專利名稱：數(shù)字圖像中基于距離分布的正方形檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺中的圖像特征自動(dòng)檢測(cè)領(lǐng)域，特別是數(shù)字圖像中正方形的 檢測(cè)方法。
背景技術(shù)：
形狀檢測(cè)與識(shí)別在自動(dòng)化檢測(cè)、物體定位、圖像分析、計(jì)算機(jī)輔助設(shè)計(jì)等領(lǐng)域具有 十分重要的地位和作用。目前，用于多邊形等由直線段構(gòu)成的封閉幾何圖形的識(shí)別的方法 有多種。廣義Hough變換(GHT)[1]利用多邊形的幾何特性，將變量空間圖形的檢測(cè)問題轉(zhuǎn) 化為參數(shù)空間的聚類問題，實(shí)現(xiàn)多邊形的直接檢測(cè)。其特點(diǎn)是簡(jiǎn)單直接，但由于計(jì)算量大， 一般只適用于三角形等邊數(shù)較少的多邊形檢測(cè)。Lara等[2]提出了平行算法識(shí)別圖像中 的多邊形，該算法在已知圖像中直線及其端點(diǎn)的條件下，首先計(jì)算直線間的交叉點(diǎn)，并設(shè)計(jì) 四個(gè)矩陣來表示端點(diǎn)及交叉點(diǎn)的相互位置關(guān)系，然后由一個(gè)端點(diǎn)出發(fā)，按照規(guī)則遍歷各端 點(diǎn)或交叉點(diǎn)，直至構(gòu)成封閉序列，從而實(shí)現(xiàn)多邊形檢測(cè)。該方法須已知圖像中的相關(guān)信息。 Barnes等[3_5]提出的方法首先獲得圖像邊緣，然后依據(jù)正多邊形的幾何特性，利用后驗(yàn)概 率定義正多邊形的概率密度函數(shù)，接著通過計(jì)算正多邊形邊數(shù)和方向偏角來實(shí)現(xiàn)道路標(biāo)識(shí) 牌中正多邊形的檢測(cè)，該方法的計(jì)算較為復(fù)雜，計(jì)算量大。針對(duì)已有檢測(cè)方法中存在的問 題，本發(fā)明提出一種基于距離分布的正方形檢測(cè)方法，該方法利用正方形中心點(diǎn)到正方形 各邊緣點(diǎn)的垂直距離相等這一幾何特性，實(shí)現(xiàn)正方形中心點(diǎn)及邊緣的檢測(cè)；該方法不需要 已知圖像的相關(guān)信息，易于實(shí)現(xiàn)且計(jì)算效率優(yōu)于已有方法。參考文獻(xiàn)[1]Davies E R. Machine vision :theory, algorithms, practicalities(3rd Ed.) · Elsevier,2005，387-410.[2]Arijit L, Amitava S, Bhabani P S.Parallel algorithms for identifying convex and non-convexbasis polygons in an image. Parallel Computing,2005. 31 290-310.[3]Nick B, Gareth L, David S. The regular polygon detector. Pattern Recognition,2010. 43 :592-602.[4]Barnes N,Loy G,Shaw D, Robles-Kelly A. Regular polygon detection. In InternationalConference on Computer Vision,2005.[5]Corke P, Sukkarieh S. Field and Service Robotics, STAR 25，2006，55—66.

發(fā)明內(nèi)容
本發(fā)明針對(duì)數(shù)字圖像中正方形的檢測(cè)問題，提供一種能夠準(zhǔn)確檢測(cè)圖像中正方形 的檢測(cè)方法。為了實(shí)現(xiàn)本目的，本發(fā)明數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，包括以 下步驟步驟Sl 采集圖像并輸入計(jì)算機(jī)；
步驟S2 利用高斯梯度模板計(jì)算各像素點(diǎn)的梯度；步驟S3 利用Carmy邊緣檢測(cè)算子計(jì)算圖像的邊緣圖；步驟S4 利用邊緣圖上各邊緣點(diǎn)的梯度計(jì)算各邊緣點(diǎn)的方向線；步驟S5 計(jì)算圖像中各像素點(diǎn)的特征長(zhǎng)度與特征能量，獲得圖像的特征長(zhǎng)度分布 圖與特征能量分布圖；步驟S6 在閾值約束下，在特征能量分布圖上檢測(cè)局部極大值點(diǎn)；步驟S7 由每個(gè)局部極大值點(diǎn)及其特征長(zhǎng)度確定一個(gè)正方形的邊緣點(diǎn)集合；步驟S8 利用邊緣點(diǎn)的方向信息驗(yàn)證并剔除不合理的正方形邊緣點(diǎn)集合，輸出正 方形的邊緣點(diǎn)集合。本發(fā)明提供的數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，主要利用正方形中心 點(diǎn)到正方形各邊緣點(diǎn)的垂直距離分布(即正方形中心點(diǎn)到各邊的距離相等且等于邊長(zhǎng)的 一半)，首先以各像素點(diǎn)為中心計(jì)算該中心到其支撐區(qū)域內(nèi)各邊緣點(diǎn)方向線的距離，并根據(jù) 各個(gè)距離及其出現(xiàn)的次數(shù)確定各像素點(diǎn)的特征長(zhǎng)度和特征能量，獲得圖像的特征長(zhǎng)度分布 圖與特征能量分布圖；然后在閾值約束下，在特征能量分布圖上檢測(cè)局部極大值點(diǎn)；由每 個(gè)局部極大值點(diǎn)及其特征長(zhǎng)度確定一個(gè)正方形的邊緣點(diǎn)集合；利用邊緣點(diǎn)的方向信息驗(yàn)證 并剔除不合理的正方形邊緣點(diǎn)集合，最后，輸出組成正方形的邊緣點(diǎn)集合。本發(fā)明提供的方 法簡(jiǎn)單、易于實(shí)現(xiàn)，且計(jì)算效率優(yōu)于已有方法。


圖1為本發(fā)明數(shù)字圖像中基于距離分布的正方形檢測(cè)方法流程圖。圖2a為實(shí)施例中使用的原始圖像。圖2b為利用Carmy算子在圖2a上獲得的邊 緣圖；圖2c、2d分別為本發(fā)明提供的方法在圖2a上獲得的特征長(zhǎng)度分布圖與特征能量分布 圖；圖2e為本發(fā)明提供的方法的正方形檢測(cè)結(jié)果。
具體實(shí)施例方式如圖1所示為本發(fā)明數(shù)字圖像中基于距離分布的正方形檢測(cè)方法流程圖，包括 采集圖像并輸入計(jì)算機(jī)、計(jì)算各像素點(diǎn)的梯度、計(jì)算圖像的邊緣圖、計(jì)算各邊緣點(diǎn)的方向 線、獲得圖像的特征長(zhǎng)度分布圖與特征能量分布圖、在特征能量分布圖上檢測(cè)局部極大值 點(diǎn)、由每個(gè)局部極大值點(diǎn)及其特征長(zhǎng)度確定一個(gè)正方形的邊緣點(diǎn)集合、利用邊緣點(diǎn)的方向 信息驗(yàn)證并剔除不合理的正方形邊緣點(diǎn)集合，最后，輸出正方形的邊緣點(diǎn)集合。各步驟的具 體實(shí)施細(xì)節(jié)如下步驟Sl 采集圖像并輸入計(jì)算機(jī)。步驟S2 利用高斯梯度模板計(jì)算各像素點(diǎn)的梯度。步驟S3 利用Carmy邊緣檢測(cè)算子計(jì)算圖像的邊緣圖。步驟S4 利用邊緣圖上各邊緣點(diǎn)的梯度計(jì)算各邊緣點(diǎn)的方向線。記圖像中的邊 緣點(diǎn)XiG = 1,2, ...，N) (N為邊緣點(diǎn)個(gè)數(shù))，利用高斯梯度模板計(jì)算該點(diǎn)處的梯度向量為 gracKXi) = [dix，diy]，則經(jīng)過點(diǎn)Xi且與點(diǎn)Xi梯度方向垂直的直線Ii :aiX+biy+Ci = 0稱為 點(diǎn)Xi的方向線，其中a^bi、Ci的計(jì)算公式為叫=dix，bi = diy，Ci = -d^Xi-d^yio步驟S5:計(jì)算圖像中各像素點(diǎn)的特征長(zhǎng)度與特征能量，獲得圖像的特征長(zhǎng)度分布圖與特征能量分布圖。指定一個(gè)整數(shù)L(L可設(shè)置為預(yù)檢測(cè)正方形邊長(zhǎng)的1.5 倍)，對(duì)于圖像中任一點(diǎn)X(x，y)，將以點(diǎn)X為中心、L為半徑的圓形區(qū)域定義為點(diǎn)X的 支撐區(qū)域；對(duì)于支撐區(qū)域內(nèi)的任一邊緣點(diǎn)XiG = 1，2，...，N) (N為邊緣點(diǎn)個(gè)數(shù))， 記點(diǎn)Xi (i = 1，2，...，N)確定的方向線為Ii :aiX+biy+Ci = 0，計(jì)算點(diǎn)X到Ii的距離
數(shù)，將出現(xiàn)次數(shù)最多的距離定義為點(diǎn)X處的特征長(zhǎng)度，記為K (x，y)，該距離的出現(xiàn)次數(shù)定義 為點(diǎn)X處的特征能量，記為E(x，y)；計(jì)算圖像中各像素點(diǎn)的特征長(zhǎng)度與特征能量，可獲得圖 像的特征長(zhǎng)度分布圖與特征能量分布圖。步驟S6 在閾值約束下，在特征能量分布圖上檢測(cè)局部極大值點(diǎn)。記圖像中任一 點(diǎn)X(x，y)，該點(diǎn)處的特征能量為E (X，y)，計(jì)算閾值T = k .Mean(E),其中Mean (E)表示步 驟S5獲得的特征能量分布圖的均值，比例系數(shù)k的取值范圍為3 5，在特征能量分布圖 上檢測(cè)大于T且在3X3鄰域內(nèi)為局部極大值的點(diǎn)；對(duì)于獲得的局部極大值點(diǎn)P (x，y)，記點(diǎn) P的特征長(zhǎng)度與特征能量分別為K (x，y)與E(X，y)，將不滿足條件E(X，y)/K(X，y) >8.s 的局部極大值點(diǎn)剔除，其中s為比例系數(shù)(可根據(jù)具體情況取0. 6 0. 9)。步驟S7 由每個(gè)局部極大值點(diǎn)及其特征長(zhǎng)度確定一個(gè)正方形的邊緣點(diǎn)集合。對(duì) 于步驟S6獲得的一個(gè)特征長(zhǎng)度為K(x，y)的局部極大值點(diǎn)P(x，y)，記P(x，y)支撐區(qū)域內(nèi) 的任一邊緣點(diǎn)Xi確定的方向線為Ii, P(x, y)到方向線Ii的距離為屯，考慮如下兩個(gè)條件
權(quán)利要求
1.一種數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，其特征在于，包括步驟 步驟Sl 采集圖像并輸入計(jì)算機(jī)；步驟S2 利用高斯梯度模板計(jì)算各像素點(diǎn)的梯度； 步驟S3 利用Carmy邊緣檢測(cè)算子計(jì)算圖像的邊緣圖； 步驟S4 利用邊緣圖上各邊緣點(diǎn)的梯度計(jì)算各邊緣點(diǎn)的方向線； 步驟S5 計(jì)算圖像中各像素點(diǎn)的特征長(zhǎng)度與特征能量，獲得圖像的特征長(zhǎng)度分布圖與 特征能量分布圖；步驟S6 在閾值約束下，在特征能量分布圖上檢測(cè)局部極大值點(diǎn)； 步驟S7 由每個(gè)局部極大值點(diǎn)及其特征長(zhǎng)度確定一個(gè)正方形的邊緣點(diǎn)集合； 步驟S8 利用邊緣點(diǎn)的方向信息驗(yàn)證并剔除不合理的正方形邊緣點(diǎn)集合，輸出正方形 的邊緣點(diǎn)集合。
2.根據(jù)權(quán)利要求1所述的數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，其特征在于， 所述步驟S4包括記圖像中的邊緣點(diǎn)XiG = 1，2，. . .，N) (N為邊緣點(diǎn)個(gè)數(shù))，利用高斯梯 度模板計(jì)算該點(diǎn)處的梯度向量為gracKXi) = [dix，diy]，則經(jīng)過點(diǎn)Xi且與點(diǎn)Xi梯度方向垂 直的直線Ii :aiX+biy+Ci = 0稱為點(diǎn)Xi的方向線，其中ai、bi、Ci的計(jì)算公式為
3.根據(jù)權(quán)利要求2所述的數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，其特征 在于，所述步驟S5包括指定一個(gè)整數(shù)L(L可設(shè)置為預(yù)檢測(cè)正方形邊長(zhǎng)的1.5倍)， 對(duì)于圖像中任一點(diǎn)X(x，y)，將以點(diǎn)X為中心、L為半徑的圓形區(qū)域定義為點(diǎn)X的支 撐區(qū)域；對(duì)于支撐區(qū)域內(nèi)的任一邊緣點(diǎn)XiG = 1，2，...，N) (N為邊緣點(diǎn)個(gè)數(shù))，記 點(diǎn)Xi (i = 1，2，...，N)確定的方向線為Ii :aiX+biy+Ci = 0，計(jì)算點(diǎn)X到Ii的距離
4.根據(jù)權(quán)利要求3所述的數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，其特征在于， 所述步驟S6包括步驟S61 記圖像中任一點(diǎn)X(x，y)，該點(diǎn)處的特征能量為E(x，y)，計(jì)算閾值T = k · Mean(E)，其中Mean(E)表示步驟S5獲得的特征能量分布圖的均值，比例系數(shù)k的取值 范圍為3 5，在特征能量分布圖上檢測(cè)大于T且在3X3鄰域內(nèi)為局部極大值的點(diǎn)；步驟S62 對(duì)于步驟S61獲得的局部極大值點(diǎn)P (x, y)，記點(diǎn)P的特征長(zhǎng)度與特征能量分 別為K(x，y)與E(X，y)，將不滿足條件E(X，y)/K(X，y) > 8 · s的局部極大值點(diǎn)剔除，其中 s為比例系數(shù)(可根據(jù)具體情況取0. 6 0. 9)。
5.根據(jù)權(quán)利要求4所述的數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，其特征在于， 所述步驟S7為對(duì)于步驟S6獲得的一個(gè)特征長(zhǎng)度為K(x，y)的局部極大值點(diǎn)P (χ，y)，記 P(x, y)支撐區(qū)域內(nèi)的任一邊緣點(diǎn)Xi確定的方向線為Ii, P(χ, y)到方向線Ii的距離為d"考慮如下兩個(gè)條件(1) \\Xt -P||< V2· K(x, y)·, (2) K (χ, y)-1.5 ^ Cli^K(Xjy)+1.5,0' = \,2,...,Ν)(四舍五入為整數(shù))；統(tǒng)計(jì)距離Cli出現(xiàn)的次獲得同時(shí)滿足兩個(gè)條件的正方形的邊緣點(diǎn)集合，并記為{xj (i = 1，2，... N)，其中N為滿足 條件的邊緣點(diǎn)個(gè)數(shù)。
6.根據(jù)權(quán)利要求5所述的數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，其特征在 于，所述步驟S8的具體方法為對(duì)于步驟S7獲得的一個(gè)正方形邊緣點(diǎn)集合{XJ (i = 1， 2，... N)，如果邊緣點(diǎn)的梯度方向集中分布在四個(gè)方向上且滿足條件N > 4. 5 · K(x，y)，則 輸出該正方形邊緣點(diǎn)集合，否則剔除該不合理的正方形邊緣點(diǎn)集合。
全文摘要
本發(fā)明涉及一種數(shù)字圖像中基于距離分布的正方形檢測(cè)方法，包括采集圖像并輸入計(jì)算機(jī)；利用高斯梯度模板計(jì)算各像素點(diǎn)的梯度；利用Canny邊緣檢測(cè)算子計(jì)算圖像的邊緣圖；利用邊緣圖上各邊緣點(diǎn)的梯度計(jì)算各邊緣點(diǎn)的方向線；計(jì)算圖像中各像素點(diǎn)的特征長(zhǎng)度與特征能量，獲得圖像的特征長(zhǎng)度分布圖與特征能量分布圖；在閾值約束下，在特征能量分布圖上檢測(cè)局部極大值點(diǎn)；由每個(gè)局部極大值點(diǎn)及其特征長(zhǎng)度確定一個(gè)正方形的邊緣點(diǎn)集合；利用邊緣點(diǎn)的方向信息驗(yàn)證并剔除不合理的正方形邊緣點(diǎn)集合，最后，輸出組成正方形的邊緣點(diǎn)集合。本發(fā)明提供的方法能夠準(zhǔn)確檢測(cè)出圖像中正方形的中心和邊緣，較已有方法簡(jiǎn)單、易于實(shí)現(xiàn)，且計(jì)算效率優(yōu)于已有方法。
文檔編號(hào)G06K9/52GK102096820SQ20111002152
公開日2011年6月15日 申請(qǐng)日期2011年1月12日 優(yōu)先權(quán)日2011年1月12日
發(fā)明者劉紅敏, 王志衡, 賈宗璞 申請(qǐng)人:河南理工大學(xué)