[发明专利]一种基于Hough变换与改进型最小二乘法的直线检测方法

说明书

技术领域

本发明涉及图像识别技术领域，更具体地，涉及一种基于Hough变换与改进型最小二乘法的直线检测方法。

背景技术

二维条码是由一组规则的黑白相间条纹组成的标识，二维码的最大特点是存储信息量大，可以记录着物体的关键信息，不用联机，可以独立成为识别终端。同时二维码本身还具有自身纠错能力，保密性好等特点。所以，现今社会中主要以二维码技术标识信息为主，因此，目前二维码识读技术更是我们所关注的关键技术。

图像式阅读器在采集二维条码时由于拍摄角度和其他原因，条码在照片中经常会出现一定角度的倾斜和噪声，对二维条码的图像提取产生了很大的影响。在一系列图像处理过程当中，对二维码图形的倾斜角度的检测尤为重要，只有确定了正确的倾斜角度，才能使其图像反变换回未被倾斜的状态，进而继续进行后面的码字提取的操作。

Hough变换进行直线检测的方法

Hough变换是图像空间和参数空间之间的一种变换，利用点与线的对偶性，将原始图像空间的给定曲线转变为参数空间的一个点，这样直线的检测就变为参数空间中峰值的检测。

xcosθ+ysinθ＝ρ   (1)

式中，两个参数，θ表示直线的法线方向，0≤θ＜180°，ρ表示远点到直线的距离。在此，令θ的单位为“度”，ρ的单位为“像素”。通常在图像直线检测中不直接使用图像坐标系，而是使用原点在图像中心处，y轴方向与图像的y轴方向相反的正交坐标系，如图2所示。

Hough变换的原理：首先需要按照一定的量化间隔将可能的ρ和θ；

取值范围离散化为若干区间，其中θ的取值区间在[0，180)的区间内，而ρ的取值范围则由图像的矩形顶点至原点即图像中心的距离确定；

整个可能的θ-ρ参数空间被离散化为一个二维的网络，对每个可能的离散化参数对(θ_i，ρ_j)，是每个网络单元设置的计数器，然后对图像中的每个特征点(x₀，y₀)，遍历所有的离散θ值，根据公式(1)计算每个θ值下对应的ρ值及相应的离散区间ρ_i，并对计数器(θ_i，ρ_j)的值加1，这一过程为特征点对参数空间投票。

当所有的特征点都完成投票后，寻找出该参数空间中计数器大于某个设定阈值的局部极大点，而这些局部极大点对应的直线参数对(θ_i，ρ_j)即代表了Hough变换得到的图像中的直线。

由以上方法可以看出，对于给定的图像，Hough参数空间的大小主要由θ，ρ的量化间隔(Δθ，Δρ)所确定，量化间隔变小N倍时，参数空间的大小将提高到原来的N²倍，而每个数据投票的时间将增大N倍，所以减小量化间隔，将在空间，时间上都有所消耗，特别是空间的影响，为N²倍。

如果考虑噪声的影响，则噪声造成的图像点偏离理想直线的情况也使得算法无法获得期望的精度，同时，过度的细分ρ累加器数组也会由于理想直线的偏离，而无法获得足够的累加值而造成检测失败。

Hough变换在图像识别领域中具有可靠性高，鲁棒性好等特点。尤其是对噪声、变形、部分区域残缺、边缘不连续都有很好的适应性。因此Hough变换通常作为主要的图像识别方法，且应用范围广泛。但Hough变换仍然存在几个主要的缺陷：(1)计算量大；(2)占用内存多；(3)拟合直线精确度不高和边缘区间不容易控制等困难。同时，在嵌入式设备中，尤其要注意Hough变换算法设计的复杂度，以便达到快速处理，正确率高的要求。

最小二乘法求解线性回归问题的方法

最小二乘法是最为常用的线性回归方法之一，能给出均方误差意义下的精确回归直线。基本的线性回归如下。

给定的一个数据集设为：{(x_i，y_i)|1≤i≤N}，待定的回归直线方程为y＝ax+b。令误差指标为：