形状识别之直线检测

形状识别中常见的即是矩形框的识别，识别的主要步骤通常是：图像二值化，查找轮廓，四边形轮廓筛选等。当识别的目标矩形有一条边被部分遮挡，如图1所示，传统的识别方法就不能达到识别的目的。

图1

在这里，提供一种识别的思路,仅供参考。识别的最终目标就是想识别出身份证的四条边，通过计算四条边的交点最后得到四边形的轮廓。主要涉及的问题有如下几点：

1. 直线检测
2. 直线聚类
3. 直线筛选
4. 交点计算
5. 交点排序

1.直线检测

常规直线检测方法即是Hough。这里推荐使用一种比较新的直线检测算法LSD。

算法的具体使用请参考网站提供的源码。

图2和图3分别是Hough直线检测与LSD直线检测的结果示意图。

对于LSD算法得到的结果，可以根据直线的长度进行初步的筛选，得到更好的检测结果，提高后期处理效率。如图4所示。

图2

图3

图4

2.直线聚类

由图4可以看出，身份证的每条边缘被分割成几段短线段，这里给出将每条边上的短线段聚为一类的方法。  在极坐标系下的一点即定义一条直线，其中表示极坐标原点到直线的距离，为如图所示夹角。如图5。

图5

此时不难看出，身份证同一边上的线段应该具有相近的极坐标点。

具体做法是，先选取极坐标系的原点O为图像的重点（w/2,h/2）。建立笛卡尔坐标系;其中是图像坐标系。极坐标系与笛卡尔坐标系的转换关系为。因此，当已知一线段的两个端点,即可求解出对应的。具体角度的计算请参考直线检测之极坐标表示。

代码如下：

将图4中检测到的所有直线线段利用极坐标表示，然后进行分类，同类的直线分配相同的标签号。然后对相同标签号的线段对应的极坐标进行加权平均，即为对应直线。  算法如下：

由于身份证边缘长度是大于一定阈值的，此时，如果同类线段的长度和小于某阈值，则可以剔除掉该线段。  如图6红色线段为LSD检测结果，红色直线为线段对应极坐标表示的直线。 

图6

3.直线筛选

由图6可以看出，图中不仅有身份证边缘的直线，同样存在其他干扰直线，并且背景环境越复杂，干扰的直线会越多。此时就需要对直线进行筛选。这里进行筛选的思路是，采集图6中所示红色线段两侧的图像数据，计算颜色特征H,S,V。针对图6，手上的颜色特征明显区别于身份证边缘的特征，很容易去除。数据获取如图7所示,图中红色和蓝色区域即是对应线段的采集样本区域。

图7

具体代码如下，输入是一条线段，输出是布尔类型，表示该线段是否符合要求。

由于待测身份证的边缘邻域颜色特征是稳定的，可以作为初始经验值，当识别线段的颜色特征不符合经验值要求即可剔除掉，最后得到想要的边缘线段以及对应的极坐标表示直线。然而，有时候可能得到满足条件的直线比较多，此时可以考虑为每一类直线进行评分，然后根据得分排序，取出前4条得分最高的直线，大部分情况下都是所求边缘直线。具体情况可具体对待，此处不再展开。

4.交点计算

这里给出极坐标系下直线的求交点方法，这里主要注意两点：首先，两条直线不是平行的，其次，直线的交点在图像范围内。

5.交点排序

得到四个交点，此时点的顺序可能是错乱的，需要对点进行排序，起点选择为左上角的点，并按逆时针方向对点排序。方法如下：

最后，检测结果如图8所示。 

图8