gap_count = 0; start_pos =1; FOR (i = 1 TO n) {

IF (Pi is black) 

{ gap_count = 0;

IF (start_pos == 0) start_pos = i; 

IF (i == n) {

IF (VerifySegment(start_pos,i) == true) 

{ Accept this segment;

Remove the pixels of this segment;

}

}

}ELSE 

{ gap_count +=1;

IF (gap_count == MAX_GAP or i == n) 

{ IF(i-gap_count-start_pos > MIN_LEN) 

{

IF (VerifySegment(start_pos,i-gap_count) == true) 

{ Accept this segment;

Remove the pixels of this segment;

}

}

start_pos = 0;

}

}

}

此算法检测所有的 Plb 到 Pub，不包含比 MAX_GAP 长的线段的差距。然后它调用 VerifySegment(start,end) 验证通过检查的每个线段的线宽。线宽的一条线段被投票通过在每个黑检测到的所有本地线宽度，如果在投票的线宽比MAX_LW的还要大， 那么这部分可能是相交线或者是其他形状的一部分，所以它应该被拒绝。由于这种算法并不依赖单一的限值为决定的目的，它克服了困难短线和干扰之间的平衡。从而，它可以正确区分真实直线与点的随机的对齐方式。

图片2：本地线路宽度检测

考虑到线条图像质量差，我们使用容许缺少像素的方法，来检测本地线路的宽度。对于每一个PI，我们使用PI-1和Pi+1（如果可用），以帮助决定（图2），Vi 是 Pi 和垂直传递到PlbPub 一线的直线路径，这也是由 Bresenham 算法生成。Vi(k) (k=-MAX_LW..MAX_LW)k是从PI 到VI路径点。VI（0）= PI。检测从k = 0时，增加1 K反复直到VJ（T）（J = I-1.. I +1，T= K.. K +1）之间的黑色像素数小于4。然后记录停止作为kmax的k表。其次，它随相同的标准来从0开始来取得kmin，最后，当地的线宽计算为kmax-kmin +1。这种方法可以检测出正确的路线，质量较差的图像宽度以及高质量的图像，将存储三个已验证的参数：线段，起点、 终点和线宽。

2.3线的删除

当已验证的所有线段达成一个峰值，那么这些线段的像素会从图片中删除，以免发生重叠。移动矩形区域内参数所决定的线段的像素是很容易的（长轴是从起点到终点,长度短轴的等于线宽）。对于一条单独的线段来说这是正确的。然而，如果还有其他已验证的线段与这条线段相交，它们的交点也会被删除，以致已验证线段的分离。这个问题也同样存在于以移除特征点为基础的其他线段验证方法上。

相反，基于验证分支趋势的交叉点上，我们可以运用交叉点保存的方法[9]。它简单地删除了局部线宽小于或等于矩形线宽的这部分线段。

对于其他部分，也就是交叉部分，它检测分支线段的趋势使其接近边界,以达到删除和保存的目的。此方法仅删除像素属于经过验证的线段。因此,避免重叠线,全部的已检验线段被保留为好。

3.实验结果

在标准的HT使用vc++的基础上，我们已经实施了我们的方法,,源^自#优尔*文·论~文]网[www.youerw.com也运用PC机和PIII500 CPU和256 M RAM执行了实验。图3部分展示了一个真实图像的识别结果。左图是一个原始的图像，右图展示了已检测线段的宽度。两个位置和线宽都能被正确检验到。,水平虚线被保留的同时，垂直折断的线路也恢复了。

真实图像的识别结果

测试数据包括五个真实图像,分别从大小为A4,A3,A2,A1和A0的工程图纸上扫描。在实验中，R是扫描分辨率，我们把MIN_LW设置为0.01R，把MAX_LW设置为0.1R，MIN_LEN设置为0.15R，MAX设置为0.03R。表1显示了这种方法的性能，在这种方法中，时间是指整个处理线检测的时间，T_LV是花费线验证的时间,LS_Num号码是公认的线段,T / LS是平均每条线段的验证时间,Recog_Rate是识别率。 大尺寸图像使用Hough变换英文文献和中文翻译(3):http://www.youerw.com/fanyi/lunwen_51955.html