Matlab 检测网格方向和属性

我收集了许多点，这些点以统一的网格形式排列。给定这些点，我如何检测该栅格的属性，例如它的旋转、线间距等？如果有某种算法可以将许多平行线和垂直线拟合到这些数据中，那么我可以平均线之间的距离、角度等等。最好的方法是什么

更新： 我正在处理的数据大致如下所示：

---

将来会更干净，但我只需要一些方法来插值和分析网格状图案。

如果将点放置在网格上，则两点之间的平方距离为d²×m²+n²，其中d是网格常数（假设它是一个在两个主方向上具有相同常数的二维矩形网格），m，n是定义两点之间（仿射）差的整数（或者更简单地说，是沿“x”和“y”轴的两点之间的网格间隔数），因此：

• 计算一个点和所有其他点之间的平方距离
• 通过将它们除以最小值，您将得到有理数，这些有理数给出关于网格常数d和相对“坐标”m，n的提示

---

如果将点放置在网格上，则两个点之间的平方距离为d²×m²+n²，其中d是网格常数（假设它是在两个主方向上具有相同常数的二维矩形网格），m，n是定义两个点之间（仿射）差的整数（或者，更简单地说，沿“x”和“y”轴的两点之间的栅格间隔数）因此：

• 计算一个点和所有其他点之间的平方距离
• 通过将它们除以最小值，您将得到有理数，这些有理数给出关于网格常数d和相对“坐标”m，n的提示

---

如果您只有网格的图像，您可以尝试“图像处理工具箱”中的

radon

功能。该功能将为您提供角度，并且通过radon变换，您可以重新计算图像上点线之间的距离

下面是

radon

函数的代码示例

% First we generate a grid of points on image
ImgW        = 400;
ImgH        = 300;
DIdx                    = ImgH + round(rand(1)*ImgH/10);
ImgGrid                 = zeros(ImgH,ImgW);
ImgGrid(1:DIdx:end)     = 1;

% Then we calculate radon transform
theta                   = 0:0.1:180;
[R,xp]                  = radon(ImgGrid,theta);

% Then we calculate standard deviation for each angle of R
Rstd                    = std(R);
% and find maximal value of std(R) columnwise
[RstdMax,RstdIdx]       = max(Rstd);
ThMax                   = theta(RstdIdx);

% Now we show results
figure('Color','w');
subplot(2,2,1);     imshow( ImgGrid );
                    axis on;
                    colormap(hot(255));
                    title('Grid image');
                    line( ImgW/2+[-1 +1]*min(ImgW,ImgH)/2*cosd(-ThMax), ...
                          ImgH/2+[-1 +1]*min(ImgW,ImgH)/2*sind(-ThMax), 'Color','y' );
subplot(2,2,3);     plot(xp,R(:,RstdIdx),'.-');
                    title(sprintf('Profile at %.2f deg (the yellow line)',ThMax));

subplot(2,2,2);     imagesc( log10(R+1), 'Xdata',theta, 'Ydata',xp );
                    axis on;
                    colormap(hot(255));
                    xlabel('\theta (degrees)');
                    ylabel('x''');

subplot(2,2,4);     plot(theta,Rstd,'.-');
                    title('std(R)');

但是在一般情况下，这不会为网格提供晶格向量！这只会提供点行之间的距离。如果需要晶格向量，则必须重新计算它们。但是如果您足够幸运，并且晶格是矩形的……希望您得到点；o）

---

如果你有点的（x，y）坐标，你会更幸运。CST-Link提出的方法有点“过于暴力”。我宁愿计算你的点的“结构因子”（参见本文末尾的教程链接）并分析其最大值。

如果你只有网格的图像，你可以尝试使用“图像处理工具箱”中的

radon

函数。它将为您提供角度，通过radon变换，您可以重新计算图像上点的线条之间的距离

下面是

radon

函数的代码示例

% First we generate a grid of points on image
ImgW        = 400;
ImgH        = 300;
DIdx                    = ImgH + round(rand(1)*ImgH/10);
ImgGrid                 = zeros(ImgH,ImgW);
ImgGrid(1:DIdx:end)     = 1;

% Then we calculate radon transform
theta                   = 0:0.1:180;
[R,xp]                  = radon(ImgGrid,theta);

% Then we calculate standard deviation for each angle of R
Rstd                    = std(R);
% and find maximal value of std(R) columnwise
[RstdMax,RstdIdx]       = max(Rstd);
ThMax                   = theta(RstdIdx);

% Now we show results
figure('Color','w');
subplot(2,2,1);     imshow( ImgGrid );
                    axis on;
                    colormap(hot(255));
                    title('Grid image');
                    line( ImgW/2+[-1 +1]*min(ImgW,ImgH)/2*cosd(-ThMax), ...
                          ImgH/2+[-1 +1]*min(ImgW,ImgH)/2*sind(-ThMax), 'Color','y' );
subplot(2,2,3);     plot(xp,R(:,RstdIdx),'.-');
                    title(sprintf('Profile at %.2f deg (the yellow line)',ThMax));

subplot(2,2,2);     imagesc( log10(R+1), 'Xdata',theta, 'Ydata',xp );
                    axis on;
                    colormap(hot(255));
                    xlabel('\theta (degrees)');
                    ylabel('x''');

subplot(2,2,4);     plot(theta,Rstd,'.-');
                    title('std(R)');

但是在一般情况下，这不会为网格提供晶格向量！这将只提供点行之间的距离。如果需要晶格向量，则必须重新计算它们。但是如果你足够幸运，你的格子是长方形的。。。希望你明白我的意思；o）

---

如果你有点的（x，y）坐标，你会更幸运。CST-Link提出的方法有点“过于暴力”。我宁愿计算你的点的“结构因子”（参见本文末尾的教程链接）并分析其最大值。

网格是什么样子的？如果它是长方形的，那么解就更容易了。它确实是长方形的。我处理的数据看起来是这样的，如果你能实际塑造网格并保证它是矩形，那么左上角的点就是离原点最近的距离（假设是图像的左上角）。右下角点将是距离原点最远的距离。你可以在这两点之间画一条线；距此线最远的点将是栅格中的左下角点或右上角点。使用这些点可以计算栅格的旋转。你可以看到我在这里的回答中是如何使用这一点的：图像是你唯一拥有的东西吗？你有每个网格点的（x，y）坐标吗？网格看起来像什么？如果它是长方形的，那么解就更容易了。它确实是长方形的。我处理的数据看起来是这样的，如果你能实际塑造网格并保证它是矩形，那么左上角的点就是离原点最近的距离（假设是图像的左上角）。右下角点将是距离原点最远的距离。你可以在这两点之间画一条线；距此线最远的点将是栅格中的左下角点或右上角点。使用这些点可以计算栅格的旋转。你可以看到我在这里的回答中是如何使用这一点的：图像是你唯一拥有的东西吗？你有每个网格点的（x，y）坐标吗？谢谢！这真的应该有帮助。谢谢！这真的应该有帮助。谢谢！我会调查的：）谢谢！我将对此进行调查：）