專利名稱：數(shù)字圖像中基于距離分布的正方形檢測方法
技術領域：
本發(fā)明涉及計算機視覺中的圖像特征自動檢測領域，特別是數(shù)字圖像中正方形的 檢測方法。
背景技術：
形狀檢測與識別在自動化檢測、物體定位、圖像分析、計算機輔助設計等領域具有 十分重要的地位和作用。目前，用于多邊形等由直線段構成的封閉幾何圖形的識別的方法 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問題轉 化為參數(shù)空間的聚類問題，實現(xiàn)多邊形的直接檢測。其特點是簡單直接，但由于計算量大， 一般只適用于三角形等邊數(shù)較少的多邊形檢測。Lara等[2]提出了平行算法識別圖像中 的多邊形，該算法在已知圖像中直線及其端點的條件下，首先計算直線間的交叉點，并設計 四個矩陣來表示端點及交叉點的相互位置關系，然后由一個端點出發(fā)，按照規(guī)則遍歷各端 點或交叉點，直至構成封閉序列，從而實現(xiàn)多邊形檢測。該方法須已知圖像中的相關信息。 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，利用后驗概 率定義正多邊形的概率密度函數(shù)，接著通過計算正多邊形邊數(shù)和方向偏角來實現(xiàn)道路標識 牌中正多邊形的檢測，該方法的計算較為復雜，計算量大。針對已有檢測方法中存在的問 題，本發(fā)明提出一種基于距離分布的正方形檢測方法，該方法利用正方形中心點到正方形 各邊緣點的垂直距離相等這一幾何特性，實現(xiàn)正方形中心點及邊緣的檢測；該方法不需要 已知圖像的相關信息，易于實現(xiàn)且計算效率優(yōu)于已有方法。參考文獻[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)明針對數(shù)字圖像中正方形的檢測問題，提供一種能夠準確檢測圖像中正方形 的檢測方法。為了實現(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方法，包括以 下步驟步驟Sl 采集圖像并輸入計算機；
步驟S2 利用高斯梯度模板計算各像素點的梯度；步驟S3 利用Carmy邊緣檢測算子計算圖像的邊緣圖；步驟S4 利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線；步驟S5 計算圖像中各像素點的特征長度與特征能量，獲得圖像的特征長度分布 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局部極大值點；步驟S7 由每個局部極大值點及其特征長度確定一個正方形的邊緣點集合；步驟S8 利用邊緣點的方向信息驗證并剔除不合理的正方形邊緣點集合，輸出正 方形的邊緣點集合。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方法，主要利用正方形中心 點到正方形各邊緣點的垂直距離分布(即正方形中心點到各邊的距離相等且等于邊長的 一半)，首先以各像素點為中心計算該中心到其支撐區(qū)域內(nèi)各邊緣點方向線的距離，并根據(jù) 各個距離及其出現(xiàn)的次數(shù)確定各像素點的特征長度和特征能量，獲得圖像的特征長度分布 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局部極大值點；由每 個局部極大值點及其特征長度確定一個正方形的邊緣點集合；利用邊緣點的方向信息驗證 并剔除不合理的正方形邊緣點集合，最后，輸出組成正方形的邊緣點集合。本發(fā)明提供的方 法簡單、易于實現(xiàn)，且計算效率優(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方法流程圖。圖2a為實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結果。
具體實施例方式如圖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方法流程圖，包括 采集圖像并輸入計算機、計算各像素點的梯度、計算圖像的邊緣圖、計算各邊緣點的方向 線、獲得圖像的特征長度分布圖與特征能量分布圖、在特征能量分布圖上檢測局部極大值 點、由每個局部極大值點及其特征長度確定一個正方形的邊緣點集合、利用邊緣點的方向 信息驗證并剔除不合理的正方形邊緣點集合，最后，輸出正方形的邊緣點集合。各步驟的具 體實施細節(jié)如下步驟Sl 采集圖像并輸入計算機。步驟S2 利用高斯梯度模板計算各像素點的梯度。步驟S3 利用Carmy邊緣檢測算子計算圖像的邊緣圖。步驟S4 利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線。記圖像中的邊 緣點XiG = 1,2, ...，N) (N為邊緣點個數(shù))，利用高斯梯度模板計算該點處的梯度向量為 gracKXi) = [dix，diy]，則經(jīng)過點Xi且與點Xi梯度方向垂直的直線Ii :aiX+biy+Ci = 0稱為 點Xi的方向線，其中a^bi、Ci的計算公式為叫=dix，bi = diy，Ci = -d^Xi-d^yio步驟S5:計算圖像中各像素點的特征長度與特征能量，獲得圖像的特征長度分布圖與特征能量分布圖。指定一個整數(shù)L(L可設置為預檢測正方形邊長的1.5 倍)，對于圖像中任一點X(x，y)，將以點X為中心、L為半徑的圓形區(qū)域定義為點X的 支撐區(qū)域；對于支撐區(qū)域內(nèi)的任一邊緣點XiG = 1，2，...，N) (N為邊緣點個數(shù))， 記點Xi (i = 1，2，...，N)確定的方向線為Ii :aiX+biy+Ci = 0，計算點X到Ii的距離
數(shù)，將出現(xiàn)次數(shù)最多的距離定義為點X處的特征長度，記為K (x，y)，該距離的出現(xiàn)次數(shù)定義 為點X處的特征能量，記為E(x，y)；計算圖像中各像素點的特征長度與特征能量，可獲得圖 像的特征長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局部極大值點。記圖像中任一 點X(x，y)，該點處的特征能量為E (X，y)，計算閾值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 上檢測大于T且在3X3鄰域內(nèi)為局部極大值的點；對于獲得的局部極大值點P (x，y)，記點 P的特征長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 由每個局部極大值點及其特征長度確定一個正方形的邊緣點集合。對 于步驟S6獲得的一個特征長度為K(x，y)的局部極大值點P(x，y)，記P(x，y)支撐區(qū)域內(nèi) 的任一邊緣點Xi確定的方向線為Ii, P(x, y)到方向線Ii的距離為屯，考慮如下兩個條件
權利要求
1.一種數(shù)字圖像中基于距離分布的正方形檢測方法，其特征在于，包括步驟 步驟Sl 采集圖像并輸入計算機；步驟S2 利用高斯梯度模板計算各像素點的梯度； 步驟S3 利用Carmy邊緣檢測算子計算圖像的邊緣圖； 步驟S4 利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線； 步驟S5 計算圖像中各像素點的特征長度與特征能量，獲得圖像的特征長度分布圖與 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局部極大值點； 步驟S7 由每個局部極大值點及其特征長度確定一個正方形的邊緣點集合； 步驟S8 利用邊緣點的方向信息驗證并剔除不合理的正方形邊緣點集合，輸出正方形 的邊緣點集合。
2.根據(jù)權利要求1所述的數(shù)字圖像中基于距離分布的正方形檢測方法，其特征在于， 所述步驟S4包括記圖像中的邊緣點XiG = 1，2，. . .，N) (N為邊緣點個數(shù))，利用高斯梯 度模板計算該點處的梯度向量為gracKXi) = [dix，diy]，則經(jīng)過點Xi且與點Xi梯度方向垂 直的直線Ii :aiX+biy+Ci = 0稱為點Xi的方向線，其中ai、bi、Ci的計算公式為
3.根據(jù)權利要求2所述的數(shù)字圖像中基于距離分布的正方形檢測方法，其特征 在于，所述步驟S5包括指定一個整數(shù)L(L可設置為預檢測正方形邊長的1.5倍)， 對于圖像中任一點X(x，y)，將以點X為中心、L為半徑的圓形區(qū)域定義為點X的支 撐區(qū)域；對于支撐區(qū)域內(nèi)的任一邊緣點XiG = 1，2，...，N) (N為邊緣點個數(shù))，記 點Xi (i = 1，2，...，N)確定的方向線為Ii :aiX+biy+Ci = 0，計算點X到Ii的距離
4.根據(jù)權利要求3所述的數(shù)字圖像中基于距離分布的正方形檢測方法，其特征在于， 所述步驟S6包括步驟S61 記圖像中任一點X(x，y)，該點處的特征能量為E(x，y)，計算閾值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大于T且在3X3鄰域內(nèi)為局部極大值的點；步驟S62 對于步驟S61獲得的局部極大值點P (x, y)，記點P的特征長度與特征能量分 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方法，其特征在于， 所述步驟S7為對于步驟S6獲得的一個特征長度為K(x，y)的局部極大值點P (χ，y)，記 P(x, y)支撐區(qū)域內(nèi)的任一邊緣點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)計距離Cli出現(xiàn)的次獲得同時滿足兩個條件的正方形的邊緣點集合，并記為{xj (i = 1，2，... N)，其中N為滿足 條件的邊緣點個數(shù)。
6.根據(jù)權利要求5所述的數(shù)字圖像中基于距離分布的正方形檢測方法，其特征在 于，所述步驟S8的具體方法為對于步驟S7獲得的一個正方形邊緣點集合{XJ (i = 1， 2，... N)，如果邊緣點的梯度方向集中分布在四個方向上且滿足條件N > 4. 5 · K(x，y)，則 輸出該正方形邊緣點集合，否則剔除該不合理的正方形邊緣點集合。
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方法，包括采集圖像并輸入計算機；利用高斯梯度模板計算各像素點的梯度；利用Canny邊緣檢測算子計算圖像的邊緣圖；利用邊緣圖上各邊緣點的梯度計算各邊緣點的方向線；計算圖像中各像素點的特征長度與特征能量，獲得圖像的特征長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局部極大值點；由每個局部極大值點及其特征長度確定一個正方形的邊緣點集合；利用邊緣點的方向信息驗證并剔除不合理的正方形邊緣點集合，最后，輸出組成正方形的邊緣點集合。本發(fā)明提供的方法能夠準確檢測出圖像中正方形的中心和邊緣，較已有方法簡單、易于實現(xiàn)，且計算效率優(yōu)于已有方法。
文檔編號G06K9/52GK102096820SQ20111002152
公開日2011年6月15日 申請日期2011年1月12日 優(yōu)先權日2011年1月12日
發(fā)明者劉紅敏, 王志衡, 賈宗璞 申請人:河南理工大學