检测图像中线条倾斜度的快速算法答案

【问题标题】：Fast algorithm to detect the inclination of the lines in the image检测图像中线条倾斜度的快速算法
【发布时间】：2016-03-10 14:47:05
【问题描述】：

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：

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该算法的建议都会有所帮助。

[对于我的用例来说，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]

【问题讨论】：

您希望如何达到这种精度？外线的长度约为 260 像素。您只能以± 0.5 px 的误差检测在线上的位置（该图像不适用于亚像素方法）。仅此一项就导致了至少arc tan(0.5 / 260) = 0.1° 的不确定性。
你想达到什么目的？我想不出任何需要如此精确度的 DMC 应用程序。请分享更多信息
添加了我认为足够快的方法的答案。精度问题仍然存在，很大程度上取决于拟合质量和输入图像分辨率/质量。顺便说一句，看起来像是一些 SMD/BGA 放置应用程序还是我错了？
@NicoSchertler 是的，我打算 1. 增加图像的分辨率 2. 在增加的分辨率中增加外线的大小。尽管所有这些仍然无法提高所需的精度，但我希望 8 行的存在能够平均错误并给出更好的结果。
@Spektre 我需要这个来找到 AGV 系统的方向，该系统基于数据矩阵进行定位，并根据这个数据矩阵的方向导航到下一个这样的数据矩阵，这使得精度先决条件，否则我不会在下一个这样的贴纸上结束！

【解决方案1】：

找到边界框

扫描所有点并找到xmin,ymin,xmax,ymax的集合像素
找出差距

将扫描线投射到边界框的一半以记住/测量间隙大小。为了避免线丢失（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：
- How to find horizon line efficiently in a high-altitude photo?
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。
回归/拟合线

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。

拟合线后，您可以直接通过atan2(dy,dx)计算它们的斜率

【讨论】：

【解决方案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。然后简单地使用一些鲁棒的线条拟合算法来得到线条。

除非您尚未尝试这样做，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。

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

【讨论】：