專利名稱：數字圖像中任意三角形的檢測方法
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，特別是數字圖像中任意三角 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，但計算量大，計算效率 低。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。該方法需已知圖像中的相關信息。Barnes等 提出的方法首先獲得圖像邊緣，然后 依據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，接著通過計算正 多邊形邊數和方向偏角來實現(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，且只針對特定的多邊形。針對現(xiàn)有檢測方法存在的問題，本發(fā)明提出了一種任意三 角形的檢測方法，該方法不需要已知圖像相關信息，且易于實現(xiàn)，計算效率優(yōu)于現(xiàn)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.

發(fā)明內容
本發(fā)明針對數字圖像中任意三角形的檢測問題，提供一種能夠準確檢測圖像中任 意三角形的檢測方法。為了實現(xiàn)本目的，本發(fā)明數字圖像中任意三角形的檢測方法，包括以 下步驟步驟Sl 采集圖像并輸入計算機；步驟S2 計算各像素點的梯度；步驟S3 利用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對應的特征長度確定一個組成三角形的邊緣 點集合；步驟S8 對于所述的一個三角形邊緣點集合，根據梯度方向對邊緣點進行分組， 利用分組個數驗證并剔除不合理的三角形邊緣點集合；步驟S9 對于所述的分組后的三角形邊緣點集合，對每組邊緣點進行直線擬合， 并利用直線相交獲得三角形的頂點位置。步驟SlO 輸出三角形的頂點位置信息。本發(fā)明提供的數字圖像中任意三角形的檢測方法，首先以各像素點為中心計算該 中心到其支撐區(qū)域內各邊緣點方向線的距離，并根據各個距離及其出現(xiàn)的次數確定各像素 點的特征長度和特征能量，獲得圖像的特征長度分布圖和特征能量分布圖；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對應的特征長度 確定一個組成三角形的邊緣點集合；對于所述的一個三角形邊緣點集合，根據梯度方向對 邊緣點進行分組，利用分組個數驗證并剔除不合理的三角形邊緣點集合；對于所述的分組 后的三角形邊緣點集合，對每組邊緣點進行直線擬合，并利用直線相交獲得三角形的頂點 位置，最后，輸出三角形的頂點位置信息。本發(fā)明提供的方法能夠準確檢測出圖像中的三角 形，易于實現(xiàn)，且不需要已知圖像相關信息，較現(xiàn)有方法計算效率更高。


圖1為本發(fā)明數字圖像中任意三角形的檢測方法流程圖。圖加為實施例中使用的原始圖像。圖2b為利用Carmy算子對圖加獲得的邊緣 圖；圖2c、2d分別為本發(fā)明提供的方法在圖加上獲得的特征長度分布圖與特征能量分布 圖；圖加為本發(fā)明提供的方法三角形檢測結果。
具體實施例方式如圖1所示為本發(fā)明數字圖像中任意三角形的檢測方法流程圖，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 局部極大值點及其對應的特征長度確定組成三角形的邊緣點集合、根據梯度方向對三角形 邊緣點集合中的邊緣點進行分組以驗證并剔除不合理的三角形邊緣點集合、對分組后的三 角形邊緣點集合中的每組邊緣點進行直線擬合并利用直線相交獲得三角形的頂點位置，最 后輸出三角形的頂點位置信息。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 計算各像素點的梯度。步驟S3 利用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 ^Xi (Xi, Yi) (i = 1，2，...，N) (N為邊緣點個數)，該點處的梯度向量為gradog = [dix， diy]，則經過點\且與點\梯度方向垂直的直線Ii :aiX+biy+Ci = O稱為點\的方向線，其
Φ bi> Ci 的計算公式為-M1 = dix, bj = diy, Ci = ―；^叉廠；^又廠
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L(L可設置為預檢測三角形最長邊長的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)域內的任一邊緣點^CiG = 1，2，...，N) (N為邊緣點個數)，記點Xi確定的方向線為
權利要求
1. 一種數字圖像中任意三角形的檢測方法，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:計算各像素點的梯度； 步驟S3 利用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對應的特征長度確定一個組成三角形的邊緣點集步驟S8 對于所述的一個三角形邊緣點集合，根據梯度方向對邊緣點進行分組，利用 分組個數驗證并剔除不合理的三角形邊緣點集合；步驟S9 對于所述的分組后的三角形邊緣點集合，對每組邊緣點進行直線擬合，并利 用直線相交獲得三角形的頂點位置。步驟SlO 輸出三角形的頂點位置信息。
2.根據權利要求1所述的數字圖像中任意三角形的檢測方法，其特征在于，所述步驟 S4包括記圖像中的邊緣點AUi, Yi) (i = 1，2，...，N) (N為邊緣點個數)，該點處的梯度 向量為gracKXi) = [dix，diy]，則經過點&且與點&梯度方向垂直的直線Ii :aiX+biy+Ci = 0稱為點&的方向線，其中a^bpCi的計算公式為叫=dix，h = diy，Ci = -dixXi-diyyi。
3.根據權利要求2所述的數字圖像中任意三角形的檢測方法，其特征在于，所述步驟 S5包括指定一個整數L (L可設置為預檢測三角形最長邊長的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)域內的 任一邊緣點= 1,2, ... , N) (N為邊緣點個數)，記點&確定的方向線為Ii :aiX+biy+CiCli出現(xiàn)的次數，將出現(xiàn)次數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。
4.根據權利要求3所述的數字圖像中任意三角形的檢測方法，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) > 10 · s的局部極大值點剔除，其中 s為比例系數(可根據具體情況取0. 5 0. 8)。
5.根據權利要求4所述的數字圖像中任意三角形的檢測方法，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(X，y)，EP(x，y)支合；撐區(qū)域內的任一邊緣點&確定的方向線為li，P(X，y)到方向線Ii的距離為屯，考慮如下兩個條件
6.根據權利要求5所述的數字圖像中任意三角形的檢測方法，其特征在于，所述步驟 S8為對于步驟S7獲得的一個三角形邊緣點集合，驗證邊緣點的梯度方向是否集中分布在 3個主要方向上，如果是，則根據梯度方向將邊緣點分為3組，如果否，則剔除該三角形邊緣點集合。
7.根據權利要求6所述的數字圖像中任意三角形的檢測方法，其特征在于，所述步驟 S9的具體方法為對于步驟S8獲得的分組后的三角形邊緣點集合，對每組邊緣點進行直線 擬合，并利用直線相交獲得三角形的頂點位置。
全文摘要
本發(fā)明涉及一種數字圖像中任意三角形的檢測方法，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；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對應的特征長度確定一個組成三角形的邊緣點集合；對于所述的一個三角形邊緣點集合，根據梯度方向對邊緣點進行分組，利用分組個數驗證并剔除不合理的三角形邊緣點集合；對于所述的分組后的三角形邊緣點集合，對每組邊緣點進行直線擬合，并利用直線相交獲得三角形的頂點位置，最后，輸出三角形的頂點位置信息。本發(fā)明提供的方法能夠準確檢測出圖像中的三角形，易于實現(xiàn)，且不需要已知圖像相關信息，較現(xiàn)有方法計算效率更高。
文檔編號G06T7/00GK102074011SQ20111002152
公開日2011年5月25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