CN115330826A - 直线检测方法、装置、电子设备及计算机可读存储介质 - Google Patents

直线检测方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115330826A
CN115330826A CN202210967086.XA CN202210967086A CN115330826A CN 115330826 A CN115330826 A CN 115330826A CN 202210967086 A CN202210967086 A CN 202210967086A CN 115330826 A CN115330826 A CN 115330826A
Authority
CN
China
Prior art keywords
edge
points
straight line
edge points
target
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
CN202210967086.XA
Other languages
English (en)
Other versions
CN115330826B (zh
Inventor
林国森
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.)
Innovation Qizhi Qingdao Technology Co ltd
Original Assignee
Innovation Qizhi Qingdao Technology Co ltd
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 Innovation Qizhi Qingdao Technology Co ltd filed Critical Innovation Qizhi Qingdao Technology Co ltd
Priority to CN202210967086.XA priority Critical patent/CN115330826B/zh
Publication of CN115330826A publication Critical patent/CN115330826A/zh
Application granted granted Critical
Publication of CN115330826B publication Critical patent/CN115330826B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种直线检测方法、装置、电子设备及计算机可读存储介质,所述方法包括:获取待检测图片对应的多组边缘点,其中,所述多组边缘点为对所述待检测图片进行边缘点检测后得到;根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线,用以在进行直线检测时,检测出特定方向上的直线,实现对直线检测输出结果的灵活控制。

Description

直线检测方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种直线检测方法、装置、电子设备及计算机可读存储介质。
背景技术
直线检测是计算机视觉、机器视觉识别中十分重要的工具之一,在立体视觉、机器人导航、自动驾驶领域中有着重要的应用。直线检测可以对建筑物直线边缘、车道线、物体直线边缘等进行检测,具有十分广泛的应用。
目前,在图像处理过程中,通常使用霍夫变换(Hough Transform)算法对图像中的直线进行检测。然而,在实际应用过程中,霍夫变换算法会将一幅图像中存在的所有边缘直线均检测出来,运算量十分大,耗时较长,且容易被噪声信号影响而导致检测误差较大。
发明内容
本申请实施例的目的在于提供一种直线检测方法、装置、电子设备及计算机可读存储介质,用以在进行直线检测时,检测出特定方向上的直线,实现对直线检测输出结果的灵活控制。
第一方面,本申请提供一种直线检测方法,所述方法包括:获取待检测图片对应的多组边缘点,其中,所述多组边缘点为对所述待检测图片进行边缘点检测后得到;根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线。
在上述实现过程中,首先获取待检测图片对应的多组边缘点,然后根据预先设置的对目标直线的限制条件,即边缘容忍角度、边缘容忍距离和覆盖率,确定待检测图片中的目标直线,实现直线检测。与现有技术中采用霍夫变换相比,将预设先设置的边缘容忍角度、边缘容忍距离和覆盖率作为直线检测的置约束条件,从而检测出特定方向上的直线,实现对直线检测输出结果的灵活控制。此外,由于设置了边缘容忍角度、边缘容忍距离和覆盖率作为约束条件,采用上述直线检测方法减少了进行直线检测的运算量,提高检测速度,减少耗时。
在可选的实施方式中,获取待检测图片对应的多组边缘点,包括:根据采样步长对待检测图片进行采样,得到与所述多组边缘点一一对应的多组采样点;其中,每组采样点均位于同一条直线上,所述采样步长为相邻的两组采样点对应的直线之间的距离;根据每组采样点中相邻采样点的灰度值变化情况,确定每组采样点中的边缘点。
在可选的实施方式中,所述根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线,包括:根据第一边缘点和第二边缘点确定初始直线,其中,所述第一边缘点为所述多组边缘点中一组边缘点中的任一点,所述第二边缘点为所述多组边缘点中除所述第一边缘点所在组外的其余组边缘点中的任一点;在所述初始直线与预设方向的夹角小于所述边缘容忍角度时,确定目标边缘点的数量,其中,所述目标边缘点为所述多组边缘点中的各个边缘点到所述初始直线的距离小于所述边缘容忍距离的边缘点;在所述目标边缘点的数量与理论边缘点的数量的商大于所述覆盖率时,对所述目标边缘点进行拟合,确定所述目标直线。
在上述实现过程中,通过边缘容忍角度判断初始直线是否符合目标直线的需求,进而通过边缘容忍距离确定目标边缘点,根据目标边缘点的数量与理论边缘点的数量的商和覆盖率的大小关系确定初始直线是否符合目标直线的需求,从而实现对直线检测输出结果的灵活控制。
在可选的实施方式中,所述第一边缘点对应的第一组采样点和所述第二边缘点对应的第二组采样点为所述多组采样点对应的多条直线中相距最远的两条直线对应的两组采样点。
在上述实现过程中,当第一边缘点和第二边缘之间的距离越长,理论边缘点的数量越多,边缘容忍角度、边缘容忍距离和覆盖率起到的约束性越高,将多组采样点对应的多条直线中相距最远的两条直线对应的两组采样点确定为第一边缘点对应的第一组采样点和第二边缘点对应的第二组采样点,提高确定目标直线的准确性。
在可选的实施方式中,所述理论边缘点的数量基于公式:
Figure BDA0003794042840000031
确定;其中,N为所述理论边缘点的数量;S为所述第一边缘点和所述第二边缘点之间的距离,L为所述采样步长。
在可选的实施方式中,所述对所述目标边缘点进行拟合,确定所述目标直线,包括:对所述目标边缘点进行拟合,确定拟合后的直线;判断所述拟合后的直线与所述预设方向的夹角是否小于旋转容忍角度;若是,将所述拟合后的直线作为所述目标直线。
在上述实现过程中,通过设置旋转容忍角度,只有拟合后的直线与预设方向的夹角小于旋转容忍角度时,才将拟合后的直线作为目标直线,可以减少待检测图像中的噪声信号对直线检测的影响,提高直线检测的准确度。
在可选的实施方式中,所述目标直线为多条时,所述方法还包括:从所述目标直线中筛选出长度最长的前M条目标直线,M为正整数。
在上述实现过程中,通过从目标直线中筛选出长度最长的前M条目标直线,将这M条目标直线作为直线检测的最终结果,剔除因为噪声信号影响而检测出的一些不是待检测图像中实际存在的边缘直线,从而减少待检测图像中的噪声信号对直线检测的影响,提高直线检测的准确度。
第二方面,本申请提供一种直线检测装置,所述装置包括:
边缘点获取模块,用于获取待检测图片对应的多组边缘点,其中,所述多组边缘点为对所述待检测图片进行边缘点检测后得到;
直线确定模块,用于根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线。
在可选的实施方式中,所述边缘点获取模块具体用于根据采样步长对待检测图片进行采样,得到与所述多组边缘点一一对应的多组采样点;其中,每组采样点均位于同一条直线上,所述采样步长为相邻的两组采样点对应的直线之间的距离;根据每组采样点中相邻采样点的灰度值变化情况,确定每组采样点中的边缘点。
在可选的实施方式中,所述直线确定模块具体用于根据第一边缘点和第二边缘点确定初始直线,其中,所述第一边缘点为所述多组边缘点中一组边缘点中的任一点,所述第二边缘点为所述多组边缘点中除所述第一边缘点所在组外的其余组边缘点中的任一点;在所述初始直线与预设方向的夹角小于所述边缘容忍角度时,确定目标边缘点的数量,其中,所述目标边缘点为所述多组边缘点中的各个边缘点到所述初始直线的距离小于所述边缘容忍距离的边缘点;在所述目标边缘点的数量与理论边缘点的数量的商大于所述覆盖率时,对所述目标边缘点进行拟合,确定所述目标直线。
在可选的实施方式中,所述第一边缘点对应的第一组采样点和所述第二边缘点对应的第二组采样点为所述多组采样点对应的多条直线中相距最远的两条直线对应的两组采样点。
在可选的实施方式中,所述理论边缘点的数量基于公式:
Figure BDA0003794042840000051
确定;其中,N为所述理论边缘点的数量;S为所述第一边缘点和所述第二边缘点之间的距离,L为所述采样步长。
在可选的实施方式中,所述直线确定模块具体用于对所述目标边缘点进行拟合,确定拟合后的直线;判断所述拟合后的直线与所述预设方向的夹角是否小于旋转容忍角度;若是,将所述拟合后的直线作为所述目标直线。
在可选的实施方式中,所述目标直线为多条时,所述直线确定模块还用于从所述目标直线中筛选出长度最长的前M条目标直线,M为正整数。
第三方面,本申请提供一种电子设备,包括:处理器、存储器和总线;所述处理器和所述存储器通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如前述实施方式任一项所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被计算机读取并运行时,执行如前述实施方式中任一项所述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种直线检测方法的流程图;
图2为本申请实施例提供的待检测图片的示意图;
图3为本申请实施例提供的一种直线检测装置的结构框图;
图4为本申请实施例的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
本申请实施例提供一种直线检测方法、装置、电子设备及计算机可读存储介质,用以减少进行直线检测的运算量,提高检测速度,减少耗时。
下面将针对本申请所提供的直线检测方法进行介绍。
请参阅图1,图1为本申请实施例提供的一种直线检测方法的流程图,该直线检测方法可以包括以下内容:
步骤101:获取待检测图片对应的多组边缘点。
步骤102:根据边缘容忍角度、边缘容忍距离、覆盖率和多组边缘点确定目标直线。
本申请实施例中,首先获取待检测图片对应的多组边缘点,然后根据预先设置的对目标直线的限制条件,即边缘容忍角度、边缘容忍距离和覆盖率,确定待检测图片中的目标直线,实现直线检测。与现有技术中采用霍夫变换相比,将预设先设置的边缘容忍角度、边缘容忍距离和覆盖率作为直线检测的置约束条件,从而检测出特定方向上的直线,实现对直线检测输出结果的灵活控制。此外,由于设置了边缘容忍角度、边缘容忍距离和覆盖率作为约束条件,采用上述直线检测方法减少了进行直线检测的运算量,提高检测速度,减少耗时。
下面对上述步骤进行详细介绍。
步骤101:获取待检测图片对应的多组边缘点。
进行直线检测时,首先获取待检测图片的多组边缘点。待检测图片的多组边缘点为对待检测图片进行边缘点检测后确定的。
作为一种可选的实施方式,上述步骤101可以包括如下内容:
根据采样步长对待检测图片进行采样,得到与多组边缘点一一对应的多组采样点;
根据每组采样点中相邻采样点的灰度值变化情况,确定每组采样点中的边缘点。
在本申请实施例中,如图2所示,采样的方向为竖直方向。在采样时,对采样点的数量不做具体限定。在一些实施方式中,可以预设采样间隔,在采样方向上,每间隔一采样间隔,进行一次采样,确定一个采样点,进而形成一个采样点组。在另一些实施方式中,可以预设采样点数量,采样预设采样点数量的采样点,形成一个采样点组。
每组采样点均位于同一条直线上,采样步长L为相邻的两组采样点对应的直线之间的距离。根据图2可知,图2中确定了8组采样点。
对待检测图片进行采样后,确定了每个采样点的灰度值。针对每组采样点,确定相邻采样点的灰度值变化情况。以图2为例,图2中白色区域的采样点的灰度值为255,黑色区域中的采样点的灰度值为0。根据相邻采样点的图像梯度,确定出该组采样点中的边缘点。相邻采样点的图像梯度为相邻采样点的灰度值之差。举例来说,图2中第一组采样点中有10个采样点(图2中未示出,图2中仅示出2个边缘点),其中3个采样点位于上半部分的白色区域,4个采样点位于黑色区域,3个采样点为与下半部分的白色区域,从上至下称为采样点1-10。采样点1-3和8-10的灰度值为255,采样点4-7的灰度值为0。采样点3和采样点4之间的图像梯度为-255,采样点7和采样点8之间的图像梯度为255,其他相邻采样点之间的图像梯度均为0。因此,边缘点为采样点4和采样点7。
根据上述方式,在图2中确定8组边缘点,每组边缘点中包括2个边缘点。为方便后续说明,由左至右将每组边缘点编号为1-8。将第1组边缘点中位于上方的边缘点为N1,位于下方的边缘点为M1,将第2组边缘点中位于上方的边缘点为N2,位于下方的边缘点为M2,以此类推,将第8组边缘点中位于上方的边缘点为N8,位于下方的边缘点为M8。
本申请对获取待检测图片对应的多组边缘点时采用的边缘点检测方法不做具体限定,既可以采用上述实施方式中的边缘点检测方法,也可以采用其他边缘点检测方法,例如:拉普拉斯算子边缘检测算法、Canny边缘检测算法等。
步骤102:根据边缘容忍角度、边缘容忍距离、覆盖率和多组边缘点确定目标直线。
获取待检测图片对应的多组边缘点后,根据预先设置的对目标直线的限制条件:边缘容忍角度、边缘容忍距离、覆盖率,对多组边缘点进行拟合,确定出目标直线。
具体地,上述步骤102可以包括步骤A1-A3:
A1:根据第一边缘点和第二边缘点确定初始直线,其中,第一边缘点为多组边缘点中一组边缘点中的任一点,第二边缘点为多组边缘点中除第一边缘点所在组外的其余组边缘点中的任一点。
A2:在初始直线与预设方向的夹角小于边缘容忍角度时,确定目标边缘点的数量,其中,目标边缘点为多组边缘点中的各个边缘点到初始直线的距离小于边缘容忍距离的边缘点。
A3:在目标边缘点的数量与理论边缘点的数量的商大于覆盖率时,对目标边缘点进行拟合,确定目标直线。
在本申请实施例中,首先从多组边缘点中选择两组边缘点,将其中一组边缘点中的一个边缘点作为第一边缘点,将选择的另一组边缘点中的一个边缘点作为第二边缘点,由这两个边缘点确定一条初始直线。判断初始直线与预设方向的夹角是否小于边缘容忍角度。
需要说明的是,本申请实施例中,预设方向为预先设置的方向。在进行直线检测时,用户将该预设方向设置为希望检测到目标直线对应的方向。举例来说,若用户希望检测待检测图片中水平方向上的直线,则将该预设方向设置为水平方向;若用户希望检测待检测图片中竖直方向上的直线,则将该预设方向设置为竖直方向;若用户希望检测待检测图片中与采样方向垂直方向上的直线,则将该预设方向设置为与采样方向垂直的方向。
边缘容忍角度为预先设置的一角度值。该边缘容忍角度可以设置为10度、15度、20度等,本申请对此不作具体限定。
当初始直线与预设方向的角度的夹角大于边缘容忍角度时,则说明该初始直线的延伸方向与预设方向存在较大差异,不符合目标直线的需求,不再执行后续步骤A2,回到步骤A1,重新从选择的两组边缘点中选择其他边缘点作为第一边缘点和第二边缘点,然后再次判断新确定的初始直线与预设方向的夹角是否小于边缘容忍角度。
当初始直线与预设方向的角度的夹角小于边缘容忍角度时,则说明该初始直线的延伸方向与预设方向相同,符合目标直线的需求,执行步骤A2,确定目标边缘点的数量。
确定目标边缘点的方式为:确定每个边缘点组中所有边缘点到初始直线的距离;将各个边缘点到初始直线的距离小于边缘容忍距离的边缘点确定为目标边缘点。可以理解,若一个边缘点到初始直线的距离小于边缘容忍距离,则说明该边缘点位于初始直线上;反之,若一个边缘点到初始直线的距离大于边缘容忍距离,则说明该边缘点不位于初始直线上。
边缘容忍距离可以设置为1像素点长度、2像素点长度或3像素点长度等,本申请对此不作具体限定。
确定出目标边缘点后,即可确定目标边缘点的数量。将目标边缘点的数量与理论边缘点的数量做商,判断目标边缘点的数量与理论边缘点的数量的商是否大于覆盖率。
覆盖率用于表征目标边缘点的数量占理论边缘点的数量的比重。可以设置为50%、60%、70%等,本申请对此不作具体限定。
当目标边缘点的数量与理论边缘点的数量的商大于覆盖率时,则说明该有较多的边缘点位于该初始直线上,该初始直线符合目标直线的需求,对目标边缘点进行拟合,确定目标直线。
当目标边缘点的数量与理论边缘点的数量的商小于覆盖率时,则说明只有较少的边缘点位于该初始直线上,该初始直线不符合目标直线的需求,不再执行步骤A3,回到步骤A1,重新从选择的两组边缘点中选择其他边缘点作为第一边缘点和第二边缘点。
理论边缘点的数量根据第一边缘点和第二边缘之间的距离确定。可以理解,若第一边缘点和第二边缘点之间的距离较长,对待检测图片进行边缘点检测后,检测出的边缘点中应当有较多的边缘点位于第一边缘点和第二边点组成的初始直线上,即,若第一边缘点和第二边缘点之间的距离越长,理论边缘点的数量越多。
作为一种可选的实施方式,理论边缘点的数量基于公式:
Figure BDA0003794042840000111
确定;其中,N为理论边缘点的数量;S为根据第一边缘点和第二边缘点之间的距离,L为采样步长。
可以理解,如图2所示,第一边缘点为N1,第二边缘点为N8,第一边缘点和第二边缘点之间的距离S为7L,根据上述公式可得,理论边缘点的数量为8。在不考虑噪声的干扰下,对待检测图像进行边缘点检测后,确定8组边缘点,这8组边缘点种位于上方的边缘点即为理论边缘点。
进一步地,为了提高确定目标直线的准确性,在选取第一边缘点和第二边缘点时,第一边缘点对应的第一组采样点和第二边缘点对应的第二组采样点为多组采样点对应的多条直线中相距最远的两条直线对应的两组采样点。
根据前述描述可知,当第一边缘点和第二边缘之间的距离越长,理论边缘点的数量越多,边缘容忍角度、边缘容忍距离和覆盖率起到的约束性越高,因此,根据上述步骤A1-A3确定出的目标直线的准确性越高。
需要说明的是,根据上述步骤A1-A3确定出一条目标直线后,将用于拟合该目标直线的目标边缘点从各组边缘点中删除,对剩下的边缘点继续执行上述步骤A1-A3,直至所有边缘点均被删除或者剩余的边缘点组成的初始直线不满足边缘容忍角度及覆盖率,则结束直线检测。
以下结合一个具体示例,对上述步骤101-102进行介绍。
如图2所示,根据采样步长对待检测图片进行采样后,在不考虑噪声信号对待检测图片的干扰的情况下,确定8组边缘点,每组边缘点中包括2个边缘点。为方便后续说明,由左至右将每组边缘点编号为1-8。将第1组边缘点中位于上方的边缘点N1作为第一边缘点,将第8组边缘点中位于上方的边缘点N8作为第二边缘点,确定一条初始直线。
边缘容忍角度设置为15度,边缘容忍距离设置为1像素点,覆盖率设置为50%。这条初始直线与采样方向的垂直方向的夹角为0度,小于15度。边缘点N1、N2、N3、N4、N5、N6、N7和N8(即每组边缘点中位于上方的边缘点)到这条初始直线的距离均小于边缘容忍距离,因此,边缘点N1、N2、N3、N4、N5、N6、N7和N8为目标边缘点,目标边缘点的数量为8。
根据公式
Figure BDA0003794042840000131
计算确定理论边缘点的数量为8。
目标边缘点的数量/理论边缘点的数量=100%,大于覆盖率50%。于是,对目标边缘点N1、N2、N3、N4、N5、N6、N7和N8进行拟合,确定出一条目标直线。
接着,将目标边缘点N1、N2、N3、N4、N5、N6、N7和N8从所有边缘点中删除,第1组边缘点中剩下位于下方的边缘点M1,第8组边缘点中剩下位于下方的边缘点M8将,边缘点M1作为第一边缘点,边缘点M8作为第二边缘点,重复上述过程,确定出目标边缘点M1、M2、M3、M4、M5、M6、M7和M8(即每组边缘点中位于下方的边缘点),对目标边缘点M1、M2、M3、M4、M5、M6、M7和M8进行拟合,再次确定出一条目标直线。
经过上述过程后,所有的边缘点均被删除,结束边缘点检测。
进一步地,在确定目标直线时,为了减少噪声信号对直线检测的影响,步骤A3可以包括以下内容:
对目标边缘点进行拟合,确定拟合后的直线;
判断拟合后的直线与预设方向的夹角是否小于旋转容忍角度;
若是,将拟合后的直线作为目标直线。
本申请实施例中,考虑到进行直线检测时,在确定多组边缘点时,待检测图像中出现噪声信号的位置可能也会被确定为边缘点,若这类边缘点到初始直线的距离小于边缘容忍距离,则会被确定为目标边缘点,在对目标边缘点进行拟合时,确定出的拟合后的直线相较于待检测图像中实际存在的边缘直线会存在一定的旋转角度。这类直线显然不是待检测图像中实际存在的边缘直线,因此,预先设置旋转容忍角度,只有拟合后的直线与预设方向的夹角小于旋转容忍角度时,才将拟合后的直线作为目标直线。
在上述实现过程中,通过设置旋转容忍角度,只有拟合后的直线与预设方向的夹角小于旋转容忍角度时,才将拟合后的直线作为目标直线,可以减少待检测图像中的噪声信号对直线检测的影响,提高直线检测的准确度。
进一步地,当目标直线为多条时,本申请实施例提供的直线检测方法还包括:
从目标直线中筛选出长度最长的前M条目标直线,M为正整数。
本申请实施例中,考虑到进行直线检测时,在确定多组边缘点时,待检测图像中出现噪声信号的位置可能也会被确定为边缘点,经过步骤101-102后,某些噪声信号对应的边缘点可能会满足边缘容忍角度、边缘容忍距离及覆盖率对应的约束条件,从而确定出一些较短的目标直线,这类目标直线并不是待检测图像中实际存在的边缘直线。因此,当确定的目标直线为多条时,从目标直线中筛选出长度最长的前M条目标直线,将这M条目标直线作为直线检测的最终结果。
在上述实现过程中,通过从目标直线中筛选出长度最长的前M条目标直线,将这M条目标直线作为直线检测的最终结果,剔除因为噪声信号影响而检测出的一些不是待检测图像中实际存在的边缘直线,从而减少待检测图像中的噪声信号对直线检测的影响,提高直线检测的准确度。
基于同一发明构思,本申请实施例中还提供一种直线检测装置。请参阅图3,图3为本申请实施例提供的一种直线检测装置的结构框图,该直线检测装置300可以包括:
边缘点获取模块301,用于获取待检测图片对应的多组边缘点,其中,所述多组边缘点为对所述待检测图片进行边缘点检测后得到;
直线确定模块302,用于根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线。
在可选的实施方式中,所述边缘点获取模块301具体用于根据采样步长对待检测图片进行采样,得到与所述多组边缘点一一对应的多组采样点;其中,每组采样点均位于同一条直线上,所述采样步长为相邻的两组采样点对应的直线之间的距离;根据每组采样点中相邻采样点的灰度值变化情况,确定每组采样点中的边缘点。
在可选的实施方式中,所述直线确定模块302具体用于根据第一边缘点和第二边缘点确定初始直线,其中,所述第一边缘点为所述多组边缘点中一组边缘点中的任一点,所述第二边缘点为所述多组边缘点中除所述第一边缘点所在组外的其余组边缘点中的任一点;在所述初始直线与预设方向的夹角小于所述边缘容忍角度时,确定目标边缘点的数量,其中,所述目标边缘点为所述多组边缘点中的各个边缘点到所述初始直线的距离小于所述边缘容忍距离的边缘点;在所述目标边缘点的数量与理论边缘点的数量的商大于所述覆盖率时,对所述目标边缘点进行拟合,确定所述目标直线。
在可选的实施方式中,所述第一边缘点对应的第一组采样点和所述第二边缘点对应的第二组采样点为所述多组采样点对应的多条直线中相距最远的两条直线对应的两组采样点。
在可选的实施方式中,所述理论边缘点的数量基于公式:
Figure BDA0003794042840000161
确定;其中,N为所述理论边缘点的数量;S为所述第一边缘点和所述第二边缘点之间的距离,L为所述采样步长。
在可选的实施方式中,所述直线确定模块302具体用于对所述目标边缘点进行拟合,确定拟合后的直线;判断所述拟合后的直线与所述预设方向的夹角是否小于旋转容忍角度;若是,将所述拟合后的直线作为所述目标直线。
在可选的实施方式中,所述目标直线为多条时,所述直线确定模块302还用于从所述目标直线中筛选出长度最长的前M条目标直线,M为正整数。
直线检测装置300与前述的直线检测方法对应,各个功能模块与前述的直线检测方法的各个步骤对应,因此,各个功能模块的实施方式参照前述实施例中的控制方法的实施方式,在此不再重复介绍。
请参阅图4,图4为本申请实施例的电子设备400的结构示意图,该电子设备400包括:至少一个处理器401,至少一个通信接口402,至少一个存储器403和至少一个总线404。其中,总线404用于实现这些组件直接的连接通信,通信接口402用于与其他节点设备进行信令或数据的通信,存储器403存储有处理器401可执行的机器可读指令。当电子设备400运行时,处理器401与存储器403之间通过总线404通信,机器可读指令被处理器401调用时执行如上述直线检测方法。
处理器401可以是一种集成电路芯片,具有信号处理能力。上述处理器401可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器403可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
可以理解,图4所示的结构仅为示意,电子设备400还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。于本申请实施例中,电子设备400可以是,但不限于台式机、笔记本电脑、智能手机、智能穿戴设备、车载设备等实体设备,还可以是虚拟机等虚拟设备。另外,电子设备400也不一定是单台设备,还可以是多台设备的组合,例如服务器集群,等等。
此外,本申请实施例还提供一种计算机可读存储介质,该计算机存储介质上存储有计算机程序,该计算机程序被计算机运行时,执行如上述实施例中直线检测方法的步骤。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,功能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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种直线检测方法,其特征在于,所述方法包括:
获取待检测图片对应的多组边缘点,其中,所述多组边缘点为对所述待检测图片进行边缘点检测后得到;
根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线。
2.根据权利要求1所述的方法,其特征在于,获取待检测图片对应的多组边缘点,包括:
根据采样步长对待检测图片进行采样,得到与所述多组边缘点一一对应的多组采样点;其中,每组采样点均位于同一条直线上,所述采样步长为相邻的两组采样点对应的直线之间的距离;
根据每组采样点中相邻采样点的灰度值变化情况,确定每组采样点中的边缘点。
3.根据权利要求2所述的方法,其特征在于,所述根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线,包括:
根据第一边缘点和第二边缘点确定初始直线,其中,所述第一边缘点为所述多组边缘点中一组边缘点中的任一点,所述第二边缘点为所述多组边缘点中除所述第一边缘点所在组外的其余组边缘点中的任一点;
在所述初始直线与预设方向的夹角小于所述边缘容忍角度时,确定目标边缘点的数量,其中,所述目标边缘点为所述多组边缘点中的各个边缘点到所述初始直线的距离小于所述边缘容忍距离的边缘点;
在所述目标边缘点的数量与理论边缘点的数量的商大于所述覆盖率时,对所述目标边缘点进行拟合,确定所述目标直线。
4.根据权利要求3所述的方法,其特征在于,所述第一边缘点对应的第一组采样点和所述第二边缘点对应的第二组采样点为所述多组采样点对应的多条直线中相距最远的两条直线对应的两组采样点。
5.根据权利要求3所述的方法,其特征在于,所述理论边缘点的数量基于公式:
Figure FDA0003794042830000021
确定;
其中,N为所述理论边缘点的数量;S为所述第一边缘点和所述第二边缘点之间的距离,L为所述采样步长。
6.根据权利要求3所述的方法,其特征在于,所述对所述目标边缘点进行拟合,确定所述目标直线,包括:
对所述目标边缘点进行拟合,确定拟合后的直线;
判断所述拟合后的直线与所述预设方向的夹角是否小于旋转容忍角度;
若是,将所述拟合后的直线作为所述目标直线。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述目标直线为多条时,所述方法还包括:
从所述目标直线中筛选出长度最长的前M条目标直线,M为正整数。
8.一种直线检测装置,其特征在于,所述装置包括:
边缘点获取模块,用于获取待检测图片对应的多组边缘点,其中,所述多组边缘点为对所述待检测图片进行边缘点检测后得到;
直线确定模块,用于根据边缘容忍角度、边缘容忍距离、覆盖率和所述多组边缘点确定目标直线。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线;所述处理器和所述存储器通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被计算机读取并运行时,执行如权利要求1-7中任一项所述的方法。
CN202210967086.XA 2022-08-11 2022-08-11 直线检测方法、装置、电子设备及计算机可读存储介质 Active CN115330826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210967086.XA CN115330826B (zh) 2022-08-11 2022-08-11 直线检测方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210967086.XA CN115330826B (zh) 2022-08-11 2022-08-11 直线检测方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN115330826A true CN115330826A (zh) 2022-11-11
CN115330826B CN115330826B (zh) 2024-02-20

Family

ID=83924722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210967086.XA Active CN115330826B (zh) 2022-08-11 2022-08-11 直线检测方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115330826B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125613A1 (en) * 2014-10-30 2016-05-05 Kofax, Inc. Mobile document detection and orientation based on reference object characteristics
CN108921865A (zh) * 2018-06-27 2018-11-30 南京大学 一种抗干扰的亚像素直线拟合方法
CN109102518A (zh) * 2018-08-10 2018-12-28 广东工业大学 一种图像边缘检测的方法、系统及相关组件
CN111047615A (zh) * 2019-12-09 2020-04-21 Oppo广东移动通信有限公司 基于图像的直线检测方法、装置以及电子设备
CN111080661A (zh) * 2019-12-09 2020-04-28 Oppo广东移动通信有限公司 基于图像的直线检测方法、装置以及电子设备
WO2020147398A1 (zh) * 2019-01-17 2020-07-23 平安科技(深圳)有限公司 翻拍图像检测方法、装置、计算机设备及存储介质
CN111640154A (zh) * 2020-05-24 2020-09-08 西安交通大学 一种基于显微视觉的立针微平面亚像素级定位方法
CN112308836A (zh) * 2020-11-02 2021-02-02 创新奇智(上海)科技有限公司 角点检测方法、装置、电子设备及可读存储介质
CN112801111A (zh) * 2020-12-18 2021-05-14 广东工业大学 基于梯度方向的图像直线边缘点分类方法及装置
CN113705524A (zh) * 2021-09-06 2021-11-26 上海景吾智能科技有限公司 图像中垂直线检测方法及系统
CN113781525A (zh) * 2021-09-13 2021-12-10 陕西铁路工程职业技术学院 一种基于原始cad模型的三维目标跟踪算法研究
CN114419084A (zh) * 2021-12-17 2022-04-29 沈阳先进医疗设备技术孵化中心有限公司 基于医学影像的出血区域检测方法及装置、存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125613A1 (en) * 2014-10-30 2016-05-05 Kofax, Inc. Mobile document detection and orientation based on reference object characteristics
CN108921865A (zh) * 2018-06-27 2018-11-30 南京大学 一种抗干扰的亚像素直线拟合方法
CN109102518A (zh) * 2018-08-10 2018-12-28 广东工业大学 一种图像边缘检测的方法、系统及相关组件
WO2020147398A1 (zh) * 2019-01-17 2020-07-23 平安科技(深圳)有限公司 翻拍图像检测方法、装置、计算机设备及存储介质
CN111047615A (zh) * 2019-12-09 2020-04-21 Oppo广东移动通信有限公司 基于图像的直线检测方法、装置以及电子设备
CN111080661A (zh) * 2019-12-09 2020-04-28 Oppo广东移动通信有限公司 基于图像的直线检测方法、装置以及电子设备
CN111640154A (zh) * 2020-05-24 2020-09-08 西安交通大学 一种基于显微视觉的立针微平面亚像素级定位方法
CN112308836A (zh) * 2020-11-02 2021-02-02 创新奇智(上海)科技有限公司 角点检测方法、装置、电子设备及可读存储介质
CN112801111A (zh) * 2020-12-18 2021-05-14 广东工业大学 基于梯度方向的图像直线边缘点分类方法及装置
CN113705524A (zh) * 2021-09-06 2021-11-26 上海景吾智能科技有限公司 图像中垂直线检测方法及系统
CN113781525A (zh) * 2021-09-13 2021-12-10 陕西铁路工程职业技术学院 一种基于原始cad模型的三维目标跟踪算法研究
CN114419084A (zh) * 2021-12-17 2022-04-29 沈阳先进医疗设备技术孵化中心有限公司 基于医学影像的出血区域检测方法及装置、存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUOQUAN JIANG 等: "A straight line detection based on randomized method", 《2008 9TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING》, pages 1149 - 1152 *
周绍光 等: "一种可用于快速确定表格倾角的直线检测新方法", 《计算机工程与应用》, no. 35, pages 70 - 73 *
林桂潮 等: "改进随机样本一致性算法的弯曲果园道路检测", 《农业工程学报》, vol. 31, no. 4, pages 168 - 174 *
苗锡奎 等: "方向预测搜索与边缘曲率约束的直线段提取方法", 《电光与控制》, vol. 27, no. 8, pages 95 - 100 *

Also Published As

Publication number Publication date
CN115330826B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN109961040B (zh) 身份证区域定位方法、装置、计算机设备及存储介质
CN109740417B (zh) 发票类型识别方法、装置、存储介质和计算机设备
CN111695429B (zh) 视频图像目标关联方法、装置及终端设备
CN108573471B (zh) 图像处理装置、图像处理方法以及记录介质
US20180253852A1 (en) Method and device for locating image edge in natural background
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
CN112336342B (zh) 手部关键点检测方法、装置及终端设备
CN109685764B (zh) 产品定位方法、装置及终端设备
CN111860060A (zh) 目标检测方法、装置、终端设备及计算机可读存储介质
CN110909712A (zh) 运动目标检测方法、装置、电子设备及存储介质
CN108960136B (zh) 人脸对齐算法中初始人脸形状的确定方法和装置
CN111311671A (zh) 一种工件测量方法、装置、电子设备及存储介质
CN112837384A (zh) 车辆标记方法、装置和电子设备
CN115330826B (zh) 直线检测方法、装置、电子设备及计算机可读存储介质
CN111160339B (zh) 车牌矫正方法、图像处理设备及具有存储功能的装置
CN111680680A (zh) 一种目标码定位方法、装置、电子设备及存储介质
CN108629219B (zh) 一种识别一维码的方法及装置
CN104978731A (zh) 一种信息处理方法及电子设备
CN116977671A (zh) 基于图像空间定位的目标跟踪方法、装置、设备及存储介质
CN113766312A (zh) 设备间的响应延迟计算方法、装置、设备及存储介质
CN112053779B (zh) 疾病检测模型的构建方法、构建装置及终端设备
CN112633143A (zh) 图像处理系统、方法、头戴设备、处理设备及存储介质
CN111639846A (zh) 需求的处理方法、装置、电子设备及计算机可读存储介质
CN112686246B (zh) 一种车牌字符分割方法、装置、存储介质及终端设备
CN111161225A (zh) 一种图像差异检测方法、装置、电子设备和存储介质

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