在工程图纸中,直线和圆弧是图形元素的重要轮廓特征。因此直线与圆弧的提取在符号图形智能识别中起着重要作用。Hough变换作为一种有效的图形识别算法,得到广泛的关注和应用。但是Hough变换计算量大,易受到噪声、数字图像离散化误差等因素的干扰。圆弧的检测方法有很多,目前广泛采用的是有效投票方法,该算法利用两个已被选择的像素点来确定第三个像素点并构成圆模型,而不是随机选取三个像素点,避免了随机选取的盲目性,然而该算法需遍历到图像中所有特征像素点,这样会增加圆弧检测的时间。随机抽样一致算法可以处理噪声点数量占整个数据集合数量比值超过50%的情况,但是该算法对参数的依赖性大。针对Hough变换、有效投票算法与随机抽样一致算法检测直线与圆弧存在的准确率低、鲁棒性差以及计算量大等方面的问题,提出基于种子段的动态步长直线矢量化算法和基于环形区域的随机抽样一致圆弧快速识别算法。本文的主要研究内容如下:针对直线检测所存在的问题,本文提出基于种子段的动态步长直线矢量化算法,该算法直接利用原始图像信息对图像进行直线矢量化。首先确定图像的扫描方向,然后沿着扫描方向建立种子段,获取建立成功的种子段起点、终点和斜率的信息,最后跟踪种子段,识别出直线。本算法由于无需对原始图像进行任何细化等预处理操作,通过在跟踪过程中动态调整搜索步长,提高了直线检测的速度和准确性。本文在采用上述算法对直线进行提取的基础上,提出基于环形区域的随机抽样一致圆弧快速识别算法。从图形像素的空间关系分析该算法特性,提出首先在图形像素点中随机选取三个点,分别在水平、垂直方向扫描该点对应的圆弧最小宽度,并以该扫描线宽的中点作为假定点,由三个假定点计算得到假定圆;然后将三个最小检测宽度的均值作为线宽,以假定圆为中心线拓展为环域,在环域的基础上估算检测阈值,检测整圆与圆弧;另外通过在圆环内外建立两个矩形框对图像中距离环域的远距离像素点进行判断,避免进行圆弧检测时的无效计算,降低圆弧检测的计算量。实验结果表明本算法与目前广泛使用的有效投票算法相比,提高了圆弧检测的准确性和鲁棒性,缩短圆弧检测的时间。本文所提直线与圆弧检测算法经过有效的实验验证,在检测直线和圆弧的准确性、快速性和鲁棒性三个方面均有较好的实验效果,对于背景环境复杂、直线与圆弧同时存在的情况下也能准确的识别出直线和圆弧,验证了本算法的有效性和实用性。