邵 煜，王亞偉，胡建華，王昊天，萬(wàn)子豪

（1.太原科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，太原 030024；2.佛山市科自智能系統(tǒng)技術(shù)有限公司，廣東佛山 528010；3.中國(guó)科學(xué)院自動(dòng)化研究所，北京 100190）

0 引言

圖像處理領(lǐng)域的特征提取技術(shù)越來(lái)越受到人們的關(guān)注，其結(jié)果可廣泛應(yīng)用于圖像配準(zhǔn)、圖像識(shí)別、遙感圖像、直線(xiàn)匹配和三維重建等方面，其中三維重建具有很高的研究?jī)r(jià)值，能幫助對(duì)實(shí)物進(jìn)行數(shù)字化保護(hù)?；趫D像的數(shù)字化保護(hù)也可成為基于圖像的古建筑三維重建，而特征提取作為古建筑數(shù)字化保護(hù)過(guò)程中的關(guān)鍵步驟，其精度和效率直接影響三維重建的結(jié)果。現(xiàn)在三維重建中的特征提取主要包括點(diǎn)、線(xiàn)和區(qū)域等特征。其中，直線(xiàn)因?yàn)樨S富的局部描述信息和紋理信息，成為三維重建過(guò)程中的常用特征。因此，特征線(xiàn)提取具有非常重要的研究意義。

目前，常用的特征線(xiàn)提取方法有很多，雖然其最終結(jié)果都是提取圖像中的直線(xiàn)，但它們的效率和準(zhǔn)確度卻不盡相同，有的特征線(xiàn)算法提取效率高，但特征線(xiàn)提取結(jié)果并不準(zhǔn)確；有的特征線(xiàn)算法提取效率低，但特征線(xiàn)提取結(jié)果比較精確。其中Hough 變換就是一種經(jīng)典的直線(xiàn)提取算法，它主要利用了類(lèi)似于生活中的投票機(jī)制來(lái)檢測(cè)直線(xiàn)，即累加器，利用累加器在極坐標(biāo)系中檢測(cè)峰值，構(gòu)成該峰值的每一條曲線(xiàn)即為笛卡爾坐標(biāo)系中構(gòu)成直線(xiàn)的每一個(gè)點(diǎn)，這些點(diǎn)構(gòu)成的直線(xiàn)Hough 變換檢測(cè)出來(lái)的直線(xiàn)。因此，Hough 變換具有抗干擾能力強(qiáng)、對(duì)噪聲不敏感的優(yōu)點(diǎn)，成為當(dāng)前特征先提取中的研究熱點(diǎn)。

然而，針對(duì)結(jié)構(gòu)復(fù)雜、紋理重復(fù)的對(duì)象，基于Hough的直線(xiàn)提取方法受參數(shù)影響很大，若參數(shù)設(shè)置不合適，提取的直線(xiàn)存在斷線(xiàn)多、直線(xiàn)提取不正確的問(wèn)題。實(shí)際上，圖像的邊緣信息對(duì)直線(xiàn)提取也有一定的指導(dǎo)意義，所以為了提高直線(xiàn)提取信息，本文結(jié)合Canny 邊緣檢測(cè)方法，設(shè)計(jì)了一種自適應(yīng)直線(xiàn)提取方法，該方法首先運(yùn)用邊緣檢測(cè)使目標(biāo)邊緣與背景分割開(kāi)來(lái)，使之能夠在保留理想的目標(biāo)邊緣信息的同時(shí)，還能大大減少圖像處理的計(jì)算量，最終保證直線(xiàn)提取的準(zhǔn)確性；然后針對(duì)Hough直線(xiàn)提取方法存在斷線(xiàn)多的問(wèn)題，分析了Canny 邊緣檢測(cè)和Hough變換中的參數(shù)對(duì)直線(xiàn)提取結(jié)果的影響，并給出相應(yīng)結(jié)論。

1 相關(guān)工作

1.1 邊緣檢測(cè)方法

提取圖像中的邊緣信息在圖像處理技術(shù)中是非常重要的一個(gè)環(huán)節(jié)，既能使目標(biāo)邊緣與圖像背景分割開(kāi)來(lái)，同時(shí)還能大大減少圖像處理的計(jì)算量。圖像中的邊緣其實(shí)就是圖像中相鄰像素點(diǎn)有很明顯的灰度值差距的部分，邊緣檢測(cè)就是通過(guò)在圖像中查找出所有具有明顯灰度值差值的相鄰像素點(diǎn)區(qū)域，從而檢測(cè)出圖像邊緣的一個(gè)過(guò)程。目前應(yīng)用比較廣泛的算子主要有以下幾種：Robert算子是最早使用的一種邊緣算子，提出于1965年，它是一個(gè)2×2 的二維模板，采用對(duì)角線(xiàn)方向相鄰兩象素之差近似梯度幅值檢測(cè)邊緣，邊緣定位精準(zhǔn)度比較高，是一種最簡(jiǎn)單的算子，但缺點(diǎn)是對(duì)噪聲比較敏感，容易受到噪聲的影響；Prewitt 算子是在Robert 算子提出后，為了對(duì)其進(jìn)行改進(jìn)，提高邊緣檢測(cè)的精準(zhǔn)度，人們又提出了Prewitt 算子，它實(shí)質(zhì)是當(dāng)像素點(diǎn)上下、左右鄰點(diǎn)的灰度值的差在邊緣處達(dá)到極值時(shí)進(jìn)行邊緣檢測(cè)，優(yōu)點(diǎn)是去除了部分偽邊緣，對(duì)漸變低噪聲也具有平滑作用，但不能很好地處理復(fù)雜的噪聲；Sobel 算子是一種經(jīng)過(guò)改進(jìn)優(yōu)化得到的算子，在進(jìn)行邊緣檢測(cè)時(shí)，可分別利用Sobel 算子中的Sobelx 矩陣和Sobely 矩陣與圖像中的每個(gè)像素點(diǎn)做卷積運(yùn)算，然后可以分別得出每個(gè)像素點(diǎn)在x方向上和y方向上的差分，最后可利用這個(gè)兩個(gè)差分值計(jì)算像素點(diǎn)的梯度大小和梯度方向，是一種應(yīng)用廣泛，簡(jiǎn)單有效的算子，但缺點(diǎn)是Sobel 沒(méi)有將圖像進(jìn)行灰度化處理。

1.2 特征線(xiàn)提取方法

如今人們已經(jīng)設(shè)計(jì)出了很多種檢測(cè)和提取直線(xiàn)的方法，其中比較常用的方法就是采用Hough變換[1-13]來(lái)檢測(cè)和提取直線(xiàn)，Hough 變換是一種從參數(shù)域到特征域的直線(xiàn)提取技術(shù)，但傳統(tǒng)的Hough 變換算法有很多不足的地方，比如說(shuō)它本身就是一種一對(duì)多的映射匹配算法，所以傳統(tǒng)的Hough 變換具有很高的時(shí)間復(fù)雜度和空間復(fù)雜度，而且在參數(shù)空間里的計(jì)算中很容易出現(xiàn)一些計(jì)算誤差，這會(huì)影響到直線(xiàn)提取的準(zhǔn)確性，這對(duì)于很多計(jì)算機(jī)專(zhuān)業(yè)人員來(lái)說(shuō)是一種不理想的結(jié)果。所以，人們?cè)趥鹘y(tǒng)的Hough 變換算法的基礎(chǔ)上設(shè)計(jì)出了很多種優(yōu)化后的Hough 變換算法，盡可能地彌補(bǔ)傳統(tǒng)Hough 變換算法的不足。典型方法包括：1990年，Yamato 設(shè)計(jì)了一種算法，在Hough 變換中，在變換得來(lái)的參數(shù)空間中保存所有極值點(diǎn)，對(duì)其進(jìn)行檢測(cè)可以得到兩個(gè)參數(shù)（ρ，θ），通過(guò)這兩個(gè)參數(shù)可以在圖像中找到這條直線(xiàn)，且該直線(xiàn)為最優(yōu)的直線(xiàn)。同時(shí)，1990年，國(guó)內(nèi)學(xué)生Xu Lei 等提出了一種隨機(jī)Hough 變換算法，這種方法將復(fù)雜的映射關(guān)系轉(zhuǎn)化為較簡(jiǎn)單的映射關(guān)系，最后再?gòu)膱D像中隨機(jī)選取邊緣點(diǎn)進(jìn)行直線(xiàn)提取。該方法大幅度減少了Hough 變換算法的時(shí)間復(fù)雜度和空間復(fù)雜度，但該方法也存在一定的缺陷，由于是隨機(jī)選取邊緣點(diǎn)，那就很容易受噪聲等因素的影響，若圖像在預(yù)處理階段處理不當(dāng)時(shí)，那就會(huì)嚴(yán)重影響到該算法的準(zhǔn)確度和穩(wěn)定性。在隨后的1991年時(shí)，Kiryati 發(fā)表了一種基于概率的Hough 變換算法，這種算法和傳統(tǒng)的直線(xiàn)提取算法有著相同的映射方法，但不同的是這種概率Hough 變換算法的時(shí)間復(fù)雜度和空間復(fù)雜度都比傳統(tǒng)Hough 變換算法的要小，與隨機(jī)Hough變換相比，它是在圖像空間中建立了一個(gè)隨機(jī)的小窗口數(shù)據(jù)點(diǎn)，這樣就提高了計(jì)算機(jī)的計(jì)算效率，所以這種方法更多地應(yīng)用于具有高噪聲、高誤差率的圖像，對(duì)于簡(jiǎn)單而又不復(fù)雜的圖像來(lái)說(shuō)用這種方法會(huì)比用傳統(tǒng)Hough變換花更多的時(shí)間。1994年，Akhtar 提出了一種時(shí)間和空間復(fù)雜度比較好的算法，在Hough 變換的過(guò)程中設(shè)計(jì)一個(gè)累加器，該方法可通過(guò)對(duì)累加器進(jìn)行投票操作，已投票的數(shù)量來(lái)間接表示出已檢測(cè)直線(xiàn)的長(zhǎng)度，但該方法卻只能有累加作用，并不能判斷直線(xiàn)的端點(diǎn)在哪里。2011年，Ji 等提出了一種改進(jìn)的Hough 變換算法，該方法主要是在進(jìn)行峰值累計(jì)的時(shí)候利用局部算子來(lái)加大圖像中的直線(xiàn)和噪聲的差別，再通過(guò)計(jì)算全局閾值使直線(xiàn)能更好地提取出來(lái)，這樣做既降低了噪聲等因素影響，又提高了直線(xiàn)提取的準(zhǔn)確度，表面上看似是一種很好的直線(xiàn)提取算法，但也存在很大的局限性，因?yàn)樵摲椒ㄖ荒軝z測(cè)和提取一些定長(zhǎng)的直線(xiàn)。

然而，不管是邊緣提取方法還是特征線(xiàn)提取方法，不可避免地存在參數(shù)選擇困難的問(wèn)題，本文針對(duì)特征線(xiàn)的參數(shù)選擇問(wèn)題進(jìn)行研究并給出相關(guān)結(jié)論。

2 方法介紹

本方法主要分成兩部分：Canny邊緣檢測(cè)和Hough特征線(xiàn)提取。

2.1 Canny邊緣檢測(cè)

（1）圖像濾波——高斯濾波法

二維高斯分布公式是高斯濾波法能夠?qū)崿F(xiàn)的原理所在，當(dāng)均值μ=0 時(shí)，其二維高斯分布公式可變?yōu)槿缡剑?）所示，是由兩個(gè)如式（2）所示的一維高斯分布函數(shù)相乘，高斯濾波主要利用了概率論中聯(lián)合概率密度等于邊緣概率密度之積（隨機(jī)變量x，y相互獨(dú)立）這一原理得來(lái)的。

如果將二維高斯分布公式用函數(shù)圖像表示，可表示為圖1所示的樣子。從圖中可以看出，離中心點(diǎn)越近位置，值越大，離中心點(diǎn)越遠(yuǎn)的位置，值越小。這一特性奠定了高斯濾波的基礎(chǔ)，高斯濾波法就是利用這一特性設(shè)計(jì)出了高斯卷積核。圖2所示就是一個(gè)大小為3×3 的高斯卷積核的設(shè)計(jì)過(guò)程，設(shè)計(jì)一個(gè)如圖2（a）所示的3×3 大小的模板，以其中心點(diǎn)為坐標(biāo)值（0，0）的原點(diǎn)，再依次寫(xiě)出周邊的坐標(biāo)值，然后假設(shè)標(biāo)準(zhǔn)差σ=1.5 就可通過(guò)式（1）算出來(lái)一個(gè)如圖2（b）所示的權(quán)重模板，最后將該權(quán)重模板每個(gè)位置的值除以權(quán)重模板所有值的總和，就可得到如圖2（c）所示的最終的高斯卷積核。

圖1 二維高斯分布公式的函數(shù)圖像

圖2 設(shè)計(jì)高斯卷積核的過(guò)程

在高斯濾波的過(guò)程中，每次將目標(biāo)像素點(diǎn)放在卷積核的中心位置，依次在原圖像中將卷積核包含在內(nèi)的各像素點(diǎn)的值作為權(quán)重與卷積核對(duì)應(yīng)位置的值相乘，將卷積核內(nèi)每個(gè)位置所得的乘積的值進(jìn)行相加，其最后的結(jié)果就為這一輪高斯卷積后所得像素點(diǎn)的值，重復(fù)以上步驟，直到原圖像的所有像素點(diǎn)都進(jìn)行了高斯卷積，最后每一個(gè)高斯卷積后的像素點(diǎn)組成的圖像就為高斯平滑去噪后的圖像。

高斯濾波法能夠得到廣大工程人員的喜愛(ài)，這都?xì)w功于高斯函數(shù)的幾個(gè)重要性質(zhì)，比如二維高斯函數(shù)旋轉(zhuǎn)不變性，人們根據(jù)這個(gè)性質(zhì)設(shè)計(jì)出了高斯卷積核，然后就是高斯函數(shù)的寬度參數(shù)σ，σ能較好地決定平滑程度，σ越大，其最后的平滑程度越好。

（2）計(jì)算梯度幅值

在Canny 邊緣檢測(cè)中，使用Sobel 一階偏導(dǎo)算子來(lái)計(jì)算像素點(diǎn)的梯度幅值和方向，Sobel也有兩個(gè)算子，一個(gè)是如式（3）所示的水平算子，一個(gè)是如式（4）所示的垂直算子。

分別用這兩個(gè)算子對(duì)圖像中的每個(gè)像素點(diǎn)做卷積運(yùn)算，所得出的值即為每個(gè)像素點(diǎn)在x軸上和在y軸上的變化率，分別為dx與dy，可分別用式（5）和式（6）表示。

再通過(guò)式（3）和式（4）可以進(jìn)一步得到用Sobel算子計(jì)算的梯度幅值和梯度方向公式，分別如式（7）和式（8）所示。

（3）非極大值抑制

當(dāng)計(jì)算出所有像素點(diǎn)的梯度幅值時(shí)，會(huì)存在一些粗邊緣，此時(shí)需要利用梯度方向和邊緣的關(guān)系原理來(lái)對(duì)粗邊緣進(jìn)行細(xì)化，在圖像中邊緣與梯度總是成垂直關(guān)系，如圖3所示，對(duì)于同一梯度方向上像素點(diǎn)，可以比較它們的梯度值，保留其中的最大值，其他像素點(diǎn)的灰度值都置為0（黑色）。

圖3 圖像中存在的各種邊緣

（4）利用雙閾值剔除圖像全部邊緣中的偽邊緣部分

由于受到各種噪聲的影響，圖像中存在著許多噪聲帶來(lái)的或亮或暗的點(diǎn)，即使已經(jīng)進(jìn)行過(guò)了濾波處理，但也只能是最大程度地減少這些點(diǎn)的產(chǎn)生，并不能完全消除，然后圖像中的這些一個(gè)個(gè)的點(diǎn)就組成了如圖3所示的偽邊緣，這導(dǎo)致在進(jìn)行邊緣檢測(cè)時(shí)，計(jì)算機(jī)很難區(qū)分偽邊緣和真實(shí)的目標(biāo)邊緣，此時(shí)可以通過(guò)設(shè)置一個(gè)閾值來(lái)去掉圖像中的部分邊緣信息，幅值大于該閾值的像素點(diǎn)被保留，幅值低于該閾值的像素點(diǎn)被去掉，但會(huì)發(fā)現(xiàn)一個(gè)問(wèn)題，那就是很難確定閾值的大小，若閾值設(shè)置較大，則會(huì)損失很多邊緣信息，弱閾值設(shè)置得較小，則會(huì)有過(guò)多的邊緣信息，這不利于后續(xù)的邊緣處理，所以本文所設(shè)計(jì)的系統(tǒng)采用雙閾值法來(lái)保留目標(biāo)邊緣，去除偽邊緣。

2.2 Hough變換

得到圖像所有邊緣信息后，需要計(jì)算邊緣圖像的所有邊緣像素點(diǎn)獲得投票信息，這個(gè)過(guò)程計(jì)算量比較大，所需的內(nèi)存也比較大，所以需要在標(biāo)準(zhǔn)Hough變換的基礎(chǔ)上進(jìn)行改進(jìn)，以提高算法的執(zhí)行效率。改進(jìn)后的思想為：當(dāng)使用幾個(gè)點(diǎn)通過(guò)標(biāo)準(zhǔn)Hough變換找出一條直線(xiàn)時(shí)，那么該直線(xiàn)上的所有點(diǎn)在后續(xù)就不需要再被處理，然后再隨機(jī)從剩下邊緣點(diǎn)中隨機(jī)選取一個(gè)點(diǎn)進(jìn)行處理，直到邊緣圖像中沒(méi)有需要被處理的邊緣像素點(diǎn)時(shí)，則就完成了直線(xiàn)提取的過(guò)程，這樣既可以節(jié)省內(nèi)存的占用，也能提高程序執(zhí)行效率。

這種改進(jìn)的Hough變換方法的主要的執(zhí)行步驟如下：

（1）隨機(jī)抽取圖像中的幾個(gè)邊緣像素點(diǎn)，在累加器中進(jìn)行峰值統(tǒng)計(jì)，進(jìn)行標(biāo)準(zhǔn)Hough 變換，當(dāng)峰值大于閾值時(shí)，則檢測(cè)出一條直線(xiàn)并將其存儲(chǔ)起來(lái)，并隨著該直線(xiàn)的方向找到該直線(xiàn)線(xiàn)段的兩個(gè)端點(diǎn)，若不存在大于閾值的峰值時(shí)，進(jìn)行步驟（2）；

（2）從剩余的邊緣像素點(diǎn)中隨機(jī)抽取幾個(gè)邊緣像素點(diǎn)，重復(fù)步驟（1）；

（3）計(jì)算出提取出的所有線(xiàn)段的長(zhǎng)度，再通過(guò)與某一閾值比較，長(zhǎng)度若大于該閾值，則被認(rèn)為是好的直線(xiàn)，并將這些好的直線(xiàn)在圖像上輸出顯示出來(lái)。

3 參數(shù)分析及結(jié)果

3.1 Canny參數(shù)分析

在Canny 邊緣檢測(cè)中，需要設(shè)置一個(gè)閾值來(lái)去除圖像中偽邊緣，盡可能地保留理想中的目標(biāo)邊緣，但此時(shí)如果閾值設(shè)置得過(guò)大，那就會(huì)丟失包括目標(biāo)邊緣在內(nèi)的很多圖像中的邊緣信息，如果閾值設(shè)置得過(guò)小，那就會(huì)在圖像中保留很多不屬于真正目標(biāo)邊緣的像素點(diǎn)，以致于后續(xù)不能準(zhǔn)確地進(jìn)行直線(xiàn)提取。所以需要同時(shí)設(shè)置兩個(gè)閾值，一個(gè)高閾值，一個(gè)低閾值，這兩個(gè)閾值結(jié)合起來(lái)進(jìn)行邊緣檢測(cè)。與單閾值一樣，雙閾值也是要確定其值的大小，如何選取合適的高閾值與低閾值，需要進(jìn)行對(duì)比分析，分析過(guò)程如下。

通過(guò)設(shè)置Canny 函數(shù)中的高閾值和低閾值，可以得到不同的高低閾值比，本系統(tǒng)設(shè)置了3 個(gè)不同的高低閾值比，分別為1.5∕1、3∕1、4.5∕1，再設(shè)置4 個(gè)不同區(qū)間的高閾值數(shù)值區(qū)間，分別為（0，50）、（50，100）、（100，150）、（150，250）。

以圖4所示的圖為原圖，原圖中有總共有800×533=426 400個(gè)像素點(diǎn)。對(duì)比時(shí)每次從一個(gè)區(qū)間內(nèi)隨機(jī)取一個(gè)數(shù)作為高閾值，在同一閾值比下可以取不同的高閾值進(jìn)行定量分析，比較不同閾值比對(duì)圖像檢測(cè)的影響，從而取得的一個(gè)合適的高低閾值比。對(duì)比結(jié)果如表1所示。由表可知，隨著閾值的提高，對(duì)邊緣的提取越精簡(jiǎn)，從而越能排除各種干擾因素（樹(shù)、草、云），讓后期的特征線(xiàn)提取更精確。在相同的閾值下，閾值比越大，可以讓提取的邊緣信息更多，但閾值也不是越大越好，如果閾值很大，那就損失過(guò)多邊緣信息的。同時(shí)通過(guò)以上圖片對(duì)比可看出，當(dāng)高低閾值比為4∕1、高閾值取210 時(shí)圖像中保留的邊緣信息是比較理想的。所以通過(guò)本次對(duì)比試驗(yàn)可得出，高閾值應(yīng)取大于150且小于250的值，且高低閾值比設(shè)置在3∕1～4∕1之間是最好的。

圖4 原圖

表1 不同閾值大小和閾值比下邊緣像素點(diǎn)個(gè)數(shù)

3.2 Hough參數(shù)分析

由于Hough 變換是利用閾值來(lái)判斷直線(xiàn)的，閾值設(shè)置的大小會(huì)直接影響直線(xiàn)的提取，所以需要做一個(gè)分析對(duì)比實(shí)驗(yàn)來(lái)為系統(tǒng)選擇一個(gè)合適的閾值。

與Canny 邊緣檢測(cè)閾值的選取實(shí)驗(yàn)一樣，分別從不同的數(shù)值范圍內(nèi)選取一個(gè)值作為閾值來(lái)進(jìn)行對(duì)比，選擇4 個(gè)不同的閾值區(qū)間分別為（0，50）、（50，100）、（100，150）與（150，250）。對(duì)比結(jié)果如表2所示。

表2 不同閾值大小下直線(xiàn)提取的數(shù)量和程序執(zhí)行時(shí)間

由此可知，對(duì)于同一幅圖像，隨著閾值的增大，Hough 變換提取出的直線(xiàn)數(shù)量越少，相應(yīng)的程序執(zhí)行時(shí)間也隨之減少，并且雖然閾值的變大會(huì)給程序的執(zhí)行帶來(lái)時(shí)間上的效益，但在同時(shí)圖像的特征點(diǎn)會(huì)丟失得越多，以至于達(dá)不到理想中的直線(xiàn)提取效果。當(dāng)在（0，50）的范圍內(nèi)取閾值時(shí)，提取出的特征線(xiàn)是最多的，但其中也包括了很多錯(cuò)誤的特征線(xiàn)，當(dāng)在（50，100）的范圍內(nèi)取閾值大小為75時(shí)，提取很多不需要的特征線(xiàn)，同時(shí)執(zhí)行時(shí)間也降低了。所以可得以下結(jié)論：（1）對(duì)于特征信息較少的簡(jiǎn)單圖像，可以適當(dāng)放棄程序執(zhí)行時(shí)間上的效益，降低閾值大小，提取更多的直線(xiàn)，閾值在（0，50）范圍內(nèi)比較合適；（2）對(duì)于特征信息較多的復(fù)雜圖像，必須要在提取足夠多的直線(xiàn)特征信息的同時(shí)降低程序執(zhí)行的時(shí)間，閾值在（50，100）范圍內(nèi)比較合適。

4 結(jié)束語(yǔ)

由于特征線(xiàn)具有更豐富的幾何信息，因此，特征線(xiàn)的提取成為研究熱點(diǎn)之一，并已廣泛應(yīng)用于圖像匹配、三維重建、衛(wèi)星遙感圖等領(lǐng)域。Hough 變換作為一種常用的直線(xiàn)提取方法，具有抗干擾能力強(qiáng)、對(duì)噪聲不敏感、對(duì)非直線(xiàn)結(jié)構(gòu)不敏感等優(yōu)點(diǎn)。然而針對(duì)結(jié)構(gòu)復(fù)雜、紋理重復(fù)的對(duì)象，現(xiàn)有的Hough變換方法存在受參數(shù)影響大、時(shí)間復(fù)雜度高、丟失特征線(xiàn)長(zhǎng)度信息等問(wèn)題，針對(duì)上述問(wèn)題，本文提出了一種可變閾值的特征線(xiàn)提取方法。該方法首先運(yùn)用Canny 邊緣檢測(cè)使目標(biāo)邊緣與背景分割開(kāi)來(lái)，使之能夠在保留理想的目標(biāo)邊緣信息的同時(shí)，還能大大減少圖像處理的計(jì)算量，最終保證直線(xiàn)提取的準(zhǔn)確性；然后對(duì)Canny 邊緣檢測(cè)算法和Hough 變換算法中的關(guān)鍵參數(shù)進(jìn)行分析；最后給出在Canny 邊緣提取方法中，當(dāng)高低閾值比為4∕1、高閾值取210 時(shí)合理的結(jié)論。Hough 變換中當(dāng)在（0，50）的范圍內(nèi)取閾值時(shí)，提取出的特征線(xiàn)是最多的。當(dāng)在（50，100）的范圍內(nèi)取閾值大小為75時(shí)，將提取很多不需要的特征線(xiàn)，同時(shí)執(zhí)行時(shí)間也降低的結(jié)論。上述結(jié)論對(duì)Canny邊緣提取方法和Hough算法的參數(shù)合理設(shè)置具有重要指導(dǎo)意義。