CN112418246A - 一种广义霍夫变换中径向量表生成方法及装置 - Google Patents

Abstract

本发明公开了一种广义霍夫变换中径向量表生成方法及装置，其中所述方法包括：对待检测图像进行边缘检测，获得目标边缘特征点；其中，目标边缘特征点为待检测图像中的任一边缘特征点；根据目标边缘特征点，更新预设的角度索引表；其中，角度索引表存储有目标径向量角度；根据目标径向量角度对应的已保存的边缘特征点与目标边缘特征点，更新预设的特征点索引表；根据更新后的角度索引表和更新后的特征点索引表，获得径向量表。使用本发明进行边缘特征点的存储可节省大量的存储空间和计算资源。

Description

一种广义霍夫变换中径向量表生成方法及装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种广义霍夫变换中径向量表生成方法及装置。

背景技术

二维物体的目标检测与识别的常用方法包括基于灰度和梯度的模板匹配方法、特征点检测方法以及广义霍夫变换法。通过以上方法可以得到待检测物体的具体位置，位置以图像坐标系中的x、y坐标表达；还可得到待检测物体偏转角度。广义霍夫变换法由于具有精度高，不需要保存图像模板等优点，成为一种新兴的目标检测方法。利用广义霍夫变换检测任意形状物体的具体步骤包括：制作待检测物体图像模板，对模板进行图像对比度及自适应阈值调整；图像二值化处理；索贝尔边缘检测得到边缘特征点；计算各边缘特征点的梯度并创建径向量表(R-table表)；对待检测图像进行自适应阈值处理以及canny边缘检测(Canny edge detector)得到图像上所有的特征点；求所有特征点的梯度方向得到所对应的梯度图；利用径向量表(R-table表)对梯度图进行广义霍夫变换的投票过程得到一张累积加权图像，确定目标检测的分数并对图像进行局部极大值搜索，搜索得到的点即为检测目标的重心位置。在[0,360]角度范围内进行投票得到一系列投票加权图像，并选择局部最大值最大的加权图像其所对应的搜索角度即为检测目标的旋转角度。

而上述步骤中的算法的关键环节在于径向量表的创建及保存过程。目前的特征点在保存时，是根据角度对应的特征点数量进行内存空间的分配。这种存储方式需要对所有边缘特征点进行排序和处理，会浪费大量的存储空间和计算资源。

发明内容

鉴于上述问题，本发明提出了一种广义霍夫变换中径向量表生成方法及装置，可节省大量的存储空间和计算资源。

第一方面，本申请通过本申请的一实施例提供如下技术方案：

一种广义霍夫变换中径向量表生成方法，包括：

对待检测图像进行边缘检测，获得目标边缘特征点；其中，所述目标边缘特征点为所述待检测图像中的任一边缘特征点；根据所述目标边缘特征点，更新预设的角度索引表；其中，所述角度索引表存储有目标径向量角度；根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表；根据更新后的所述角度索引表和更新后的所述特征点索引表，获得径向量表。

可选的，所述对待检测图像进行边缘检测，获得目标边缘特征点之前还包括：

构建角度索引表和特征点索引表；其中，所述角度索引表用于保存各个径向量角度对应的边缘特征点的个数和每个径向量角度对应的末尾的边缘特征点的序号，所述特征点索引表用于保存所述边缘特征点的属性信息，所述属性信息包括序号。

可选的，所述属性信息还包括：径向量角度、特征点坐标以及重心偏移坐标。

可选的，所述根据所述目标边缘特征点，更新预设的角度索引表，包括：

根据所述目标边缘特征点，对所述角度索引表的目标径向量角度进行个数更新以及序号更新。

可选的，所述个数更新包括：对所述目标径向量角度所包含的边缘特征点的个数进行更新；所述序号更新包括：对所述目标径向量角度的末尾边缘特征点的序号进行更新。

可选的，所述个数更新包括：根据所述目标边缘特征点，对目标个数加一；其中，所述目标个数为所述角度索引表中存储的所述目标径向量角度对应的边缘特征点的个数；所述序号更新包括：根据所述目标边缘特征点，对所述目标径向量角度对应的末尾的边缘特征点的序号更新为所述目标边缘特征点的序号。

可选的，所述根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表，包括：

将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识；将所述关联标识作为所述目标边缘特征点的属性信息保存至所述特征点索引表。

可选的，所述将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识，包括：

将所述目标径向量角度对应的已保存的末尾的边缘特征点与所述目标边缘特征点关联，获得关联标识。

可选的，所述将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识，包括：

对所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点分配预定义格式的查询编号；根据所述查询编号，确定所述关联标识。

第二方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：

一种广义霍夫变换中径向量表生成装置，包括：

检测模块，用于对待检测图像进行边缘检测，获得目标边缘特征点；其中，所述目标边缘特征点为所述待检测图像中的任一边缘特征点；第一更新模块，用于根据所述目标边缘特征点，更新预设的角度索引表；其中，所述角度索引表存储有目标径向量角度；第二更新模块，用于根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表；径向量表获取模块，用于根据更新后的所述角度索引表和更新后的所述特征点索引表，获得径向量表。

第三方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述方法的步骤。

本发明实施例提供的一种广义霍夫变换中径向量表生成方法及装置，通过对待检测图像进行边缘检测，获得目标边缘特征点；然后，将径向量表分为角度索引表和特征点索引表两部分。进而根据目标边缘特征点，更新预设的角度索引表；由于角度索引表中存储有目标径向量角度，可根据目标径向量角度对应的已保存的边缘特征点与目标边缘特征点，更新预设的特征点索引表，最后获得由角度索引表和特征点索引表构成的径向量表。本实施例中构建的径向量表分为了角度索引表和特征点索引表两部分，可使得同一目标径向量角度下的所有边缘特征点不用限制在同一个分配的存储空间中，无需对应为每个径向量角度划分统一的内存空间，也无需对不同的边缘特征点进行排序计算，因此本实施方法可节省大量的存储空间和计算资源，有利于生成离线文件，当进行提高检测精度时，可有效的控制存储空间的增加。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明第一实施例提供的一种广义霍夫变换中径向量表生成方法及装置

图2示出了第一实施例中现有技术的边缘特征点存储结构的原理示意图；

图3示出了第一实施例中的提供的广义霍夫变换中径向量表生成方法的存储结构的原理示意图；

图4示出了本发明第二实施例提供的一种广义霍夫变换中径向量表生成方法及装置的功能模块结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

第一实施例

请参见图1，图1示出了本发明第一实施例提供的一种广义霍夫变换中径向量表生成方法，采用该方法进行特征点存储后可获得经向量表，本实施例方法可节省计算资源的消耗并且节省存储空间。

下面以一完整的示例进行说明。具体的，本实施例方法包括：

步骤S10：构建角度索引表和特征点索引表；其中，所述角度索引表用于保存各个径向量角度对应的边缘特征点的个数和每个径向量角度对应的末尾的边缘特征点的序号，所述特征点索引表用于保存所述边缘特征点的属性信息，所述属性信息包括序号；

步骤S20：对待检测图像进行边缘检测，获得目标边缘特征点；其中，所述目标边缘特征点为待检测图像中的任一边缘特征点。

在步骤S10-S20中，待检测图像即为任意的进行边缘检测的图像。进行边缘检测获得目标边缘特征点的过程可为：制作待检测图像的图像模板，对图像模板进行图像对比度及自适应阈值调整，对待检测图像二值化处理，使用索贝尔边缘检测得到目标边缘特征点。其中，目标边缘特征点的获取过程为现有技术手段，本实施例中不再赘述。目标边缘特征点为当前对待检测图像检测出的任一边缘特征点，即为待检测图像中的任一边缘特征点。

角度索引表和特征点索引表可在检测到首个边缘特征点之前进行创建，也可在检测到首个边缘特征点的同时进行创建，还可在检测到首个边缘特征点的之后立即进行创建，即步骤S10、S20执行的先后顺序不作限制。例如，目标边缘特征点位首个边缘特征点时，当获得目标边缘特征点时立即创建角度索引表和特征点索引表。其中，角度索引表包括1～360度的径向量角度。在创建角度索引表时，可创建长度为360的角度索引表，每个单位长度表示一个单位内存空间，每个单位长度存储一个角度的内容。单位长度可根据实际的存储量确定，例如每个单位长度为1～10个字节，在本实施例中根据储存的内容量优选地确定为5个字节。

角度索引表示例如下：1度(边缘特征点的个数，末尾的边缘特征点的序号)；2度(边缘特征点的个数，末尾的边缘特征点的序号)，3度(边缘特征点的个数，末尾的边缘特征点的序号)，…。上述示例不代表本实施例中的角度索引表真实储存的数据形式，仅为对实施例含义进行易于理解的阐述说明。例如可通过数组的方式对角度索引表中的每个径向量角度进行存储。本实施例中的特征点的序号可为在边缘检测过程中检测到边缘特征点时，为边缘特征点进行统一的编号，编号时可为顺序编号；这样每个边缘特征点都具有唯一的序号。

特征点索引表中以边缘特征点为单位保存特征点的属性信息，所述属性信息至少包括：径向量角度、特征点坐标、重心偏移坐标、序号以及关联标识；其中关联标识表示目标边缘特征点与目标径向量角度对应的末尾的边缘特征点存在关联。通过本实施例中的特征点索引表保存目标边缘特征点时，不需要对其他的边缘特征点进行排序处理，只需要对目标边缘特征点进行处理，效率更高。

步骤S30：根据所述目标边缘特征点，对所述角度索引表的目标径向量角度进行个数更新以及序号更新；其中，所述个数更新表示对所述目标径向量角度所包含的边缘特征点的个数进行更新，所述序号更新表示对所述目标径向量角度的末尾边缘特征点的序号进行更新。

具体的，个数更新包括：根据目标边缘特征点，对目标个数加一；其中，目标个数为角度索引表中存储的目标径向量角度对应的边缘特征点的个数。也即每当检测到一个边缘特征点时，对该边缘特征点对应的径向量角度中边缘特征点个数加1。序号更新包括：根据目标边缘特征点，对目标径向量角度包含的末尾的边缘特征点的序号更新为最新检测到的目标边缘特征点的序号，也即属于此目标径向量角度下当前存储的最后一个所检测到的边缘特征点的序号，更新为最新检测到的目标边缘特征点的序号。

例如，若当前角度索引表中1度对应的存储内容为：1度(10个，xxxx003)，当检测到下一个径向量角度为1度的边缘特征点时，该边缘特征点的序号为xxxx005，对角度索引表中对应的储存内容进行更新，即更新后角度索引表中1度对应的存储内容为：1度(11个，xxxx005)。这样在角度索引表中每个径向量角度即使在更新后也仅占用一个单位的存储空间，不会增加额外的存储空间。

步骤S40：将所述目标径向量角度对应已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识；其中，所述关联标识表示所述目标边缘特征点与所述目标径向量角度对应的末尾的边缘特征点存在关联；

步骤S50：将所述关联标识作为所述目标边缘特征点的一属性信息保存至所述特征点索引表。

在步骤S40-S50中，保存的属性信息可用于后续的边缘识别计算及同一径向量角度下所有边缘特征点的索引。本实施例中，在最终获取的经向量表中查询任一径向量角度时，需要找到该个径向量角度下的所有边缘特征点。由于本实施例中为了优化存储空间，在保存边缘特征点时并未按照径向量角度可能储存的最大边缘点个数进行存储空间的分配，而是将所有检测出的边缘特征点存储在预设的最小存储空间中，然后通过角度索引表中仅保存的属于某一径向量角度下的最后一个边缘特征点的序号进行索引得到所有的边缘特征点。因此，本实施例中通过径向量角度以及某一径向量角度中存储的最后一个边缘特征点的序号，可确定边缘特征点与角度索引表的关联。进一步的，在特征点索引表中已经通过关联标识对相同径向量角度的所有边缘特征点进行了关联，这样就可索引得到所有的边缘特征点。本实施例中关联标识的实现有如下的方式：

1、根据目标径向量角度对应已保存的相邻边缘特征点的序号，获得关联标识；其中，相邻边缘特征点为当前目标径向量角度下保存的末尾的边缘特征点。

由于每检测到一个边缘特征点时，就会进行一个边缘特征点的保存。所以本实施例中目标边缘特征点对应已保存的相邻边缘特征点，为目标径向量角度中未保存目标边缘特征点时的最末尾的边缘特征点。可将相邻边缘特征点的序号作为关联标识，也可根据相邻边缘特征点的序号生成一个与该序号不同但相关的关联标识。

例如，当保存目标边缘特征点之前，目标径向量角度对应已保存的边缘特征点为：特征点A、特征点B、特征点C；那么相邻边缘特征点为特征点C，保存目标边缘特征点之后，目标径向量角度对应的边缘特征点为：特征点A、特征点B、特征点C、目标边缘特征点。在该步骤中将特征点C与目标边缘特征点的序号进行关联，例如可将特征点C的序号作为目标半圆特征点的一个属性进行储存；在查询到目标边缘特征点时，可根据相邻边缘特征点的序号查找到相邻边缘特征点；由于，每一个边缘特征点的保存均遵循上述规则，因此在查找到相邻边缘特征点后可获得该相邻边缘特征点的上一边缘特征点的序号。若一边缘特征点为首个边缘特征点，那么其上一个边缘特征点的序号可设置为空，或0。

举个例子，当目标径向量角度对应保存有N个边缘特征点时，当查询到第N个边缘特征点后，可获得与之关联的第N-1个边缘特征点的序号；从而可查询到保存的第N-1个边缘特征点，又可获取到与第N-1个边缘特征点关联的第N-2个边缘特征点的序号，以此类推获取到目标径向量角度对应的所有边缘特征点。N为正整数。

2、对目标径向量角度对应已保存的边缘特征点与目标边缘特征点分配预定义格式的查询编号；根据述查询编号，确定关联标识。

可将查询编号作为关联标识，也可根据查询编号生成一个与该查询编号不同但相关的关联标识。当需要获取目标径向量角度对应所有边缘特征点时，可通过该查询编号进行索引。例如，目标径向量角度对应的所有边缘特征点均分配了查询编号，查询编号具有相同的字段。通过该相同的字段就可识别边缘特征点是否对应同一个径向量角度，实现了目标径向量角度下所有边缘特征点的关联。通过预定义格式的查询编号可索引到某一径向量角度对应的所有边缘特征点。

3、将目标径向量角度对应已保存的边缘特征点与目标边缘特征点存储在同一链表中，将链表末尾节点的前向指针作为关联标识。以链表的方式存储边缘特征点时，每个节点均对应有前向指针和后向指针分别指向当前节点存储的边缘特征点的相邻两个边缘特征点，从而实现对目标径向量角度下所有边缘特征点进行关联和索引。

本实施例中，通过步骤S40建立了同一径向量角度下所有边缘特征点的关联。当在对边缘特征点进行保存时，可将每个边缘特征点分别保存至不同的内存单元。避免了现有技术中需要按照径向量角度下所包含的边缘特征点的数量，进行内存空间的分配；节省了存储空间，并且在保存的过程中不会涉及边缘特征点的排序计算等，节省了计算资源。

需要说明的是，本实施了中步骤S30与S40-S50执行的先后顺序不作限制。例如，可步骤S30执行在先，也可步骤S40-S50执行在先，还可步骤S30与S40-S50同时执行。

步骤S60：继续对待检测图像进行边缘检测，以及对所述角度索引表和所述特征点索引表进行更新，直至将所述待检测图像中所有的边缘特征点进行存储，获得径向量表。

在步骤S60中，可以理解的是根据更新后的角度索引表和更新后的特征点索引表，获得径向量表。所述的对角度索引表和特征点索引表进行更新的具体实现过程为，循环执行步骤S30至步骤S50，直至检测完待检测图像中的所有边缘特征点。并且，将所有边缘特征点中的每个边缘特征点依次视为目标边缘特征点对角度索引表和特征点索引表进行更新，直至所有的边缘特征点的储存。最后对待检测图像检测完成且停止更新后，获得的角度索引表和特征点索引表即为本实施例中的经向量表。

进一步的，请参阅图2、图3，其中图2示出了现有方案中的存储结构的原理示意图；图3示出了本实施方法的存储结构原理示意图。现有技术中边缘特征点在保存时，是根据径向量角度对应的特征点数量进行存储空间的分配，该存储方式会按照具有最大边缘特征点数量的径向量角度的存储长度划分存储空间。在图3中，径向量角度为2度时，具有最大的边缘特征点数量，即具有最大的存储长度100，此时分配存储空间后，其他径向量角度对应的存储空间就会存在浪费，例如1度、2度、360度、等等。而在本实施的方案中，角度索引表和特征点索引表中的内容均采用单个单位长度的存储单元进行保存，采用360个单位长度的存储单元存放角度索引表，采用n个存储单元存放特征点索引表，即n个边缘特征点，如图4所示。本实施例方法通过具体存储的内容进行关联，避免了为每个径向量角度分配存储空间，这样节省了存储空间和计算资源。

为了将本实施例方法的技术效果阐述的更加清楚明了，下面以一示例进行说明：

假设待检测图像的边缘特征点总数为1000个，每个单位内存空间为一个字节的容量。

当使用现有的技术方案进行边缘特征点的保存时，最小内存空间分配为：

total_min＝round(1000/360)*360＝1080byte；此时，每个径向量角度下的边缘特征点数量相同。

最大内存空间分配为：

total_max＝1000*360＝360000byte；此时，某一个径向量角度下的边缘特征点的数量为1000。

使用本实施例中方法时，内存空间分配固定为：

total＝360+1000＝1360byte；此时，角度索引表所占用内存空间为360byte，特征点索引表占用的内存空间为1000byte。

由此可见，现有技术中生成的径向量表所需内存空间大小范围在[1080,360000]字节。但是由于对所有径向量角度下的边缘特征点数量不可能全部相等，因此分配到内存空间为1080byte时的概率几乎为0。但是使用本实施例方法改进后分配的内存空间大小为固定1360byte，接近于1080byte。因此，使用本发明实施例中的方法可以显著的节省储存空间。

本发明实施例提供的一种广义霍夫变换中径向量表生成方法，通过对待检测图像进行边缘检测，获得目标边缘特征点；并构建角度索引表和特征点索引表；由于角度索引表仅存储各个径向量角度对应的边缘特征点的个数和每个径向量角度对应的末尾的边缘特征点的序号，特征点索引表用于保存所述边缘特征点的属性信息；然后，根据目标边缘特征点，对角度索引表的目标径向量角度进行个数更新以及序号更新；个数更新表示对目标径向量角度所包含的边缘特征点的个数进行更新，序号更新表示对目标径向量角度的末尾边缘特征点的序号进行更新；这样可实现对各个径向量角度与边缘特征点的数量的索引；进一步的，将目标径向量角度对应已保存的边缘特征点与目标边缘特征点关联，获得关联标识；关联标识表示目标边缘特征点与目标径向量角度对应的末尾的边缘特征点存在关联；将关联标识作为目标边缘特征点的一属性信息保存至特征点索引表；通过关联标识进行联系，使得同一目标径向量角度下的所有边缘特征点不用限制在同一个分配的存储空间中。最后，通过对待检测图像进行边缘检测，并不断的对角度索引表和特征点索引表进行更新，直至将待检测图像中所有的边缘特征点进行存储，获得径向量表。本实施了中经向量表中的角度索引表以及特征点索引表中的存储结构可保证两个索引表的内容均可存储在不同的存储单元，无需对应为每个径向量角度划分统一的内存空间，也无需对不同的边缘特征点进行排序计算，因此本实施方法可节省大量的存储空间和计算资源，有利于生成离线文件；当进行提高检测精度时，可有效的控制存储空间的增加。

第二实施例

请参阅图4，基于同一发明构思，本发明第二实施例提供了一种广义霍夫变换中径向量表生成装置300。

所述广义霍夫变换中径向量表生成装置300，包括：

检测模块301，用于对待检测图像进行边缘检测，获得目标边缘特征点；其中，所述目标边缘特征点为所述待检测图像中的任一边缘特征点；

第一更新模块302，用于根据所述目标边缘特征点，更新预设的角度索引表；其中，所述角度索引表存储有目标径向量角度；

第二更新模块303，用于根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表；

径向量表获取模块304，用于根据更新后的所述角度索引表和更新后的所述特征点索引表，获得径向量表。

作为一种可选的实施方式，还包括：构建模块，用于在所述对待检测图像进行边缘检测，获得目标边缘特征点之前，

构建角度索引表和特征点索引表；其中，所述角度索引表用于保存各个径向量角度对应的边缘特征点的个数和每个径向量角度对应的末尾的边缘特征点的序号，所述特征点索引表用于保存所述边缘特征点的属性信息，所述属性信息包括序号。

作为一种可选的实施方式，所述属性信息还包括：径向量角度、特征点坐标以及重心偏移坐标。

作为一种可选的实施方式，所述第一更新模块302还用于：

根据所述目标边缘特征点，对所述角度索引表的目标径向量角度进行个数更新以及序号更新。

作为一种可选的实施方式，所述第一更新模块302还用于：

对所述目标径向量角度所包含的边缘特征点的个数进行更新；对所述目标径向量角度的末尾边缘特征点的序号进行更新。

作为一种可选的实施方式，所述第一更新模块302还用于：

根据所述目标边缘特征点，对目标个数加一；其中，所述目标个数为所述角度索引表中存储的所述目标径向量角度对应的边缘特征点的个数；根据所述目标边缘特征点，对所述目标径向量角度对应的末尾的边缘特征点的序号更新为所述目标边缘特征点的序号。

作为一种可选的实施方式，第二更新模块303还用于：

将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识；将所述关联标识作为所述目标边缘特征点的属性信息保存至所述特征点索引表。

作为一种可选的实施方式，第二更新模块303还用于：

将所述目标径向量角度对应的已保存的末尾的边缘特征点与所述目标边缘特征点关联，获得关联标识。

作为一种可选的实施方式，第二更新模块303还用于：

对所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点分配预定义格式的查询编号；根据所述查询编号，确定所述关联标识。

需要说明的是，本发明实施例所提供的装置300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

第三实施例

另外，基于同一发明构思，本发明第三实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一实施例中任一项所述方法的步骤。

需要说明的是，本发明实施例所提供的计算机可读存储介质中，每个步骤的具体实现及产生的技术效果和前述方法实施例相同，为简要描述，本实施例未提及之处可参考前述方法实施例中相应内容。

本发明提供的装置集成的功能模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (11)

1.一种广义霍夫变换中径向量表生成方法，其特征在于，包括：

对待检测图像进行边缘检测，获得目标边缘特征点；其中，所述目标边缘特征点为所述待检测图像中的任一边缘特征点；

根据所述目标边缘特征点，更新预设的角度索引表；其中，所述角度索引表存储有目标径向量角度；

根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表；

根据更新后的所述角度索引表和更新后的所述特征点索引表，获得径向量表。

2.根据权利要求1所述的方法，其特征在于，所述对待检测图像进行边缘检测，获得目标边缘特征点之前还包括：

构建角度索引表和特征点索引表；其中，所述角度索引表用于保存各个径向量角度对应的边缘特征点的个数和每个径向量角度对应的末尾的边缘特征点的序号，所述特征点索引表用于保存所述边缘特征点的属性信息，所述属性信息包括序号。

3.根据权利要求2所述的方法，其特征在于，所述属性信息还包括：径向量角度、特征点坐标以及重心偏移坐标。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标边缘特征点，更新预设的角度索引表，包括：

根据所述目标边缘特征点，对所述角度索引表的目标径向量角度进行个数更新以及序号更新。

5.根据权利要求4所述的方法，其特征在于，

所述个数更新包括：对所述目标径向量角度所包含的边缘特征点的个数进行更新；

所述序号更新包括：对所述目标径向量角度的末尾边缘特征点的序号进行更新。

6.根据权利要求5所述的方法，其特征在于，

所述个数更新包括：根据所述目标边缘特征点，对目标个数加一；其中，所述目标个数为所述角度索引表中存储的所述目标径向量角度对应的边缘特征点的个数；

所述序号更新包括：根据所述目标边缘特征点，对所述目标径向量角度对应的末尾的边缘特征点的序号更新为所述目标边缘特征点的序号。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表，包括：

将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识；

将所述关联标识作为所述目标边缘特征点的属性信息保存至所述特征点索引表。

8.根据权利要求7所述的方法，其特征在于，所述将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识，包括：

将所述目标径向量角度对应的已保存的末尾的边缘特征点与所述目标边缘特征点关联，获得关联标识。

9.根据权利要求7所述的方法，其特征在于，所述将所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点关联，获得关联标识，包括：

对所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点分配预定义格式的查询编号；

根据所述查询编号，确定所述关联标识。

10.一种广义霍夫变换中径向量表生成装置，其特征在于，包括：

检测模块，用于对待检测图像进行边缘检测，获得目标边缘特征点；其中，所述目标边缘特征点为所述待检测图像中的任一边缘特征点；

第一更新模块，用于根据所述目标边缘特征点，更新预设的角度索引表；其中，所述角度索引表存储有目标径向量角度；

第二更新模块，用于根据所述目标径向量角度对应的已保存的边缘特征点与所述目标边缘特征点，更新预设的特征点索引表；

径向量表获取模块，用于根据更新后的所述角度索引表和更新后的所述特征点索引表，获得径向量表。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。

Images