基于Hough变换的四边形分类识别算法研究

合集下载

基于Hough变换的图像形状特征检测的开题报告

基于Hough变换的图像形状特征检测的开题报告

基于Hough变换的图像形状特征检测的开题报告一、选题背景随着计算机视觉和图形图像处理技术的快速发展,图像处理应用越来越广泛,包括图像分类、图像识别、目标跟踪、目标检测和形状特征识别等。

形状特征识别是图像处理的重要研究方向之一,它广泛应用于影像测量、医学图像处理、自动检测、工业检测等领域。

形状特征是指几何形状上的属性,比如点、线、圆、多边形等。

由于形状特征具有鲁棒性和不变性,它可以用于目标检测、分类以及跨时空的物体跟踪等应用。

因此,如何快速而准确地检测出目标的形状特征是图像处理中的一大难题。

Hough变换是一种常用的形状特征检测方法。

它可以检测出图像中各种形状特征,包括直线、圆、椭圆等。

Hough变换的基本思想是将二维坐标系上的点映射到极坐标系上的曲线,从而实现特定形状的检测。

本文将从Hough变换的原理出发,介绍如何基于Hough变换来进行图像形状特征检测,探讨该方法的优缺点,并结合实际案例来说明该方法的应用。

二、研究内容本文研究内容主要包括以下几点:1. Hough变换原理及应用场景的介绍。

2. 基于Hough变换来实现直线检测、圆检测、椭圆检测和多边形检测等不同形状特征的检测方法。

3. Hough变换算法的优化和改进,包括改进的表达方式、参数选择和优化方法等。

4. 实例应用,以车牌识别为例,通过Hough变换进行车牌定位和识别。

三、研究意义本文研究基于Hough变换的图像形状特征检测方法,可以在车牌识别、工业检测、自然图像处理等领域应用中发挥重要作用。

本文可以为图像形状特征检测领域的研究提供一定的理论参考,对相关领域的研究工作具有一定的参考价值。

四、研究方法本文采用文献综述法和实验法进行研究:1. 采用文献综述法,对Hough变换算法的发展、优化方法和应用案例进行研究,归纳总结其特点和不足。

2. 通过实验方法,使用Matlab等图像处理工具实现基于Hough变换的图像形状特征检测,给出实验结果并进行分析。

毕业设计(论文)基于hough变换的图像检测

毕业设计(论文)基于hough变换的图像检测

基于HOUGH变换的图像检测摘要自从20世纪80年代以来,研究者们提出了多种圆形检测的方法,基于hough变换的累积方法是主要的方法。

基本的hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。

在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用hough变换后,很难找到单一的峰值,这也就造成了检测的难度。

本文讨论了当前的hough变换算法及其存在的一些问题,并在hough变换的原理基础上利用圆的几何特征提出了改进算法。

重点介绍随机hough变换原理,将传统hough变换圆检测时的二维参量统计变成一维参量统计。

理论和实验证明,本课题所研发的算法具有良好的检测性能,能获得较好的检测结果。

关键字:hough变换,传统hough变换,图像检测,边缘提取Circle Detection Based on Improved Hough TransformABSTRACTThe detection of circle including camber is one of classical problems in digital image processing,and has extensive application background.Sinee1980s,researchers have provided many methods of circles detection. Hough transform is an important method. Classical Hough Transform transform edge of image to a region of parametric space,and select the most accumulated edges. In real-life images,the shapes are often distorted from their true parametric forms due to the presence of noise,digitization error and shape variations. Therefore,after apply Hough transform,it may be difficult to find out a single peak,thus it is difficult to detect image.In this paper,it discusses the current Hough transform algorithm and existing problems of the algorithm,and makes use of circle property to provide improved algorithm based on Hough transform. This paper emphasizes on introducing random Hough transform theory,takes three-dimensional parametric of the tradition Hough transform on detection of circle to one-dimensional statics of random Hough transform .Theories and experiments show that the paper presents an improved Hough transform algorithom,which has better detection performance and can get accurated result.KEYWORDS:Hough transform,tradition Hough transform ,image recongition ,edge extraction目录第1章绪论 (1)1.1 课题研究意义 (1)1.2 图像检测技术发展现状 (2)1.3 本文研究的主要内容 (3)数字图像预处理 (3)变换 (4)第2章图像预处理 (6)2.1 图像灰度化 (6)灰度图 (6)图像灰度化 (7)2.2 图像滤波 (8)噪声 (9)高斯噪声的滤波 (10)椒盐噪声的滤波 (12)基于多次中值抽取的图像双边滤波方法 (15)2.3 实验结果与分析 (16)第3章图像分割 (17)3.1 图像分割的定义 (17)3.2 图像分割算法及其分类 (18)3.3 基于阈值的分割算法 (20)3.4 基于边缘的分割算法 (21)3.4.1 边缘及检测原理 (21)3.4.2 传统的边缘检测算法 (22)第4章Hough变换 (27)4.1 Hough变换的原理 (27)4.2 Hough变换的圆检测 (27)经典的Hough圆检测 (28)快速Hough圆检测 (28)第5章实验结果与分析 (32)5.1 MATLAB介绍 (32)5.2 基于MATLAB的仿真程序及分析 (33)程序设计流程图 (33)程序设计及分析 (34)5.3 仿真结果与分析 (38)结论 (40)谢辞 (41)参考文献 (42)外文资料 (43)第1章绪论1.1 课题研究意义Hough变换。

基于Hough变换的四边形分类识别算法研究

基于Hough变换的四边形分类识别算法研究
冒泡排序法: //用数组A[4]记录检测出来的四条线段与横坐标的夹角值 int temp, A[4]={MaxValue1.AngleNumber*2,MaxValue2.AngleNumber*2,
MaxValue3.AngleNumber*2,MaxValue4.AngleNumber*2}; for(i=0; i<3; i++) //冒泡排序 for(j=0; j<3-i; j++)
如下图1所示,考察一个点(xi,yi)和一条直线的斜截式方程yi=axi+b。通过点(xi,yi)的 直线有无数条,且对不同的a和b值,它们都满足这个等式yi=axi+b。但将等式写成b=-xia+yi 的形式并参考ab平面(也叫参数平面)将得到对于定点(xi,yi)的唯一直线方程。在参数空间 中,第2个点(xj,yj)也有与之相关的一条直线,且这条直线与(xi,yi)相关的直线相交于(a′, b′)点,这里a′是斜率,b′是xy平面上过点(xi,yi)和(xj,yj)的直线的截距。实际上,在参 数空间中这条直线所包含的所有点都有过点(a′,b′)的直线。
Hough Transform is mainly use to detect lines and line segments. Although it can detect two dimensional images, it has the shortages such as large memory space, long time calculation and lack of reliability. Further more, it is sensitive to the noise of the image and lack of robustness. In order to detect the regular planar graph quickly and exactly, we work out the quadrangular sort recognition algorithm which base on the Hough Transform according to the recognition of line and circle. Firstly, by means of the Hough Transform, this algorithm detects the four line segments which in the quadrangle and work out the abscissa’s separation angles (slope) of the four line segments and the plane rectangular coordinate separately. Secondly, compare the four separation angles after ordering them with bubble sort and decide what the relation among the four line segments is. Parallel, vertical or intersect. Finally, distinguish them classificatorily according to each quadrangle’s characteristic. This kind of algorithm is proved feasible and effectual by the experimental results.

基于hough变换形状检测系统的设计与实现

基于hough变换形状检测系统的设计与实现

基于hough变换形状检测系统的设计与实现一、背景介绍Hough变换是基于图形变换的一种形状检测方法,被广泛应用于计算机视觉领域中的图像识别、目标检测、边缘检测等方面。

该方法最初是由Paul Hough于1962年提出来的,有了这个方法,我们可以在图像中准确快速地寻找一些特定的形状,例如直线、圆、椭圆等,并且可以对其进行精确的定位和描述。

基于Hough变换形状检测系统可以应用于自动驾驶、工业自动化等方向。

在自动驾驶中,可以利用Hough变换检测图像中的直线和圆形,以实现车道线检测、交通标记检测等任务;在工业自动化中,可以利用Hough变换检测零件的轮廓,以实现工件识别、尺寸检测等任务。

二、系统设计基于Hough变换形状检测系统的设计主要包括以下几个方面:1. 图像预处理:对输入的图像进行预处理,包括灰度化、平滑化、二值化等操作,以便于后续的形状检测。

2. Hough变换:将预处理后的图像进行Hough变换,以检测图像中的直线、圆等形状。

具体实现中常常采用累加器数组(Accumulator Array)来实现Hough变换,并选择合适的阈值来筛选出符合要求的形状。

3. 形状检测:在经过Hough变换后,根据累加器数组中的结果,可以根据预设的参数(例如直线的斜率和截距,圆的半径和圆心坐标等)从中选出合适的形状,并将其绘制在原图上。

4. 用户界面:将检测结果显示给用户。

用户可以通过这个界面来控制系统的参数、输入图像等,以实现形状检测的目的。

三、系统实现在实现基于Hough变换形状检测系统时,可以选择不同的编程语言和库进行开发。

例如,可以使用Python语言,并使用OpenCV库来完成系统的实现。

下面是基于Python和OpenCV的Hough变换形状检测系统的一个简单实现代码:```pythonimport cv2import numpy as np# 图像预处理def preprocess_image(image):gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 灰度化blur = cv2.GaussianBlur(gray, (5, 5), 0) # 平滑化 _, binary = cv2.threshold(blur, 0, 255,cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 二值化return binary# Hough变换def hough_transform(image):lines = cv2.HoughLinesP(image, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=10) # 直线检测circles = cv2.HoughCircles(image,cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30,minRadius=0, maxRadius=0) # 圆检测return lines, circles# 形状检测def detect_shapes(image, lines, circles):for line in lines:x1, y1, x2, y2 = line[0]cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0), thickness=2) # 绘制直线if circles is not None:for circle in circles[0]:x, y, r = circlecv2.circle(image, (x, y), r, (0, 0, 255), thickness=2) # 绘制圆return image# 程序入口def main():image = cv2.imread('test.jpg')binary = preprocess_image(image)lines, circles = hough_transform(binary)result = detect_shapes(image, lines, circles)cv2.imshow('result', result)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':main()```该代码首先定义了三个函数,分别用于图像预处理、Hough变换和形状检测。

基于Hough树林的空间有形目标特征训练与检测识别方法

基于Hough树林的空间有形目标特征训练与检测识别方法

基于Hough树林的空间有形目标特征训练与检测识别方法基于Hough树林的空间有形目标特征训练与检测识别方法安萌;姜志国;赵丹培;张浩鹏【期刊名称】《红外与激光工程》【年(卷),期】2011(040)008【摘要】随着空间飞行器利用率的不断提高,各国开始关注于空间目标的监视问题.如何对空间有形目标进行准确的分类与定位识别是目前关注的难点之一.针对空间目标的特征提取与识别定位问题展开研究,提出了一种基于Hough树林的空间目标探测识别方法.首先,通过广义的Hough变换,使用独立的目标局部的探测识别对全局目标可能位置中心进行投票.然后,用与Hough图像极大值相对应的探测识别假设对局部特征的投票进行汇总,继而通过训练建立起Hough树林.进一步地,在传统码表存储局部特征投票信息的理论基础上,使用所建立的Hough 树林进行了天基目标的探测识别.实验表明,此方法可以在不同的探测距离上对多类空间目标进行较好的探测识别.%Abstract: As constant increasing utilization of space-aircraft, more and more countries begin to focus on space object surveillance. But how to precisely classify and localize for space shape object is one of difficulties. The problems of space object feature extraction, recognition and localization were studied and a space object detection and recognition method based on Hough forest was proposed. The method was accomplished via generalized Hough transform, in which voting for the possible locations of centroid of whole space objects with the detection of object parts; then these part of feature votes were accumulated with the recognition hypothesis。

一种基于Hough变换的圆和矩形的快速检测方法

一种基于Hough变换的圆和矩形的快速检测方法

一种基于Hough变换的圆和矩形的快速检测方法一、本文概述随着计算机视觉技术的快速发展,图像中的形状检测成为了许多实际应用领域的核心问题,如机器人导航、工业自动化、医学影像分析、安全监控等。

在这些应用场景中,快速准确地检测出图像中的圆形和矩形对于后续的图像理解和处理至关重要。

本文提出了一种基于Hough变换的圆和矩形的快速检测方法,旨在提高形状检测的效率和准确性,为相关领域的实践应用提供新的思路和技术支持。

Hough变换作为一种经典的图像处理技术,已经在直线检测等领域取得了广泛应用。

然而,将其应用于圆形和矩形的检测时,传统的Hough变换方法面临着计算量大、检测速度慢等问题。

为了解决这些问题,本文在深入研究Hough变换原理的基础上,提出了一种改进的快速检测方法。

该方法结合了图像预处理、形状特征提取和Hough变换等多个步骤,通过优化算法和减少不必要的计算,实现了圆形和矩形的高效检测。

本文首先介绍了Hough变换的基本原理及其在形状检测中的应用背景,然后详细阐述了本文提出的快速检测方法的理论框架和实现步骤。

接着,通过实验验证了该方法的有效性,并与其他经典算法进行了比较。

本文总结了研究成果,指出了方法的优点和局限性,并对未来的研究方向进行了展望。

通过本文的研究,我们期望能够为计算机视觉领域的形状检测问题提供一种更加高效、准确的解决方案,推动相关应用的发展和创新。

二、Hough变换原理及其应用Hough变换是一种在计算机视觉和图像处理中广泛应用的特征检测方法,尤其在形状识别,如直线、圆和矩形检测中,显示出其独特的优势。

Hough变换的基本原理是通过将图像空间中的形状映射到参数空间中的峰值,从而实现对这些形状的检测。

对于直线检测,Hough变换通过将图像中的每个点映射到参数空间的一条线上,从而得到多条线的交点,这些交点即对应图像空间中的直线。

类似地,对于圆和矩形的检测,Hough变换也可以将图像中的形状映射到相应的参数空间,如圆的参数空间包括圆心和半径,矩形的参数空间包括四个顶点的坐标等。

四边形分类识别算法

四边形分类识别算法

四边形分类识别算法
黄柳
【期刊名称】《信息技术》
【年(卷),期】2010(000)006
【摘要】四边形的分类识别是图形识别中的重要内容.Hough变换是检测直线的基本工具,利用Hough变换检测出图像中各直线与x轴正方向所形成的夹角,对这些夹角降序排序后再进行比较,从而确定四边形的类型.实验结果表明,算法简单有效,能对复杂图像中的四边形进行分类识别,具有一定的实用价值.
【总页数】3页(P58-60)
【作者】黄柳
【作者单位】融安县第二中学,融安,545400
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.小学四边形分类教学的优化建议研究 [J], 张丹
2.四边形全天自主星图识别算法 [J], 林涛;周建林;张钧萍;贾晓光;钱国蕙
3.由四边形的分类所引发的思考 [J], 陈安宁
4.一种基于Hough变换的四边形分类识别算法 [J], 刘智
5.分类思想在初中数学教学中的应用探析——以“探索凸四边形全等的条件”教学为例 [J], 詹莹
因版权原因,仅展示原文概要,查看原文内容请购买。

一种新的基于hough变换的直线识别方法

一种新的基于hough变换的直线识别方法

一种新的基于hough变换的直线识别方法
Hough变换是一种基本的几何转换,可以将点集与特定形状的关系转换为参数空间中的直线集合。

Hough变换在计算机视觉领域中被广泛应用,尤其是在图像分析和模式识别中的直线检测中。

传统的Hough变换直线识别算法通常使用二维参数空间(斜率和
截距),但这种方法存在计算复杂度高,噪音敏感等问题。

为了解决
这些问题,近年来出现了一种新的基于Hough变换的直线识别方法,
该方法使用极坐标参数空间(角度和距离),具有较高的鲁棒性和计
算效率。

该方法的实现过程首先将图像进行边缘检测,然后将边缘点转换
为极坐标系下的参数空间点。

在极坐标参数空间中,一条直线将对应
一个点附近的集合,而这个集合可以通过匹配算法进行识别,最终确
定直线的参数。

这种基于Hough变换的直线识别方法可以有效地应对图像噪声和
复杂背景的影响,同时具有较高的计算效率和识别精度。

在实际应用中,可以将该方法与其他图像处理算法相结合,实现更为准确的目标
检测和跟踪。

总之,基于Hough变换的直线识别方法是计算机视觉领域中一种
非常实用的技术,其应用范围广泛,从工业检测到日常生活都具有重
要的应用价值。

因此,我们需要不断探索和研究该方法的优化和改进,以更好地满足实际需要。

基于随机hough变换的道路边界识别算法研究

基于随机hough变换的道路边界识别算法研究

一、引言近年来,随着自动驾驶技术的快速发展,道路边界的识别和提取变得越来越重要。

而随机Hough变换作为一种经典的边缘检测和直线提取算法,已经在计算机视觉和图像处理领域取得了广泛的应用。

本文旨在利用随机Hough变换算法,研究并优化道路边界识别的相关技术,以提升自动驾驶系统的性能和可靠性。

二、相关工作1. 随机Hough变换随机Hough变换是Hough变换的一种改进方法,通过随机采样的方式降低了计算复杂度,提高了速度和准确性。

其思想是在不考虑全部像素点的情况下,通过随机选择一部分像素点进行直线参数空间的累加,从而实现直线提取和边界检测。

2. 道路边界识别算法目前,常用的道路边界识别算法包括基于颜色分布、纹理特征和深度信息等不同方式的识别方法。

然而,传统方法存在计算复杂度高、鲁棒性差等问题,因此需要新的算法来提升道路边界的准确度和稳定性。

三、随机Hough变换在道路边界识别中的应用1. 数据预处理在道路边界识别的实际应用中,首先需要进行数据的预处理工作,包括图像的降噪、滤波、灰度化等处理。

这些预处理工作对于后续的随机Hough变换算法起到了重要的作用。

2. 参数空间的选择在随机Hough变换算法中,需要选择适当的参数空间进行直线累加。

针对道路边界识别的特点,我们可以根据道路的特征来确定参数空间的范围,从而避免不必要的计算和提高算法的效率。

3. 随机采样的策略在随机Hough变换中,随机采样的策略直接影响算法的运行速度和准确性。

针对道路边界的特点,我们可以设计针对性的随机采样策略,比如在道路边缘周围进行更密集的采样,以提高道路边界的识别准确度。

四、算法优化与实验结果1. 针对道路边界的特点,我们对传统的随机Hough变换算法进行了优化,包括参数空间的选择、随机采样策略的设计等方面。

经过优化后的算法在道路边界识别的准确度和稳定性上都得到了显著提升。

2. 我们在不同场景下进行了大量的实验,并对比了优化前后的算法性能。

一种基于Hough变换的圆和矩形的快速检测方法

一种基于Hough变换的圆和矩形的快速检测方法

一种基于Hough变换的圆和矩形的快速检测方法秦开怀;王海颍;郑辑涛【期刊名称】《中国图象图形学报》【年(卷),期】2010(015)001【摘要】Hough变换是数字图像处理和机器视觉领域的经典算法,主要用于直线或线段的检测.虽然某些广义Hough变换能够用于检测复杂的2维图形,但其通常都具有存储空间大、计算时间长、可靠性差等不足,而且对于需要使用导数或梯度信息的算法而言,往往对图像中的噪声比较敏感、鲁棒性差.为了对平面规则图形进行快速准确检测,在传统的直线Hough变换的基础上.结合平面规则图形的几何特征,提出了一种检测平面矩形和圆的快速通用方法.该算法首先对图像进行滤波处理,并用Canny算子做边缘检测,先得到闭合的轮廓曲线,再利用形状角D_α对轮廓曲线进行粗分类;然后分门别类进行细致、准确的图形识别.该检测方法,由于只需要进行简单的1维和2维(直线)投票,而且完全不需要任何导数信息,从而大大提高了圆检测的速度和鲁棒性.实验表明,该检测方法适用于各种常见平面规则图形的检测和识别,并且检测速度快、精度高.【总页数】7页(P109-115)【作者】秦开怀;王海颍;郑辑涛【作者单位】清华大学计算机科学与技术系,北京,100084;清华大学计算机科学与技术系,北京,100084;清华大学计算机科学与技术系,北京,100084【正文语种】中文【中图分类】TP391.41【相关文献】1.一种用Hough变换检测圆的快速算法 [J], 夏磊;蔡超;周成平;丁明跃2.基于Hough变换的快速矩形检测算法 [J], 李强兵;刘文予3.基于Hough变换实现圆的快速检测方法 [J], 孙晓敏;朱晓春;周雯超;李冉冉4.一种新的快速Hough变换圆检测方法 [J], 黄永林;叶玉堂;陈镇龙;乔闹生5.基于改进随机Hough变换的混合圆/椭圆快速检测方法 [J], 于莉娜;胡正平;练秋生因版权原因,仅展示原文概要,查看原文内容请购买。

一种基于hough变换的圆和矩形的快速检测方法

一种基于hough变换的圆和矩形的快速检测方法

一种基于hough变换的圆和矩形的快速检测方法一种基于Hough变换的圆和矩形的快速检测方法Hough变换是计算机视觉领域中非常重要的算法之一,它可以在图像中检测出圆、线、矩形等几何形状,为图像分析和计算机视觉应用提供了重要的基础技术。

然而,传统的Hough变换算法效率较低,难以满足现代计算机视觉应用中对实时性和高效性的要求。

因此,本文提出了一种基于Hough变换的圆和矩形的快速检测方法,能够有效提高图像处理的速度和精度。

首先,本文介绍了Hough变换的基本原理。

Hough变换是一种基于数学变换的图像分析方法,主要用于检测图像中的几何形状。

其基本思想是通过变换将图像中每个像素点转换为曲线上的点,然后在曲线上寻找共线点的交点,从而完成对几何形状的检测。

传统的Hough变换算法存在着效率低、计算量大等问题,因此需要进行改进和优化。

针对传统Hough变换算法中计算量大的问题,本文提出了一种加速算法,将图像分为多个区域,然后分别对每个区域进行Hough变换。

这样做可以有效减少计算量,提高算法的运行速度。

此外,为了提高检测的准确度,本文还引入了自适应阈值的方法,根据图像特征对阈值进行自动调整,从而提高了算法的鲁棒性和精度。

在具体实现中,本文针对圆和矩形两种几何形状进行了快速检测方法的开发。

对于圆的检测,本文首先采用了基于图像梯度的方法,求取图像中每一个像素点的梯度信息,并选取一定范围内的圆心和半径作为检测目标。

然后,通过对每个像素点进行Hough变换,找出圆的中心和半径,并计算出圆的得分,从而确定是否为圆形结构。

同时,为了排除噪声对检测结果的影响,本文还引入了基于自适应阈值的二值化算法,能够有效提高圆形检测的精度和鲁棒性。

对于矩形的检测,本文采用基于模板匹配的方法,将矩形模板与图像进行比对,从而确定矩形的位置和大小。

同时,为了提高矩形检测的准确度,本文还引入了基于相似度评价的方法,计算实际矩形与模板矩形之间的相似度,从而得出检测结果。

基于HOUGH变换的二维条码识别技术的研究

基于HOUGH变换的二维条码识别技术的研究

1 问题息少 、过分依赖 数据库 、不 能显示 汉字 等 问题 ,已经不 能满 足 实 际的需 要 。
为此 ,二维条码 技术应 运 而生 。其 中 ,矩阵式 的 D t M tx 维条形码 ,因其 尺寸小 、保密性 好 、纠错 能力 a a i二 a r 强 而广泛应用 在工业 、数据 安全等领域 。 区别 于一维条码 只能 “ 示”物 品的局 限 ,二 维条码 通过在 平面 上 标
21 Dt M t . a ai a r x图形结构
D t M tx图形可 分为 两 个部 分 :定 位 图形 ( 称 寻 边 图形 ) 和数 据 区 a ai a r 或 ( 图l 如 所示 ) a a i 。D t m t a r x的定位 图形 由两条 实线 边组 成 的 “ , ,和与 其 L ’形 相对 的两条虚线 边组成 ;数据 区是 由 l 、0模块 组成 的矩形。
22 2 目标初 定位 ..
在 图像 目标初 定位 部分 中 ,通过 计算横 、纵轴投影 值的 大小 ,对 图像 进行初 定位 ,以达 到去除 背景 的 目
的。
首先 ,要得到 图像 的边缘 。 由于 D t M tx符 号 的特 征是 由一个 个 小方 块 构成 的四边 形 ,边 界 十 分 复 a ai a r 杂 。因此 ,提 取图像 轮廓后 ,可 以观察到 D t Ma i条形 码 区域的点 ,与其它 区域相 比更为 密集 。如果 将得 a tx a r 到 的边缘 图像 ( 值图 )在水平 和垂直 方 向上 投影 ,即分别统 计各行 列 上 的黑色像 素 ,那 么 ,在 一定 坐标 范 二

9 ・ 4
维普资讯
图2
于印刷 或拍 照所带来 的椒盐 噪声 ,有 效地减 小噪声 对识 别造 成 的影 响 ;二 值化 主要 使 图像 转 化 为 0 ,1的形 式 ,以便 于后续 操作 ,其 中门限选 为在 图中像 素点灰 度 的最 大与最小 值 的平 均值 。

用HOUGH变换改进的曲率法识别平面轮廓图元

用HOUGH变换改进的曲率法识别平面轮廓图元

用HOUGH变换改进的曲率法识别平面轮廓图元
伍济钢;宾鸿赞
【期刊名称】《图学学报》
【年(卷),期】2011(032)002
【摘要】针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法.开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选
轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法.对提出的方法分别进行了特征点检测精度与检测
速度对比实验和特征点检测能力测试实验.实验结果表明,提出的方法图元识别准确、检测速度快、通用性好.
【总页数】5页(P102-106)
【作者】伍济钢;宾鸿赞
【作者单位】湖南科技大学机械设备健康维护湖南省重点实验室,湖南湘潭,411201;华中科技大学机械科学与工程学院,湖北武汉,430074;华中科技大学机械科学与工
程学院,湖北武汉,430074
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于Hough变换和系统聚类法的风洞轮廓识别算法 [J], 徐忠超
2.基于曲率匹配的平面轮廓类零件进给速度优化研究 [J], 李启磷;张明辉;尹欣
3.机器视觉检测中的平面轮廓图元识别方法研究 [J], 杨昆明
4.三次样条插值在平面凸轮廓线曲率半径求解中的应用 [J], 于潇雁;蓝兆辉
5.基于曲率与HOUGH变换的平面轮廓图元识别方法研究 [J], 伍济钢;宾鸿赞因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进的Hough变换图像分割方法

基于改进的Hough变换图像分割方法

基于改进的Hough变换图像分割方法刘桂雄;申柏华;冯云庆;胡存银;易静蓉【期刊名称】《光学精密工程》【年(卷),期】2002(010)003【摘要】在图像处理和计算机视觉中,Hough变换是一种应用非常广泛的图像边缘检测技术,针对传统Hough变换算法所需的存储容量大、计算量大、速度慢、效率低,不能确定曲线端点及长度的问题,提出了一种改进的Hough变换方法,它根据Hough变换思想的逆变换,采用对参数空间逐步细分的方法,逐步排除不包含直线的区域,能够有效地减少存储容量,提高运行效率,并能有效地求出曲线轮廓的端点及长度.该方法已成功运用于车牌自动识别系统的车牌分割中.【总页数】4页(P257-260)【作者】刘桂雄;申柏华;冯云庆;胡存银;易静蓉【作者单位】华南理工大学,机电工程系光机电一体化研究所,广东,广州,510640;华南理工大学,机电工程系光机电一体化研究所,广东,广州,510640;华南理工大学,机电工程系光机电一体化研究所,广东,广州,510640;华南理工大学,机电工程系光机电一体化研究所,广东,广州,510640;华南理工大学,机电工程系光机电一体化研究所,广东,广州,510640【正文语种】中文【中图分类】TP391.4【相关文献】1.基于改进Hough变换的激光雷达点云特征提取方法研究 [J], 邢亚蒙; 钱东海; 赵伟; 徐慧慧; 左万全2.基于Hough变换的带式输送机托辊图像分割方法 [J], 邹盛;沈科;陈晓晶;徐辉;季亮;王晓波3.基于Hough变换的带式输送机托辊图像分割方法 [J], 邹盛;沈科;陈晓晶;徐辉;季亮;王晓波4.基于改进Hough变换的不规则纸病的检测方法 [J], 刘息桐5.基于改进Hough变换的指针式仪表识别方法 [J], 李娜;王军;董兴法;石绍鹏因版权原因,仅展示原文概要,查看原文内容请购买。

基于HED的四边形检测系统的研究及实现

基于HED的四边形检测系统的研究及实现

基于HED的四边形检测系统的研究及实现
谢晗孛
【期刊名称】《自动化应用》
【年(卷),期】2024(65)10
【摘要】四边形检测是图像处理和计算机视觉中的基础问题,它是许多更复杂形状检测和识别任务的基础。

深度学习在图像识别和分类中已取得了很大的成功,但如何将其与传统的图像处理方法结合,以提高四边形检测的效率和准确性,仍是值得研究的问题。

简述了自然场景中一种基于HED的四边形检测方法,首先使用灰度处理和二值化处理进行初步处理;其次对图像进行膨胀边缘并利用OpenCV库画出图片的轮廓;再次对图像求取凸包并利用多边形逼近的方法对轮廓进行噪声过滤;最后结合HED算法优化提取的轮廓进行矩阵判定。

结果表明,该系统对四边形检测具有良好的效果。

【总页数】4页(P222-224)
【作者】谢晗孛
【作者单位】贵州师范大学贵州省信息与计算科学重点实验室
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于倍福TwinCAT的平行四边形码垛机器人控制系统设计与实现
2.基于平行四边形机构实现机车车轮踏面擦伤信号的检测判定
3.基于平行四边形检测框的电厂
雨排口环境检测技术研究4.基于CNN与特征周期变化率的故障电弧检测嵌入式系统实现研究5.基于单目RGB活体检测技术人脸识别系统的研究与实现
因版权原因,仅展示原文概要,查看原文内容请购买。

基于窗口Hough变换与阈值分割的矩形识别算法

基于窗口Hough变换与阈值分割的矩形识别算法

基于窗口Hough变换与阈值分割的矩形识别算法贺辉;闫明;黄静【摘要】提出一种基于窗霍夫变换与阈值分割自动识别图像中的矩形策略: 通过图像窗霍夫变换, 提取霍夫图像的峰值(对应原始图像的线段), 当四个峰值满足某些几何条件时, 则检测出矩形; 对图像进行阈值分割, 将分割结果与霍夫变换的矩形做拟合修正. 对不同成像背景和光照环境下图像的集成测试结果表明, 本策略能够很好地抑制在多种自然光照不均和拍摄角度造成的干扰. 且采用了缩略图计算, 降低了逐像素运算的时间复杂度, 可满足实时性要求. 该技术可运用在实时准确裁剪银行票据目标等各个需要快速识别矩形的工程领域.%This study proposes a method for automatic recognition and cutting of bank bills using windowed Hough transform: by scanning each pixel to compute the Hough transform of the image and extract the peaks of the Hough transform (which correspond to line segments). A rectangle is detected when four extracted peaks satisfy certain geometric conditions (which correspond the border of bills). Threshold is used to segment the source image and perform fitting correction for the segment result and the extracted Hough transform rectangles. The integration test results of on different image backgrounds and illumination environment indicate that the proposed strategy has a good ability to suppress the interference caused by different natural illumination and shooting angles. In addition, thumbnails view is used to extract feature, reducing the time complexity of pixel-by-pixel operation.【期刊名称】《计算机系统应用》【年(卷),期】2018(027)003【总页数】5页(P131-135)【关键词】窗口霍夫变换;矩形检测;自动裁剪;阈值分割【作者】贺辉;闫明;黄静【作者单位】北京师范大学珠海分校信息技术学院, 珠海 519087;北京师范大学珠海分校信息技术学院, 珠海 519087;北京师范大学珠海分校信息技术学院, 珠海519087【正文语种】中文矩形结构的识别被广泛应用在各个领域,例如低温电子显微镜下对矩形和圆形微粒的自动检测; 航拍图片中对矩形结构(例如车辆、建筑物)的自动或半自动检测; 或者检测图像或录像里的车牌辨识等等. 目前文献论述的大多数矩形检测方法是基于原始边缘和直线的检测[1-3]以及基于图像阈值分割检测矩形[4-8]. 例如Lagunovsky 和Ablameyko提出了基于原始直线的矩形检测技术[1]. 首先,提取出原始直线,将这些直线分组聚合为线段. 对比其长度和方向来检测出四边形,再进一步近似为矩形. Lin和Nevatia提出了在航拍图像中检测矩形和平行四边形的技术[2]. 他们的技术基于线检测,之后选择某些在某些值范围内的线段(取决于建筑物的最大和最小尺寸). 在给定的线段中搜索反平行线,从而定义一个搜索区域,再搜索矩形的余下两条边.Jung和Schramm提出了一种使用一个环形滑动窗口在图像中进行逐像素扫描,对当前环形窗口内的图像求Hough变换,通过检验Hough空间内的峰值的特性,来判断当前滑动环的圆心是否落在矩形的中心点[3]. 这种方法可以有效精确地检测出任意矩形,但是逐行扫描的方式会导致大量像素点被重复计算,算法效率低.Mahnaz Shafii和Maher Sid-Ahmed在近年来的研究中提出了一种基于图像中的平行轴边界框的最小面积来对文档中的结构进行倾斜检测和矫正. 通过使用最小边界框的区域标准来增强垂直轮廓和平行轮廓. 这种方法在多种倾斜角度中都可以有效地匹配[4]. 而基于阈值分割的方法对输入图像目标和背景反差要求较高,容易受到噪声的干扰而不易准确的检测到目标矩形[9-11].本文面向银行票据自动裁剪应用需求,结合了基于直线的检测和基于图像阈值分割的两种策略的优点以及在特定环境下的局限性,提出了一种基于窗口霍夫变换与阈值分割的图像中矩形的自动识别策略:对全局图像的Hough Space峰值进行匹配,将匹配的结果与对图像阈值分割的结果做拟合,从而得到票据的目标区域. 具有如下特点: 1) 能有效区分非目标区域的噪声结构干扰; 2) 无须设定阈值; 3) 算法性能优越,匹配结果快速准确.1 算法原理1.1 Hough变换原理(HT)HT是利用图像的全局特征将图像的形态学信息做变换与统计的方法,HT用来检测一个图像的线性结构是很有效的. J.Princen等提出了对Hough变换的正式的数学定义. 广义的霍夫变换(Hough transform)可以表示为通过对目标形状的量化所得到的核函数(Kernel Function)在关于数据点集合之内的积分. 其中,Kernel Function为目标的形状和量化参数空间之间的转化关系[12]. Duda和Hart[13]的研究表明任何线在xy平面内都能被描述成. 其中,ρ是垂直距离,θ是直线的垂直角度. 霍夫变换将一个二维图像的边缘点集合使用二维函数转换为满足的线段的边缘点集合. 而在实际应用中,倾角θ和垂直距离ρ可以被量化,得到一个数组,这个数组的峰值可以被用来检测边缘点聚合成的线段[13].由于在霍夫空间的线段峰值特性明显,因此基于霍夫空间的基线模式的检测被广泛应用. Abdelhak所提出的基于随机霍夫变换的技术用于对阿拉伯语文件的倾斜校正和基线检测[14]. 通过计算文本行中较低基线的斜率来识别和矫正文档的倾角. Trupti的研究中也将霍夫变换应用于手写梵文文档的倾斜检测和矫正,通过提取文档的每个词,对每个词语单元做霍夫变换来检测歪斜[4]. 我们早期的研究也通过霍夫空间的基线检测技术来对银行票据进行预处理[15].在图像中识别矩形包含多个对象,我们需要在给定的霍夫空间中检测出能够识别出矩形特征的模式.因此,我们记录了一些矩形所包含的特定几何联系,可以用来直接在霍夫空间中做检测.1.2 在Hough Space里的矩形特征模式,其中平行边P1P2和P3P4长度设为a,平行边P2P3和P4P1长度设为b,如图1. 图1 处在笛卡尔坐标系的矩形这个矩形在霍夫空间的图像如图2,它有四个峰值点,分别为假设一个矩形包含四个顶点分别对应矩形的4条边.图2 对矩形做Hough变换的Hough space不难观察到这4个峰值满足下面的几何关系:1)令的两个峰值点H1和H2组成一对,的两个峰值点H3和H4组成一对. 这两个峰值对关于θ轴的相对角度为2) 属于同一对峰值点的两个峰值高度是相等的,对应到各自的线段的长度. 例如和.3) 每对峰值之间的垂直距离正好是矩形的边,即和若在当前图像中有其他结构,这些边缘会和干扰信息和其他结构相关联,也许也会匹配这些几何关系.因此,对干扰信息的去除也是不可缺少的步骤.1.3 构建并分析峰值点集合接下来是通过在所得的离散化Hough空间里寻找峰值来检测线段. 由于表示满足线性方程的边缘点的数量,因此找到霍夫图像的峰值的简单方法是提取满足的所有点(即检索像素点大于等于TC的所有直线),得到一个离散点聚合. 但是,噪声和其他结构会降低这种估计峰值的精度[7]. 为此,使用butterfly模式去分析峰值附近区域可以有效地增强区域拟合度[6].Butterfly模式在此不做太多解释,此方面,Furukawa 和Shinagawa提出了一个简化版本的butterfly计算用来增强霍夫图像[7]. 对于给定的图像,对应的增强公式为:其中h和w表示增强过的矩形区域的长和高. 由于ρ和θ已经被量化,所以通过矩形遮罩的卷积来求上式的积分. 最终,将满足的增强图像的局部最大值存储为峰值. 对当前的点集求两两排列运算,找到匹配符合下列两个条件的两点,并标记为即上式中,Tθ是最小容错角度阈值,TL是最小容错归一化阈值所映射的原图关系是线段Hi和Hj互相平行,所映射的原图关系为线段Hi和Hj长度相等. 而所找到的即为具有平行特征的线段.接下来,对当前所有求归一化期望特征,其中:即为每对的平均期望特征.最后,对求两两排列运算,匹配符合此条件的pair:所找到的两对即为具有矩形特征的4条线段,对应图像里的矩形.2 关键算法实现2.1 Canny算子[17]对票据做边缘检测预处理由于光照的干扰,将彩色票据图像转化为灰度图像会有可能丢失边缘细节特征,考虑到接下来的工作需要对图像做阈值分割,所以本文直接对彩色图像的RGB三通道进行处理.2.2 对边缘图像做Hough变换在M*N目标图像中,将ρ离散化为p*ρ个参数空间,将θ离散化为K*θ个参数空间. 对于p和K的选取,Furukawa和Shinagawa所提出的方法具有借鉴意义,对于一个M*N图像来说,计算出的霍夫图像长为4M/3,宽为4N/3. 在这个情况下,可以设定M=N=Dmax,即可得离散步长对于在本例的票据实验用例中,为了简化运算,我们取K=180,步长step = 1. 因此计算得到的Hough变换结果图像宽度和高度分别为和180.2.3 构建并分析峰值点集合检测矩形在实际应用中,由于银行票据通常具有固定不变的长宽比,该约束条件可以用来在当前所找到的两对的集合中再一次搜寻,寻找符合以下条件的Pair,即进一步完成了对目标区域的约束:式中分别表示实际票据的长宽比.2.4 对图像做阈值分割此处采用我们早前提出的自适应直方图阈值二值化的目标分割算法[15]. 分割结果往往包含噪声,如孤立点噪声或呈块状的噪声,可以分别通过中值滤波和对形态学操作来消除.2.5 将分割结果与霍夫变换的矩形做拟合修正最后,我们得到了一个存储图像矩形信息的集合List<R>和一个二值化的图像. 遍历 List<R>的元素,将每一个矩形元素映射到二值化图像中,对目标矩形区域内的像素做采样,记录矩形元素和二值图像的拟合值,选择最大值的矩形元素. 此矩形即为目标矩形.3 算法测试为了验证本文所提出的方案的有效性,本文面向银行票据自动裁剪需求,选取了50组真实拍摄银行票据图像进行识别率测试. 银行票据具有较为完整的矩形结构,但是真实拍摄的银行票据图像存在的多种自然光照不均和拍摄角度造成的干扰对票据的准确识别带来了难度.测试中,本文将使用我们早期的研究结果自适应阈值分割方法(即对纠偏图像进行自适应二值分割,确定裁剪框的方法)[15]和本文所提出的方法所测试的结果进行识别率的比对.3.1 测试数据本研究工作的测试数据为高清摄像机采集的照片图像,分为2种分辨率,分别是2592*1944和1600*1200.本文将给出其中的2个典型数据,如图3所示. 其中,图3(a)的票据整体呈矩形,但是四条边均存在褶皱,图3(b)里包含一张黄色的小矩形作为匹配的非目标区域. 两组数据的背景和票据的灰度差异并不能完全地拉开,这无疑降低了阈值分割方法的匹配度.图3 待测试的票据图像3.2 实验结果及分析使用自适应阈值分割裁剪的结果如图4所示. 实验结果表明,在没有其他矩形干扰情况下,该方案能有效准确地识别出票据,并且不会留下明显的黑边,如图4(a)所示. 然而,如果背景和票据的灰度反差降低,会导致在二值图像内仍然存在除了目标区域之外的背景区域未被分割. 易将包括亮背景区域的矩形当成目标矩形,从而导致裁剪结果不当,如图4(b)所示.本文方法裁剪结果如图5所示. 结果表明,在存在严重背景干扰情况下,此裁剪结果仍能有效地识别出票据. 这个结果主要是得益于Hough变换带来的所有可能性的矩形匹配.由对比结果可以看出,自适应二值化分割算法一定程度上依赖于背景和主题目标的高对比度,因此在低对比度的环境下,可能会发生错误匹配的情况. 而本方案依赖于矩形特征和对比度两个方面,能有效地去除低对比度环境下的干扰.3.3 性能改进图4 阈值分割法的裁剪结果图5 本文方法的裁剪结果由于对一张图像做Hough变换涉及逐像素进行浮点运算,其运算过程所消耗的时间占处理图像时间的极大比重. 而对图像做Hough变换是为了得到图像的量化结构信息,因此Hough变换的结果只与图像本身结构有关,与图像分辨率无关. 对于待处理图像,本文将其以固定宽为100像素等比例压缩. 对压缩之后的缩略图做Hough变换,所得到的量化结构信息做矩形识别. 对识别出的裁剪框按照比例还原在原图的位置,再对原图进行裁剪和倾斜校正. 表1和表2统计了对原图以及缩略图做识别所用的平均时间.表1 处理原图所用平均时间(单位: ms)平均(2592*1944) 平均(1600*1200)测试1 14774.5 5457.25测试2 15 570 6390.75测试3 15 316.5 6394.5测试4 15 558.5 6374.75测试5 15 546.75 6418平均 15 353.25 6207.05从表1和表2分析可以看出,使用缩略图进行处理,其算法的速度优化明显. 大量的逐像素运算已经不再成为性能瓶颈. 尤其是对较高分辨率的图像,由于Hough变换与图像大小无关,因此处理时间减幅更大,使得实现实时票据裁剪和远程存储成为可能.表2 处理缩略图所用平均时间(单位: ms)平均(2592*1944) 平均(1600*1200)测试1 248.25 218.75测试2 230.25 214.5测试3 234.25 218.75测试4 234.5 218.75测试5 242.25 218.75平均 237.9 217.94 结论与展望本文针对银行票据自动裁剪应用需求,基于窗口Hough变换和阈值分割,提出了自适应Hough变换的矩形匹配和阈值二值分割算法. 窗口Hough变换对目标的识别具有结构约束,二值分割对目标识别具有灰度对比约束,能够最大可能降低光照对分割的不利影响. 在目前的50张实际拍摄银行票据图像的测试中,能通过97.5%的测试数据. 反映出本算法的可靠性和稳定性,具有推广应用价值.参考文献【相关文献】1Lagunovsky D,Ablameyko S. Straight-line-based primitive extraction in grey-scale object recognition. Pattern Recognition Letters,1999,20(10): 1005-1014. [doi: 10.1016/S0167-8655(99)00067-7]2Lin CG,Nevatia R. Building detection and description from a single intensity image. Computer Vision and Image Understanding,1998,72(2): 101-121. [doi:10.1006/cviu.1998.0724]3Jung CR,Schramm R. Rectangle detection based on a windowed Hough transform. Proceedings of the 17th Brazilian Symposium on Computer Graphics and Image Processing. Curitiba,Brazil. 2004. 113-120.4Jundale TA,Hegadi RS. Skew detection and correction of Devanagari script using Hough transform. Procedia Computer Science,2015,(45): 305-311. [doi:10.1016/j.procs.2015.03.147]5Illingworth J,Kittler J. A survey of the Hough puter Vision Graphics&Image Processing,1988,43(2):280.6Leavers VF. Survey: Which Hough transform? CVGIP:Image Understanding,1993,58(2):250-264. [doi: 10.1006/ciun.1993.1041]7Furukawa Y,Shinagawa Y. Accurate and robust line segment extraction by analyzing distribution around peaks in Hough space. Computer Vision and Image Understanding,2003,92(1): 1-25. [doi: 10.1016/j.cviu.2003.07.002]8李牧,闫继红,李戈,等. 自适应Canny算子边缘检测技术.哈尔滨工程大学学报,2007,28(9): 1002-1007.9韩思奇,王蕾. 图像分割的阈值法综述. 系统工程与电子技术,2002,24(6): 91-94,102.10刘欣欣,李雪,王琼. 基于灰度直方图的多阈值分割法. 计算机应用与软件,2013,30(12): 28-30,63. [doi: 10.3969/j.issn.1000-386x.2013.12.008]11陈果,左洪福. 图像阈值分割的两种新技术. 模式识别与人工智能,2002,15(4): 468-473.12Princen J,Illingworth J,Kittler J. A formal definition of the Hough Transform: Properties and relationships. Journal of Mathematical Imaging and Vision,1992,1(2): 153-168.[doi:10.1007/BF00122210]13Duda RO,Hart PE. Use of the Hough transformation to detect lines and curves in pictures. Communications of the ACM,1972,15(1): 11-15. [doi: 10.1145/361237.361242] 14Boukharouba A. A new algorithm for skew correction and baseline detection based on the randomized Hough transform.Journal of King Saud University-Computer and Information Sciences,2017,29(1): 29-38. [doi: 10.1016/j.jksuci.2016.02.002]15贺辉,刘琨,肖红玉. 银行票据自动裁剪方案设计与控件开发. 计算机与数字工程,2016,45(7):1327-1332.16陈强,朱立新,夏德深. 结合Canny算子的图像二值化. 计算机辅助设计与图形学学报,2005,17(6):1302-1306.17Shafii M,Sid-Ahmed M. Skew detection and correction based on an axes-parallel bounding box. International Journal on Document Analysis and Recognition,2015,18(1):59-71.[doi: 10.1007/s10032-014-0230-y]。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

(a)
(b)
(c) (2)矩形的识别如图 6 所示:
(d) 图 5 梯形的识别
(a)
(b)
(c)
(d)
图 6 矩形的识别
(3)平行四边形的识别如图 7 所示:
(a)
(b)
(c)
(d)
图 7 平行四边形的识别
3 结束语
基于 Hough 变换的四边形分类识别算法是在直线和圆的识别基础上进行的,但用来确
如下图1所示,考察一个点(xi,yi)和一条直线的斜截式方程yi=axi+b。通过点(xi,yi)的 直线有无数条,且对不同的a和b值,它们都满足这个等式yi=axi+b。但将等式写成b=-xia+yi 的形式并参考ab平面(也叫参数平面)将得到对于定点(xi,yi)的唯一直线方程。在参数空间 中,第2个点(xj,yj)也有与之相关的一条直线,且这条直线与(xi,yi)相关的直线相交于(a′, b′)点,这里a′是斜率,b′是xy平面上过点(xi,yi)和(xj,yj)的直线的截距。实际上,在参 数空间中这条直线所包含的所有点都有过点(a′,b′)的直线。
法找到准确的参数空间共线点。反之,若量化过细,那么计算量将大幅度增加,因此实际应
用中需要兼顾这两方面,选取合适的量化值。
1.2 基于Hough变换的四边形分类识别算法
该算法通过 Hough 变换方法检测所构成四边形的四条线段,分别计算出四条线段与平面
直角坐标系横坐标的夹角值(也可以是斜率),并对所得夹角值进行两两比较(即两两相减
y
(xi,yi)
(xj,yj)
b b=-xia+yi b=-xja+yj
b′
x
a′
a
(a) xy 平面
(b) 参数空间
图 1 xy 平面与参数空间的关系
Hough变换在计算上的优势在于将参数空间进一步分割为累加器单元,如图2所示。这
里(amin,amax)和(bmin,bmax)分别为斜率和截距值期望的范围。位于坐标(i,j)的单元具有累加值
截式方法一样。不同的是,这个公式的轨迹是ρθ平面上的正弦曲线。与斜截式方法一样,
在xcosθj+ysinθj=ρi上共线的点集生成参量空间中交于点(ρi,θj)的正弦曲线。θ的增加
和对应的ρ的求解,给出了由(ρi,θj)决定的单元累加器A(i,j)的输入。
图4说明了参数空间的划分。角θ的取值范围为±90°,以x轴为基准。因此,参考图3,
Hough Transform is mainly use to detect lines and line segments. Although it can detect two dimensional images, it has the shortages such as large memory space, long time calculation and lack of reliability. Further more, it is sensitive to the noise of the image and lack of robustness. In order to detect the regular planar graph quickly and exactly, we work out the quadrangular sort recognition algorithm which base on the Hough Transform according to the recognition of line and circle. Firstly, by means of the Hough Transform, this algorithm detects the four line segments which in the quadrangle and work out the abscissa’s separation angles (slope) of the four line segments and the plane rectangular coordinate separately. Secondly, compare the four separation angles after ordering them with bubble sort and decide what the relation among the four line segments is. Parallel, vertical or intersect. Finally, distinguish them classificatorily according to each quadrangle’s characteristic. This kind of algorithm is proved feasible and effectual by the experimental results.
后与指定的阀值比较小于阀值为符合要求,否则继续比较),根据四条线。最后按照各种四边形的性质进行分类识别。
算法如下:
//判断四条线段所构成的四边形类型
if(abs(A[0]-A[1])<=4)
{
if(abs(A[2]-A[3])<=4)
{
if(abs(abs(A[0]-A[2])-90)<=6)
冒泡排序法: //用数组A[4]记录检测出来的四条线段与横坐标的夹角值 int temp, A[4]={MaxValue1.AngleNumber*2,MaxValue2.AngleNumber*2,
MaxValue3.AngleNumber*2,MaxValue4.AngleNumber*2}; for(i=0; i<3; i++) //冒泡排序 for(j=0; j<3-i; j++)
AfxMessageBox("该四边形为梯形!");
else
AfxMessageBox("该四边形为不规则四边形!");
通过实验测试中得知,能否准确的分类识别出各种四边形的关键在于比较两两线段与横
坐标夹角之差的绝对值所选取的阀值。阀值过大过小均会导致识别不准确,所以选取合适的
阀值是该算法分类识别的关键所在。而阀值的选取则需要通过大量的实验测试来确定。
目决定了这些点共线性的精确度。
b bmax
0
bmin
amin
0
amax a
图 2 用于 Hough 变换的参数平面的进一步分割
使用等式y=ax+b表示一条直线带来如下一个问题:当直线接近垂直时,直线的斜率接近
无限大。解决这一问题的一种方法是使用直线的标准式:
xcosθ+ysinθ=ρ
(1)
图3说明了用于式(1)的参数的几何解释。使用这一表达式构造一个累加器的表与使用斜
定圆和直线的参数要比确定四边形的参数少,因此基于 Hough 变换识别圆和直线的方法要比
四边形识别算法的精练,但目前仍没有一种更巧妙的方法用来对四边形进行识别,所以该形
Key words:Hough Transform;quadrangle;detect;distinguish 0 引言
随着时代的发展,一些常见的平面规则图形,在工业产品检测、生物信息提取、集成电 路板在线质量检测 、交通标识牌识别等领域有着愈发广泛的应用。而Hough变换[1]是从图像 中识别几何形状的基本方法之一,该方法由Paul Hough于1962年提出并在美国作为专利。 Hough变换的基本原理在于利用点与线的对偶性,将原始图像空间中的曲线通过曲线表达式 转变为参数空间的一个点,这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中 的峰值问题,即将检测整体特性转化为检测局部特性。
if(A[j]>A[j+1]) {
temp=A[j]; A[j]=A[j+1]; A[j+1]=temp; } 2 实验结果与分析 如图 5、图 6 和图 7 所示,在实验中分别通过梯形、矩形和平行四边形的识别来检测四 边形识别方法。首先通过 Hough 变换方法检测所构成四边形的四条线段,分别计算出四条线 段与平面直角坐标系横坐标的夹角值(或是斜率),判断结果如图 5、图 6 和图 7 的(b)图所 示;随后在获取四个夹角值之后用冒泡排序法对它们进行排序再进行比较,结果如图 5、图 6 和图 7 的(c)图所示;根据四条线段两两比较后判断线段间的关系(平行,垂直,相交)。 最后按照各种四边形的性质进行分类识别, 最终测试结果如图 5、图 6 和图 7 的(d)图所示。 实验结果验证了本文提出的算法可行,效果较好。 (1)梯形的识别如图 5 所示:
目前应用于直线,圆及椭圆检测的各种基于Hough变换的技术已经日益成熟,如朱娟[2] 等提出一种逆向Hough变换检测算法检测直线;张运华[3]等以随机Hough变换为基础,通过对 采样概率进行分析,结合Canny算子以及Zernike正交矩方法,提出改进的圆检测算法;赵京 东[4]提出利用椭圆的斜率特性,降低Hough参数空间的维度,实现对图像中多个椭圆进行检 测。但识别四边形及其它多边形方面的技术仍然很缺乏,鉴于此,本文提出了基于Hough变 换的四边形分类识别算法,以此来研究基于Hough变换的四边形识别检测技术。 1 基于Hough变换的四边形分类识别 1.1 基于Hough变换的直线检测原理[6-8]
基于 Hough 变换的四边形分类识别算法研究 刘智
(广西工学院 计算机工程系广西 柳州 545006) 基金项目:广西教育厅科研项目(200707MS064);广西工学院青年科学基金项目(院科自 0840206) 摘 要:Hough变换主要用于直线或线段的检测。虽然能够用于检测复杂的2维图形,但其通 常都具有存储空间大、计算时间长、可靠性差等不足,而且往往对图像中的噪声比较敏感、 鲁棒性差。为了对平面规则图形进行快速准确检测,在直线和圆的识别基础上总结出基于 Hough变换的四边形分类识别算法,该算法首先通过Hough变换方法检测所构成四边形的四条 线段,分别计算出四条线段与平面直角坐标系横坐标的夹角值(或是斜率),随后在获取四 个夹角值之后用冒泡排序法对它们进行排序再进行比较,根据四条线段两两比较后判断线段 间的关系(平行,垂直,相交),最后根据各种四边形的性质进行分类识别。实验结果验证 了该算法可行,效果较好。 关键词:Hough 变换;四边形;检测;识别 Abstract:
相关文档
最新文档