像素：确定膨胀图像中每个连通域的大小及包含像素点并进行滤波处理：Coni＝{(x1,y1),(x2,y2),…,(xn,yn)}(4)Coni表示第i个连通域。设置低阈值thl和高阈值thh，将低于低阈值以及高于高阈值的连通域删除，最后按照连通域集合重新修改图像目标像素点；提取目标图像中心线。对于曲线f(x,y)上的任意一点(x0,y0)，Hessian矩阵可以表示为：...

【技术保护点】
1.提取图像中非连续直线的方法，该方法首先利用基于形态学处理的Steger中心线提取算法取出图像中线结构的中心线，得到直线提取的预备点集；其次，对待拟合曲线进行切割，根据对目标点是否为交叉点的判断结果，删除交叉点得到各不相交的曲线，去除相交曲线对拟合结果的影响；最后，利用RANSAC算法对预备点进行拟合，实现图像中非连续直线的提取；其特征在于它的步骤如下：/n步骤一：图像预处理，对图像进行二值化处理，减少图像数据复杂性，利用滤波器去除多余信息，具体实现步骤为：/n步骤A：对图像进行自适应性二值化，遍历图像像素点确定积分矩阵，并根据区域积分进行自适应性阈值设置，得到二值化图像，减少图像数据复杂性；自适应性二值化计算如下：/n计算积分矩阵I，I(x,y)表示点(x,y)与原点(x

【技术特征摘要】
1.提取图像中非连续直线的方法，该方法首先利用基于形态学处理的Steger中心线提取算法取出图像中线结构的中心线，得到直线提取的预备点集；其次，对待拟合曲线进行切割，根据对目标点是否为交叉点的判断结果，删除交叉点得到各不相交的曲线，去除相交曲线对拟合结果的影响；最后，利用RANSAC算法对预备点进行拟合，实现图像中非连续直线的提取；其特征在于它的步骤如下：
步骤一：图像预处理，对图像进行二值化处理，减少图像数据复杂性，利用滤波器去除多余信息，具体实现步骤为：
步骤A：对图像进行自适应性二值化，遍历图像像素点确定积分矩阵，并根据区域积分进行自适应性阈值设置，得到二值化图像，减少图像数据复杂性；自适应性二值化计算如下：
计算积分矩阵I，I(x,y)表示点(x,y)与原点(x0,y0)组成矩形的灰度值总和：
I(x,y)＝f(x,y)+I(x-1,y)+I(x,y-1)-I(x-1,y-1)(1)
其中f(x,y)为像素点(x,y)的真实像素值，像素点(x,y)与其左上角像素点(x1,y1)构成一个矩形区域，根据积分矩阵计算阈值thf矩阵公式如下：



当f(x,y)-thf(x,y)＞thf(x,y)*t，像素点(x,y)为目标点，否则为背景点，其中t为阈值因子；步骤B：判断目标像素点构成的连通域，将连通域中面积大小作为特征信息，利用滤波器去除多余信息，如单个的点及较小的目标图像；
步骤二：基于图像形态学的Steger中心线提取，利用膨胀图像的方法对目标像素点进行扩充，将离散直线连接起来形成不同连接域，再使用经典Steger算法提取图像中曲线中心线，具体实现步骤为：
步骤A：使用矩形结构元素对原始图像进行滑动卷积，将离散点进行边界轮廓扩充，使得离散直线可以相互连接；
步骤B：更新膨胀后图像的连通域，并用滤波器去除其中连接...

【专利技术属性】
技术研发人员：刘怡光，杨艳，汤自新，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51