CN104766078B - 目标图像的倾斜角检测方法及倾斜角检测设备 - Google Patents
目标图像的倾斜角检测方法及倾斜角检测设备 Download PDFInfo
- Publication number
- CN104766078B CN104766078B CN201510153471.0A CN201510153471A CN104766078B CN 104766078 B CN104766078 B CN 104766078B CN 201510153471 A CN201510153471 A CN 201510153471A CN 104766078 B CN104766078 B CN 104766078B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- obtains
- inclination angle
- noise reduction
- 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.)
- Active
Links
Abstract
本发明公开了一种目标图像的倾斜角检测方法及倾斜角检测设备,属于图像处理技术领域,解决了现有的倾斜角检测方法的运算量较大,导致运算效率较低的技术问题。该倾斜角检测方法包括:将目标图像转化为灰度图像;对所述灰度图像进行二值化处理,获得二值化图像;对所述二值化图像进行降噪处理,获得降噪后的图像;对所述降噪后的图像进行膨胀处理,获得膨胀图像;对所述膨胀图像进行边缘检测,获得边缘图像;利用生长算法对所述边缘图像进行扩展,找到预定方向上最长的生长区域;由所述区域里的点,拟合出一条直线;获取所述直线与所述预定方向之间的夹角。本发明可应用于图像处理系统。
Description
技术领域
本发明涉及图像处理技术领域,具体地说,涉及一种目标图像的倾斜角检测方法及倾斜角检测设备。
背景技术
随着图像处理技术的发展,图像识别技术已经广泛的应用在银行、财税、证券、金融票据电子影像系统、汽车牌照的抓拍识别系统、选票自动识别系统、光学字符识别(Optical Character Recognition,简称OCR)系统等领域中。在通过采集设备获取图像后,通常要对其进行预处理,但是采集设备获得图像时不可避免的会发生倾斜,这给后面的图像分割、字符识别等图像处理与分析带来了很大困难。因此,对图像进行倾斜校正是图像预处理过程中的重要组成部分。
倾斜校正的核心在于如何检测出图像的倾斜角。目前,倾斜角检测的方法主要有以下几种:
Hough变换是最常用的检测倾斜角的方法,由于基于Hough变换算法计算量非常大,因此一些专门用于倾斜角检测的Hough变换改进的算法被提出来。虽然这些改进的算法的核心思想是减少Hough变换的数据量,但由于Hough变换本身计算量很大,因此改进后的算法的运算速度仍然较慢。
交叉相关性算法是基于等距离的竖直(或水平)平行线上像素点的相关性的方法,以平行线上的像素点建立相关矩阵,并对矩阵在竖直方向上作投影,投影图的全局最大值对应于倾斜角,该方法虽然准确率高,但相关矩阵的计算量较大。
基于投影的方法是利用投影的某些特征进行判断,如均方差、第一特征矢量以及梯度等统计特征。但是,由于该方法需要对整个图像统计特征值,因此计算量和复杂度都较高。
Fourier变换方法是利用页面倾角对应于使Fourier空间密度最大的方向角的特征,将目标图像的所有像素点进行Fourier变换,其计算量非常大,因此目前很少采用。
K-最近邻簇方法是先找出所有连通区中心点的K个最近邻点,计算每对近邻点的矢量方向并统计生成直方图,直方图的峰值对应于整个页面的倾角,其计算复杂度为O(N×N),其中N为连通区个数。该方法的一个不足之处是计算量较大,因为对每一个待分类的文本都要计算它到全体已知样本的距离,才能求得它的K个最近邻点。
本发明人在实现本发明的过程中发现,现有技术至少存在以下技术问题:现有的倾斜角检测方法普遍运算量较大,导致运算效率较低的技术问题。
发明内容
本发明的目的在于提供一种目标图像的倾斜角检测方法及倾斜角检测设备,以解决现有的倾斜角检测方法的运算量较大,导致运算效率较低的技术问题。
本发明提供一种目标图像的倾斜角检测方法,包括:
将目标图像转化为灰度图像Igray;
对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin;
对所述二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno;
对所述降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge;
对所述膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge;
利用生长算法对所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L;
由所述区域Rmax-L里的点,拟合出一条直线L;
获取所述直线L与所述预定方向之间的夹角θ。
优选的是,对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin,具体为:
采用类间方差最大化、双峰直方图或全局阈值方法,对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin。
优选的是,对所述二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno,具体为:
遍历所述二值化图像Ibin,对目标像素点进行[5×5]降噪处理,获得降噪后的图像Ideno。
优选的是,对所述降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge,具体为:
遍历所述降噪后的图像Ideno,对目标像素点进行[9×9]膨胀处理,获得膨胀图像Ibulge。
优选的是,对所述膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge,具体为:
优选的是,利用生长算法对所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L,具体为:
优选的是,所述预定方向为水平方向、竖直方向、45°斜向方向或﹣45°斜向方向。
进一步的是,该倾斜角检测方法还包括:
以所述夹角θ的大小对目标图像进行旋转,使所述直线L与所述预定方向的方向一致。
本发明还提供一种目标图像的倾斜角检测设备,包括:
灰度转化单元,用于将目标图像转化为灰度图像Igray;
二值化单元,用于对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin;
降噪单元,用于对所述二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno;
膨胀单元,用于对所述降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge;
边缘检测单元,用于对所述膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge;
生长算法单元,用于利用生长算法对所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L;
拟合单元,用于由所述区域Rmax-L里的点,拟合出一条直线L;
获取单元,用于获取所述直线L与所述预定方向之间的夹角θ。
进一步的是,该倾斜角检测设备还包括:
旋转单元,用于以所述夹角θ的大小对目标图像进行旋转,使所述直线L与所述预定方向的方向一致。
本发明带来了以下有益效果:本发明提供的技术方案中,通过对二值化的目标图像进行膨胀处理,再进行边缘检测,然后基于种子生长,找到预定方向上跨度最大的区域,并获得该区域的两个端点。这两个端点的连线与预定方向的夹角就是目标图像的倾斜角,以此角度旋转图像,即可获得倾斜校正后的图像。对目标图像进行二值化和膨胀处理,能够显著降低后续边缘检测、生长算法的运算量,从而解决了现有的倾斜角检测方法的运算量较大的技术问题,提高了倾斜角检测的运算效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要的附图做简单的介绍:
图1是本发明实施例提供的目标图像的倾斜角检测方法的流程图;
图2是本发明实施例提供的目标图像的倾斜角检测设备的示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
实施例一:
本发明实施例提供一种目标图像的倾斜角检测方法,可应用于图像处理系统中,具体用于对图像内容进行识别之前的预处理过程。如图1所示,该倾斜角检测方法包括:
S1:将目标图像转化为灰度图像Igray。
图像处理系统的采集设备通常能够采集到彩色的图像。为了方便于对其进行倾斜角检测,所以需要先将彩色的目标图像转化为黑白的灰度图像Igray。
S2:对灰度图像Igray进行二值化处理,获得二值化图像Ibin。
目前,二值化处理的具体方法很多,本实施例中优选采用类间方差最大化、双峰直方图或全局阈值方法,对灰度图像Igray进行二值化处理,并获得黑白两色且无灰度的二值化图像Ibin。
S3:对二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno。
具体的,遍历二值化图像Ibin,对白色的目标像素点进行[5×5]降噪处理,从而去除孤立的噪点,获得降噪后的图像Ideno。
S4:对降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge。
具体的,遍历降噪后的图像Ideno,对白色的目标像素点进行[9×9]膨胀处理,获得膨胀图像Ibulge。
S5:对膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge。
S6:利用生长算法对边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L。
S7:由区域Rmax-L里的点,拟合出一条直线L。
具体的,可以采用最小二乘法,由区域Rmax-L里的点线性拟合出一条直线L,即获得区域Rmax-L的左上点和右上点,并将这两点连成直线L。
S8:获取直线L与预定方向之间的夹角θ。
直线L与水平方向之间的夹角θ就是目标图像的倾斜角,直接获取该夹角θ即可。
进一步的是,本发明实施例提供的倾斜角检测方法中,还包括:
S9:以夹角θ的大小对目标图像进行旋转,使直线L与预定方向(即水平方向)的方向一致,从而在检测出目标图像的倾斜角之后,还实现了目标图像的校正。
本发明实施例提供的倾斜角检测方法中,通过对二值化的目标图像进行膨胀处理,再进行边缘检测,然后基于种子生长,找到水平方向上跨度最大的区域,并获得该区域的两个端点(左上点和右上点)。这两个端点的连线L与水平方向的夹角θ就是目标图像的倾斜角,以此角度旋转图像,即可获得倾斜校正后的图像。对目标图像进行二值化和膨胀处理,能够显著降低后续边缘检测、生长算法的运算量,从而解决了现有的倾斜角检测方法的运算量较大的技术问题,提高了倾斜角检测的运算效率。
实施例二:
如图2所示,本发明实施例提供一种目标图像的倾斜角检测设备,主要包括灰度转化单元、二值化单元、降噪单元、膨胀单元、边缘检测单元、生长算法单元、拟合单元、获取单元、旋转单元等部分。
灰度转化单元用于将目标图像转化为灰度图像Igray。
二值化单元用于对灰度图像Igray进行二值化处理,获得二值化图像Ibin。
降噪单元用于对二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno。
膨胀单元用于对降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge。
边缘检测单元用于对膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge。
生长算法单元用于利用生长算法对边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L。其中,预定方向可以是水平方向、竖直方向、45°斜向方向或﹣45°斜向方向。
拟合单元用于由区域Rmax-L里的点,拟合出一条直线L。
获取单元用于获取直线L与预定方向之间的夹角θ。
旋转单元用于以夹角θ的大小对目标图像进行旋转,使直线L与预定方向的方向一致。
本发明实施例提供的目标图像的倾斜角检测设备,与上述实施例一提供的目标图像的倾斜角检测方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种目标图像的倾斜角检测方法,其特征在于,包括:
将目标图像转化为灰度图像Igray;
对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin;
对所述二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno;
对所述降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge;
对所述膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge;
利用生长算法对所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L;
由所述区域Rmax-L里的点,拟合出一条直线L;
获取所述直线L与所述预定方向之间的夹角θ。
2.根据权利要求1所述的倾斜角检测方法,其特征在于,对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin,具体为:
采用类间方差最大化、双峰直方图或全局阈值方法,对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin。
3.根据权利要求1所述的倾斜角检测方法,其特征在于,对所述二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno,具体为:
遍历所述二值化图像Ibin,对目标像素点进行[5×5]降噪处理,获得降噪后的图像Ideno。
4.根据权利要求1所述的倾斜角检测方法,其特征在于,对所述降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge,具体为:
遍历所述降噪后的图像Ideno,对目标像素点进行[9×9]膨胀处理,获得膨胀图像Ibulge。
5.根据权利要求1所述的倾斜角检测方法,其特征在于,对所述膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge,具体为:
使用Canny算法,采用卷积算子对所述膨胀图像Ibulge进
行边缘检测,获得边缘图像Iedge。
6.根据权利要求1所述的倾斜角检测方法,其特征在于,利用生长算法对所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L,具体为:
遍历所述边缘图像Iedge,以第一个目标点作为种子,利用3-邻域生长算法对
所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L。
7.根据权利要求1所述的倾斜角检测方法,其特征在于,所述预定方向为水平方向、竖直方向、45°斜向方向或﹣45°斜向方向。
8.根据权利要求1所述的倾斜角检测方法,其特征在于,还包括:
以所述夹角θ的大小对目标图像进行旋转,使所述直线L与所述预定方向的方向一致。
9.一种目标图像的倾斜角检测设备,其特征在于,包括:
灰度转化单元,用于将目标图像转化为灰度图像Igray;
二值化单元,用于对所述灰度图像Igray进行二值化处理,获得二值化图像Ibin;
降噪单元,用于对所述二值化图像Ibin进行降噪处理,获得降噪后的图像Ideno;
膨胀单元,用于对所述降噪后的图像Ideno进行膨胀处理,获得膨胀图像Ibulge;
边缘检测单元,用于对所述膨胀图像Ibulge进行边缘检测,获得边缘图像Iedge;
生长算法单元,用于利用生长算法对所述边缘图像Iedge进行扩展,找到预定方向上最长的生长区域Rmax-L;
拟合单元,用于由所述区域Rmax-L里的点,拟合出一条直线L;
获取单元,用于获取所述直线L与所述预定方向之间的夹角θ。
10.根据权利要求9所述的倾斜角检测设备,其特征在于,还包括:
旋转单元,用于以所述夹角θ的大小对目标图像进行旋转,使所述直线L与所述预定方向的方向一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510153471.0A CN104766078B (zh) | 2015-04-02 | 2015-04-02 | 目标图像的倾斜角检测方法及倾斜角检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510153471.0A CN104766078B (zh) | 2015-04-02 | 2015-04-02 | 目标图像的倾斜角检测方法及倾斜角检测设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766078A CN104766078A (zh) | 2015-07-08 |
CN104766078B true CN104766078B (zh) | 2018-06-22 |
Family
ID=53647892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510153471.0A Active CN104766078B (zh) | 2015-04-02 | 2015-04-02 | 目标图像的倾斜角检测方法及倾斜角检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766078B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934788B (zh) * | 2015-12-30 | 2020-11-24 | 中国科学院沈阳自动化研究所 | 一种直线倾斜角的快速提取方法 |
WO2019056346A1 (zh) * | 2017-09-25 | 2019-03-28 | 深圳传音通讯有限公司 | 一种利用膨胀法校正文本图像倾斜的方法及装置 |
CN107907109B (zh) * | 2017-11-03 | 2020-06-16 | 福建工程学院 | 一种基于改进型图像处理的角度识别方法和小型无人机 |
CN108052936B (zh) * | 2017-11-03 | 2021-06-29 | 中国科学院计算技术研究所 | 一种盲文图像自动倾斜校正方法及系统 |
CN109766888B (zh) * | 2017-11-09 | 2022-12-16 | 天津理工大学 | 一种具有可控免疫生长域的红外图像目标提取方法 |
CN110569684B (zh) * | 2019-09-19 | 2023-05-12 | 南京全鉴信息技术有限公司 | 一种小容量缓存的图像二值化方法 |
CN111223098B (zh) * | 2020-03-13 | 2024-03-12 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条倾斜角检测方法及系统 |
CN111223094B (zh) * | 2020-03-13 | 2024-03-12 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条间距检测方法及系统 |
CN111223095B (zh) * | 2020-03-13 | 2024-03-12 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条间距检测方法及系统 |
CN111415337B (zh) * | 2020-03-13 | 2024-04-19 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条倾斜角检测方法及系统 |
CN111223097B (zh) * | 2020-03-13 | 2024-04-19 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN111223096B (zh) * | 2020-03-13 | 2024-04-05 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN101609283A (zh) * | 2008-06-19 | 2009-12-23 | 佳能株式会社 | 图像处理装置及图像处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3878401B2 (ja) * | 2000-09-14 | 2007-02-07 | シャープ株式会社 | 画像処理装置、画像処理方法およびそれを記録した記録媒体 |
-
2015
- 2015-04-02 CN CN201510153471.0A patent/CN104766078B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609283A (zh) * | 2008-06-19 | 2009-12-23 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
Non-Patent Citations (3)
Title |
---|
"一种利用方向模板的遥感影像道路提取方法";韦春桃 等;《桂林理工大学学报》;20100831;第30卷(第3期);第378-383页 * |
"有变化区域的SAR图像配准方法研究";杨正勇;《中国优秀硕士学位论文全文数据库信息科技辑》;20141115(第11期);第I136-699页 * |
"车牌识别系统中的牌照定位及倾斜校正技术研究";贡丽霞;《中国优秀硕士学位论文全文数据库信息科技辑》;20110515(第05期);第I138-893页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104766078A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766078B (zh) | 目标图像的倾斜角检测方法及倾斜角检测设备 | |
CN109086714B (zh) | 表格识别方法、识别系统及计算机装置 | |
CN106485274B (zh) | 一种基于目标特性图的物体分类方法 | |
CN108694393A (zh) | 一种基于深度卷积的证件图像文本区域提取方法 | |
CN106909941A (zh) | 基于机器视觉的多表字符识别系统及方法 | |
CN105574521A (zh) | 房屋轮廓提取方法和装置 | |
CN102789658A (zh) | 紫外防伪支票真伪验证方法 | |
CN106407924A (zh) | 基于路面特征的双目道路识别检测方法 | |
WO2016045215A1 (zh) | 指纹图像质量的判断方法和装置 | |
CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN102651069B (zh) | 基于轮廓的局部不变区域的检测方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
WO2023279966A1 (zh) | 一种多车道线检测方法、装置及检测设备 | |
Soomro et al. | Vehicle number recognition system for automatic toll tax collection | |
CN110378351B (zh) | 印章鉴别方法及装置 | |
TW201804437A (zh) | 影像物體特徵描述方法及影像處理裝置 | |
CN106846354B (zh) | 一种基于图像分割和随机hough变换的架上图书清点方法 | |
CN105404868A (zh) | 一种基于交互平台的复杂背景中文本的快速检测方法 | |
CN204789357U (zh) | 一种电解电容外观包装缺陷图像检测系统 | |
CN108961262B (zh) | 一种复杂场景下的条码定位方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN103699876B (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN104966283A (zh) | 图像分层配准方法 | |
Lee et al. | Vehicle model recognition in video |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |