具有正交特征的任意图像上的角度自动检测

Question

我手头上有一个任务，需要像下面的样本（微芯片照片的一部分）那样检测图像的角度。图像确实包含正交特征，但是它们可以具有不同的大小，具有不同的分辨率/清晰度。由于某些光学畸变和像差，图像会有些瑕疵。要求亚像素角度检测精度（即误差应在<0.1°以内，可以容忍0.01°之类的误差）。作为参考，此图像的最佳角度约为32.19°。

目前，我已经尝试了2种方法： 两者都以2°的步进进行强力搜索，找到一个最小值，然后梯度下降到0.0001°的步进大小。

1. 优点函数是在整个图像上计算的sum（pow（img（x + 1）-img（x-1），2）+ pow（img（y + 1）-img（y-1））。 /垂直线对齐-水平/垂直方向上的变化较小。精度约为0.2°。
2. 优点函数是图像的某些条带宽度/高度上的（最大-最小）。该条带也会在图像上循环，并会累积功绩功能。当水平/垂直线对齐时，此方法还着眼于较小的亮度变化，但是它可以在较大的基础上检测较小的变化（条纹宽度-可能约为100像素宽）。这样可以提供更高的精度，最高可达0.01°-但是有很多参数需要调整（例如，条纹的宽度/高度非常敏感），这在现实世界中可能并不可靠。

边缘检测过滤器并没有太大帮助。

我担心的是，两种情况下，优值函数在最坏和最佳角度之间的变化很小（<2x差）。

您对编写用于角度检测的优点函数有更好的建议吗？