algorithm - 快速检测图像中线条倾斜度的算法

Question

我的要求是找到数据矩阵周围的线(所有 8 条线)的倾斜度，如边缘检测图像所示:

两个主要限制:

• 检测到的倾斜度应具有至少 0.1 度的精度(此图像中可实现的最佳精度)
• 所用时间应少于 30 毫秒

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

我尝试使用 Hough 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此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 并使用更高分辨率的图像]

Answer 1

1. 找到边界框

   扫描所有点并找到设置像素的xmin,ymin,xmax,ymax

2. 找出差距

   通过一半的边界框转换扫描线，记住/测量间隙大小。为避免线丢失(由于孔)，您可以转换更多扫描线或使用更宽的射线扫描。

   如果您需要一些光线转换/扫描的示例，请参阅:

   • How to find horizon line efficiently in a high-altitude photo?

3. 将图像分割成区域

   只需将边界框缩小一部分 (50%) 的间隙……就像这样:

   

   形成 8 个矩形区域，每个区域只有一条线，边缘没有噪声。

4. 回归/拟合线

   想法是分别为每个区域制作一个包含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:

   • Given n points on a 2D plane, find the maximum number of points that lie on the same straight line

   或者使用近似搜索并拟合类似的东西

   • Curve fitting with y points on repeated x positions

   直接忽略曲率和拟合线方程参数而不是三次方程。

   拟合直线后，您可以直接通过 atan2(dy,dx)

计算它们的斜率