杨延丽 郝允慧

摘 要：为了解决基于主元分析的直线检测无法检测出直线间的交点和角点的问题，提出了一种新的主元分析直线检测算法，该算法增加了Freeman链码来检测直线间的交点和角点，在交点和角点处断开，再利用主元分析法检测图像中的直线特征。仿真结果表明，该算法与主元分析法相比具有更好的检测精度和效果。

关键词：直线检测；主元分析法；Freeman链码检测算法

中图分类号：TP751 文献标志码：A

0 引言

直线检测作为数字图像处理中图像分割的基本手段，是计算机视觉中的重要内容，广泛用于数字图像处理领域。直线特征通常被用于高层分析预处理中，如立体交线匹配、目标跟踪、建筑物的识别等输入信息。在车辆自动驾驶技术中能够有效地提取直线道路的边缘，在航拍照片中获得建筑物、城市道路、水上桥梁等的直线特征，在医学图像处理中具有十分重要的作用。

直线检测算法较多，常见的直线检测算法为霍夫变换及其改进算法。霍夫变换的主要优点是算法简单、容易理解，能够检测出共线的直线，并且能连接共线的短直线，其鲁棒性好、抗噪性能良好，但是由于该算法运用到穷尽式搜索，运算量大，需要的存储空间很大且丢失了直线的端点信息，针对它的缺点提出了许多的改进算法，如快速霍夫变换、概率霍夫变换等。相位编组算法是另一种有效的直线检测算法，它利用图像边缘的灰度变化来确定直线的特征，相位编组可以检测出灰度变化缓慢的边缘。这种直线检测算法不受局部宽度、对比度及相位变化造成的边缘不清晰的影响，解决了以往方法中边缘检测算子尺寸方面的难题。但是，该算法受直线中的间隙和噪声的影响较大。基于主元分析的直线检测算法能够有效地去除噪声的干扰，实时性好且具有良好的检测效果，该方法的缺点是无法检测出直线间的交叉点拐点，因此图像重要特征易丢失。

该文通过仿真讨论主元分析法的直线检测效果，提出了主元分析法和基于链码的角点检测算法相结合的直线检测算法，获得较好的检测效果。

1 主元分析算法

一條二维的理想直线，它的主元方向是由分散矩阵的特征向量和特征值来决定的， 如果一条线段有n个像素，每个像素均有坐标值，根据每个像素的坐标值计算分散矩阵、特征值及直线的倾角θ，直线的倾角与特征值有关，一般说来λ1>λ2，对于理想的直线λ1应该为0。由于数字图像中的线是阶梯状的，因此，小的特征根不可能为零，小特征根的值在0.25～0.3，可以得到较好的检测效果。主元分析法的算法流程：原始图像转换为灰度图像，对灰度图像采用Canny算子进行边缘检测，检测的结果进行行边缘和列边缘的分解及标记，对标记好的行边缘和列边缘进行分散矩阵及特征值计算，根据计算的结果判断该段是否具有直线特征，完成直线检测。

2 改进的主元分析法

由于基于PCA的直线检测算法对分边缘得到的交叉线、连续的折线的检测是失效的，因此也丢失了大量的信息。为了获得较好的检测效果，要求断开图像的交叉点或拐点以便继续利用主元分析法检测直线。图像拐点的检测主要有2类方法。一类是利用灰度信息，另一类是利用图像的边缘信息，链码检测算法属于后者，链码检测算法主要是通过对图像当前像素的八邻域进行编码，沿着逆时针方向编码并定义差别码，根据差别码的大小判断该处像素是否是交点、拐点。该差别码为当前像素点八邻域中相邻的2个像素差的绝对值，若该差别码大于2，则认为该点是拐点或者角点，若为0则该点不是角点，若该差别码为1或者2，则需根据该点的曲率来判断是否是拐点，此处需设定曲率的阈值，大于该数值即是拐点，否则不是。若该改进算法流程：原始图像转换为灰度图像，对灰度图像采用Canny算子进行边缘检测，采用链码检测算法判断边缘信息中的拐点，在拐点处断开，再进行行边缘和列边缘的分解及标记，对标记好的行边缘和列边缘进行分散矩阵及特征值计算，根据计算的结果判断该段是否具有直线特征，完成直线检测。

3 仿真结果

采用MATLAB图像处理工具箱，编写主元分析法及其改进算法的程序。仿真结果如图1～图3所示。

4 结论

由仿真分析可知改进的算法比原算法在检测精度和准确性上更具有优势，因增加角点检测增加了算法的运算时间，还需要进一步优化算法，使得算法运算时间降低。

参考文献

[1]段汝娇， 赵伟， 黄松岭， 等.一种基于改进Hough变换的直线快速检测算法[J].仪器仪表学报，2010，31（12）：2774-2780.

[2]朱卫纲， 李生良.相位编组方法提取直线[J].指挥技术学院学报，1999（4）：65-70.

[3]汪剑，皮佑国，刘明友.基于Freeman链码的汉字图像轮廓曲线拐角点检测方法[J].自动化技术与应用，2009，28（1）：88-92.