algorithm - 检测图像中线条倾斜度的快速算法

Question

我的要求是找到围绕数据矩阵的线（所有 8 条线）的倾斜度，如边缘检测图像所示：

两个主要限制：

• 检测到的倾角应具有至少 0.1 度的精度（此图像中可达到的最佳值）
• 所用时间应少于 30 毫秒

我在 Blackfin DSP 上实现算法，并使用了 Blackfin 图像处理工具箱。

我尝试使用霍夫变换和轮廓检测来找出线条，从而找出它们的倾斜度，但是时间限制超过了。任何使用不同算法或优化算法的建议都会有所帮助。

[对于我的用例，角度精度越高越好，我的目标是至少 0.02 - 0.05 和更高分辨率的图像]

Answer 1

1. 找到边界框

   扫描所有点并找到xmin,ymin,xmax,ymax集合像素

2. 找到差距

   通过边界框的一半投射扫描线，记住/测量间隙大小。为避免线丢失（由于孔），您可以投射更多扫描线或使用更宽的射线进行扫描。

   如果您需要一些光线投射/扫描示例，请参阅：

   • 如何在高空照片中有效地找到地平线？

3. 将图像分割成区域

   只需将边界框缩小一小部分（50％）的间隙......就像这样：

   

   形成 8 个矩形区域，每个区域都有单线，边缘没有噪音。

4. 回归/拟合线

   这个想法是分别为每个区域制作一个所有设置像素的列表，并拟合一条与所有像素距离最小的线。

   我会尝试使用这个：

   • 给定n二维平面上的点，找到位于同一直线上的最大点数

   或者使用近似搜索并拟合类似的东西

   • 在重复的 x 位置上用 y 点进行曲线拟合

   只是直接忽略曲率和拟合线方程参数而不是三次。

   拟合线后，您可以直接计算它们的斜率atan2(dy,dx)

Answer 2

一种快速简便的方法是从左、右、上和下开始扫描每一行和每一列的第一个和第二个白色像素。然后只需使用一些强大的线条拟合算法来获得线条。

除非您还没有尝试这样做，否则您可以通过将图像裁剪为 DMC 大小来减少霍夫变换或其他算法的数据。

由于您没有足够的结果，因此无法达到所需的角度精度。即使你有你的结果也会受到任何噪音和异常值的影响。