本发明专利技术涉及一种数字图像中基于距离分布的正方形检测方法，包括：采集图像并输入计算机；利用高斯梯度模板计算各像素点的梯度；利用Canny边缘检测算子计算图像的边缘图；利用边缘图上各边缘点的梯度计算各边缘点的方向线；计算图像中各像素点的特征长度与特征能量，获得图像的特征长度分布图与特征能量分布图；在阈值约束下，在特征能量分布图上检测局部极大值点；由每个局部极大值点及其特征长度确定一个正方形的边缘点集合；利用边缘点的方向信息验证并剔除不合理的正方形边缘点集合，最后，输出组成正方形的边缘点集合。本发明专利技术提供的方法能够准确检测出图像中正方形的中心和边缘，较已有方法简单、易于实现，且计算效率优于已有方法。
【技术实现步骤摘要】
本专利技术涉及计算机视觉中的图像特征自动检测领域，特别是数字图像中正方形的 检测方法。
技术介绍
形状检测与识别在自动化检测、物体定位、图像分析、计算机辅助设计等领域具有 十分重要的地位和作用。目前，用于多边形等由直线段构成的封闭几何图形的识别的方法 有多种。广义Hough变换(GHT)利用多边形的几何特性，将变量空间图形的检测问题转 化为参数空间的聚类问题，实现多边形的直接检测。其特点是简单直接，但由于计算量大， 一般只适用于三角形等边数较少的多边形检测。Lara等提出了平行算法识别图像中 的多边形，该算法在已知图像中直线及其端点的条件下，首先计算直线间的交叉点，并设计 四个矩阵来表示端点及交叉点的相互位置关系，然后由一个端点出发，按照规则遍历各端 点或交叉点，直至构成封闭序列，从而实现多边形检测。该方法须已知图像中的相关信息。 Barnes等提出的方法首先获得图像边缘，然后依据正多边形的几何特性，利用后验概 率定义正多边形的概率密度函数，接着通过计算正多边形边数和方向偏角来实现道路标识 牌中正多边形的检测，该方法的计算较为复杂，计算量大。针对已有检测方法中存在的问 题，本专利技术提出一种基于距离分布的正方形检测方法，该方法利用正方形中心点到正方形 各边缘点的垂直距离相等这一几何特性，实现正方形中心点及边缘的检测；该方法不需要 已知图像的相关信息，易于实现且计算效率优于已有方法。参考文献Davies E R. Machine vision :theory, algorithms, practicalities(3rd Ed.) · Elsevier,2005，387-410.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.Nick B, Gareth L, David S. The regular polygon detector. Pattern Recognition,2010. 43 :592-602.Barnes N,Loy G,Shaw D, Robles-Kelly A. Regular polygon detection. In InternationalConference on Computer Vision,2005.Corke P, Sukkarieh S. Field and Service Robotics, STAR 25，2006，55—66.
技术实现思路
本专利技术针对数字图像中正方形的检测问题，提供一种能够准确检测图像中正方形 的检测方法。为了实现本目的，本专利技术，包括以 下步骤步骤Sl 采集图像并输入计算机；步骤S2 利用高斯梯度模板计算各像素点的梯度；步骤S3 利用Carmy边缘检测算子计算图像的边缘图；步骤S4 利用边缘图上各边缘点的梯度计算各边缘点的方向线；步骤S5 计算图像中各像素点的特征长度与特征能量，获得图像的特征长度分布 图与特征能量分布图；步骤S6 在阈值约束下，在特征能量分布图上检测局部极大值点；步骤S7 由每个局部极大值点及其特征长度确定一个正方形的边缘点集合；步骤S8 利用边缘点的方向信息验证并剔除不合理的正方形边缘点集合，输出正 方形的边缘点集合。本专利技术提供的，主要利用正方形中心 点到正方形各边缘点的垂直距离分布(即正方形中心点到各边的距离相等且等于边长的 一半)，首先以各像素点为中心计算该中心到其支撑区域内各边缘点方向线的距离，并根据 各个距离及其出现的次数确定各像素点的特征长度和特征能量，获得图像的特征长度分布 图与特征能量分布图；然后在阈值约束下，在特征能量分布图上检测局部极大值点；由每 个局部极大值点及其特征长度确定一个正方形的边缘点集合；利用边缘点的方向信息验证 并剔除不合理的正方形边缘点集合，最后，输出组成正方形的边缘点集合。本专利技术提供的方 法简单、易于实现，且计算效率优于已有方法。附图说明图1为本专利技术流程图。图2a为实施例中使用的原始图像。图2b为利用Carmy算子在图2a上获得的边 缘图；图2c、2d分别为本专利技术提供的方法在图2a上获得的特征长度分布图与特征能量分布 图；图2e为本专利技术提供的方法的正方形检测结果。具体实施例方式如图1所示为本专利技术流程图，包括 采集图像并输入计算机、计算各像素点的梯度、计算图像的边缘图、计算各边缘点的方向 线、获得图像的特征长度分布图与特征能量分布图、在特征能量分布图上检测局部极大值 点、由每个局部极大值点及其特征长度确定一个正方形的边缘点集合、利用边缘点的方向 信息验证并剔除不合理的正方形边缘点集合，最后，输出正方形的边缘点集合。各步骤的具 体实施细节如下步骤Sl 采集图像并输入计算机。步骤S2 利用高斯梯度模板计算各像素点的梯度。步骤S3 利用Carmy边缘检测算子计算图像的边缘图。步骤S4 利用边缘图上各边缘点的梯度计算各边缘点的方向线。记图像中的边 缘点XiG = 1,2, ...，N) (N为边缘点个数)，利用高斯梯度模板计算该点处的梯度向量为 gracKXi) = ，则经过点Xi且与点Xi梯度方向垂直的直线Ii :aiX+biy+Ci = 0称为 点Xi的方向线，其中a^bi、Ci的计算公式为叫=dix，bi = diy，Ci = -d^Xi-d^yio步骤S5:计算图像中各像素点的特征长度与特征能量，获得图像的特征长度分布图与特征能量分布图。指定一个整数L(L可设置为预检测正方形边长的1.5 倍)，对于图像中任一点X(x，y)，将以点X为中心、L为半径的圆形区域定义为点X的 支撑区域；对于支撑区域内的任一边缘点XiG = 1，2，...，N) (N为边缘点个数)， 记点Xi (i = 1，2，...，N)确定的方向线为Ii :aiX+biy+Ci = 0，计算点X到Ii的距离数，将出现次数最多的距离定义为点X处的特征长度，记为K (x，y)，该距离的出现次数定义 为点X处的特征能量，记为E(x，y)；计算图像中各像素点的特征长度与特征能量，可获得图 像的特征长度分布图与特征能量分布图。步骤S6 在阈值约束下，在特征能量分布图上检测局部极大值点。记图像中任一 点X(x，y)，该点处的特征能量为E (X，y)，计算阈值T = k .Mean(E),其中Mean (E)表示步 骤S5获得的特征能量分布图的均值，比例系数k的取值范围为3 5，在特征能量分布图 上检测大于T且在3X3邻域内为局部极大值的点；对于获得的局部极大值点P (x，y)，记点 P的特征长度与特征能量分别为K (x，y)与E(X，y)，将不满足条件E(X，y)/K(X，y) >8.s 的局部极大值点剔除，其中s为比例系数(可根据具体情况取0. 6 0. 9)。步骤S7 由每个局部极大值点及其特征长度确定一个正方形的边缘点集合。对 于步骤S6获得的一个特征长度为K(x，y)的局部极大值点P(x，y)，记P(x，y)支撑区域内 的任一边缘点Xi确定的方向线为本文档来自技高网...
【技术保护点】
一种数字图像中基于距离分布的正方形检测方法，其特征在于，包括步骤：步骤Ｓ１：采集图像并输入计算机；步骤Ｓ２：利用高斯梯度模板计算各像素点的梯度；步骤Ｓ３：利用Ｃａｎｎｙ边缘检测算子计算图像的边缘图；步骤Ｓ４：利用边缘图上各边缘点的梯度计算各边缘点的方向线；步骤Ｓ５：计算图像中各像素点的特征长度与特征能量，获得图像的特征长度分布图与特征能量分布图；步骤Ｓ６：在阈值约束下，在特征能量分布图上检测局部极大值点；步骤Ｓ７：由每个局部极大值点及其特征长度确定一个正方形的边缘点集合；步骤Ｓ８：利用边缘点的方向信息验证并剔除不合理的正方形边缘点集合，输出正方形的边缘点集合。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘红敏，王志衡，贾宗璞，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。