CN112418123B - 一种基于Hough变换的工程图图线及线型识别的方法 - Google Patents

一种基于Hough变换的工程图图线及线型识别的方法 Download PDF

Info

Publication number
CN112418123B
CN112418123B CN202011368466.9A CN202011368466A CN112418123B CN 112418123 B CN112418123 B CN 112418123B CN 202011368466 A CN202011368466 A CN 202011368466A CN 112418123 B CN112418123 B CN 112418123B
Authority
CN
China
Prior art keywords
line
engineering drawing
fitting
straight line
interest
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
Application number
CN202011368466.9A
Other languages
English (en)
Other versions
CN112418123A (zh
Inventor
石林坤
田怀文
蒲虹林
杨玉洁
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202011368466.9A priority Critical patent/CN112418123B/zh
Publication of CN112418123A publication Critical patent/CN112418123A/zh
Application granted granted Critical
Publication of CN112418123B publication Critical patent/CN112418123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422—Technical drawings; Geographical maps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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

Abstract

本发明公开了一种基于Hough变换的工程图图线及线型识别的方法，本发明在对预处理后的图像使用了Hough变换，接着采用RANSAC算法及最小二乘法，可以很好的对Hough直线检测结果进行拟合，其结果可以很好的还原实际手绘工程图中的直线；此外本方法结合工程图特点，设计专门针对工程图图线的线型识别算法，该算法可以很好的对手绘工程图中的图线进行线型识别，而不需要转为Autodesk软件识别的格式，即可快速且准确的识别工程图图线线型，因此本方法可以在手绘工程图精度较低的情况下对工程图图线进行提取及检测，不会因不同人的手绘习惯而导致检测结果错误。

Description

一种基于Hough变换的工程图图线及线型识别的方法
技术领域
本发明涉及图像识别领域，具体涉及一种基于Hough变换的工程图图线及线型识别的方法。
背景技术
现有的工程图图线及线型识别的方法有两种，一种是基于Autodesk软件的图线及线型识别，该方法的缺点是工程图必须要在Autodesk软件中绘制，若是手绘工程图，则需要先转换成Autodesk软件能够识别的格式，然后利用Autodesk软件内部的数据存储格式进行数据提取。另一种是基于对工程图中的图元进行提取，但当手绘精度较低，图元重叠较多的时候会导致图像噪声较多，图元提取较差，图线识别精度差。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于Hough变换的工程图图线及线型识别的方法解决了手绘工程图识别精度差的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种基于Hough变换的工程图图线及线型识别的方法，其包括以下步骤：
S1、采集并对工程图进行二值化、HSV空间转换和形态学膨胀，得到预处理后的图像；
S2、采用Hough变换、RANSAC算法及最小二乘法对预处理后的图像进行直线检测与拟合，得到拟合直线；
S3、采用横向及纵向矩形结构元从预处理后的图像中进行曲线检测和提取，得到拟合曲线；
S4、根据工程图的线型数据对拟合直线和拟合曲线进行分类识别，完成工程图图线及线型识别。
进一步地，步骤S2的具体方法包括以下子步骤：
S2-1、采用Hough变换对预处理后的图像进行直线检测，得到具有起点和终点的直线；
S2-2、采用RANSAC算法对检测得到的直线进行内点检验；
S2-3、采用最小二乘法对检测得到的内点进行直线拟合，得到拟合直线。
进一步地，步骤S3的具体方法为：
根据公式：
Figure BDA0002805782520000021
采用横向及纵向矩形结构元从预处理后的图像中进行曲线检测和提取，得到拟合曲线R3；其中R·B1表示B1对R的开运算；R·B2表示B2对R的开运算；R为预处理后的图像，B1和B3均为横向矩阵结构元，大小分别为1×5和15×1；B2和B4均为纵向矩形结构元，大小分别为1×5和15×1。
进一步地，步骤S4中工程图的线型数据包括粗实线、细实线、点画线和虚线，其中：
粗实线为两点间不存在像素值为0的点，线形宽度为d，d为常数；
细实线为两点间不存在像素值为0的点，线形宽度为0.5d；
点画线为像素值处于黑白转变，且黑色像素点个数为白色像素点个数的M倍以上，线型宽度为0.5d；
点虚线为像素值处于黑白转变，且黑色像素点个数在白色像素点个数的N倍以内，线型宽度为0.5d。
进一步地，步骤S4的具体方法包括以下子步骤：
S4-1、对于拟合直线，以拟合直线两端点分别为起点A0和终点An建立宽度为5个像素、长度为
Figure BDA0002805782520000031
的感兴趣区域
Figure BDA0002805782520000032
S4-2、对应线段A0An间的任一点的Zi，将过点Zi且垂直于线段A0An、宽度为w的线段Zi1Zi2上像素值和的均值作为感兴趣区域
Figure BDA0002805782520000033
中点Zi的像素值；进而得到感兴趣区域
Figure BDA0002805782520000034
中所有点的像素值；
S4-3、对于拟合曲线，以拟合曲线上所有像素点为基准，沿拟合曲线每一点切向方向的垂直方向建立宽度为5个像素、长度为
Figure BDA0002805782520000035
的感兴趣区域
Figure BDA0002805782520000036
并采用与步骤S4-2相同的方法获取感兴趣区域
Figure BDA0002805782520000037
中所有点的像素值；
S4-4、根据公式：
Figure BDA0002805782520000038
Figure BDA0002805782520000039
分别获取感兴趣区域
Figure BDA00028057825200000310
中点(x,y)处的线宽
Figure BDA00028057825200000311
和感兴趣区域
Figure BDA00028057825200000312
中点(x,y)处的线宽
Figure BDA00028057825200000313
其中Image[x][y]表示感兴趣区域中点(x,y)处的像素值；
S4-5、将感兴趣区域
Figure BDA00028057825200000314
和
Figure BDA00028057825200000315
中的线宽与工程图的线型数据进行匹配，根据每条拟合直线和拟合曲线的长度，以及每条拟合直线和拟合曲线的邻居线条的长度，得到对应拟合直线和拟合曲线的线型。
本发明的有益效果为：本发明在对预处理后的图像使用了Hough变换，接着采用RANSAC算法及最小二乘法，可以很好的对Hough直线检测结果进行拟合，其结果可以很好的还原实际手绘工程图中的直线；此外本方法结合工程图特点，设计专门针对工程图图线的线型识别算法，该算法可以很好的对手绘工程图中的图线进行线型识别，而不需要转为Autodesk软件识别的格式，即可快速且准确的识别工程图图线线型，因此本方法可以在手绘工程图精度较低的情况下对工程图图线进行提取及检测，不会因不同人的手绘习惯而导致检测结果错误。
附图说明
图1为本发明的流程示意图；
图2为采集的工程图示意图；
图3为进行二值化处理后的示意图；
图4为进行HSV空间转换后的示意图；
图5为直线拟合后的示意图；
图6为曲线检测示意图；
图7和图8为曲线提取的示意图；
图9为进行感兴趣区域处理的示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1、图2、图3和图4所示，该基于Hough变换的工程图图线及线型识别的方法包括以下步骤：
S1、采集并对工程图进行二值化、HSV空间转换和形态学膨胀，得到预处理后的图像；
S2、采用Hough变换、RANSAC算法及最小二乘法对预处理后的图像进行直线检测与拟合，得到拟合直线；
S3、采用横向及纵向矩形结构元从预处理后的图像中进行曲线检测和提取，得到拟合曲线；
S4、根据工程图的线型数据对拟合直线和拟合曲线进行分类识别，完成工程图图线及线型识别。
步骤S2的具体方法包括以下子步骤：
S2-1、采用Hough变换对预处理后的图像进行直线检测，得到具有起点和终点的直线；
S2-2、采用RANSAC算法对检测得到的直线进行内点检验；
S2-3、采用最小二乘法对检测得到的内点进行直线拟合，得到拟合直线如图5所示。
步骤S3的具体方法为：根据公式：
Figure BDA0002805782520000051
采用横向及纵向矩形结构元从预处理后的图像中进行曲线检测和提取，得到拟合曲线R3；其中R·B1表示B1对R的开运算；R·B2表示B2对R的开运算；R为预处理后的图像，B1和B3均为横向矩阵结构元，大小分别为1×5和15×1；B2和B4均为纵向矩形结构元，大小分别为1×5和15×1。检测出的曲线如图6所示，进而提取得到的曲线如图7和图8所示。
步骤S4中工程图的线型数据包括粗实线、细实线、点画线和虚线，其中：
粗实线为两点间不存在像素值为0的点，线形宽度为d，d为常数；
细实线为两点间不存在像素值为0的点，线形宽度为0.5d；
点画线为像素值处于黑白转变，且黑色像素点个数为白色像素点个数的M倍以上，线型宽度为0.5d；
点虚线为像素值处于黑白转变，且黑色像素点个数在白色像素点个数的N倍以内，线型宽度为0.5d。
如图9所示，步骤S4的具体方法包括以下子步骤：
S4-1、对于拟合直线，以拟合直线两端点分别为起点A0和终点An建立宽度为5个像素、长度为
Figure BDA0002805782520000061
的感兴趣区域
Figure BDA0002805782520000062
S4-2、对应线段A0An间的任一点的Zi，将过点Zi且垂直于线段A0An、宽度为w的线段Zi1Zi2上像素值和的均值作为感兴趣区域
Figure BDA0002805782520000063
中点Zi的像素值；进而得到感兴趣区域
Figure BDA0002805782520000064
中所有点的像素值；
S4-3、对于拟合曲线，以拟合曲线上所有像素点为基准，沿拟合曲线每一点切向方向的垂直方向建立宽度为5个像素、长度为
Figure BDA0002805782520000065
的感兴趣区域
Figure BDA0002805782520000066
并采用与步骤S4-2相同的方法获取感兴趣区域
Figure BDA0002805782520000067
中所有点的像素值；
S4-4、根据公式：
Figure BDA0002805782520000068
Figure BDA0002805782520000069
分别获取感兴趣区域
Figure BDA00028057825200000610
中点(x,y)处的线宽
Figure BDA00028057825200000611
和感兴趣区域
Figure BDA00028057825200000612
中点(x,y)处的线宽
Figure BDA0002805782520000071
其中Image[x][y]表示感兴趣区域中点(x,y)处的像素值；
S4-5、将感兴趣区域
Figure BDA0002805782520000072
和
Figure BDA0002805782520000073
中的线宽与工程图的线型数据进行匹配，根据每条拟合直线和拟合曲线的长度，以及每条拟合直线和拟合曲线的邻居线条的长度，得到对应拟合直线和拟合曲线的线型。
综上所述，本发明在对预处理后的图像使用了Hough变换，接着采用RANSAC算法及最小二乘法，可以很好的对Hough直线检测结果进行拟合，其结果可以很好的还原实际手绘工程图中的直线；此外本方法结合工程图特点，设计专门针对工程图图线的线型识别算法，该算法可以很好的对手绘工程图中的图线进行线型识别，而不需要转为Autodesk软件识别的格式，即可快速且准确的识别工程图图线线型，因此本方法可以在手绘工程图精度较低的情况下对工程图图线进行提取及检测，不会因不同人的手绘习惯而导致检测结果错误。

Claims (4)

1.一种基于Hough变换的工程图图线及线型识别的方法，其特征在于，包括以下步骤：
S1、采集并对工程图进行二值化、HSV空间转换和形态学膨胀，得到预处理后的图像；
S2、采用Hough变换、RANSAC算法及最小二乘法对预处理后的图像进行直线检测与拟合，得到拟合直线；
S3、采用横向及纵向矩形结构元从预处理后的图像中进行曲线检测和提取，得到拟合曲线；
S4、根据工程图的线型数据对拟合直线和拟合曲线进行分类识别，完成工程图图线及线型识别；
所述步骤S4的具体方法包括以下子步骤：
S4-1、对于拟合直线，以拟合直线两端点分别为起点A0和终点An建立宽度为5个像素、长度为
Figure FDA0003120800540000011
的感兴趣区域
Figure FDA0003120800540000012
S4-2、对应线段A0An间的任一点的Zi，将过点Zi且垂直于线段A0An、宽度为w的线段Zi1Zi2上像素值和的均值作为感兴趣区域
Figure FDA0003120800540000013
中点Zi的像素值；进而得到感兴趣区域
Figure FDA0003120800540000014
中所有点的像素值；
S4-3、对于拟合曲线，以拟合曲线上所有像素点为基准，沿拟合曲线每一点切向方向的垂直方向建立宽度为5个像素、长度为
Figure FDA0003120800540000015
的感兴趣区域
Figure FDA0003120800540000016
并采用与步骤S4-2相同的方法获取感兴趣区域
Figure FDA0003120800540000017
中所有点的像素值；
S4-4、根据公式：
Figure FDA0003120800540000018
Figure FDA0003120800540000021
分别获取感兴趣区域
Figure FDA0003120800540000022
中点(x,y)处的线宽
Figure FDA0003120800540000023
和感兴趣区域
Figure FDA0003120800540000024
中点(x,y)处的线宽
Figure FDA0003120800540000025
其中Image[x][y]表示感兴趣区域中点(x,y)处的像素值；
S4-5、将感兴趣区域
Figure FDA0003120800540000026
和
Figure FDA0003120800540000027
中的线宽与工程图的线型数据进行匹配，根据每条拟合直线和拟合曲线的长度，以及每条拟合直线和拟合曲线的邻居线条的长度，得到对应拟合直线和拟合曲线的线型。
2.根据权利要求1所述的基于Hough变换的工程图图线及线型识别的方法，其特征在于，所述步骤S2的具体方法包括以下子步骤：
S2-1、采用Hough变换对预处理后的图像进行直线检测，得到具有起点和终点的直线；
S2-2、采用RANSAC算法对检测得到的直线进行内点检验；
S2-3、采用最小二乘法对检测得到的内点进行直线拟合，得到拟合直线。
3.根据权利要求1所述的基于Hough变换的工程图图线及线型识别的方法，其特征在于，所述步骤S3的具体方法为：
根据公式：
Figure FDA0003120800540000028
采用横向及纵向矩形结构元从预处理后的图像中进行曲线检测和提取，得到拟合曲线R3；其中R·B1表示B1对R的开运算；R·B2表示B2对R的开运算；R为预处理后的图像，B1和B3均为横向矩阵结构元，大小分别为1×5和15×1；B2和B4均为纵向矩形结构元，大小分别为1×5和15×1。
4.根据权利要求1所述的基于Hough变换的工程图图线及线型识别的方法，其特征在于，所述步骤S4中工程图的线型数据包括粗实线、细实线、点画线和虚线，其中：
粗实线为两点间不存在像素值为0的点，线形宽度为d，d为常数；
细实线为两点间不存在像素值为0的点，线形宽度为0.5d；
点画线为像素值处于黑白转变，且黑色像素点个数为白色像素点个数的M倍以上，线型宽度为0.5d；
点虚线为像素值处于黑白转变，且黑色像素点个数在白色像素点个数的N倍以内，线型宽度为0.5d。
CN202011368466.9A 2020-11-30 2020-11-30 一种基于Hough变换的工程图图线及线型识别的方法 Active CN112418123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011368466.9A CN112418123B (zh) 2020-11-30 2020-11-30 一种基于Hough变换的工程图图线及线型识别的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011368466.9A CN112418123B (zh) 2020-11-30 2020-11-30 一种基于Hough变换的工程图图线及线型识别的方法

Publications (2)

Publication Number Publication Date
CN112418123A CN112418123A (zh) 2021-02-26
CN112418123B true CN112418123B (zh) 2021-08-03

Family

ID=74829265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011368466.9A Active CN112418123B (zh) 2020-11-30 2020-11-30 一种基于Hough变换的工程图图线及线型识别的方法

Country Status (1)

Country Link
CN (1) CN112418123B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11557112B1 (en) 2022-03-08 2023-01-17 Protolabs, Inc. Methods and systems for feature recognition of two-dimensional prints for manufacture

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722705A (zh) * 2012-06-12 2012-10-10 武汉大学 一种基于ransac算法的多车道线检测方法
CN103473776A (zh) * 2013-09-17 2013-12-25 深圳市华因康高通量生物技术研究院 一种比较图像清晰度的方法、系统及自动聚焦控制方法
CN104809436A (zh) * 2015-04-23 2015-07-29 天津大学 一种弯曲书面文字识别方法
CN105261020A (zh) * 2015-10-16 2016-01-20 桂林电子科技大学 一种快速车道线检测方法
CN106709524A (zh) * 2016-12-30 2017-05-24 山东大学 一种电气工程图中的元件符号检测与识别方法
CN107680154A (zh) * 2017-09-28 2018-02-09 西安电子科技大学 基于视图的体素几何参数提取方法
CN109612390A (zh) * 2018-12-17 2019-04-12 江南大学 基于机器视觉的大尺寸工件自动测量系统
CN111784597A (zh) * 2020-06-18 2020-10-16 山东省农业机械科学研究院 一种植保机器人自主导航路径检测方法及服务器、存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440348B (zh) * 2013-09-16 2016-11-02 重庆邮电大学 一种基于矢量量化的全局和局部颜色图像检索方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722705A (zh) * 2012-06-12 2012-10-10 武汉大学 一种基于ransac算法的多车道线检测方法
CN103473776A (zh) * 2013-09-17 2013-12-25 深圳市华因康高通量生物技术研究院 一种比较图像清晰度的方法、系统及自动聚焦控制方法
CN104809436A (zh) * 2015-04-23 2015-07-29 天津大学 一种弯曲书面文字识别方法
CN105261020A (zh) * 2015-10-16 2016-01-20 桂林电子科技大学 一种快速车道线检测方法
CN106709524A (zh) * 2016-12-30 2017-05-24 山东大学 一种电气工程图中的元件符号检测与识别方法
CN107680154A (zh) * 2017-09-28 2018-02-09 西安电子科技大学 基于视图的体素几何参数提取方法
CN109612390A (zh) * 2018-12-17 2019-04-12 江南大学 基于机器视觉的大尺寸工件自动测量系统
CN111784597A (zh) * 2020-06-18 2020-10-16 山东省农业机械科学研究院 一种植保机器人自主导航路径检测方法及服务器、存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《基于手绘工程图离线识别的预处理研究》;李春晓 等；;《机电工程技术》;20201120;第49卷(第11期);第96-99页； *

Also Published As

Publication number Publication date
CN112418123A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN101515325B (zh) 基于字符切分和颜色聚类的数字视频中的字符提取方法
CN101453575B (zh) 一种视频字幕信息提取方法
CN109002824B (zh) 一种基于OpenCV的建筑图纸标签信息检测方法
CN107045634B (zh) 一种基于最大稳定极值区域与笔画宽度的文本定位方法
CN109784344A (zh) 一种用于地平面标识识别的图像非目标滤除方法
CN106815583B (zh) 一种基于mser和swt相结合的夜间车辆车牌定位方法
CN108146093B (zh) 一种去除票据印章的方法
CN104732183A (zh) 一种基于图像采样线灰度信息分析的一维条码识别方法
CN101896920A (zh) 基于移动扫描的图像处理方法及装置
CN112183511A (zh) 一种图像导出表格的方法、系统、存储介质及设备
CN111354026A (zh) 一种基于surf特征的改进列车图像精确配准方法和系统
CN102750531A (zh) 用于票据文档定位格的手写体标记符号检测方法
CN112418123B (zh) 一种基于Hough变换的工程图图线及线型识别的方法
JPH06215293A (ja) 車番認識装置
CN112200053B (zh) 一种融合局部特征的表格识别方法
CN112508787A (zh) 一种基于图像超分辨的目标检测方法
Wen et al. Vehicle license plate location method based-on wavelet transform
US6983071B2 (en) Character segmentation device, character segmentation method used thereby, and program therefor
JP2003115031A (ja) 画像処理装置および方法
CN111241862B (zh) 基于边缘特性的条形码定位方法
Machhale et al. Implementation of number recognition using adaptive template matching and feature extraction method
Liu et al. Detection algorithm of 2D barcode under complex background
CN113538418A (zh) 基于形态学分析的轮胎x射线图像缺陷提取模型构建方法
CN112651936A (zh) 基于图像局部熵的钢板表面缺陷图像分割方法及系统
CN112785614A (zh) 一种陶瓷裂纹的图像分割方法及系统

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