CN109544577A - 一种基于边缘点编组的改进直线提取方法 - Google Patents

一种基于边缘点编组的改进直线提取方法 Download PDF

Info

Publication number
CN109544577A
CN109544577A CN201811422185.XA CN201811422185A CN109544577A CN 109544577 A CN109544577 A CN 109544577A CN 201811422185 A CN201811422185 A CN 201811422185A CN 109544577 A CN109544577 A CN 109544577A
Authority
CN
China
Prior art keywords
straight line
point
neighborhoods
added
pixel
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.)
Granted
Application number
CN201811422185.XA
Other languages
English (en)
Other versions
CN109544577B (zh
Inventor
徐辛超
李旭佳
郑涛
徐爱功
焦慧慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaoning Technical University
Original Assignee
Liaoning Technical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liaoning Technical University filed Critical Liaoning Technical University
Priority to CN201811422185.XA priority Critical patent/CN109544577B/zh
Publication of CN109544577A publication Critical patent/CN109544577A/zh
Application granted granted Critical
Publication of CN109544577B publication Critical patent/CN109544577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

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

本发明提供一种基于边缘点编组的改进直线提取方法，涉及图像处理与分析技术领域。本发明通过对待处理影像I进行预处理后得到二值化边缘图像I2，定义当前像素点影像的8邻域；图像I2中第一行、第一列、最后一行和最后一列的点不参与后续运算；由I2第二行开始，从左至右开始扫描，获取数据点集i，其中i＝1,2，…，n；对数据点集i进行Hough变换，通过判断参数ρ和θ，得到待合并直线集合BL和直线提取结果CL；进一步判断集合BL中的直线是否应该合并；将最终得到集合C为最终的直线提取结果。本方法提高了边缘点分组效率，大幅减少直线提取过程的耗时，直线提取效率更高。

Description

一种基于边缘点编组的改进直线提取方法
技术领域
本发明涉及图像处理与分析技术领域，尤其涉及一种基于边缘点编组的改进直线提取方法。
背景技术
直线是影像中重要的几何特征，可以准确描述道路、房屋等人造物体的形状，广泛应用于影像匹配、三维重建等数据处理过程。因此，直线提取与匹配一直是摄影测量和计算机视觉领域中的研究热点。经典的直线提取方法中，Hough变换直线提取获取的直线数量少，但程序耗时少。LSD(Line Segment Detector)方法提取的直线结果最佳，但由于受到阈值和种子点选择的限制，导致部分直线段漏检，且程序耗时相对较多。
2013年提出了一种自适应分区的相位编组直线提取方法，依据支持区像元数目最大原则，实现直线特征提取，但提取直线的连续性还有改进空间。
2013年提出了基于迭代验证的LSD改进算法，即通过改变直线支撑域的梯度方向角最大容差和直线支撑域半径R对支撑域验证过程进行改进，但是需要进行较多的像素梯度方向的比较，容易丢失微小细节；此外，还提出一种基于边缘图像的LSD直线提取算法，首先计算梯度模值图与方向图，然后从模值图中提取系数的边缘支撑点，最后通过路径规划连接这些支撑点提取边缘，虽然提高了检测结果的完整性与连续性，但图像噪声被放大，检测出很多不需要的微小细节部分。
2015年提出了将LSD与Mean Shift算法融合的方式提取直线，该算法运用MeanShift解决了显著直线的抽取问题，但结果仍会出现少量的伪直线。
2016年在传统LSD算法上加入边缘检测步骤，并且对近似区域和相似直线进行合并，对立体组合标靶进行编码，但该算法在合并直线时容易将距离较近的直线按照一条直线进行提取。
2017年在Hough变换中加入直线拟和角度先验方法，解决了Hough变换生成大量短直线和弧线的问题，但在提取建筑物时，小型矩形和东西走向的直线会出现漏提取。
上述方法虽然取得了一定效果，但是都存在部分程序提取的直线结果较少或者程序耗时较多的缺点。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于边缘点编组的改进直线提取方法，本方法提高了边缘点分组效率，在直线提取数量大致相当的前提下，大幅减少直线提取过程的耗时，直线提取效率更高。
为解决上述技术问题，本发明所采取的技术方案是：
本发明提供一种基于边缘点编组的改进直线提取方法，包括以下步骤：
步骤1：采用3×3或5×5像素的窗口大小，对待处理影像I进行高斯中值滤波去噪；
步骤2：采用自适应直方图均衡方法对待处理影像I进行对比度增强处理，自适应模板大小设定为18×18像素；
步骤3：通过canny边缘提取得到原图片边缘点的二值化图像I2，二值化图像I2中只有边缘点所处的像素存在灰度值为255，其余位置的像素灰度为0；
步骤4：将某个像素点设为当前像素点，定义当前像素点影像的8邻域；所述8邻域为与当前像素相邻的8个像素，图像I2中第一行、第一列、最后一行和最后一列的点不参与后续运算；
步骤5：由I2第二行开始，从左至右开始扫描，获取数据点集i，其中i＝1,2，…，n；
步骤6：对数据点集i进行Hough变换，提取对应的直线，并保存直线对应的极坐标参数ρ和θ，剔除长度小于5个像素的直线，得到初步的直线提取结果CCL,通过判断参数ρ和θ，得到待合并直线集合BL和直线提取结果CL；
步骤7：进一步判断集合BL中的直线是否应该合并；判断集合中的第一组直线对间距，假设BL集合中直线对最近的两个端点为AB，根据AB的欧氏距离，当AB的欧氏距离小于2像素时执行步骤8；当AB的欧氏距离大于等于2像素，小于5个像素时执行步骤9；
步骤8：当AB的欧氏距离小于2像素时，则认定这两条直线为同一直线，将其合并，并由该直线对对应的所有边缘点重新拟合直线方程，将该直线重新加入直线集合CL，同时删除该直线对在BL中的记录；
步骤9：当AB的欧氏距离大于等于2像素，小于5个像素时，利用这两条直线对应的边缘点拟合出一条直线方程LL，判断位于AB之间且与LL的垂距小于的像素，且点的行数和列数均介于AB之间，判断上述像素的Robert灰度梯度方向，当有50％以上的像素满足梯度方向与LL直线垂直方向夹角小于22.5度时，则认定该组直线满足合并条件，将两者合并，并将LL直线加入集合CL，同时删除BL中的记录，否则放弃该直线对，并将其重新加入集合CL中，同时删除BL中的记录；
步骤10：遍历集合BL，并执行步骤7-步骤9，直到BL中所有的直线对全部判断完成，得到集合C为最终的直线提取结果。
所述步骤5还包括如下步骤：
步骤5.1：由I2第二行开始扫描判断其是否为边缘点，当遇到第一个边缘点时，判断其周围8邻域内是否存在边缘点；如果存在边缘点时，令i＝1，将当前像素A1标记为已扩散，并将其加入数据点集1；
步骤5.2：统计A1点周围8邻域中未扩散的边缘点数量；如果数量为1，则将该未扩散的边缘点加入数据点集1；如果数量超过1时，判断2468邻域中是否存在未扩散边缘点，如果存在则将其加入数据点集1，所述2468邻域代表针对当前像素点的8邻域中的2号邻域、4号邻域、6号邻域和8号邻域；
步骤5.3：遍历数据点集1，对其中未扩散的点进行扩散处理，判断其周围8邻域是否存在未被扩散的边缘点，将被判断点标记为已扩散，如果存在，且数量为1，则将其8邻域中的点加入数据点集1，如果数量大于1，并判断其2468邻域中是否存在未扩散边缘点，如果存在则将其加入数据点集1；
步骤5.4：重复步骤5.3，直到数据点集1中不再增加新点时，完成对数据点集1的分组；
步骤5.5：继续对I2第二行A1点从左向右继续扫描，当遇到下一个未加入数据点集的边缘点时，判断其周围8邻域内是否存在边缘点，如果存在，令i＝n，将当前像素An标记为已扩散，并将其加入数据点集n；如果该行不存在满足条件的边缘点，则从下一行由左至右继续扫描；
步骤5.6：重复步骤5.2-步骤5.4，直到数据点集n中不再增加新点时，完成该部分数据的分组；
步骤5.7：重复步骤5.5-步骤5.6，最终对所有数据完成分组；
所述步骤6还包括如下步骤：
步骤6.1：将初步提取的直线进行ρ和θ判断，避免在编组过程中会出现同一条直线由于边缘点断裂造成分裂为两条甚至多条直线的情况，当两条直线的ρ差值小于1个像素，θ差值小于1度时，将这对直线加入待合并直线集合BL；
步骤6.2：遍历提取的直线提取结果集合CCL，将所有满足步骤6.1条件的直线对全部加入待合并直线集合BL，并将CCL中对应的直线记录全部删除，得到直线提取结果CL；
采用上述技术方案所产生的有益效果在于：本发明提供的一种基于边缘点编组的改进直线提取方法；本发明解决了影像直线提取过程中，传统方法无法兼顾直线提取数量和程序耗时的问题。与现有技术方案相比，本发明技术方案具有下述明显优点：
1、采用8邻域进行边缘点编组，并在多点情况下，采用8邻域边缘点与中心点的距离作为约束，提高了边缘点分组效率；
2、与经典Hough变换直线提取相比，提出方法可以获取数量更多的直线，结果更加理想；
3、与经典的LSD方法相比，提出的方法在编组的基础上采用Hough变换进行直线提取，在直线提取数量大致相当的前提下，大幅减少直线提取过程的耗时，直线提取效率更高。
附图说明
图1为本发明实施例提供的通过canny边缘提取得到原图片边缘点的二值化图像；
图2为本发明实施例提供的当前像素的8邻域示意图；
图3为本发明实施例提供的像素A点周围8邻域中未扩散的边缘点示意图；
图4为本发明实施例提供的数据点集1数据的分组示意图；
图5为本发明实施例提供的数据点集2数据的分组示意图；
图6为本发明实施例提供的所有数据完成分组的示意图；
图7为本发明实施例提供的两条直线段中间与LL垂距小于1像素的示意图；
图8为本发明实施例提供的测试影像图；其中，(a)影像1，(b)影像2；
图9为本发明实施例提供的测试影像1直线提取结果对比图；其中，(a)Hough变换直线提取结果图，(b)本方法直线提取结果图；
图10为本发明实施例提供的测试影像2直线提取结果对比图；其中，(a)Hough变换直线提取结果图，(b)本方法直线提取结果图；
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本实施例的方法如下所述。
步骤1：采用3×3或5×5像素的窗口大小，对待处理影像I进行高斯中值滤波去噪；
步骤2：采用自适应直方图均衡(Adaptive histogram equalization，AHE)方法对待处理影像I进行对比度增强处理，自适应模板大小设定为18×18像素；
步骤3：通过canny边缘提取得到原图片边缘点的二值化图像I2，二值化图像I2中只有边缘点所处的像素存在灰度值为255，其余位置的像素灰度为0；如图1所示；
步骤4：将某个像素点设为当前像素点，定义当前像素点影像的8邻域；所述8邻域为与当前像素相邻的8个像素，本实施例中模板大小为3×3像素，图像I2中第一行、第一列、最后一行和最后一列的点不参与后续运算；如图2所示；
步骤5：由I2第二行开始，从左至右开始扫描，获取数据点集i，其中i＝1,2，…，n；
步骤5.1：由I2第二行开始扫描判断其是否为边缘点，当遇到第一个边缘点时，判断其周围8邻域内是否存在边缘点；如果存在边缘点时，令i＝1，将当前像素A1标记为已扩散，并将其加入数据点集1；
步骤5.2：统计A1点周围8邻域中未扩散的边缘点数量；如果数量为1，则将该未扩散的边缘点加入数据点集1；如果数量超过1时，判断2468邻域中是否存在未扩散边缘点，如果存在则将其加入数据点集1，所述2468邻域代表针对当前像素点的8邻域中的2号邻域、4号邻域、6号邻域和8号邻域；如图3所示；
步骤5.3：遍历数据点集1，对其中未扩散的点进行扩散处理，判断其周围8邻域是否存在未被扩散的边缘点，将被判断点标记为已扩散，如果存在，且数量为1，则将其8邻域中的点加入数据点集1，如果数量大于1，并判断其2468邻域中是否存在未扩散边缘点，如果存在则将其加入数据点集1；
步骤5.4：重复步骤5.3，直到数据点集1中不再增加新点时，完成对数据点集1的分组；如图4所示；
步骤5.5：继续对I2第二行A1点从左向右继续扫描，当遇到下一个未加入数据点集的边缘点时，判断其周围8邻域内是否存在边缘点，如果存在，令i＝n，将当前像素An标记为已扩散，并将其加入数据点集n；如果该行不存在满足条件的边缘点，则从下一行由左至右继续扫描；
步骤5.6：重复步骤5.2-步骤5.4，直到数据点集n中不再增加新点时，完成对数据点集n的分组，如图5所示；
步骤5.7：重复步骤5.5-步骤5.6，最终对所有数据完成分组，如图6所示；
步骤6：对数据点集i进行Hough变换，提取对应的直线，并保存直线对应的极坐标参数ρ和θ，剔除长度小于5个像素的直线，得到初步的直线提取结果CCL,通过判断参数ρ和θ，得到待合并直线集合BL和直线提取结果CL；
步骤6.1：将初步提取的直线进行ρ和θ判断，避免在编组过程中会出现同一条直线由于边缘点断裂造成分裂为两条甚至多条直线的情况，当两条直线的ρ差值小于1个像素，θ差值小于1度时，将这对直线加入待合并直线集合BL；
步骤6.2：遍历提取的直线提取结果集合CCL，将所有满足步骤6.1条件的直线对全部加入待合并直线集合BL，并将CCL中对应的直线记录全部删除，得到直线提取结果CL；
步骤7：进一步判断集合BL中的直线是否应该合并；判断集合中的第一组直线对间距，假设BL集合中直线对最近的两个端点为AB，根据AB的欧氏距离，当AB的欧氏距离小于2像素时执行步骤8；当AB的欧氏距离大于等于2像素，小于5个像素时执行步骤9；
步骤8：当AB的欧氏距离小于2像素时，则认定这两条直线为同一直线，将其合并，并由该直线对对应的所有边缘点重新拟合直线方程，将该直线重新加入直线集合CL，同时删除该直线对在BL中的记录；
步骤9：当AB的欧氏距离大于等于2像素，小于5个像素时，利用这两条直线对应的边缘点拟合出一条直线方程LL，判断位于AB之间且与LL的垂距小于的像素，且点的行数和列数均介于AB之间，如图7所示，判断上述像素的Robert灰度梯度方向，当有50％以上的像素满足梯度方向与LL直线垂直方向夹角小于22.5度时，则认定该组直线满足合并条件，将两者合并，并将LL直线加入集合CL，同时删除BL中的记录，否则放弃该直线对，并将其重新加入集合CL中，同时删除BL中的记录；
步骤10：遍历集合BL，并执行步骤7-步骤9，直到BL中所有的直线对全部判断完成，得到集合C为提出方法最终的直线提取结果。
本实施例中为了验证本方法的实际效果，采用两幅影像进行了测试，如图8所示；由实验结果可以得出，提出的方法直线提取数量明显优于传统Hough变换直线提取方法，大部分对比度较弱的横向短直线提取效果较好，如图9-图10所示；
图9中的(a)为测试影像1通过传统Hough变换直线提取方法提取的没有背景的直线示意图，(b)为测试影像1通过本方法提取的没有背景的直线示意图；图10中的(a)为测试影像2通过传统Hough变换直线提取方法提取的没有背景的直线示意图，(b)为测试影像2通过本方法提取的没有背景的直线示意图；
对两幅测试影像采用本方法和经典LSD方法进行了耗时分析，如表1所示：
表1本方法和LSD方法提取耗时对比表
方法 影像1提取数量 影像1提取耗时 影像2提取数量 影像2提取耗时
LSD 1076条 81.113232秒 917条 91.694654秒
本方法 1226条 58.811681秒 926条 44.813170秒
由表1的实验结果可以得出，对于影像1，提出方法减少耗时约22秒，对于影像2，提出方法程序耗时减少约45秒。说明提出的方法可以有效的提高直线提取效率。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (3)

1.一种基于边缘点编组的改进直线提取方法，其特征在于：包括以下步骤：
步骤1：采用3×3或5×5像素的窗口大小，对待处理影像I进行高斯中值滤波去噪；
步骤2：采用自适应直方图均衡方法对待处理影像I进行对比度增强处理，自适应模板大小设定为18×18像素；
步骤3：通过canny边缘提取得到原图片边缘点的二值化图像I2，二值化图像I2中只有边缘点所处的像素存在灰度值为255，其余位置的像素灰度为0；
步骤4：将某个像素点设为当前像素点，定义当前像素点影像的8邻域；所述8邻域为与当前像素相邻的8个像素，图像I2中第一行、第一列、最后一行和最后一列的点不参与后续运算；
步骤5：由I2第二行开始，从左至右开始扫描，获取数据点集i，其中i＝1,2，…，n；
步骤6：对数据点集i进行Hough变换，提取对应的直线，并保存直线对应的极坐标参数ρ和θ，剔除长度小于5个像素的直线，得到初步的直线提取结果CCL,通过判断参数ρ和θ，得到待合并直线集合BL和直线提取结果CL；
步骤7：进一步判断集合BL中的直线是否应该合并；判断集合中的第一组直线对间距，假设BL集合中直线对最近的两个端点为AB，根据AB的欧氏距离，当AB的欧氏距离小于2像素时执行步骤8；当AB的欧氏距离大于等于2像素，小于5个像素时执行步骤9；
步骤8：当AB的欧氏距离小于2像素时，则认定这两条直线为同一直线，将其合并，并由该直线对对应的所有边缘点重新拟合直线方程，将该直线重新加入直线集合CL，同时删除该直线对在BL中的记录；
步骤9：当AB的欧氏距离大于等于2像素，小于5个像素时，利用这两条直线对应的边缘点拟合出一条直线方程LL，判断位于AB之间且与LL的垂距小于的像素，且点的行数和列数均介于AB之间，判断上述像素的Robert灰度梯度方向，当有50％以上的像素满足梯度方向与LL直线垂直方向夹角小于22.5度时，则认定该组直线满足合并条件，将两者合并，并将LL直线加入集合CL，同时删除BL中的记录，否则放弃该直线对，并将其重新加入集合CL中，同时删除BL中的记录；
步骤10：遍历集合BL，并执行步骤7-步骤9，直到BL中所有的直线对全部判断完成，得到集合C为最终的直线提取结果。
2.根据权利要求1所述的一种基于边缘点编组的改进直线提取方法，其特征在于：所述步骤5包括如下子步骤：
步骤5.1：由I2第二行开始扫描判断其是否为边缘点，当遇到第一个边缘点时，判断其周围8邻域内是否存在边缘点；如果存在边缘点时，令i＝1，将当前像素A1标记为已扩散，并将其加入数据点集1；
步骤5.2：统计A1点周围8邻域中未扩散的边缘点数量；如果数量为1，则将该未扩散的边缘点加入数据点集1；如果数量超过1时，判断2468邻域中是否存在未扩散边缘点，如果存在则将其加入数据点集1，所述2468邻域代表针对当前像素点的8邻域中的2号邻域、4号邻域、6号邻域和8号邻域；
步骤5.3：遍历数据点集1，对其中未扩散的点进行扩散处理，判断其周围8邻域是否存在未被扩散的边缘点，将被判断点标记为已扩散，如果存在，且数量为1，则将其8邻域中的点加入数据点集1，如果数量大于1，并判断其2468邻域中是否存在未扩散边缘点，如果存在则将其加入数据点集1；
步骤5.4：重复步骤5.3，直到数据点集1中不再增加新点时，完成对数据点集1的分组；
步骤5.5：继续对I2第二行A1点从左向右继续扫描，当遇到下一个未加入数据点集的边缘点时，判断其周围8邻域内是否存在边缘点，如果存在，令i＝n，将当前像素An标记为已扩散，并将其加入数据点集n；如果该行不存在满足条件的边缘点，则从下一行由左至右继续扫描；
步骤5.6：重复步骤5.2-步骤5.4，直到数据点集n中不再增加新点时，完成该部分数据的分组；
步骤5.7：重复步骤5.5-步骤5.6，最终对所有数据完成分组。
3.根据权利要求1所述的一种基于边缘点编组的改进直线提取方法，其特征在于：所述步骤6包括如下子步骤：
步骤6.1：将初步提取的直线进行ρ和θ判断，避免在编组过程中会出现同一条直线由于边缘点断裂造成分裂为两条甚至多条直线的情况，当两条直线的ρ差值小于1个像素，θ差值小于1度时，将这对直线加入待合并直线集合BL；
步骤6.2：遍历提取的直线提取结果集合CCL，将所有满足步骤6.1条件的直线对全部加入待合并直线集合BL，并将CCL中对应的直线记录全部删除，得到直线提取结果CL。
CN201811422185.XA 2018-11-27 2018-11-27 一种基于边缘点编组的改进直线提取方法 Active CN109544577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811422185.XA CN109544577B (zh) 2018-11-27 2018-11-27 一种基于边缘点编组的改进直线提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811422185.XA CN109544577B (zh) 2018-11-27 2018-11-27 一种基于边缘点编组的改进直线提取方法

Publications (2)

Publication Number Publication Date
CN109544577A true CN109544577A (zh) 2019-03-29
CN109544577B CN109544577B (zh) 2022-10-14

Family

ID=65850373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811422185.XA Active CN109544577B (zh) 2018-11-27 2018-11-27 一种基于边缘点编组的改进直线提取方法

Country Status (1)

Country Link
CN (1) CN109544577B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977910A (zh) * 2019-04-04 2019-07-05 厦门商集网络科技有限责任公司 基于彩色线段的票据快速定位方法及其系统
CN111667477A (zh) * 2020-06-10 2020-09-15 创新奇智(广州)科技有限公司 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质
WO2022082553A1 (zh) * 2020-10-22 2022-04-28 四川金瑞麒智能科学技术有限公司 一种地理围栏数据点密度优化的方法和系统
CN114789446A (zh) * 2022-05-27 2022-07-26 平安普惠企业管理有限公司 机器人位姿估计方法、装置、电子设备及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030007186A1 (en) * 2001-07-05 2003-01-09 Tooru Suino Image processing apparatus and method for accurately detecting character edges
CN102034106A (zh) * 2010-12-20 2011-04-27 浙江工业大学 一种基于图像处理的火焰轮廓提取方法
CN102156979A (zh) * 2010-12-31 2011-08-17 上海电机学院 基于GrowCut的车道线快速检测方法及系统
CN103247045A (zh) * 2013-04-18 2013-08-14 上海交通大学 一种从多视图中得到人造场景主方向及图像边缘的方法
US20130301910A1 (en) * 2012-05-14 2013-11-14 University Of Southern California Extracting object edges from images
CN104935805A (zh) * 2014-03-20 2015-09-23 卡西欧计算机株式会社 图像处理装置以及图像处理方法
CN104933719A (zh) * 2015-06-24 2015-09-23 辽宁工程技术大学 一种积分图块间距离检测图像边缘方法
CN105719298A (zh) * 2016-01-22 2016-06-29 北京航空航天大学 一种基于边缘检测技术的线扩散函数提取的方法
CN106077889A (zh) * 2015-08-04 2016-11-09 李小春 基于多重滤波处理的水下机器人
CN106504263A (zh) * 2016-11-04 2017-03-15 辽宁工程技术大学 一种图像的快速连续边缘提取方法
CN106846354A (zh) * 2017-01-23 2017-06-13 中国人民解放军海军航空工程学院 一种基于图像分割和随机hough变换的架上图书清点方法
CN107256557A (zh) * 2017-05-03 2017-10-17 华南理工大学 一种误差可控的细分曲面图像矢量化方法
CN107665489A (zh) * 2017-09-18 2018-02-06 华中科技大学 一种基于计算机视觉的玻璃二面角检测方法
CN108171695A (zh) * 2017-12-29 2018-06-15 安徽农业大学 一种基于图像处理的高速公路路面检测方法
CN108305230A (zh) * 2018-01-31 2018-07-20 上海康斐信息技术有限公司 一种模糊图像综合处理方法和系统
US20180268551A1 (en) * 2015-01-08 2018-09-20 Ju Sung LEE A file conversion method and apparatus

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030007186A1 (en) * 2001-07-05 2003-01-09 Tooru Suino Image processing apparatus and method for accurately detecting character edges
CN102034106A (zh) * 2010-12-20 2011-04-27 浙江工业大学 一种基于图像处理的火焰轮廓提取方法
CN102156979A (zh) * 2010-12-31 2011-08-17 上海电机学院 基于GrowCut的车道线快速检测方法及系统
US20130301910A1 (en) * 2012-05-14 2013-11-14 University Of Southern California Extracting object edges from images
CN103247045A (zh) * 2013-04-18 2013-08-14 上海交通大学 一种从多视图中得到人造场景主方向及图像边缘的方法
CN104935805A (zh) * 2014-03-20 2015-09-23 卡西欧计算机株式会社 图像处理装置以及图像处理方法
US20180268551A1 (en) * 2015-01-08 2018-09-20 Ju Sung LEE A file conversion method and apparatus
CN104933719A (zh) * 2015-06-24 2015-09-23 辽宁工程技术大学 一种积分图块间距离检测图像边缘方法
CN106077889A (zh) * 2015-08-04 2016-11-09 李小春 基于多重滤波处理的水下机器人
CN105719298A (zh) * 2016-01-22 2016-06-29 北京航空航天大学 一种基于边缘检测技术的线扩散函数提取的方法
CN106504263A (zh) * 2016-11-04 2017-03-15 辽宁工程技术大学 一种图像的快速连续边缘提取方法
CN106846354A (zh) * 2017-01-23 2017-06-13 中国人民解放军海军航空工程学院 一种基于图像分割和随机hough变换的架上图书清点方法
CN107256557A (zh) * 2017-05-03 2017-10-17 华南理工大学 一种误差可控的细分曲面图像矢量化方法
CN107665489A (zh) * 2017-09-18 2018-02-06 华中科技大学 一种基于计算机视觉的玻璃二面角检测方法
CN108171695A (zh) * 2017-12-29 2018-06-15 安徽农业大学 一种基于图像处理的高速公路路面检测方法
CN108305230A (zh) * 2018-01-31 2018-07-20 上海康斐信息技术有限公司 一种模糊图像综合处理方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOPENG WANG: ""Integrated method of building edge line feature extraction from aerial imagery and digital surface model"", 《2008 INTERNATIONAL CONFERENCE ON HIGH VOLTAGE ENGINEERING AND APPLICATION》 *
郝争辉: ""基于边缘轮廓线提取的自动对焦评价函数"", 《红外技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977910A (zh) * 2019-04-04 2019-07-05 厦门商集网络科技有限责任公司 基于彩色线段的票据快速定位方法及其系统
CN111667477A (zh) * 2020-06-10 2020-09-15 创新奇智(广州)科技有限公司 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质
WO2022082553A1 (zh) * 2020-10-22 2022-04-28 四川金瑞麒智能科学技术有限公司 一种地理围栏数据点密度优化的方法和系统
CN114789446A (zh) * 2022-05-27 2022-07-26 平安普惠企业管理有限公司 机器人位姿估计方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN109544577B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN109544577A (zh) 一种基于边缘点编组的改进直线提取方法
CN106251361B (zh) 一种钢轨表面缺陷图像自适应分割方法
CN110717489B (zh) Osd的文字区域的识别方法、装置及存储介质
CN105469027B (zh) 针对文档图像的水平和垂直线检测和移除
CN110197153B (zh) 一种户型图中墙体自动识别方法
CN109658424B (zh) 一种改进的鲁棒二维otsu阈值图像分割方法
CN110796643A (zh) 一种铁轨扣件缺陷检测方法和系统
CN109377485A (zh) 一种方便面包装缺陷机器视觉检测方法
CN108830832A (zh) 一种基于机器视觉的塑料筒表面缺陷检测算法
CN104462380A (zh) 商标检索方法
CN108445009B (zh) 一种太阳能电池板裂纹检测方法
CN101106716A (zh) 一种分水岭图象分割处理方法
CN111754538B (zh) Usb表面缺陷检测的阈值分割方法
CN109785356B (zh) 一种视频图像的背景建模方法
CN117635609B (zh) 一种塑胶产品生产质量视觉检测方法
CN110956078B (zh) 一种电力线检测方法及装置
CN102855642A (zh) 图像处理装置及其物体轮廓的提取方法
CN104992176B (zh) 一种面向碑文的汉字提取方法
CN104268845A (zh) 极值温差短波红外图像的自适应双局部增强方法
CN112016566B (zh) 一种金融票据大写金额处手写汉字的分割方法
CN111612802B (zh) 一种基于现有图像语义分割模型的再优化训练方法及应用
CN110705568B (zh) 一种图像特征点提取的优化方法
CN106780529B (zh) 基于外接矩形的会议视频马赛克检测方法
CN108205678A (zh) 一种含有亮斑干扰的铭牌文字识别处理方法
Zhu et al. Fast and robust 2D-shape extraction using discrete-point sampling and centerline grouping in complex images

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