Efficient line detection method based on 2D convolution filter

• Autorzy: Kowalski Paweł , Tojza Piotr

Identyfikatory

DOI

10.35784/iapgos.2817

Warianty tytułu

PL

Efektywna metoda wykrywania linii z wykorzystaniem konwolucyjnego filtru 2D

• Języki publikacji: EN

Abstrakty

EN

The article proposes an efficient line detection method using a 2D convolution filter. The proposed method was compared with the Hough transform, the most popular method of straight lines detection. The developed method is suitable for local detection of straight lines with a slope from -45˚ to 45˚. Also, it can be used for curve detection which shape is approximated with the short straight sections. The new method is characterized by a constant computational cost regardless of the number of set pixels. The convolution is performed using the logical conjunction and sum operations. Moreover, design of the developed filter and the method of filtration allows for parallelization. Due to constant computation cost, the new method is suitable for implementation in the hardware structure of real-time image processing systems.

PL

W artykule zaproponowano efektywną metodę wykrywania prostych z wykorzystaniem dwuwymiarowego filtru konwolucyjnego. Zaproponowana metoda została porównana z transformatą Hough, najpopularniejszą metodą wykrywania linii prostych. Opracowana metoda pozwala na wykrywanie linii prostych o nachyleniu od -45˚ to 45˚. Może również zostać wykorzystana do wykrywania krzywych, których kształt jest aproksymowany za pomocą krótkich prostych odcinków. Zaproponowana metoda charakteryzuje się stałym kosztem obliczeniowym, niezależnym od liczby pikseli. Splot wykonywany jest z wykorzystaniem logicznej koniunkcji oraz sumowania. Ponadto konstrukcja opracowanego filtru oraz zastosowana metoda filtracji pozwala na zrównoleglenie. Ze względu na stały koszt obliczeniowy, zaproponowana metoda nadaje się do implementacji w strukturze sprzętowej systemów przetwarzania obrazu w czasie rzeczywistym.

Słowa kluczowe

EN

image processing; real-time processing; Hough transform; straight line detection

PL

przetwarzanie obrazu; przetwarzanie w czasie rzeczywistym; transformacja Hougha; wykrywanie prostych

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2021
• Tom: T. 11, nr 4
• Strony: 22--27
• Opis fizyczny: Bibliogr. 12 poz., fot., tab., wykr.

Twórcy

autor

Kowalski Paweł

• Gdansk University of Technology, Faculty of Electrical and Control Engineering, Gdańsk, Poland

• https://orcid.org/0000-0002-0913-1408

autor

Tojza Piotr

• Gdansk University of Technology, Faculty of Electrical and Control Engineering, Gdańsk, Poland

• https://orcid.org/0000-0002-0837-0976

Bibliografia

• [1] Ballard D. H.: Generalizing the hough transform to detect arbitrary shapes. Pattern recognition 13(2), 1981, 111–122.
• [2] Elhossini A., Moussa M.: Memory efficient FPGA implementation of hough transform for line and circle detection. 25th IEEE Canadian Conference on Electrical and Computer Engineering (CCECE), 2012, 1–5
• [3] Guan J., An F., Zhang X., Chen L., Mattausch H. J.: Real-time straight-line detection for xga-size videos by hough transform with parallelized voting procedures. Sensors 17(2), 2017, 270.
• [4] Han Q., Zhao K., Xu J., Cheng M. M.: Deep hough transform for semantic line detection. 2020, arXiv preprint arXiv:2003.04676.
• [5] Illingworth J., Kittler J.: A survey of the hough trans form. Computer vision, graphics, and image processing 44(1), 1988, 87–116.
• [6] Kowalski P., Smyk R.: Straight lines detection in digital image using hough transform. Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdanskiej 61, 2018, 45–48.
• [7] Milletari F., Ahmadi S. A., Kroll C., Plate A., Rozanski V., Maiostre J., Levin J., Dietrich O., Ertl-Wagner B., Bötzel K., et al.: Hough-cnn: deep learning for segmentation of deep brain regions in mri and ultrasound. Computer Vision and Image Understanding 164, 2017, 92–102.
• [8] Mukhopadhyay P., Chaudhuri B. B.: A survey of hough transform. Pattern Recognition 48(3), 2015, 993–1010.
• [9] Ritchie D. M., Kernighan W., Lesk M. E.: The C programming language. Prentice Hall Englewood Cliffs, 1988.
• [10] Serra P. L., Masotti P. H., Rocha M. S., de Andrade D. A., Torres W. M., de Mesquita R. N.: Two-phase flow void fraction estimation based on bubble image segmentation using randomized hough transform with neural network (rhtn). Progress in Nuclear Energy 118, 2020, 103133.
• [11] Shehata Hassanein A., Mohammad S., Sameer M., Ehab Ragab M.: A survey on hough transform, theory, techniques and applications. 2015, arXiv:1502.02160.
• [12] Ye H., Shang G., Wang L., Zheng M.: A new method based on hough transform for quick line and circle detection. IEEE 8th International Conference on Biomedical Engineering and Informatics (BMEI), 2015, 52–56.