快速算法检测图像中线条的倾斜度

Question

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

两个主要限制：

• 检测到的倾斜度应至少为0.1度（此图中可达到的最佳值）
• 所用时间应小于30毫秒

我正在使用Blackfin DSP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，从而找出它们的倾向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，分辨率更高的图像]

Answer 1

1. 找到边界框

   扫描所有点并找到xmin,ymin,xmax,ymax设置像素

2. 找到差距

   将扫描线投射到边界框的一半，记住/测量间隙尺寸。为避免线路未命中（由于孔洞），您可以投射更多扫描线或使用更宽的光线进行扫描。

   如果您需要一些射线投射/扫描示例，请参阅：

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

3. 将图片细分为区域

   只需缩小边界的一小部分（50％）......就像这样：

   

   形成8个矩形区域，每个区域都有一条单线，边缘没有噪声。

4. 退回/拟合

   我们的想法是分别为每个区域制作一个所有设置像素的列表，并拟合一条与所有区域距离最小的线。

   我会尝试使用它：

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

   或使用近似搜索并使用类似

   的内容
   • 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立方体。

   在拟合线后，您可以直接通过atan2(dy,dx)

计算其斜率

Answer 2

快速简便的方法是从左，右，上，下开始扫描第一个和第二个白色像素的每一行和每列。然后简单地使用一些强大的线拟合算法来获取线条。

除非您还没有尝试这样做，否则可以通过将图像裁剪为DMC尺寸来减少Hough变换或其他算法的数据。

由于没有足够的结果，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。