CN108647697A - 一种基于改进Hough变换的目标边界检测方法和装置 - Google Patents

Abstract

本发明公开了一种基于改进Hough变换的目标边界检测方法，包括：(1)对输入图像进行边缘检测；(2)建立投票矩阵；(3)对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；(4)根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，(5)根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；(6)重复步骤3‑5，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；(7)重复步骤3‑6，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H₄；(8)根据投票矩阵确定各边界直线。本发明方法可以实现快速、准确、鲁棒的边界直线检测。

Description

一种基于改进Hough变换的目标边界检测方法和装置

技术领域

本发明属于视频与图像处理技术领域，更具体地，涉及一种基于改进Hough变换的目标边界检测方法。

背景技术

图像与视频技术在日常生产和生活中的作用越发重要，特别是随着智能手机和移动互联网的普及，大量的办公与娱乐应用中关于图像和视频的处理越来普及。然而，绝大多数场景下，相机并不能在理想角度下进行图像采集，这使得所得图像存在扭曲，为解决该问题必须进行图像矫正。如图1所示，手机拍摄一份文档(或者学生上课拍摄ppt)的时候，一方面，拍摄角度无法垂直于目标，另一方面，除了所需目标，还会拍进去一些不想要的背景。因此需要进行校正。

实际中大量的图像矫正都是根据目标的边界来完成，而绝大多数目标例如证件、文档、车牌等都是矩形，这使得准确的检测并定位目标的边界成为基础而重要的问题。现有边界检测方法可分为以下步骤(1)对图像边缘进行提取、(2)基于Hough变换进行直线检测、(3)在检测所得直线中选择目标边界。然而，实际应用中，物体边缘并非理想直线，通过(2)往往可以得到多个接近的直线，需要对Hough变换的结果进行合并；此外，该方法流程较长、运算起来也较为复杂。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于改进Hough变换的目标边界检测方法和系统，其目的在于通过改进的霍夫变换实现边缘的快速检测，以实现快速、准确、鲁棒的边界直线检测。

为实现上述目的，按照本发明的一个方面，提供了一种基于改进Hough变换的目标边界检测方法，包括

(1)对输入图像进行边缘检测得到目标的边缘；

(2)建立投票矩阵H₁、H₂、H₃、H₄并全部初始化为0，矩阵的大小均为M*N，其中M＝2π/θ_step，θ_step为角度遍历步长，N为输入图像的对角线长度；

(3)对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；

(4)根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，其中w₁反比例于点(x,y)和图像左边界的距离，w₂反比例于点(x,y)和图像右边界的距离，w₃反比例于点(x,y)和图像上边界的距离，w₄反比例于点(x,y)和图像下边界的距离；

(5)根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；

(6)重复步骤(3)-(5)，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成该像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；

(7)重复步骤(3)-(6)，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H4.；

(8)将H₁中取值最大的点所对应的角度θ₁和距离b₁表示的直线对应目标左侧边界，H₂中取值最大的点所对应的角度θ₂和距离b₂表示的直线对应目标左侧边界，H₃中取值最大的点所对应的角度θ₃和距离b₃表示的直线对应目标顶部边界，H₄中取值最大的点所对应的角度θ₄和距离b₄表示的直线对应目标底部边界。

本发明的一个实施例中，在所述步骤(5)和(6)之间还包括：

对矩阵H_i进行临近点修正，其规则为H_i(θ,b+Δb)＝H_i(θ,b+Δb)+w_ig(Δb)，其中i＝1,2,3,4，Δb∈[-d,d]，d为预设值，函数g为正值且为减函数。

本发明的一个实施例中，所述步骤(8)之后还包括：

根据步骤(8)所得的目标边界直线，计算得到目标的四个顶点坐标，进而根据四个顶点坐标完成图像矫正。

本发明的一个实施例中，所述θ_step的取值为3度。

本发明的一个实施例中，所述函数g定义为g(x)＝exp(-|x|)。

本发明的一个实施例中，所述d取值为3。

本发明的一个实施例中，对权重w的计算定义为：

w₁:f₁(x)＝1-x/width；

w₂:f₂(x)＝x/width；

w₃:f₃(y)＝1-y/height；

w₄:f₄(y)＝y/height；

其中width和height分别为输入图像的宽和高。

本发明的一个实施例中，所述边缘检测采用的方法为边缘检测算子或机器学习方法。

按照本发明的另一方面，还提供了一种基于改进Hough变换的目标边界检测装置，包括：边缘检测模块、投票矩阵建立模块、距离计算模块、权重计算模块、投票赋值模块、角度遍历模块、边缘遍历模块以及边界确定模块，其中：

所述边缘检测模块，用于对输入图像进行边缘检测得到目标的边缘；

所述投票矩阵建立模块，用于建立投票矩阵H₁、H₂、H₃、H₄并全部初始化为0，矩阵的大小均为M*N，其中M＝2π/θ_step，θ_step为角度遍历步长，N为输入图像的对角线长度；

所述距离计算模块，用于对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；

所述权重计算模块，用于根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，其中w₁反比例于点(x,y)和图像左边界的距离，w₂反比例于点(x,y)和图像右边界的距离，w₃反比例于点(x,y)和图像上边界的距离，w₄反比例于点(x,y)和图像下边界的距离；

所述投票赋值模块，用于根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；

所述角度遍历模块，用于重复步骤(3)-(5)，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成该像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；

所述边缘遍历模块，用于重复步骤(3)-(6)，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H_4.；

所述边界确定模块，用于将H₁中取值最大的点所对应的角度θ₁和距离b₁表示的直线对应目标左侧边界，H₂中取值最大的点所对应的角度θ₂和距离b₂表示的直线对应目标左侧边界，H₃中取值最大的点所对应的角度θ₃和距离b₃表示的直线对应目标顶部边界，H₄中取值最大的点所对应的角度θ₄和距离b₄表示的直线对应目标底部边界。

本发明的一个实施例中，所述边界检测装置还包括矩阵修正模块：

所述矩阵修正模块，用于在投票赋值模块完成投票矩阵赋值后，对矩阵H_i进行临近点修正，其规则为H_i(θ,b+Δb)＝H_i(θ,b+Δb)+w_ig(Δb)，其中i＝1,2,3,，4Δb∈[-d,d]，d为预设值，函数g为正值且为减函数。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有如下有益效果：

(1)能准确提取边界，对不连续边界和扭曲形变的边界具有鲁棒性

(2)相对于现有方法中先检测直线，再进行边界提取与合并的流程，本方案将直线检测和边界提取在一步中完成，大大缩短了流程，降低了复杂度。

附图说明

图1是本发明实施例中一种待处理目标图像的示意图；

图2是本发明实施例中一种基于改进Hough变换的目标边界检测方法的流程示意图；

图3是本发明实施例中计算原点到过点直线的垂直距离示意图；

图4是本发明实施例中一种基于改进Hough变换的目标边界检测装置的结构示意图；

图5是本发明实施例中另一种基于改进Hough变换的目标边界检测装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图2所示，本发明提供了一种基于改进Hough变换的目标边界检测方法，包括：

(1)对输入图像进行边缘检测得到目标的边缘；

具体地，检测所用方法包括但不限于边缘检测算子(Canny、Sobel、Prewitt等)、机器学习等方法。

(2)建立投票矩阵H₁、H₂、H₃、H₄并全部初始化为0，矩阵的大小均为M*N，其中M＝2π/θ_step，θ_step为角度遍历步长，N为输入图像的对角线长度；

本步骤中，对角线的长度以像素为单位，θ_step可以根据需要取值，例如取值为2、3、5或者10，在此没有要求，但也不宜太大，以最终能得到比较好的边界直线为准。

(3)如图3所示，对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；

(4)根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，其中w₁反比例于点(x,y)和图像左边界的距离，w₂反比例于点(x,y)和图像右边界的距离，w₃反比例于点(x,y)和图像上边界的距离，w₄反比例于点(x,y)和图像下边界的距离；

具体地，对权重可按如下函数计算：

w₁:f₁(x)＝1-x/width；

w₂:f₂(x)＝x/width；

w₃:f₃(y)＝1-y/height；

w₄:f₄(y)＝y/height；

其中width和height分别为输入图像的宽和高。

(5)根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；

(6)重复步骤(3)-(5)，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成该像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；

对于不同的θ有不同的b，遍历区间为2π，而遍历步长为θ_step，所以投票矩阵的行数M＝2π/θ_step。

(7)重复步骤(3)-(6)，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H_4.；

(8)将H₁中取值最大的点所对应的角度θ₁和距离b₁表示的直线对应目标左侧边界，H₂中取值最大的点所对应的角度θ₂和距离b₂表示的直线对应目标左侧边界，H₃中取值最大的点所对应的角度θ₃和距离b₃表示的直线对应目标顶部边界，H₄中取值最大的点所对应的角度θ₄和距离b₄表示的直线对应目标底部边界。

进一步地，在所述步骤(5)和(6)之间，还包括：对矩阵H_i进行临近点修正，其规则为H_i(θ,b+Δb)＝H_i(θ,b+Δb)+w_ig(Δb)，其中i＝1,2,3,4，Δb∈[-d,d]，d为预设值，且函数g为正值且为减函数。

例如，所述函数g可以定义为g(x)＝exp(-|x|)。一般地，d的取值较小，例如取值为3。

进一步地，在所述步骤(5)之后，所述方法还包括，根据步骤(8)所得的目标边界直线，计算得到目标的四个顶点坐标，进而根据四个顶点坐标完成图像矫正。

进一步地，如图4所示，本发明还提供了一种基于改进Hough变换的目标边界检测装置，其特征在于，包括：边缘检测模块、投票矩阵建立模块、距离计算模块、权重计算模块、投票赋值模块、角度遍历模块、边缘遍历模块以及边界确定模块，其中：

所述边缘检测模块，用于对输入图像进行边缘检测得到目标的边缘；

所述投票矩阵建立模块，用于建立投票矩阵H₁、H₂、H₃、H₄并全部初始化为0，矩阵的大小均为M*N，其中M＝2π/θ_step，θ_step为角度遍历步长，N为输入图像的对角线长度；

所述距离计算模块，用于对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；

所述权重计算模块，用于根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，其中w₁反比例于点(x,y)和图像左边界的距离，w₂反比例于点(x,y)和图像右边界的距离，w₃反比例于点(x,y)和图像上边界的距离，w₄反比例于点(x,y)和图像下边界的距离；

所述投票赋值模块，用于根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；

所述角度遍历模块，用于重复步骤(3)-(5)，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成该像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；

所述边缘遍历模块，用于重复步骤(3)-(6)，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H_4.；

所述边界确定模块，用于将H₁中取值最大的点所对应的角度θ₁和距离b₁表示的直线对应目标左侧边界，H₂中取值最大的点所对应的角度θ₂和距离b₂表示的直线对应目标左侧边界，H₃中取值最大的点所对应的角度θ₃和距离b₃表示的直线对应目标顶部边界，H₄中取值最大的点所对应的角度θ₄和距离b₄表示的直线对应目标底部边界。

进一步地，如图5所示，所述边界检测装置还包括矩阵修正模块：

所述矩阵修正模块，用于在投票赋值模块完成投票矩阵赋值后，对矩阵H_i进行临近点修正，其规则为H_i(θ,b+Δb)＝H_i(θ,b+Δb)+w_ig(Δb)，其中i＝1,2,3,，4Δb∈[-d,d]，d为预设值，函数g为正值且为减函数。

本领域的技术人员容易理解，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作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于改进Hough变换的目标边界检测方法，其特征在于，包括：

(1)对输入图像进行边缘检测得到目标的边缘；

(2)建立投票矩阵H₁、H₂、H₃、H₄并全部初始化为0，矩阵的大小均为M*N，其中M＝2π/θ_step，θ_step为角度遍历步长，N为输入图像的对角线长度；

(3)对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；

(4)根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，其中w₁反比例于点(x,y)和图像左边界的距离，w₂反比例于点(x,y)和图像右边界的距离，w₃反比例于点(x,y)和图像上边界的距离，w₄反比例于点(x,y)和图像下边界的距离；

(5)根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；

(6)重复步骤(3)-(5)，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成该像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；

(7)重复步骤(3)-(6)，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H_4.；

(8)将H₁中取值最大的点所对应的角度θ₁和距离b₁表示的直线对应目标左侧边界，H₂中取值最大的点所对应的角度θ₂和距离b₂表示的直线对应目标左侧边界，H₃中取值最大的点所对应的角度θ₃和距离b₃表示的直线对应目标顶部边界，H₄中取值最大的点所对应的角度θ₄和距离b₄表示的直线对应目标底部边界。

2.如权利要求1所述的基于改进Hough变换的目标边界检测方法，其特征在于，在所述步骤(5)和(6)之间还包括：

对矩阵H_i进行临近点修正，其规则为H_i(θ,b+Δb)＝H_i(θ,b+Δb)+w_ig(Δb)，其中i＝1,2,3,4，Δb∈[-d,d]，d为预设值，函数g为正值且为减函数。

3.如权利要求1或2所述的基于改进Hough变换的目标边界检测方法，其特征在于，所述步骤(8)之后还包括：

根据步骤(8)所得的目标边界直线，计算得到目标的四个顶点坐标，进而根据四个顶点坐标完成图像矫正。

4.如权利要求1或2所述的基于改进Hough变换的目标边界检测方法，其特征在于，所述θ_step的取值为3度。

5.如权利要求2所述的基于改进Hough变换的目标边界检测方法，其特征在于，所述函数g定义为g(x)＝exp(-|x|)。

6.如权利要求2所述的基于改进Hough变换的目标边界检测方法，其特征在于，所述d取值为3。

7.如权利要求1或2所述的基于改进Hough变换的目标边界检测方法，其特征在于，对权重w定义为：

w₁:f₁(x)＝1-x/width；

w₂:f₂(x)＝x/width；

w₃:f₃(y)＝1-y/height；

w₄:f₄(y)＝y/height；

其中width和height分别为输入图像的宽和高。

8.如权利要求1或2所述的基于改进Hough变换的目标边界检测方法，其特征在于，所述边缘检测采用的方法为边缘检测算子或机器学习方法。

9.一种基于改进Hough变换的目标边界检测装置，其特征在于，包括：边缘检测模块、投票矩阵建立模块、距离计算模块、权重计算模块、投票赋值模块、角度遍历模块、边缘遍历模块以及边界确定模块，其中：

所述边缘检测模块，用于对输入图像进行边缘检测得到目标的边缘；

所述投票矩阵建立模块，用于建立投票矩阵H₁、H₂、H₃、H₄并全部初始化为0，矩阵的大小均为M*N，其中M＝2π/θ_step，θ_step为角度遍历步长，N为输入图像的对角线长度；

所述距离计算模块，用于对边缘点(x,y)，作一条直线l₁穿过点(x,y)，从原点向该直线l₁引出垂线为l₂，l₂与横轴的夹角为θ，原点到直线l₁的距离为b＝xcosθ+ysinθ；

所述权重计算模块，用于根据上述(θ,b)分别计算权重w₁，w₂，w₃，w₄，其中w₁反比例于点(x,y)和图像左边界的距离，w₂反比例于点(x,y)和图像右边界的距离，w₃反比例于点(x,y)和图像上边界的距离，w₄反比例于点(x,y)和图像下边界的距离；

所述投票赋值模块，用于根据公式H_i(θ,b)＝H_i(θ,b)+w_i将权重赋值到投票矩阵中，其中i＝1,2,3,4；

所述角度遍历模块，用于重复步骤(3)-(5)，以θ_step为步长遍历θ∈(0,2π]和相应的b，完成该像素点(x,y)下的各种θ和b条件下候选直线的投票赋值；

所述边缘遍历模块，用于重复步骤(3)-(6)，完成全图所有边缘像素点在各种θ和b条件下候选直线的投票，得到最终的投票矩阵H₁，H₂，H₃，H_4.；

所述边界确定模块，用于将H₁中取值最大的点所对应的角度θ₁和距离b₁表示的直线对应目标左侧边界，H₂中取值最大的点所对应的角度θ₂和距离b₂表示的直线对应目标左侧边界，H₃中取值最大的点所对应的角度θ₃和距离b₃表示的直线对应目标顶部边界，H₄中取值最大的点所对应的角度θ₄和距离b₄表示的直线对应目标底部边界。

10.如权利要求9所述的基于改进Hough变换的目标边界检测装置，其特征在于，还包括矩阵修正模块：

所述矩阵修正模块，用于在投票赋值模块完成投票矩阵赋值后，对矩阵H_i进行临近点修正，其规则为H_i(θ,b+Δb)＝H_i(θ,b+Δb)+w_ig(Δb)，其中i＝1,2,3,，4Δb∈[-d,d]，d为预设值，函数g为正值且为减函数。