CN111192324A - 线段交点位置的确定方法、装置及可读存储介质 - Google Patents

Abstract

本公开涉及图像处理技术领域，公开了一种线段交点位置的确定方法，包括以下步骤：获取含有第一线段的图像，对所述图像执行亚像素线段提取操作，获得第二线段；根据所述第二线段的特征确定搜索范围以及待分析范围，随后确定对应的直线向量；调整所述直线向量的位置及方向，直至满足设定条件，然后获得所述线段交点位置信息。本公开的一些技术效果在于：利用第一线段相交的先验信息，利用直线向量与待分析范围的像素梯度矢量的点积计算，本质上以更全面的角度对相关的每条第二线段所在的直线(即直线向量所在的直线)的位置进行了调整优化，据此推算得到的线段交点的位置具有相对高的精度，方法本身的鲁棒性也更好。

Description

线段交点位置的确定方法、装置及可读存储介质

技术领域

本公开涉及图像处理的技术领域，特别涉及线段交点位置的确定方法及相关装置。

背景技术

图像处理技术能应用到许多领域，如视觉定位、电子地图制作、视频制作、安防、防伪等等。

在具体应用形式中，一般会涉及到对于获取到的图像进行加工处理的环节，尤其是对于图像中的线段的位置进行确定，或者对线段之间的交点的位置进行确定，以此来精准界定图像中的不同图案之间的边界，或者确定图像中的线段之间的长度比例，或者确定图像中的某些交点在图像中的相对位置。

事实上，获取到的图像上的线段(为区分理解，称为第一线段)包括线段之间的交点，具有一定的像素宽度，目前主流的技术一般会采用亚像素边缘提取(也可以理解为亚像素线段提取、亚像素边缘检测等，即从像素级别的线段中提取处理得到亚像素级别的线段，例如通过检测而获得像素级别的边缘，然后利用最小二乘法等拟合方法处理得到亚像素级别的线段)的方法对图像进行处理，得到对应于每条线段的亚像素线段(为区分理解，称为第二线段)。由于第一线段是具有一定像素宽度的，因此多条第一线段相交于一点时，意味着它们在该处仅有一个交点(为区分理解，称为第一交点)。但由于第一线段之间的相对位置可能会因图像获取时受到的干扰而失真，以及第二线段是由对第一线段进行亚像素提取操作而获得，其过程存在一定误差，因此很难出现多条第二线段相交于一点的情况。如图1所示，图1(a)示意了三条第一线段相交的情形，图1(b)示意了对图1(a)进行亚像素线段提取处理后，得到的三条第二线段的相交的情形。对此，现有技术的处理方式，一般是直接对在第二线段相交的几个交点(为区分理解，称为第二交点)直接采用计算中心点的方式，计算得到它们的中心点，以此作为第一线段的亚像素的交点。

这样的处理方式的缺陷在于，对于受到干扰而获得的图像，执行亚像素线段提取而获得的亚像素线段，其位置具有较大的不确定性，基于第二交点直接进行中心点计算而得到的线段交点的位置，其精度较低。

发明内容

为解决前述的至少一个技术问题，本公开在一方面提出了一种线段交点位置的确定方法，主要包括以下步骤：获取含有第一线段的图像，所述第一线段之间具有至少一个第一交点；对所述图像执行亚像素线段提取操作，获得具有亚像素精度的、分别对应于每一所述第一线段的第二线段；根据所述第二线段的特征确定交点的搜索范围以及覆盖所述第一线段的待分析范围；在所述搜索范围内选取一点作为第一端点，在所述待分析范围内选取一点作为第二端点，据此得到与每一所述第一线段分别对应的直线向量；两个以上的所述直线向量以所述第一端点作为共同的端点；调整所述第一端点以及所述第二端点的位置，直至每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系满足设定条件；以满足所述设定条件时的第一端点的位置作为所述线段交点位置并输出结果。

优选地，“确定交点的搜索范围”包括以下步骤：根据所述第二线段形成的第二交点，以所述第二交点为参考点，确定搜索范围的边界。

优选地，当所述第二交点的个数为3个以上时，以所述第二交点为顶点形成的封闭多边形对应的范围作为所述搜索范围。

优选地，所述待分析范围的确定，包括以下步骤：根据所述第二线段所在的像素位置，以每一所述像素位置作为参考点，确定所述待分析范围的边界。

优选地，还包括以下步骤：对待分析范围内的图像块进行滤波处理；所述“待分析范围内的每一像素梯度矢量”为进行所述滤波处理后的像素的梯度矢量。

优选地，所述设定条件包括：每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积之和达到最小值。

优选地，所述图像具有多条所述第一线段以及多个所述第一交点；所述搜索范围具有多个，分别与多个所述第一交点一一对应。

优选地，若一条所述第一线段上具有3个以上的第一交点，调整这些第一交点对应的搜索范围内的第一端点的位置时，使这些第一端点同时位于同一直线上。

在其他一些方面，本公开还提出了一种线段交点位置的确定装置，其主要包括：图像获取模块，用于获取含有第一线段的图像，所述第一线段之间具有至少一个第一交点；线段提取模块，用于对所述图像执行亚像素线段提取操作，获得具有亚像素精度的、分别对应于每一所述第一线段的第二线段；范围确定模块，用于根据所述第二线段的特征确定交点的搜索范围以及覆盖所述第一线段的待分析范围；直线向量生成模块，用于在所述搜索范围内选取一点作为第一端点，在所述待分析范围内选取一点作为第二端点，据此得到与每一所述第一线段分别对应的直线向量；两个以上的所述直线向量以所述第一端点作为共同的端点；调整模块，用于调整所述第一端点以及所述第二端点的位置，直至每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系满足设定条件；交点确定模块，用于将满足所述设定条件时的第一端点的位置确定为所述线段交点位置并输出结果。

在其他一些方面，本公开还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的确定方法的步骤。

本公开的一些技术效果在于：利用第一线段相交的先验信息，利用直线向量与待分析范围的像素梯度矢量的点积计算，本质上以更全面的角度对相关的每条第二线段所在的直线(即直线向量所在的直线)的位置进行了调整优化，据此推算得到的线段交点的位置具有相对高的精度，方法本身的鲁棒性也更好。

附图说明

为更好地理解本公开的技术方案，可参考下列的、用于对现有技术或实施例进行辅助说明的附图。这些附图将对现有技术或本公开部分实施例中，涉及到的产品或方法有选择地进行展示。这些附图的基本信息如下：

图1为一种情况下，图像中的原始线段与经亚像素线段提取方法处理后得到的亚像素线段的示意图；

图2为一个实施例中，第二线段及其对应的直线向量的示意图；

图3为一个实施例中，搜索范围的示意图；

图4为一个实施例中，待分析范围的示意图；

图5为一些实施例中，不同的搜索范围的示意图；

图6为一个实施例中，直线向量与像素梯度矢量的示意图。

上述附图中，附图标记及其所对应的技术特征如下：

1-搜索范围，2-待分析范围，3-待分析范围内的像素，4-直线向量，5-像素梯度矢量。

具体实施方式

下文将对本公开涉及的技术手段或技术效果作进一步的展开描述，显然，所提供的实施例(或实施方式)仅是本公开意旨涵盖的部分实施方式，而并非全部。基于本公开中的实施例以及图文的明示或暗示，本领域技术人员在没有作出创造性劳动的前提下所能获得的所有其他实施例，都将在本公开保护的范围之内。

本公开在一方面提出了一种线段交点位置的确定方法，主要包括以下步骤：获取含有第一线段的图像，所述第一线段之间具有至少一个第一交点；对所述图像执行亚像素线段提取操作，获得具有亚像素精度的、分别对应于每一所述第一线段的第二线段；根据所述第二线段的特征确定交点的搜索范围以及覆盖所述第一线段的待分析范围；在所述搜索范围内选取一点作为第一端点，在所述待分析范围内选取一点作为第二端点，据此得到与每一所述第一线段分别对应的直线向量；两个以上的所述直线向量以所述第一端点作为共同的端点；调整所述第一端点以及所述第二端点的位置，直至每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系满足设定条件；以满足所述设定条件时的第一端点的位置作为所述线段交点位置并输出结果。

本文所说的确定方法主要适用于具有至少一个第一交点的图像，即图像中至少应有两条相交的第一线段。所说的第一线段，是指图像中的原始线段，每条这样的线段均具有一定的像素宽度，即线宽为多个像素。一般来说，图像中的线段到背景之间存在多个像素，这些像素的灰度是渐变的。

因此，可以将第一交点理解为第一线段相交之处的若干个像素的集合，显然，如果要更精确地表达出线段交点的位置，可以通过计算而确定一个亚像素的坐标点，并将之视为线段交点的位置。

在现实场合，可以先对采集得到的图像进行预处理，筛选出适合于所述确定方法的图像再执行具体的处理方式。在执行所述确定方法之前，还可以先对图像进行一定的滤波、去噪、灰度调节等处理，这些都可以借鉴现有的技术进行，视乎具体需求，在此不作详述。

一般来说，图像的来源可以是多样的，例如可以来源于室内定位时的拍摄所得，可以来源于对室外景物的拍摄所得，可以来源于互联网的下载甚至是作图软件的生成，总之，没有过多限制。

另外，图像既可以是黑白的也可以是彩色的，这意味着一些情况下，每条第一线段之间也可以具有不同的色差。甚至第一线段可以具有不同的宽度。

本文所说的第二线段，是一个相对于第一线段的概念，指的是对图像进行亚像素线段提取处理后，对应地得到的亚像素线段。通常的做法是，采用一条第二线段代表一条第一线段，一般来说，可以将前者理解为后者的更细致的位置表述，这是因为前者的坐标精度是亚像素级的，而后者的坐标的精度是像素级的。第二线段的特征信息包括了能指示第二线段的位置的信息，一般包括了第二线段的端点的坐标或第二线段的方程。

一般来说，亚像素线段提取(或称亚像素边缘检测、提取，即对像素级别的线段进行处理而获得亚像素级别的线段)的技术是成熟的，其方法是很多的，本领域技术人员可以采用Sobel算子边缘检测、Canny算子边缘检测或深度学习的边缘检测等诸多现有的技术进行实现(例如识别出第一线段的边缘，然后根据该边缘求取第一线段的中心线，将该中心线提取出来用于表示第一线段的位置)，在此不作展开。

关于直线向量。本质上，本公开所述确定方法的设计，是希望用第二线段来的位置表示第一线段的位置，再用直线向量的位置表示第二线段的所在的直线的位置。一般来说，在一个第一交点周围确定一个线段交点位置时，一个直线向量对应于一条第二线段。但当一条第一线段上存在多个第一交点时，则相当于需要对多个线段交点位置进行确定，在具体实施时可以利用本文所说的原理生成一个或多个与该第一线段对应的直线向量。事实上，本公开希望通过将直线向量与直线向量周围的像素灰度的变化情况进行匹配，使直线向量的最终位置确定在直线向量与周围像素梯度矢量尽可能多地相对垂直的地方，这样能相对合理地反映出第一线段的位置，更重要的是，由于相关的直线向量之间是相交的(意味着具有共同的端点)，所以在确定一个线段交点位置时，相关的直线向量的位置都会进行相适应的调整，这种调整更能适应全局的像素梯度矢量的变化情况。

“相关的直线向量”是指用于求解某一个第一交点的位置的直线向量。如图2(a)所示，第二线段A₁A₂、B₁B₂、C₁C₂对应于三条第一线段，先验的信息为三条第一线段相交于一点。对这三条第一线段进行亚像素线段提取后，得到的三条第二线段具有三个交点(点O₁、O₂、O₃)。此时相关的直线向量为图2(b)中的带箭头的粗线段形状，每一直线向量对应于一条第二线段，这些直线向量拥有一个共同的端点——这是由先验信息决定的——说明第二线段也应该只有一个交点。图2所示的三条第二线段之所以具有三个交点而非一个交点，是因为主要在图像处理过程以及拍摄过程中出现了一些误差，因此第二线段的位置是需要调整的，而本公开采用的方式是调整直线向量的位置，经过调整后的直线向量的共同的端点的位置即可视为第二线段最终交点的位置，也可视为第一线段的(亚像素)交点的位置。

调整直线向量，意味着直线向量的位置甚至方向会发生变化。一些实施例中，可以沿直线向量两个端点所在像素的梯度方向，对直线向量两个端点的位置进行调整。一些实施例中，也可以采用遍历法，对直线向量两个端点的位置进行调整。一些实施例中，也可以采用一些搜索技术，例如以初始位置作为中心点进行宽度优先搜索等遍历方法(如BFS算法、WFS算法、模拟退火算法等)找到最优的端点位置。当然还可以采取其他的方法(本质上是使两个端点在一定范围内不断移动)，在此不作展开，总之，只要能在搜索范围和待分析范围内，用某种方法调整直线向量，使其满足设定条件即可。

在一些实施例中，可以对相关的多条直线向量进行归一化处理，使其长度一致。由于在计算过程中，直线向量的长度会影响其垂直计算的权重，长度越大权重越大。归一化的目的是保证计算过程中，每个像素的权重一致。而在另外一些实施例中，也可以不作归一化处理，直线向量可以有着不同的长度。

关于像素梯度矢量。一个像素梯度矢量用于表示一个像素周围的灰度的变化大小以及方向。在待分析范围内，存在许多个像素，而以每个像素为中心，则对应地存在着与这个像素对应的像素梯度矢量。对于像素梯度矢量的计算，可以借鉴经典的图像梯度算法，经典的图像梯度算法是考虑图像的每个像素的某个邻域内的灰度变化，利用边缘临近的一阶或二阶导数变化规律，对原始图像中像素某个邻域设置梯度算子，通常我们用小区域模板进行卷积来计算，有Sobel算子、Robinson算子、Laplace算子等。一般来说，在现有技术中，像素梯度矢量的一种表示形式如公式一所示：

这个梯度矢量的长度如公式二所示：

这个梯度矢量的方向角如公式三所示：

公式一、公式二、公式三中，

是像素的梯度矢量(也称像素梯度矢量)，具有长度以及方向。G_x是梯度矢量在x轴方向的梯度，G_y是梯度矢量在y轴方向的梯度，梯度矢量的长度为

方向角为

式中带角标T的矩阵表示转置矩阵，

以及

为不同的方向一阶偏导数；g(x，y)表示图像梯度，

与

为不同的二阶偏导数，arctan表示反正切函数。

在一些实施例中，可以对待分析范围内的图像块进行滤波处理，然后再计算对应的像素梯度矢量；在另一些实施例中，也可以不进行滤波处理，而直接计算。

关于搜索范围。它的主要作用是圈定一个合理的范围，以供在该范围内推算/计算得到待确定的线段交点位置(本文所说的线段交点位置的坐标是亚像素的)，同时，该线段交点位置也会是两个以上直线向量的共同交点。在一些实施例中，某两条第一线段相交而得到一个第一交点时，对应的第二线段会有两条，此时“根据所述第二线段的特征确定交点的搜索范围”包括了根据第二线段相交的点(即第二交点)所在的位置而确定交点(即线段交点位置)的搜索范围，包括但不限于以下方式：

(1)以第二交点为圆心，以设定长度(如3至7个像素长度，可视乎实际需求而具体设定)为半径，以

该圆心和半径形成的圆所覆盖的范围作为搜索范围；

(2)以第二交点为中心而形成的多边形所覆盖的范围作为搜索范围，多边形的边长可根据实际需求而进行设定；

(3)与第二交点具有设定的相对位置的规则的或不规则的多边形所覆盖的范围作为搜索范围，多边形的边长可根据实际需求而进行设定，也可以采用其他封闭形状代替所述多边形。

当相交于一处的第一线段为三条或更多时，意味着对应的第二线段也是三条或更多，而第二交点也是三个或更多，此时，设计搜索范围还是可以根据第二交点的位置进行设计，其方式包括但不限于：

(1)以某一第二交点作为参考点，设计对应的封闭区间(例如圆、多边形等)作为搜索范围；

(2)以两个以上第二交点作为参考点，设计对应的封闭区间(例如圆、多边形等)作为搜索范围。

为使读者更直观地理解搜索范围，一些典型的例子如图2、图3所示。图2示出了三条第二线段相交的情况，第二线段A₁A₂、B₁B₂、C₁C₂相交，形成的第二交点为点O₁、O₂、O₃。如图3所示，可以直接以三角形O₁O₂O₃作为搜索范围1。当然也可以以三角形O₁O₂O₃的质心O₀作为圆心，以设定半径为圆而形成的覆盖范围作为搜索范围。无论如何，这样的搜索范围的设计，均可以以一个或多个相交的点(点O₁、O₂、O₃)作为依据而形成的。

又如图5所示，图5(a)示出了多个第二交点作为顶点而形成的封闭区间，在一些实施例下，可以直接以该封闭区间作为搜索范围；也可以在该封闭区间外作圆，以该圆覆盖的区域作为搜索范围1，图5(b)示出了范围较大的搜索范围1；图5(c)示出了范围较小的搜索范围1。搜索范围的大小，可以根据对执行确定方法涉及的计算量或精确度的要求进行取舍考量。

关于待分析范围。待分析范围的主要作用是圈定一个合理的范围，以供在该范围内推算/计算得到待最终确定的直线向量的位置。一条第二线段对应一个待分析范围。一般来说，一个直线向量的一端会落在搜索范围内，而另一端会落在待分析范围内。不排除一些情况下，待分析范围与搜索范围有所重叠，甚至从区域上看，搜索范围可以是待分析范围的一部分。

根据以上所说搜索范围的设计(或设置)原理，可以同理地对待分析范围进行设计。但不同的是，搜索范围的设计一般是以第二交点作为参考，而待分析范围的设计一般是以整条第二线段的位置作为参考。如图4所示，对于第二线段A₁A₂而言，它对应的待分析范围2的边界是一个矩形，至于矩形与第二线段A₁A₂的相对位置，视乎具体需求而定，一般来说，矩形到第二线段的距离可以取3至10个像素的长度。在其他实施例，待分析范围2的边界不一定是矩形，可以是其他多边形或不规则的封闭型曲线。

在一些实施例中，可以以第二线段经过的每一像素为圆心，以设定长度作为半径，这样能形成一个个的圆，这些一个个的圆所覆盖的区域可以作为待分析范围来使用。

关于“设定条件”。是否满足设定条件，需要先判断每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系。一个实施例如图6所示，图6示意性地、大致性地展示了一些实施例中，部分的像素梯度矢量5与直线向量4的位置关系，像素梯度矢量5由灰度值较低的像素指向灰度值较高的像素。图6还部分地示出了待分析范围内的像素3——即图中的一个个小方格。在小方格内的数字表示对应的该像素的灰度值。直线向量4具有初始位置，但它的角度可能会在一定范围内变化，以迎合所设的设定条件。

当我们假设：相关第二线段的编号为i(i大于1，小于等于L)，L为第二线段的条数，某第二线段i对应的直线向量为

(它的终点——也是相关直线向量的共同端点为P₀，起点为P_x——待分析范围内的某一点，)，第二线段i对应的待分析范围有M·N个像素，

是编号为jk的像素的梯度矢量时，设定条件可以体现在下式中：

在数学中，argmin代表最小值，当给定的表达式在给定的参数范围内进行运算，当表达式的值达到最小时，确定出此时的

以及

上式中，当

以及

被确定时，对应的P_xP₀也得以被确定。另外，式中

表示两参数的点积。

在其他一些实施例中，也可以通过变换

的位置(例如使i在大于1且小于等于L的范围内变动，例如使点P_x在待分析范围内变动，例如使点P_O在搜索范围内变动；变换

的位置的方法包括但不限于沿像素梯度方向的最速下降法、高斯牛顿迭代法等，也包括对像素分为多个单元，使其首尾位置在多个单元内变化移动等方法，也包括基于概率的方法，例如模拟退火法等)，每变换一次，则计算一次下式的值，直至该值小于等于阈值T时则可视为满足设定条件：

上式体现的点积关系为点积之和，对应的设定条件为点积之和小于等于阈值T。阈值T一般可以取0或更大的数，该取值越小，表示要求越严格。

在其他实施例中，点积关系也可以是上面公式的变形或者是点积之差、点积之积等关系，总之点积关系有助于判断出使

与

尽可能地內积(或点积)为0(或接近于0)情况即可。

一些实施例中，相关的多个直线向量

的共同端点为P₀，这些直线向量的方向也是指向点P₀的。

以阶段性的总结来看，利用第一线段相交的先验信息，通过调整两个以上的、被设定为相交的直线向量，从全局角度寻找到第一线段的亚像素交点所在的最合理位置，是所述确定方法区别于现有技术的重点之一。

在一些实施例中，确定了第一端点的坐标后，输出结果可以采用输出第一端点的坐标的方式；而在其他一些实施例中，输出结果可以采用输出相关的第二线段的位置信息的方式，这些第二线段的一端为所述第一端点，另一端为P_i。当然，“输出结果”还可以是其他的相关形式，由于形式本身并非本公开中的重点，在此不做过多展开。

以上的说明已囊括了这样的情况：

(1)在一些实施例中，“确定交点的搜索范围”包括以下步骤：根据所述第二线段形成的第二交点，以所述第二交点为参考点，确定搜索范围的边界。

(2)在一些实施例中，当所述第二交点的个数为3个以上时，以所述第二交点为顶点形成的封闭多边形对应的范围作为所述搜索范围。

(3)在一些实施例中，所述待分析范围的确定，包括以下步骤：根据所述第二线段所在的像素位置，以每一所述像素位置作为参考点，确定所述待分析范围的边界。即以第二线段经过的像素位置作为参考点，确定待分析范围的边界。

(4)在一些实施例中，所述设定条件包括：每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积之和达到最小值。

在一些实施例中，所述确定方法还包括以下步骤：对待分析范围内的图像块(即位于待分析范围内的部分图像)进行滤波处理；所述“待分析范围内的每一像素梯度矢量”为进行所述滤波处理后的像素的梯度矢量。滤波的目的是为了降低噪音，使上面公式计算得到的结果更为可靠。这也是本公开的重点之一。滤波的方式可以借鉴诸多现有技术，如高斯滤波、中值滤波、线性滤波等，在实施该方案时可根据自身需求而进行选择，在此不作过多展开。

作为本公开的又一个重点，在一些实施例中，所述图像具有多条所述第一线段以及多个所述第一交点；所述搜索范围具有多个，分别与多个所述第一交点一一对应。一般来说，一幅图像中会有多条第一线段，这些线段的交点经常不止一个，在执行确定方法时，可以依次地针对这些交点来进行相关计算，相当于执行多次的确定方法；当然，也可以执行一次性的确定方法，即同时在图像中确定多个搜索范围，以同时确定这些搜索范围对应的线段交点的位置。在更具体的情况下，若一条所述第一线段上具有3个以上的第一交点，调整这些第一交点对应的搜索范围内的第一端点的位置时，使这些第一端点同时位于同一直线上。

在其他一些方面，本公开还提出了一种线段交点位置的确定装置，其主要包括：图像获取模块，用于获取含有第一线段的图像，所述第一线段之间具有至少一个第一交点；线段提取模块，用于对所述图像执行亚像素线段提取操作，获得具有亚像素精度的、分别对应于每一所述第一线段的第二线段；范围确定模块，用于根据所述第二线段的特征确定交点的搜索范围以及覆盖所述第一线段的待分析范围；直线向量生成模块，用于在所述搜索范围内选取一点作为第一端点，在所述待分析范围内选取一点作为第二端点，据此得到与每一所述第一线段分别对应的直线向量；两个以上的所述直线向量以所述第一端点作为共同的端点；调整模块，用于调整所述第一端点以及所述第二端点的位置，直至每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系满足设定条件；交点确定模块，用于将满足所述设定条件时的第一端点的位置确定为所述线段交点位置并输出结果。上述的模块可以集成在一起，也可以是分开的。一个模块也可以有多个更小的单元组成。所述线段交点位置的确定装置还可以执行更多步骤，例如前文所说的实施例提到的各种步骤。

在其他一些方面，本公开还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的确定方法的步骤。本领域技术人员可以理解的是，实施例中的全部或部分步骤，可以通过计算机程序来指令相关的硬件实现，该程序可以存储于计算机可读介质中，可读介质可以包括闪存盘、移动硬盘、只读存储器、随机存取器、磁盘或光盘等各种可以存储程序代码的介质。

在符合本领域技术人员的知识和能力水平范围内，本文提及的各种实施例或者技术特征在不冲突的情况下，可以相互组合而作为另外一些可选实施例，这些并未被一一罗列出来的、由有限数量的技术特征组合形成的有限数量的可选实施例，仍属于本公开揭露的技术范围内，亦是本领域技术人员结合附图和上文所能理解或推断而得出的。

另外，多数实施例的描述是基于不同的重点而展开的，未详述之处，可参见现有技术的内容或本文的其他相关描述进行理解。

再次强调，上文所列举的实施例，为本公开较为典型的、较佳实施例，仅用于详细说明、解释本公开的技术方案，以便于读者理解，并不用以限制本公开的保护范围或者应用。在本公开的精神和原则之内所作的任何修改、等同替换、改进等而获得的技术方案，都应被涵盖在本公开的保护范围之内。

Claims (10)

1.线段交点位置的确定方法，其特征在于，包括以下步骤：

获取含有第一线段的图像，所述第一线段之间具有至少一个第一交点；

对所述图像执行亚像素线段提取操作，获得具有亚像素精度的、分别对应于每一所述第一线段的第二线段；

根据所述第二线段的特征确定交点的搜索范围以及覆盖所述第一线段的待分析范围；

在所述搜索范围内选取一点作为第一端点，在所述待分析范围内选取一点作为第二端点，据此得到与每一所述第一线段分别对应的直线向量；两个以上的所述直线向量以所述第一端点作为共同的端点；

调整所述第一端点以及所述第二端点的位置，直至每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系满足设定条件；

以满足所述设定条件时的第一端点的位置作为所述线段交点位置并输出结果。

2.根据权利要求1所述的确定方法，其特征在于：

“确定交点的搜索范围”包括以下步骤：

根据所述第二线段形成的第二交点，以所述第二交点为参考点，确定搜索范围的边界。

3.根据权利要求2所述的确定方法，其特征在于：

当所述第二交点的个数为3个以上时，以所述第二交点为顶点形成的封闭多边形对应的范围作为所述搜索范围。

4.根据权利要求1所述的确定方法，其特征在于：

所述待分析范围的确定，包括以下步骤：

根据所述第二线段所在的像素位置，以每一所述像素位置作为参考点，确定所述待分析范围的边界。

5.根据权利要求1所述的确定方法，其特征在于，还包括以下步骤：

对待分析范围内的图像块进行滤波处理；所述“待分析范围内的每一像素梯度矢量”为进行所述滤波处理后的像素的梯度矢量。

6.根据权利要求1所述的确定方法，其特征在于：

所述设定条件包括：每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积之和达到最小值。

7.根据权利要求1所述的确定方法，其特征在于：

所述图像具有多条所述第一线段以及多个所述第一交点；

所述搜索范围具有多个，分别与多个所述第一交点一一对应。

8.根据权利要求7所述的确定方法，其特征在于：

若一条所述第一线段上具有3个以上的第一交点，调整这些第一交点对应的搜索范围内的第一端点的位置时，使这些第一端点同时位于同一直线上。

9.线段交点位置的确定装置，其特征在于，包括：

图像获取模块，用于获取含有第一线段的图像，所述第一线段之间具有至少一个第一交点；

线段提取模块，用于对所述图像执行亚像素线段提取操作，获得具有亚像素精度的、分别对应于每一所述第一线段的第二线段；

范围确定模块，用于根据所述第二线段的特征确定交点的搜索范围以及覆盖所述第一线段的待分析范围；

直线向量生成模块，用于在所述搜索范围内选取一点作为第一端点，在所述待分析范围内选取一点作为第二端点，据此得到与每一所述第一线段分别对应的直线向量；两个以上的所述直线向量以所述第一端点作为共同的端点；

调整模块，用于调整所述第一端点以及所述第二端点的位置，直至每一所述直线向量与对应的待分析范围内的每一像素梯度矢量的点积关系满足设定条件；

交点确定模块，用于将满足所述设定条件时的第一端点的位置确定为所述线段交点位置并输出结果。

10.计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～8中任一所述的确定方法的步骤。

Images