CN109285172B - 图像中的直线参数计算方法、装置、设备及可读存储介质 - Google Patents
图像中的直线参数计算方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109285172B CN109285172B CN201811139760.5A CN201811139760A CN109285172B CN 109285172 B CN109285172 B CN 109285172B CN 201811139760 A CN201811139760 A CN 201811139760A CN 109285172 B CN109285172 B CN 109285172B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- target
- accumulator
- pixel point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像中的直线参数计算方法、装置、设备及计算机可读存储介质。其中,方法包括根据基于二值化处理得到的分割阈值对原始图像进行分割,得到包含直线的目标子图像,并统计目标子图像的最大灰度值和最小灰度值。为目标子图像建立离散参数空间,并为参数空间量化的各单元设置累加器;遍历目标子图像的各像素点,在参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和当前像素点的权值之和;根据自身灰度值、最大灰度值和最小灰度值计算当前像素点的权值;从各累加器中选取满足预设条件的目标累加器,目标累加器对应的极坐标值为目标子图像的直线参数值。本申请提升了图像中直线参数计算的准确度。
Description
技术领域
本公开实施例涉及图像处理技术领域,特别是涉及一种图像中的直线参数计算方法、装置、设备及计算机可读存储介质。
背景技术
直线存在于各种图像中,随着图像处理技术的快速发展和广泛应用,对图像中的直线参数的精度的要求也越来越高。
目前图像中的直线参数的计算通常是采用原始的Hough变换(霍夫变换)实现,该方法基于机械的平等累加器,对图像中目标点进行累加完成后,简单的取出累加器中的最大值对应的直线参数对作为最终的直线结果。
基于原始Hough变换容易导致累加器的局部产生伪极值,计算得到的直线参数不准确,进而导致最终得到的直线方程错误,尤其是针对计算多条直线参数的场景,原始的Hough变换方法得到的多条直线参数的错误几率将会大幅增加。
发明内容
本公开实施例提供了一种图像中的直线参数计算方法、装置、设备及计算机可读存储介质,提升图像中直线参数计算的准确度。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种图像中的直线参数计算方法,包括:
对原始图像进行二值化处理,得到分割阈值;
利用所述分割阈值对所述原始图像进行分割,得到包含直线的目标子图像,并统计得到所述目标子图像的最大灰度值和最小灰度值;
为所述目标子图像建立离散参数空间,并为所述参数空间量化的各单元设置相对应的累加器,所述参数空间根据所述目标子图像在极坐标系中的直线方程的参数值构建;各累加器唯一对应一组极坐标值;
遍历所述目标子图像中的每个像素点,在所述参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和所述当前像素点的权值之和;所述当前像素点的权值根据自身灰度值、所述最大灰度值和所述最小灰度值计算得到;
从各累加器中选取满足预设条件的目标累加器,所述目标累加器对应的极坐标值为所述目标子图像的直线参数值。
可选的,所述当前像素点的权值根据自身灰度值、所述最大灰度值和所述最小灰度值计算得到包括:
根据下述公式计算所述当前像素点的权值:
式中,ω为所述当前像素点的权值,I0(x,y)为所述当前像素点的灰度值,Vmax为所述最大灰度值,Vmin为所述最小灰度值。
可选的,所述对原始图像进行二值化处理,得到分割阈值包括:
利用Otsu算法对所述原始图像进行二值化处理,得到所述分割阈值。
可选的,所述从各累加器中选取满足预设条件的目标累加器,所述目标累加器对应的极坐标值为所述目标子图像的直线参数值包括:
所述目标子图像为一条直线,从各累加器中选取最大值对应的目标累加器,所述目标累加器对应单元的极角值和极径值为所述目标子图像的直线参数值;
所述目标子图像包含N条直线,从各累加器中选取前N个最大值对应的目标累加器,将各目标累加器对应单元的极坐标值作为所述目标子图像中各直线的参数值。
可选的,所述利用所述分割阈值对所述原始图像进行分割,得到包含直线的目标子图像包括:
获取所述原始图像的分割阈值;
遍历所述原始图像的各像素点,根据下述公式对所述原始图像进行分割,得到所述目标子图像:
式中,B1(x,y)为所述目标子图像的像素点,B2(x,y)为背景图像的像素点,I(x,y)为所述原始图像的各像素点的灰度值,T为所述分割阈值。
本发明实施例另一方面提供了一种图像中的直线参数计算装置,包括:
分割阈值计算模块,用于对原始图像进行二值化处理,得到分割阈值;
图像分割模块,用于利用所述分割阈值对所述原始图像进行分割,得到包含直线的目标子图像;
灰度统计模块,用于统计得到所述目标子图像的最大灰度值和最小灰度值;
参数空间构建模块,用于为所述目标子图像建立离散参数空间,并为所述参数空间量化的各单元设置相对应的累加器,所述参数空间根据所述目标子图像在极坐标系中的直线方程的参数值构建;各累加器唯一对应一组极坐标值;
累加器加权计算模块,用于遍历所述目标子图像中的每个像素点,在所述参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和所述当前像素点的权值之和;所述当前像素点的权值根据自身灰度值、所述最大灰度值和所述最小灰度值计算得到;
直线参数值确定模块,用于从各累加器中选取满足预设条件的目标累加器,所述目标累加器对应的极坐标值为所述目标子图像的直线参数值。
可选的,所述累加器加权计算模块包括权值计算子模块,所述权值计算子模块用于根据下述公式计算所述当前像素点的权值:
式中,ω为所述当前像素点的权值,I0(x,y)为所述当前像素点的灰度值,Vmax为所述最大灰度值,Vmin为所述最小灰度值。
可选的,所述直线参数值确定模块包括单条直线参数确定子模块和多条直线参数确定子模块,
所述单条直线参数确定子模块为从各累加器中选取最大值对应的目标累加器,所述目标累加器对应单元的极角值和极径值为所述目标子图像的直线参数值的模块;
所述多条直线参数确定子模块为从各累加器中选取前N个最大值对应的目标累加器,将各目标累加器对应单元的极坐标值作为所述目标子图像中各直线的参数值的模块。
本发明实施例还提供了一种图像中的直线参数计算设备,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述图像中的直线参数计算方法的步骤。
本发明实施例最后还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有图像中的直线参数计算程序,所述图像中的直线参数计算程序被处理器执行时实现如前任一项所述图像中的直线参数计算方法的步骤。
本发明实施例提供了一种图像中的直线参数计算方法,根据基于二值化处理得到原始图像的分割阈值,对原始图像进行分割,得到包含直线的目标子图像,并统计得到目标子图像的最大灰度值和最小灰度值。为目标子图像建立离散参数空间,并为参数空间量化的各单元设置相对应的累加器;遍历目标子图像中的每个像素点,在参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和当前像素点的权值之和;当前像素点的权值根据自身灰度值、最大灰度值和最小灰度值计算得到;从各累加器中选取满足预设条件的目标累加器,目标累加器对应的极坐标值即为目标子图像的直线参数值。
本申请提供的技术方案的优点在于,根据目标子图像的每个像素点的灰度值、最大灰度值和最小灰度值确定其权值,采用该权值对霍夫变化中的累加器进行权值累加处理,对目标子图像中的每个像素点进行区别对待,考虑不同像素点之间的差异性,避免了累加器累加时局部产生伪极值现象的发生,从而有效的提高了目标子图像的直线参数计算的准确度,尤其是针对目标子图像中有多条直线计算的场景,可大幅提升直线参数计算的准确度和精度,满足了用户获取图像中直线的准确参数的现实需求。
此外,本发明实施例还针对图像中的直线参数计算方法提供了相应的实现装置、设备及计算机可读存储介质,进一步使得所述方法更具有实用性,所述装置、设备及计算机可读存储介质具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本公开根据一示例性实施例示出的一种图像中的直线参数计算方法的流程示意图;
图2为本公开根据另一示例性实施例示出的一种直线检测中的hough变化的示意图;
图3为本公开实施例提供的图像中的直线参数计算装置的一种具体实施方式结构图;
图4为本发明实施例提供的图像中的直线参数计算设备的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种图像中的直线参数计算方法的流程示意图,本发明实施例可包括以下内容:
S101:对原始图像进行二值化处理,得到分割阈值。
可采用任何一种二值化图像处理算法对原始图像进而二值化处理,本申请对此不做任何限定,采用二值化图像处理算法对原始图像进行二值化处理的过程,可根据相关技术得知,此处,便不再赘述。
由于图像中包含目标、背景及噪声,经过二值化处理后的原始图像的目标和背景、噪声的灰度值不同,得到目标和背景的分割阈值,从而有利于从多值的数字图像中提取出目标子图像。
S102:利用分割阈值对原始图像进行分割,得到包含直线的目标子图像,并统计得到目标子图像的最大灰度值和最小灰度值。
目标子图像即为原始图像中的直线部分,目标子图像中可包含一条直线,也可包含多条直线。
获取原始图像的分割阈值,遍历原始图像的各像素点,对原始图像的每个像素点,可根据下述公式进行分类,实现对原始图像进行分割:
式中,B1(x,y)为目标子图像的像素点,B2(x,y)为背景图像的像素点,I(x,y)为原始图像的各像素点的灰度值,T为分割阈值。
所有满足B1(x,y)=1条件的像素点构成了目标子图像,所有满足B2(x,y)=0条件的像素点为背景像素点,从而实现将目标子图像从原始图像中提取处理。
得到目标子图像后,统计目标子图像中每个像素点的灰度值,并从中选出最大灰度值和最小灰度值。
S103:为目标子图像建立离散参数空间,并为参数空间量化的各单元设置相对应的累加器。
参数空间可根据目标子图像在极坐标系中的直线方程的参数值构建。S103步骤为原始hough变换中参数空间的构建和累加器矩阵的设置,实现过程还可参阅相关技术的描述。
请参阅图2所示,点P1(x1,y1)和点P2(x2,y2)在平面直角坐标系中的直线L可表达为:y=kx+b,k为斜率,b为截距。直线L上不同的点(x,y)在参数空间中被变换为一族相交于P0点的直线。显然,若能确定参数空间中的P0点(局部最大值),就实现了直线的检测。平面中任意一条直线也可以用极坐标方程来表示,即可以用极径值ρ和极角值α两个参数来表示,对于直角坐标系空间中的任意一点(x,y),其在极坐标系中的函数关系为:
ρ=xcosα+ysinα。
ρ为原点到直线的距离(即原点到直线的垂直线的长度),α确定了直线的方向(即原点到直线的垂直线与x轴方向的夹角)。如果对位于同一直线L上的n个点进行上述变换,则原图像空间n个点在参数空间中对应地得到n条正弦曲线,并且这些曲线相交于同一点。
根据原始图像的大小确定ρ和α合适的最大值和最小值,根据这些值构建离散的参数空间。将参数空间量化成m×n个单元(m为ρ的等份数,n为α的等份数),并为设置累加器矩阵,即为每个单元分配唯一对应的累加器,为了便于后续对累加器值的统计,此处可将累加器初始值初始化为零,当然,也可设置为其他数,这均不影响本申请的实现。
由于每个单元对应一组(ρ,α),每个单元唯一对应一个累加器,所以各累加器唯一对应一组极坐标值(ρ,α)。
S104:遍历目标子图像中的每个像素点,在参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和当前像素点的权值之和。
对目标子图像中的每个像素点,都在对应在参数空间中。以当前像素点为例,阐述二者对应的过程:
对目标子图像中的当前像素点,其在直角坐标系为坐标表示为(x0,y0),将该坐标值代入极坐标方程中,并以量化的α值计算出ρ,举例来说,当α值的取值范围在参数空间为0°-180°,可以α值每隔10°计算一个ρ,也即对(x0,y0)的像素点,在参数空间中对应18条相交于一点的曲线,也即对应18组(ρ,α),对每组(ρ,α),在参数空间中确定其对应的单元,并将该单元的累加器加上(x0,y0)像素点的权值,及将每个单元的累加器的值设置为当前值与权值的和,举例来说,(x0,y0)的像素点在参数空间中的一个对应点为(ρ1,α1),(ρ1,α1)对应的为第一单元,第一单元的累加器为第一累加器,若第一累加器当前值为1,(x0,y0)的像素点的权值为3,那么对第一累加器加权处理后的累加器的值为4,即1+3=4。
一个像素点对应至参数空间时,该像素点对应的目标单元的累加器值进行一次加权处理,即每个累加器值Q(i,j)=Q(i,j)+ω。对不同的原始图像其图像数据和阈值均不同,权值也自适应变化。
在遍历完目标子图像中的所有像素点后,累加器值的值累加完成,得到该累加器的最终值。
当前像素点的权值可根据自身灰度值、最大灰度值和最小灰度值计算得到,在一种具体的实施方式中,可根据下述公式计算当前像素点的权值:
式中,ω为当前像素点的权值,I0(x,y)为当前像素点的灰度值,Vmax为最大灰度值,Vmin为最小灰度值。
S105:从各累加器中选取满足预设条件的目标累加器,目标累加器对应的极坐标值为目标子图像的直线参数值。
由于目标子图像中可能包含一条直线,也可包含多条直线,所以在计算直线参数时,可能确定一组(ρ,α),也可能确定多组(ρ,α)值,对于不同的计算场景,可根据下述方式进行确定:
首先需要先判断目标子图像中包含的直线个数,如何判断直线的个数,可参阅相关技术的描述,这均不影响本申请的实现,此处,便不再赘述。
当目标子图像为一条直线,从各累加器中选取累加器值为最大值累加器作为目标累加器,目标累加器对应单元的极角值和极径值即为目标子图像的直线参数值。
当目标子图像包含N条直线,从各累加器中选取前N个最大值对应的目标累加器,将各目标累加器对应单元的极坐标值作为目标子图像中各直线的参数值。可选的,可对各累加器按照累加器值从大到小或者从小到大进行排序,选取前N个值对应的累加器作为目标累加器,每个累加器对应的单元的(ρ,α)值,为目标子图像中一条直线的参数值,可实现同时多条直线的检测。举例来说,第一累加器到第八累加器的累加器值分别为8、3、2、5、10、18、1、6,将累加器按照累加器值从大到小进行排序后,第六累加器、第五累加器、第一累加器、第八累加器、第四累加器、第六累加器、第二累加器、第三累加器,目标子图像中包含3条直线,那么第六累加器、第五累加器、第一累加器对于的单元的(ρ,α)值即为目标子图像中各直线的参数值。
本申请用图像空间(直角坐标系)的边缘数据点计算参数空间中的参考点的可能轨迹,并在一个累加器中给计算出参考点的计数,最后选出峰值。该峰值表明在图像空间上有一共线点较多的直线,该直线的参数由累加器对应的ρ和α决定,即按照Q(i,j)=Q(i,j)+ω确定,则图像空间中满足该式的点(x,y)就组成了该直线。
在本发明实施例提供的技术方案中,根据目标子图像的每个像素点的灰度值、最大灰度值和最小灰度值确定其权值,采用该权值对霍夫变化中的累加器进行权值累加处理,对目标子图像中的每个像素点进行区别对待,考虑不同像素点之间的差异性,避免了累加器累加时局部产生伪极值现象的发生,从而有效的提高了目标子图像的直线参数计算的准确度,尤其是针对目标子图像中有多条直线计算的场景,可大幅提升直线参数计算的准确度和精度,满足了用户获取图像中直线的准确参数的现实需求。
考虑到Otsu算法较其他二值化处理算法更高效、更准确,本申请可采用Otsu算法对原始图像进行二值化处理,得到分割阈值,S101步骤的实现过程可如下所述:
设原始图像的灰度级为L,大小为m*n,f(i,j)为原始图像(i,j)位置处的像素灰度值,f(i,j)的灰度值范围为[0,L-1],二值化后的分割阈值为T,则原始图像被分为:目标部分B1∈{f(i,j)≤T}及背景部分B2∈{f(i,j)≥T}。
令灰度级为rq的目标像素点的数目占原始图像的总像素数目的比例为:
设ω0为目标像素点所占比例,μ0为目标像素点的灰度均值,为目标像素点的类内方差,ω1为背景像素点所占的比例,μ1为背景像素点的灰度均值,为背景的类内方差,μ为原始图像的灰度均值,σ2为类间方差,其各值定义如下:
σ2=ω0(μ0-μ)2+ω1(μ1-μ)2。
欲达到最好的分割效果(本领域技术人员可根据实际情况与自身经验确定最佳的分割效果,本申请对此不做任何限定),需使σ2最大,及最小。方差为灰度分布均匀程度的一种度量,其值越大,说明在给定阈值下分割后目标与背景的差别越大,即对特征的正确提取越有利。当背景被错分为目标时,类间方差减小,类内方差增大,故类间方差最大化、类内方差最小化可使错分的概率达到最小。
本发明实施例还针对图像中的直线参数计算方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的图像中的直线参数计算装置进行介绍,下文描述的图像中的直线参数计算装置与上文描述的图像中的直线参数计算方法可相互对应参照。
参见图3,图3为本发明实施例提供的图像中的直线参数计算装置在一种具体实施方式下的结构图,该装置可包括:
分割阈值计算模块301,用于对原始图像进行二值化处理,得到分割阈值。
图像分割模块302,用于利用分割阈值对原始图像进行分割,得到包含直线的目标子图像。
灰度统计模块303,用于统计得到目标子图像的最大灰度值和最小灰度值。
参数空间构建模块304,用于为目标子图像建立离散参数空间,并为参数空间量化的各单元设置相对应的累加器,参数空间根据目标子图像在极坐标系中的直线方程的参数值构建;各累加器唯一对应一组极坐标值。
累加器加权计算模块305,用于遍历目标子图像中的每个像素点,在参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和当前像素点的权值之和;当前像素点的权值根据自身灰度值、最大灰度值和最小灰度值计算得到。
直线参数值确定模块306,用于从各累加器中选取满足预设条件的目标累加器,目标累加器对应的极坐标值为目标子图像的直线参数值。
可选的,在本实施例的一些实施方式中,所述累加器加权计算模块305可包括权值计算子模块,所述权值计算子模块用于根据下述公式计算当前像素点的权值:
式中,ω为当前像素点的权值,I0(x,y)为当前像素点的灰度值,Vmax为最大灰度值,Vmin为最小灰度值。
可选的,在本实施例的另一些实施方式中,所述直线参数值确定模块306还可包括单条直线参数确定子模块和多条直线参数确定子模块。
所述单条直线参数确定子模块为从各累加器中选取最大值对应的目标累加器,目标累加器对应单元的极角值和极径值为目标子图像的直线参数值的模块;
所述多条直线参数确定子模块为从各累加器中选取前N个最大值对应的目标累加器,将各目标累加器对应单元的极坐标值作为目标子图像中各直线的参数值的模块。
此外,所述图像分割模块302例如还可包括:
获取单元,用于获取原始图像的分割阈值;
分割单元,用于遍历原始图像的各像素点,根据下述公式对原始图像进行分割,得到目标子图像:
式中,B1(x,y)为目标子图像的像素点,B2(x,y)为背景图像的像素点,I(x,y)为原始图像的各像素点的灰度值,T为分割阈值。
本发明实施例所述图像中的直线参数计算装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例对目标子图像中的每个像素点进行区别对待,考虑不同像素点之间的差异性,避免了累加器累加时局部产生伪极值现象的发生,从而有效的提高了目标子图像的直线参数计算的准确度。
本发明实施例还提供了一种图像中的直线参数计算设备4,请参阅图4,可包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序以实现如上任意一实施例所述图像中的直线参数计算方法的步骤。
本发明实施例所述图像中的直线参数计算设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例提高了目标子图像的直线参数计算的准确度。
本发明实施例还提供了一种计算机可读存储介质,存储有图像中的直线参数计算程序,所述图像中的直线参数计算程序被处理器执行时如上任意一实施例所述图像中的直线参数计算方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例提高了目标子图像的直线参数计算的准确度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种图像中的直线参数计算方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种图像中的直线参数计算方法,其特征在于,包括:
对原始图像进行二值化处理,得到分割阈值;
利用所述分割阈值对所述原始图像进行分割,得到包含直线的目标子图像,并统计得到所述目标子图像的最大灰度值和最小灰度值;
为所述目标子图像建立离散参数空间,并为所述参数空间量化的各单元设置相对应的累加器,所述参数空间根据所述目标子图像在极坐标系中的直线方程的参数值构建;各累加器唯一对应一组极坐标值;
遍历所述目标子图像中的每个像素点,在所述参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和所述当前像素点的权值之和;所述当前像素点的权值根据自身灰度值、所述最大灰度值和所述最小灰度值计算得到;
从各累加器中选取满足预设条件的目标累加器,所述目标累加器对应的极坐标值为所述目标子图像的直线参数值;
其中,所述当前像素点的权值根据自身灰度值、所述最大灰度值和所述最小灰度值计算得到包括:
根据下述公式计算所述当前像素点的权值:
式中,ω为所述当前像素点的权值,I0(x,y)为所述当前像素点的灰度值,Vmax为所述最大灰度值,Vmin为所述最小灰度值。
2.根据权利要求1所述的图像中的直线参数计算方法,其特征在于,所述对原始图像进行二值化处理,得到分割阈值包括:
利用Otsu算法对所述原始图像进行二值化处理,得到所述分割阈值。
3.根据权利要求1或2所述的图像中的直线参数计算方法,其特征在于,所述从各累加器中选取满足预设条件的目标累加器,所述目标累加器对应的极坐标值为所述目标子图像的直线参数值包括:
所述目标子图像为一条直线,从各累加器中选取最大值对应的目标累加器,所述目标累加器对应单元的极角值和极径值为所述目标子图像的直线参数值;
所述目标子图像包含N条直线,从各累加器中选取前N个最大值对应的目标累加器,将各目标累加器对应单元的极坐标值作为所述目标子图像中各直线的参数值。
5.一种图像中的直线参数计算装置,其特征在于,包括:
分割阈值计算模块,用于对原始图像进行二值化处理,得到分割阈值;
图像分割模块,用于利用所述分割阈值对所述原始图像进行分割,得到包含直线的目标子图像;
灰度统计模块,用于统计得到所述目标子图像的最大灰度值和最小灰度值;
参数空间构建模块,用于为所述目标子图像建立离散参数空间,并为所述参数空间量化的各单元设置相对应的累加器,所述参数空间根据所述目标子图像在极坐标系中的直线方程的参数值构建;各累加器唯一对应一组极坐标值;
累加器加权计算模块,用于遍历所述目标子图像中的每个像素点,在所述参数空间确定当前像素点对应的目标单元,并将各目标单元的累加器值设置为当前值和所述当前像素点的权值之和;所述当前像素点的权值根据自身灰度值、所述最大灰度值和所述最小灰度值计算得到;
直线参数值确定模块,用于从各累加器中选取满足预设条件的目标累加器,所述目标累加器对应的极坐标值为所述目标子图像的直线参数值;
其中,所述累加器加权计算模块包括权值计算子模块,所述权值计算子模块用于根据下述公式计算所述当前像素点的权值:
式中,ω为所述当前像素点的权值,I0(x,y)为所述当前像素点的灰度值,Vmax为所述最大灰度值,Vmin为所述最小灰度值。
6.根据权利要求5所述的图像中的直线参数计算装置,其特征在于,所述直线参数值确定模块包括单条直线参数确定子模块和多条直线参数确定子模块,
所述单条直线参数确定子模块为从各累加器中选取最大值对应的目标累加器,所述目标累加器对应单元的极角值和极径值为所述目标子图像的直线参数值的模块;
所述多条直线参数确定子模块为从各累加器中选取前N个最大值对应的目标累加器,将各目标累加器对应单元的极坐标值作为所述目标子图像中各直线的参数值的模块。
7.一种图像中的直线参数计算设备,其特征在于,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至4任一项所述图像中的直线参数计算方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有图像中的直线参数计算程序,所述图像中的直线参数计算程序被处理器执行时实现如权利要求1至4任一项所述图像中的直线参数计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139760.5A CN109285172B (zh) | 2018-09-28 | 2018-09-28 | 图像中的直线参数计算方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139760.5A CN109285172B (zh) | 2018-09-28 | 2018-09-28 | 图像中的直线参数计算方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109285172A CN109285172A (zh) | 2019-01-29 |
CN109285172B true CN109285172B (zh) | 2022-05-27 |
Family
ID=65182448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811139760.5A Active CN109285172B (zh) | 2018-09-28 | 2018-09-28 | 图像中的直线参数计算方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109285172B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378922B (zh) * | 2019-06-10 | 2022-11-08 | 五邑大学 | 基于自适应阈值分割算法的平滑图像生成方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679721A (zh) * | 2013-12-10 | 2014-03-26 | 中国船舶重工集团公司第七0九研究所 | 采用邻域法霍夫变换的图像轮廓简化方法 |
CN103713644A (zh) * | 2013-12-11 | 2014-04-09 | 中国科学院长春光学精密机械与物理研究所 | 空间目标动态显示与位置引导系统 |
CN105184830A (zh) * | 2015-08-28 | 2015-12-23 | 华中科技大学 | 一种对称图像对称轴检测定位方法 |
CN105787950A (zh) * | 2016-03-24 | 2016-07-20 | 电子科技大学 | 一种基于行梯度累加的红外图像海天线检测算法 |
CN106127730A (zh) * | 2015-03-30 | 2016-11-16 | 美国西门子医疗解决公司 | 使用机器学习和扩展的霍夫变换的自动化感兴趣区域检测 |
CN106737674A (zh) * | 2016-12-23 | 2017-05-31 | 西安交通大学 | 仪表盘非线性刻度视觉检测方法及画写系统装置 |
CN106778661A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市美好幸福生活安全系统有限公司 | 一种基于形态学变换和自适应阈值的快速车道线检测方法 |
CN107180228A (zh) * | 2017-05-02 | 2017-09-19 | 开易(北京)科技有限公司 | 一种用于车道线检测的梯度增强转换方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5884560B2 (ja) * | 2012-03-05 | 2016-03-15 | オムロン株式会社 | 文字認識のための画像処理方法、およびこの方法を用いた文字認識装置およびプログラム |
ITVI20120303A1 (it) * | 2012-11-09 | 2014-05-10 | St Microelectronics Srl | Metodo per rilevare una linea retta in un'immagine digitale |
-
2018
- 2018-09-28 CN CN201811139760.5A patent/CN109285172B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679721A (zh) * | 2013-12-10 | 2014-03-26 | 中国船舶重工集团公司第七0九研究所 | 采用邻域法霍夫变换的图像轮廓简化方法 |
CN103713644A (zh) * | 2013-12-11 | 2014-04-09 | 中国科学院长春光学精密机械与物理研究所 | 空间目标动态显示与位置引导系统 |
CN106127730A (zh) * | 2015-03-30 | 2016-11-16 | 美国西门子医疗解决公司 | 使用机器学习和扩展的霍夫变换的自动化感兴趣区域检测 |
CN105184830A (zh) * | 2015-08-28 | 2015-12-23 | 华中科技大学 | 一种对称图像对称轴检测定位方法 |
CN105787950A (zh) * | 2016-03-24 | 2016-07-20 | 电子科技大学 | 一种基于行梯度累加的红外图像海天线检测算法 |
CN106737674A (zh) * | 2016-12-23 | 2017-05-31 | 西安交通大学 | 仪表盘非线性刻度视觉检测方法及画写系统装置 |
CN106778661A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市美好幸福生活安全系统有限公司 | 一种基于形态学变换和自适应阈值的快速车道线检测方法 |
CN107180228A (zh) * | 2017-05-02 | 2017-09-19 | 开易(北京)科技有限公司 | 一种用于车道线检测的梯度增强转换方法及系统 |
Non-Patent Citations (4)
Title |
---|
Power Line Image Segmentation and Extra Matter Recognition based on Improved Otsu Algorithm;Shujia Yan 等;《2013 2nd International Conference on Electric Power Equipment - Switching Technology (ICEPE-ST)》;20140424;第1-4页 * |
Robust Line Detection in Images of Building Facades using Region-based Weighted Hough Transform;Theocharis Tsenoglou等;《2012 16th Panhellenic Conference on Informatics》;20121213;第1-6页 * |
基于Hough变换的线段提取新方法;林玉池;《纳米技术与精密工程》;20090915;第7卷(第5期);第433-438页 * |
基于改进Hough变换的图像线段特征提取;韩秋蕾等;《仪器仪表学报》;20041230(第S2期);第436-439页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109285172A (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871760B (zh) | 一种人脸定位方法、装置、终端设备及存储介质 | |
CN116309757B (zh) | 基于机器视觉的双目立体匹配方法 | |
CN115908154B (zh) | 基于图像处理的视频后期颗粒噪声去除方法 | |
KR20220051162A (ko) | 시각적 포지셔닝 방법, 관련 모델의 훈련 방법 및 관련 장치, 기기 | |
CN111291768A (zh) | 图像特征匹配方法及装置、设备、存储介质 | |
CN109102514A (zh) | 一种图像分割方法、装置、设备及计算机可读存储介质 | |
CN108205657A (zh) | 视频镜头分割的方法、存储介质和移动终端 | |
CN112101061A (zh) | 目标检测方法、装置及图像处理设备 | |
CN110288560B (zh) | 一种图像模糊检测方法及装置 | |
CN110675396A (zh) | 遥感影像云检测方法、装置、设备及计算机可读存储介质 | |
CN110942473A (zh) | 一种基于特征点网格化匹配的运动目标跟踪检测方法 | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN109285172B (zh) | 图像中的直线参数计算方法、装置、设备及可读存储介质 | |
CN109447023A (zh) | 确定图像相似度的方法、视频场景切换识别方法及装置 | |
CN111754429A (zh) | 运动矢量后处理方法和装置、电子设备及存储介质 | |
CN110782472A (zh) | 点云地面点的识别方法及装置 | |
CN117520581A (zh) | 一种土地测绘信息管理方法、系统、设备及介质 | |
JP3251840B2 (ja) | 画像認識装置 | |
CN108256578B (zh) | 一种灰度图像的识别方法、装置、设备及可读存储介质 | |
EP3742398A1 (en) | Determining one or more scanner positions in a point cloud | |
EP3371543A1 (en) | Improvements in and relating to missile targeting | |
CN115937276A (zh) | 基于局部重叠区域的无显著特征图像配准方法 | |
WO2022033145A1 (zh) | 角点编码方法、标定方法、装置、电子设备和存储介质 | |
CN111767757B (zh) | 身份信息确定方法及装置 | |
CN109644236B (zh) | 角度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |