CN110059706A - 一种用于富椒盐噪声环境下单一直线的检测方法 - Google Patents
一种用于富椒盐噪声环境下单一直线的检测方法 Download PDFInfo
- Publication number
- CN110059706A CN110059706A CN201910328732.6A CN201910328732A CN110059706A CN 110059706 A CN110059706 A CN 110059706A CN 201910328732 A CN201910328732 A CN 201910328732A CN 110059706 A CN110059706 A CN 110059706A
- Authority
- CN
- China
- Prior art keywords
- straight line
- image
- checked
- pepper noise
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及机器视觉的技术领域,公开了一种用于富椒盐噪声环境下单一直线的检测方法,利用快速傅里叶变换去除待检图像中的富椒盐噪声,对去噪后的待检图像进行二值化处理并对单一直线区域进行标定,利用正态拟合筛选出单一直线所在的点,将其连接起来完成单一直线的检测。本发明提出的方法简单适用,而且对水平线、竖直线或者斜线都可以做到准确的检测,相比于通用的霍夫变换,节省了较多的计算参数,操作方便,便于推广和应用。
Description
技术领域
本发明涉及机器视觉的技术领域,具体涉及一种用于富椒盐噪声环境下单一直线的检测方法。
背景技术
直线检测是模式识别和计算机视觉中的基本任务之一,一直受到研究人员的普遍关注,因为直线是图像的一种重要的稳定性特征,在图像分析、理解和三维重建中被广泛使用。近年来,人们提出了许多直线检测的算法,他们各有优缺点。
要在图像中检测直线特征,最直观也最简单的做法就是直线跟踪边缘,再根据相连边缘点的共线性得到拟合直线,典型代表是启发式连接算法。连接时主要利用边缘点的空间邻接关系,辅以梯度方向或对比度等特性,其困难在于,首先,当存在多个邻接点时,如何确定跟踪路径,其次,当边缘之间存在缝隙时,如何连接,过程繁琐,计算复杂,效率较低。
发明内容
本发明提供了一种用于富椒盐噪声环境下单一直线的检测方法,解决了现有检测方法过程繁琐,计算复杂,效率较低等问题。
本发明可通过以下技术方案实现:
一种用于富椒盐噪声环境下单一直线的检测方法,利用快速傅里叶变换去除待检图像中的富椒盐噪声,对去噪后的待检图像进行二值化处理并对单一直线区域进行标定,利用正态拟合筛选出单一直线所在的点,将其连接起来完成单一直线的检测。
进一步,利用正态拟合筛选出单一直线所在的点的方法包括以下步骤:
步骤一、利用加权最小二乘法对标定的单一直线区域的每行确定一个中心点,计算任意相邻的两个中心点之间的斜率;
步骤二、对所有斜率组成的数据集进行正态拟合,筛选出处于σ<0.0084范围内部的斜率对应行的中心点;
步骤三、重复步骤一和二,筛选出处于σ<0.0084范围内部的斜率对应列的中心点,与对应行的中心点去并集,组成单一直线所在的点。
进一步,对单一直线区域进行标定的方法包括以下步骤:
步骤Ⅰ、以单一直线区域作为目标和待检图像中的其他区域作为背景,对去噪后的待检图像进行二值化处理;
步骤Ⅱ、对二值化后的待检图像左上角的第一个像素点为起点开始搜寻,对其周围的八个像素点中灰度值不为零的像素点做标记;
步骤Ⅲ,以被标记的像素点为起点,重复步骤Ⅱ,直至二值化后的待检图像中所有灰度值不为零的像素点都被做标记,完成对单一直线区域的标定。
进一步,对所述待检图像进行灰度化处理,将处理后的待检图像的灰度值作为一个二维数组,对所述二维数组进行快速傅里叶变换得到对应的频谱曲线,将所述频谱曲线的中心点移至频率的零点,再利用带阻滤波器将所述频谱曲线中的高频部分滤出。
进一步,所述待检图像设置为仅包括一条直线的单一背景图像,且夹杂有富椒盐噪声。
本发明有益的技术效果在于:
通过对待检图像进行灰度化处理后,采用了快速傅里叶变换得出待检图像二维频谱图,判断出噪声频段并实施滤除,滤噪效果明显;对去噪声后的待检图像进行二值化处理,并对二值化后的待检图像中灰度值不为零的像素点进行标定,然后利用正态拟合筛选出单一直线所在的点,并将其连接起来完成单一直的检测,本发明提出的算法简单适用,而且对水平线、竖直线或者斜线都可以做到准确的检测,相比于通用的霍夫变换,节省了较多的计算参数,操作方便,便于推广和应用。
附图说明
图1为本发明的总体流程示意图;
图2为本发明的待检图像灰度化后的示意图;
图3为本发明的待检图像去噪后的示意图;
图4为本发明的快速傅里叶变换得到的频谱曲线示意图;
图5为本发明的待检图像标定后的示意图;
图6为本发明的对标定区域行的中心点进行正态拟合后的曲线示意图。
具体实施方式
下面结合附图及较佳实施例详细说明本发明的具体实施方式。
如图1所示,本发明提供了一种用于富椒盐噪声环境下单一直线的检测方法,主要处理仅包括一条直线的单一背景图像,利用快速傅里叶变换去除待检图像中的富椒盐噪声,对去噪后的待检图像进行二值化处理并对单一直线区域进行标定,利用正态拟合筛选出单一直线所在的点,将其连接起来完成单一直线的检测。
首先,快速傅里叶变换FFT是一种离散傅里叶变换DFT的高效算法,它根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。从物理效果看,快速傅里叶变换是将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域,换句话说,快速傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数。通过对图像的频域分布图判断出图像中椒盐噪声的频段,一般噪声都位于高频段,利用滤波器就可以滤除掉图像中的椒盐噪声。
因此,我们可以把如图2所示的待检图像进行灰度化处理,将处理后的待检图像的灰度值作为一个二维数组,是一个二维信号,对其进行快速傅里叶变换得到对应的频谱曲线,也可以称为梯度分布图,如图3所示,这样,得到的频率相应地也是二维的,分别对应着待检图像的灰度值在两个相互垂直的方向上变化的情况。然后,将该频谱曲线的中心点o移至频率的零点所在是纵轴上,可以看出待检图像的频率分布是以原点为中心,对称分布的,移频之后生成的曲线图像可称作频域模型图。从频域模型图中可以看出,低频信号即区域A代表了待检图像的基本信息,中频分段即区域B和C代表了待检图像的分块区域和细节特征,而一般噪声都分布在高频分段即区域D,此时可以很直观的通过在该位置放置带阻滤波器消除干扰,达到消除图像中椒盐噪声的效果,如图4所示。
然后,对去噪后的待检图像的单一直线区域进行标定,具体包括以下步骤:
步骤Ⅰ、以单一直线区域作为目标和待检图像中的其他区域作为背景,对去噪后的待检图像进行二值化处理,将目标区域的像素点的灰度值设置为255,标记为1,背景区域的像素点的灰度值设置为0,标记为0;
步骤Ⅱ、对二值化后的待检图像左上角的第一个像素点为起点开始搜寻,对其周围的八个像素点中灰度值不为零的像素点做标记;
步骤Ⅲ,以被标记的像素点为起点,重复步骤Ⅱ,直至二值化后的待检图像中所有灰度值不为零的像素点都被做标记,完成对单一直线区域的标定,如图5所示。
最后,利用正态拟合筛选出单一直线所在的点,将其连接起来完成单一直线的检测,具体如下:
步骤一、利用加权最小二乘法对标定的单一直线区域的每行确定一个中心点,计算任意相邻的两个中心点之间的斜率,一般来说,在标记区域中,假设有n行,越靠近中心的点,权值越大,边缘点则权值较小,通过加权最小二乘法一共可以得到n个中心点,计算所得n个中心点中任意相邻的两个中心点之间的斜率,就可得到一组n(n-1)/2的数据集。
步骤二、对该数据集进行正态拟合,如图6所示,筛选出处于σ<0.0084范围内部的斜率对应行的中心点;
步骤三、重复步骤一和二,筛选出处于σ<0.0084范围内部的斜率对应列的中心点,与对应行的中心点去并集,组成单一直线所在的点。由于竖直直线的斜率趋向于无穷大,对于标记区域中列的处理,可以用复数i表示无穷大。
经大量的实验验证,通过多个待检图像进行正态拟合,选择σ=0.0084作为筛选标准来获取单一直线所在的中心点,图6中节选部分待检图像的拟合结果,图中共五条高斯分布曲线,其中最大的σ=0.0084,其余四条的σ分别为0.0060、0.0065、0.0075、0.0082。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,因此,本发明的保护范围由所附权利要求书限定。
Claims (5)
1.一种用于富椒盐噪声环境下单一直线的检测方法,其特征在于:利用快速傅里叶变换去除待检图像中的富椒盐噪声,对去噪后的待检图像进行二值化处理并对单一直线区域进行标定,利用正态拟合筛选出单一直线所在的点,将其连接起来完成单一直线的检测。
2.根据权利要求1所述的用于富椒盐噪声环境下单一直线的检测方法,其特征在于利用正态拟合筛选出单一直线所在的点的方法包括以下步骤:
步骤一、利用加权最小二乘法对标定的单一直线区域的每行确定一个中心点,计算任意相邻的两个中心点之间的斜率;
步骤二、对所有斜率组成的数据集进行正态拟合,筛选出处于σ<0.0084范围内部的斜率对应行的中心点;
步骤三、重复步骤一和二,筛选出处于σ<0.0084范围内部的斜率对应列的中心点,与对应行的中心点去并集,组成单一直线所在的点。
3.根据权利要求2所述的用于富椒盐噪声环境下单一直线的检测方法,其特征在于对单一直线区域进行标定的方法包括以下步骤:
步骤Ⅰ、以单一直线区域作为目标和待检图像中的其他区域作为背景,对去噪后的待检图像进行二值化处理;
步骤Ⅱ、对二值化后的待检图像左上角的第一个像素点为起点开始搜寻,对其周围的八个像素点中灰度值不为零的像素点做标记;
步骤Ⅲ,以被标记的像素点为起点,重复步骤Ⅱ,直至二值化后的待检图像中所有灰度值不为零的像素点都被做标记,完成对单一直线区域的标定。
4.根据权利要求1所述的用于富椒盐噪声环境下单一直线的检测方法,其特征在于:对所述待检图像进行灰度化处理,将处理后的待检图像的灰度值作为一个二维数组,对所述二维数组进行快速傅里叶变换得到对应的频谱曲线,将所述频谱曲线的中心点移至频率的零点,再利用带阻滤波器将所述频谱曲线中的高频部分滤出。
5.根据权利要求4所述的用于富椒盐噪声环境下单一直线的检测方法,其特征在于:所述待检图像设置为仅包括一条直线的单一背景图像,且夹杂有富椒盐噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910328732.6A CN110059706B (zh) | 2019-04-23 | 2019-04-23 | 一种用于富椒盐噪声环境下单一直线的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910328732.6A CN110059706B (zh) | 2019-04-23 | 2019-04-23 | 一种用于富椒盐噪声环境下单一直线的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059706A true CN110059706A (zh) | 2019-07-26 |
CN110059706B CN110059706B (zh) | 2023-04-07 |
Family
ID=67320337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910328732.6A Active CN110059706B (zh) | 2019-04-23 | 2019-04-23 | 一种用于富椒盐噪声环境下单一直线的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059706B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101031199A (zh) * | 2007-01-18 | 2007-09-05 | 深圳职业技术学院 | 基于引脚的形位直线拟合方法 |
CN105069786A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 直线检测方法及装置 |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN106778822A (zh) * | 2016-11-25 | 2017-05-31 | 西安电子科技大学 | 基于漏斗变换的图像直线检测方法 |
WO2018058355A1 (zh) * | 2016-09-28 | 2018-04-05 | 驭势科技(北京)有限公司 | 汽车可行驶区域实时检测方法和系统 |
CN108121983A (zh) * | 2016-11-29 | 2018-06-05 | 蓝盾信息安全技术有限公司 | 一种基于傅里叶变换的文本图像纠偏方法 |
WO2019041590A1 (zh) * | 2017-08-31 | 2019-03-07 | 中国科学院微电子研究所 | 任意角度的边缘检测方法 |
-
2019
- 2019-04-23 CN CN201910328732.6A patent/CN110059706B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101031199A (zh) * | 2007-01-18 | 2007-09-05 | 深圳职业技术学院 | 基于引脚的形位直线拟合方法 |
CN105069786A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 直线检测方法及装置 |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
WO2018058355A1 (zh) * | 2016-09-28 | 2018-04-05 | 驭势科技(北京)有限公司 | 汽车可行驶区域实时检测方法和系统 |
CN106778822A (zh) * | 2016-11-25 | 2017-05-31 | 西安电子科技大学 | 基于漏斗变换的图像直线检测方法 |
CN108121983A (zh) * | 2016-11-29 | 2018-06-05 | 蓝盾信息安全技术有限公司 | 一种基于傅里叶变换的文本图像纠偏方法 |
WO2019041590A1 (zh) * | 2017-08-31 | 2019-03-07 | 中国科学院微电子研究所 | 任意角度的边缘检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110059706B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101221661B (zh) | 一种图像配准方法及装置 | |
JP5404773B2 (ja) | ステレオ画像処理装置およびステレオ画像処理方法 | |
US8436912B2 (en) | Range measurement using multiple coded apertures | |
Anoop et al. | Retracted article: medical image enhancement by a bilateral filter using optimization technique | |
US20110267485A1 (en) | Range measurement using a coded aperture | |
CN106062824B (zh) | 边缘检测装置和边缘检测方法 | |
JP5874039B2 (ja) | ステレオ画像処理装置及びステレオ画像処理方法 | |
US20110267477A1 (en) | Range measurement using symmetric coded apertures | |
CN104764407B (zh) | 一种电缆护套厚度的精细测量方法 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
Roy et al. | Cerebral microbleed segmentation from susceptibility weighted images | |
Shao et al. | Target-free 3D tiny structural vibration measurement based on deep learning and motion magnification | |
Collier et al. | Accuracy of phase-based optical flow for vibration extraction | |
CN109781736A (zh) | 一种晶元纹理图像周期的自动测量方法和系统 | |
Jumaat et al. | Performance comparison of Canny and Sobel edge detectors on Balloon Snake in segmenting masses | |
Burduja et al. | Unsupervised medical image alignment with curriculum learning | |
Miao et al. | A novel marker for robust and accurate phase-based 2D motion estimation from noisy image data | |
Chen et al. | Sub-pixel detection algorithm based on cubic B-spline curve and multi-scale adaptive wavelet transform | |
CN110059706A (zh) | 一种用于富椒盐噪声环境下单一直线的检测方法 | |
Wang et al. | Motion estimation from noisy data with unknown distributions using multi-frame phase-preserving denoising | |
CN103065297A (zh) | 一种基于傅里叶变换的图像边缘检测方法 | |
CN109782216A (zh) | 一种二维空间谱峰值搜索的简易方法 | |
Haq et al. | Block-based compressed sensing of MR images using multi-rate deep learning approach | |
CN115984131A (zh) | 双维度图像边缘增强方法及应用 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 |
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 |