CN115880712A - 一种连接关系识别方法 - Google Patents
一种连接关系识别方法 Download PDFInfo
- Publication number
- CN115880712A CN115880712A CN202211506330.9A CN202211506330A CN115880712A CN 115880712 A CN115880712 A CN 115880712A CN 202211506330 A CN202211506330 A CN 202211506330A CN 115880712 A CN115880712 A CN 115880712A
- Authority
- CN
- China
- Prior art keywords
- connection
- target image
- points
- connection relation
- identifying
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体公开了一种连接关系识别方法。一种连接关系识别方法,该方法包括:采集获取目标图像;对目标图像进行处理后,识别目标图像中的连线及其位置信息,并识别目标图像中角点的位置信息,获得目标图像中连线的拐点以及目标图像中元件的连接点;识别目标图像中的可能性连接关系;基于元件的属性,从获得的可能性连接关系中筛选出确定性连接关系和不可能连接关系;将目标图像中不可能连接关系去除,完成目标图像连线关系的识别。本发明所述的一种连线关系识别方法,能够对目标图像中连接关系的自动识别,为后续智能化识图提供依据。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种连接关系识别方法。
背景技术
在核电站全范围模拟机的开发过程中,需要对上百个电厂工艺系统、数百个配电系统、数千张DCS控制逻辑图和各种不同风格的流程、教控、盘台图进行仿真建模,而人工建模效率低,错误率高,是影响模拟机开发效率的关键因素。对此,亟需通过自动建模方式实现从设计图纸到仿真模型的自动转换,以提高建模效率和质量。
为了实现自动建模,首先必须实现智能化识图,而连接关系识别对于智能化识图至关重要,如何实现对连接关系的自动识别,是本发明亟待解决的问题。
发明内容
本发明的目的在于提供一种连接关系识别方法,解决图像中连接关系的自动识别的问题。
本发明的技术方案如下:一种连接关系识别方法,该方法具体包括:
S1、采集获取目标图像;
S2、对目标图像进行处理后,识别目标图像中的连线及其位置信息,并识别目标图像中角点的位置信息,获得目标图像中连线的拐点以及目标图像中元件的连接点;
S3、识别目标图像中的可能性连接关系;
S3.1、识别相邻的两个元件之间是否存在可能性连接关系;
S3.2、识别相邻的元件与拐点之间是否存在可能性连接关系;
S3.3识别相邻的两个拐点之间是否存在可能性连接关系;
S4、基于元件的属性,从获得的可能性连接关系中筛选出确定性连接关系和不可能连接关系;
S5、将目标图像中不可能连接关系去除,完成目标图像连线关系的识别。
所述步骤S4中筛选确定性连接关系与不可能连接关系具体包括:
在在元件间存在水平或竖直直线连接时,利用概率的识别方法,筛选确定性连接关系与不可能连接关系:
(1)计算相邻两个元件的相对面的重合占比D:
其中,A,B分别表示相邻两个元件的相对面的宽度;C表示相邻两个元件的相对面的重合宽度;
(2)计算相邻两个元件之间的连线长度与间距的比值G:
其中,F表示两个元件之间的连线长度,E表示相邻两个元件之间的连线长度与间距;
(3)当两个元件的重合占比D和连线长度与间距比值G达到相应的预定概率阈值时,则判定相邻的两个元件之间存在可能性连接关系;
基于D和G值对各元件存在可能性连接关系进行排序,并根据元件的属性定义和排序结果,筛选确定性连接关系。
所述步骤S4中筛选确定性连接关系具体包括:
当检测到相邻的两个元件之间存在斜线形式的连线时,若相关两个元件均存在未连接的连接点,且相应两个元件均无其它可能性连接时,则判定相应两个元件之间存在确定性连接关系;当检测到相邻的元件与拐点之间存在斜线形式的连线时,若元件存在未连接的连接点,且相应元件无其它可能性连接,则判定相应元件与拐点之间存在确定性连接关系。
所述步骤S4中从能性连接关系中筛选出不可能性连接关系的具体步骤为:
当元件在某个方向的确定性连接关系数量与该元件在该方法的属性定义的连接点数量一致时,将该元件在该方向的未确定的可能性连接关系判定为不可能连接关系;当元件的确定性连接关系总数与该元件的属性定义的连接点总数一致时,将该元件未确定的可能性连接关系判定为不可能连接关系。
所述步骤S4还进一步包括当识别到元件的连接点数量与元件的属性定义的连接点数量不一致时,或者存在未连接的连接点时,则输出相应的提示信息的步骤为:
当同一元件存在的不同可能性连接关系对应的D之差和G之差在预定差值范围内时,输出相应的提示信息;
当识别到的某元件的连接点数量与该元件的属性定义的连接点数量不一致时时,输出相应的提示信息;
当某元件存在未连接的连接点时,输出相应的提示信息。
所述步骤3识别相邻两元件、相邻元件与拐点、相邻两拐点之间存在可能性连接关系的步骤包括:
S3.1、识别相邻的两个元件之间是否存在可能性连接关系;
检测相邻两个元件具有朝向相对的连接点且相邻两个元件存在满足第一预定条件的连线,则识别出相邻的两个元件之间存在可能性连接关系;
S3.2、识别相邻的元件与拐点之间是否存在可能性连接关系;
检测相邻的元件与拐点存在满足第一预定条件的连线且相应元件具有朝向该连线的连接点,则判定相应的元件与拐点之间存在可能性连接关系;
S3.3识别相邻的两个拐点之间是否存在可能性连接关系;
检测相邻的两个拐点之间存在满足第一预定条件的连线,则判定相关的两个拐点之间存在可能性连接关系。
所述第一预定条件为连线的长度大于等于两元件间距的第一倍数阈值;
所述步骤2具体包括;
S2.1对采集的目标图像进行预处理;
S2.2识别目标图像中的元件,识别目标图像中的文字,将识别到的元件和文字从目标图像中去除;
S2.3将连线作为一类元件进行识别,获得目标图像中连线的位置信息;
检测目标图像中连续数量像素点的像素平均值小于预定像素阈值,则判定所述连续数量像素点构成连线,并获得连线的位置信息;
S2.4对目标图像中的连线进行细化处理,将不同粗细的直线细化成一个像素的宽度;
S2.5根据获得的连线位置信息,识别目标图像中角点的位置信息;
角点包括图像中线与线之间的交叉点,以及线与元件之间的交叉点,可利用Shi-Tomasi检测算法识别角点的位置信息;
S2.6根据识别到的目标图像中角点的位置信息,识别目标图像中连线的拐点以及各元件的连接点。
所述根据识别到的目标图像中角点的位置信息,识别目标图像中连线的拐点以及各元件的连接点的步骤包括:
根据获得的连线位置和角点的位置信息,判断该目标图像中与各角点相连的连线是否至少有两条且均为直线;对于任意一个角点,当与该角点相连的连线至少有两条且均为直线时,将该角点识别为拐点;
针对连线为横线或竖线的情况,根据识别获得的连线和角点位置信息,判断目标图像中各角点相连的连线是否构成直角,若与该角点相连的连线构成直角时,将该角点识别为拐点;
识别到拐点之后,从识别到的角点中排除拐点以及曲线构成的交叉点,其余的角点即为元件的连接点。
所述直角检测的具体步骤为:
针对任一角点,以该角点为中心并确定一个矩形目标区域,并在该矩形目标区域的中心位置确定一矩形的中心区域,将该目标区域内位于中心区域上、下方的区域分布确定为纵向检测区域,将该目标区域内位于中心区域左、右方的区域确定为横向检测区域;当该纵向检测区域内存在竖直连线且该竖直连线的长度近似等于纵向检测区域的高度、且横向检测区域内存在水平连线且所述水平连线的长度近似等于横向检测区域的宽度时,判断与相应角点相连的连线构成直角。
本发明的显著效果在于:本发明所述的一种连线关系识别方法,能够从目标图像中识别可能性连接关系,并从中筛选出确定性连接关系和不可能连接关系,并将不可能连接关系去除,从而实现对目标图像中连接关系的自动识别,为后续智能化识图提供依据。
附图说明
图1为本发明所述的一种连接关系识别方法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
如图1所示,一种连接关系识别方法,该方法具体包括如下步骤:
S1、采集获取目标图像;
采集获取目标图像,目标图像可以是电气图、工艺图或盘台图等系统流程图,在上述目标图像中包括若干元件、与元件相对应的文字以及连接这些元件的连线;
S2、对目标图像进行处理后,识别目标图像中的连线及其位置信息,并识别目标图像中角点的位置信息,获得目标图像中连线的拐点以及目标图像中元件的连接点;
S2.1对采集的目标图像进行预处理;
S2.1.1对采集获取的待识别图像进行图像灰度化处理;
S2.1.2对灰度化图像进行滤波处理,降低图像噪声;
S2.1.3将滤波后的图像进行二值化处理;
对滤波处理后的图像进行二值化处理,将图像上各像素值设置为0或255,即将图像像素设置为黑色或白色;
S2.2识别目标图像中的元件,识别目标图像中的文字,将识别到的元件和文字从目标图像中去除;
S2.3将连线作为一类元件进行识别,获得目标图像中连线的位置信息;
检测目标图像中连续数量像素点的像素平均值小于预定像素阈值,则判定所述连续数量像素点构成连线,并获得连线的位置信息;
S2.4对目标图像中的连线进行细化处理,将不同粗细的直线细化成一个像素的宽度;
S2.5根据获得的连线位置信息,识别目标图像中角点的位置信息;
角点包括图像中线与线之间的交叉点,以及线与元件之间的交叉点,可利用Shi-Tomasi检测算法识别角点的位置信息;
S2.6根据识别到的目标图像中角点的位置信息,识别目标图像中连线的拐点以及各元件的连接点;
根据获得的连线位置和角点的位置信息,判断该目标图像中与各角点相连的连线是否至少有两条且均为直线;对于任意一个角点,当与该角点相连的连线至少有两条且均为直线时,将该角点识别为拐点;
针对连线为横线或竖线的情况,可通过检测直角边来判断拐点,其具体步骤为:
根据识别获得的连线和角点位置信息,判断目标图像中各角点相连的连线是否构成直角,若与该角点相连的连线构成直角时,将该角点识别为拐点;
上述直角检测的具体步骤为:
针对任一角点,以该角点为中心并确定一个矩形目标区域,并在该矩形目标区域的中心位置确定一矩形的中心区域,将该目标区域内位于中心区域上、下方的区域分布确定为纵向检测区域,将该目标区域内位于中心区域左、右方的区域确定为横向检测区域;当该纵向检测区域内存在竖直连线且该竖直连线的长度近似等于纵向检测区域的高度、且横向检测区域内存在水平连线且所述水平连线的长度近似等于横向检测区域的宽度时,判断与相应角点相连的连线构成直角;
识别到拐点之后,从识别到的角点中排除拐点以及曲线构成的交叉点,其余的角点即为元件的连接点;
S3、识别目标图像中的可能性连接关系;
S3.1、识别相邻的两个元件之间是否存在可能性连接关系;
检测相邻两个元件具有朝向相对的连接点且相邻两个元件存在满足第一预定条件的连线,则识别出相邻的两个元件之间存在可能性连接关系,其中,第一预定条件例如为连线的长度大于等于两元件间距的第一倍数阈值,如0.95倍;此处的连线可以是实线、虚线或斜线;
S3.2、识别相邻的元件与拐点之间是否存在可能性连接关系;
检测相邻的元件与拐点存在满足第一预定条件的连线且相应元件具有朝向该连线的连接点,则判定相应的元件与拐点之间存在可能性连接关系;
S3.3识别相邻的两个拐点之间是否存在可能性连接关系;
检测相邻的两个拐点之间存在满足第一预定条件的连线,则判定相关的两个拐点之间存在可能性连接关系;
S4、基于元件的属性,从获得的可能性连接关系中筛选出确定性连接关系和不可能连接关系;
S4.1在元件间存在水平或竖直直线连接时,利用概率的识别方法,筛选确定性连接关系与不可能连接关系;
S4.1.1计算相邻两个元件的相对面的重合占比D:
其中,A,B分别表示相邻两个元件的相对面的宽度;C表示相邻两个元件的相对面的重合宽度;
S4.1.2计算相邻两个元件之间的连线长度与间距的比值G:
其中,F表示两个元件之间的连线长度,E表示相邻两个元件之间的连线长度与间距;
S4.1.3当两个元件的重合占比D和连线长度与间距比值G达到相应的预定概率阈值时,则判定相邻的两个元件之间存在可能性连接关系;
基于D和G值对各元件存在可能性连接关系进行排序,并根据元件的属性定义和排序结果,筛选确定性连接关系,D和G值越大,则该连接为确定性连接的可能性越大;
S4.2当检测到相邻的两个元件之间存在斜线形式的连线时,若相关两个元件均存在未连接的连接点,且相应两个元件均无其它可能性连接时,则判定相应两个元件之间存在确定性连接关系;当检测到相邻的元件与拐点之间存在斜线形式的连线时,若元件存在未连接的连接点,且相应元件无其它可能性连接,则判定相应元件与拐点之间存在确定性连接关系;
S4.3从可能性连接关系中筛选出不可能性连接关系;
当元件在某个方向的确定性连接关系数量与该元件在该方法的属性定义的连接点数量一致时,将该元件在该方向的未确定的可能性连接关系判定为不可能连接关系;当元件的确定性连接关系总数与该元件的属性定义的连接点总数一致时,将该元件未确定的可能性连接关系判定为不可能连接关系;
S4.4当识别到元件的连接点数量与元件的属性定义的连接点数量不一致时,或者存在未连接的连接点时,则输出相应的提示信息;
当同一元件存在的不同可能性连接关系对应的D之差和G之差在预定差值范围内时,输出相应的提示信息;
当识别到的某元件的连接点数量与该元件的属性定义的连接点数量不一致时时,输出相应的提示信息;
当某元件存在未连接的连接点时,输出相应的提示信息。
S5、将目标图像中不可能连接关系去除,完成目标图像连线关系的识别。
Claims (10)
1.一种连接关系识别方法,其特征在于,该方法具体包括:
S1、采集获取目标图像;
S2、对目标图像进行处理后,识别目标图像中的连线及其位置信息,并识别目标图像中角点的位置信息,获得目标图像中连线的拐点以及目标图像中元件的连接点;
S3、识别目标图像中的可能性连接关系;
S3.1、识别相邻的两个元件之间是否存在可能性连接关系;
S3.2、识别相邻的元件与拐点之间是否存在可能性连接关系;
S3.3识别相邻的两个拐点之间是否存在可能性连接关系;
S4、基于元件的属性,从获得的可能性连接关系中筛选出确定性连接关系和不可能连接关系;
S5、将目标图像中不可能连接关系去除,完成目标图像连线关系的识别。
2.根据权利要求1所述的一种连接关系识别方法,其特征在于,所述步骤S4中筛选确定性连接关系与不可能连接关系具体包括:
在在元件间存在水平或竖直直线连接时,利用概率的识别方法,筛选确定性连接关系与不可能连接关系:
(1)计算相邻两个元件的相对面的重合占比D:
其中,A,B分别表示相邻两个元件的相对面的宽度;C表示相邻两个元件的相对面的重合宽度;
(2)计算相邻两个元件之间的连线长度与间距的比值G:
其中,F表示两个元件之间的连线长度,E表示相邻两个元件之间的连线长度与间距;
(3)当两个元件的重合占比D和连线长度与间距比值G达到相应的预定概率阈值时,则判定相邻的两个元件之间存在可能性连接关系;
基于D和G值对各元件存在可能性连接关系进行排序,并根据元件的属性定义和排序结果,筛选确定性连接关系。
3.根据权利要求1所述的一种连接关系识别方法,其特征在于,所述步骤S4中筛选确定性连接关系具体包括:
当检测到相邻的两个元件之间存在斜线形式的连线时,若相关两个元件均存在未连接的连接点,且相应两个元件均无其它可能性连接时,则判定相应两个元件之间存在确定性连接关系;当检测到相邻的元件与拐点之间存在斜线形式的连线时,若元件存在未连接的连接点,且相应元件无其它可能性连接,则判定相应元件与拐点之间存在确定性连接关系。
4.根据权利要求1所述的一种连接关系识别方法,其特征在于,所述步骤S4中从能性连接关系中筛选出不可能性连接关系的具体步骤为:
当元件在某个方向的确定性连接关系数量与该元件在该方法的属性定义的连接点数量一致时,将该元件在该方向的未确定的可能性连接关系判定为不可能连接关系;当元件的确定性连接关系总数与该元件的属性定义的连接点总数一致时,将该元件未确定的可能性连接关系判定为不可能连接关系。
5.根据权利要求1所述的一种连接关系识别方法,其特征在于,所述步骤S4还进一步包括当识别到元件的连接点数量与元件的属性定义的连接点数量不一致时,或者存在未连接的连接点时,则输出相应的提示信息的步骤为:
当同一元件存在的不同可能性连接关系对应的D之差和G之差在预定差值范围内时,输出相应的提示信息;
当识别到的某元件的连接点数量与该元件的属性定义的连接点数量不一致时时,输出相应的提示信息;
当某元件存在未连接的连接点时,输出相应的提示信息。
6.根据权利要求1所述的一种连接关系识别方法,其特征在于,所述步骤3识别相邻两元件、相邻元件与拐点、相邻两拐点之间存在可能性连接关系的步骤包括:
S3.1、识别相邻的两个元件之间是否存在可能性连接关系;
检测相邻两个元件具有朝向相对的连接点且相邻两个元件存在满足第一预定条件的连线,则识别出相邻的两个元件之间存在可能性连接关系;
S3.2、识别相邻的元件与拐点之间是否存在可能性连接关系;
检测相邻的元件与拐点存在满足第一预定条件的连线且相应元件具有朝向该连线的连接点,则判定相应的元件与拐点之间存在可能性连接关系;
S3.3识别相邻的两个拐点之间是否存在可能性连接关系;
检测相邻的两个拐点之间存在满足第一预定条件的连线,则判定相关的两个拐点之间存在可能性连接关系。
7.根据权利要求6所述的一种连接关系识别方法,其特征在于,所述第一预定条件为连线的长度大于等于两元件间距的第一倍数阈值;
8.根据权利要求1所述的一种连接关系识别方法,其特征在于,所述步骤2具体包括;
S2.1对采集的目标图像进行预处理;
S2.2识别目标图像中的元件,识别目标图像中的文字,将识别到的元件和文字从目标图像中去除;
S2.3将连线作为一类元件进行识别,获得目标图像中连线的位置信息;
检测目标图像中连续数量像素点的像素平均值小于预定像素阈值,则判定所述连续数量像素点构成连线,并获得连线的位置信息;
S2.4对目标图像中的连线进行细化处理,将不同粗细的直线细化成一个像素的宽度;
S2.5根据获得的连线位置信息,识别目标图像中角点的位置信息;
角点包括图像中线与线之间的交叉点,以及线与元件之间的交叉点,可利用Shi-Tomasi检测算法识别角点的位置信息;
S2.6根据识别到的目标图像中角点的位置信息,识别目标图像中连线的拐点以及各元件的连接点。
9.根据权利要求8所述的一种连接关系识别方法,其特征在于,所述根据识别到的目标图像中角点的位置信息,识别目标图像中连线的拐点以及各元件的连接点的步骤包括:
根据获得的连线位置和角点的位置信息,判断该目标图像中与各角点相连的连线是否至少有两条且均为直线;对于任意一个角点,当与该角点相连的连线至少有两条且均为直线时,将该角点识别为拐点;
针对连线为横线或竖线的情况,根据识别获得的连线和角点位置信息,判断目标图像中各角点相连的连线是否构成直角,若与该角点相连的连线构成直角时,将该角点识别为拐点;
识别到拐点之后,从识别到的角点中排除拐点以及曲线构成的交叉点,其余的角点即为元件的连接点。
10.根据权利要求9所述的一种连接关系识别方法,其特征在于,所述直角检测的具体步骤为:
针对任一角点,以该角点为中心并确定一个矩形目标区域,并在该矩形目标区域的中心位置确定一矩形的中心区域,将该目标区域内位于中心区域上、下方的区域分布确定为纵向检测区域,将该目标区域内位于中心区域左、右方的区域确定为横向检测区域;当该纵向检测区域内存在竖直连线且该竖直连线的长度近似等于纵向检测区域的高度、且横向检测区域内存在水平连线且所述水平连线的长度近似等于横向检测区域的宽度时,判断与相应角点相连的连线构成直角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211506330.9A CN115880712A (zh) | 2022-11-28 | 2022-11-28 | 一种连接关系识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211506330.9A CN115880712A (zh) | 2022-11-28 | 2022-11-28 | 一种连接关系识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115880712A true CN115880712A (zh) | 2023-03-31 |
Family
ID=85764435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211506330.9A Pending CN115880712A (zh) | 2022-11-28 | 2022-11-28 | 一种连接关系识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880712A (zh) |
-
2022
- 2022-11-28 CN CN202211506330.9A patent/CN115880712A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5265173A (en) | Rectilinear object image matcher | |
CN110766016B (zh) | 一种基于概率神经网络的喷码字符识别方法 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN114863464B (zh) | 一种pid图纸图件信息的二阶识别方法 | |
CN107578011A (zh) | 视频关键帧的判定方法及装置 | |
CN114820625A (zh) | 一种汽车顶块缺陷检测方法 | |
CN110472640B (zh) | 一种目标检测模型预测框处理方法及装置 | |
CN111462119A (zh) | 一种基于机器视觉的宽厚板剪切排样方法 | |
CN117455917B (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
CN113139399B (zh) | 一种图像线框识别方法及服务器 | |
WO2022222036A1 (zh) | 车位确定方法及装置 | |
CN115862051A (zh) | 一种流程图识别方法 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN115880712A (zh) | 一种连接关系识别方法 | |
CN112488135A (zh) | 一种变电站bim三维图像特征的分类方法 | |
CN111047614A (zh) | 一种基于特征提取的复杂场景图像的目标角点提取方法 | |
CN116051771A (zh) | 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN114926829A (zh) | 一种证件检测方法、装置、电子设备及存储介质 | |
CN115511834A (zh) | 电芯对齐度检测方法、控制器、检测系统以及存储介质 | |
CN113128247B (zh) | 一种图像定位标识验证方法及服务器 | |
CN112614146B (zh) | 棋盘格标定角点的判别方法、装置及计算机可读存储介质 | |
CN114708512A (zh) | 一种通过卫星图像估算浮顶油罐原油储量的方法及系统 | |
CN111047617A (zh) | 一种矩形识别优化方法、装置及设备 | |
CN115731562A (zh) | 一种拐点识别方法 |
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 |