一種穩(wěn)定的直線/圓特征檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，尤其涉及一種直線/圓特征檢測方法。
【背景技術(shù)】
[0002] 直線/圓是圖像中的重要特征，直線/圓檢測是計算機視覺和機器視覺識別中的最 為重要的工具之一，在機器視覺中有著重要的應(yīng)用，例如尺寸測量、參考坐標系建立、網(wǎng)格 特征識別、單據(jù)表格識別、刻度線檢測、Mark點識別半徑、直徑測量等直線/圓類特征的檢 測 。
[0003] 在圖像處理中，通常使用的方法集中在Hough變換和Radon變換，各種不同的算法 重點在于解決檢測的精度和速度問題(參見非專利文獻l:Jiqiang Song，Michael R Lyu.A Hough Transform based Line Recognition Method Utilizing both Parameters Space and Image Space,Pattern Recognition,38(4) :539-552,2005.王立等，Radon變換在低信 噪比圖像中的線段檢測，紅外與激光工程，2003,32(2): 163-166)。非專利文獻2(史冊等，實 時圖像處理中一種快速的直線檢測算法，浙江大學(xué)學(xué)報，1999,33(5) :482-486)提出了一種 基于斑點的快速直線檢測算法。非專利文獻3(孫涵等，一種提出了一種基于鏈碼的直線檢 測算法快速實用的直線檢測算法，計算機應(yīng)用研究，2006，2: 256-260)。專利文獻1 (中國專 利公開號CN101645172A)公開了一種基于Hough變換的直線檢測算法;專利文獻2(中國專利[0004] 在工業(yè)應(yīng)用中，由于產(chǎn)品的形態(tài)多樣，工廠環(huán)境復(fù)雜多變，或者由于產(chǎn)品表面的變 化及反光等，使得產(chǎn)品圖像質(zhì)量變差，圖像中含有大量的噪聲、陰影等不穩(wěn)定因素，采用已 有的基于Hough變換、Radon變換或鏈碼的方法，都不能穩(wěn)定地檢測出直線/圓特征，同時這 類算法耗時較長，不能在工業(yè)機器視覺中進行實時檢測。在實際機器視覺系統(tǒng)中通過依靠 圖像中的顯著特征進行定位，然后利用直線/圓檢測區(qū)域和顯著特征區(qū)域的幾何位置關(guān)系 對后續(xù)的圖像進行直線/圓檢測區(qū)域的定位，在直線/圓檢測區(qū)域中利用R0I區(qū)域進行直線/ 圓特征的檢測，得到亞像素的邊緣點后再利用最小二乘等方法擬合出直線/圓，但在強噪聲 圖像中，經(jīng)常會誤檢測到錯誤的邊緣點，進行特征擬合時會對結(jié)果產(chǎn)生影響，造成檢測誤 差。有的算法采用枚舉的方式排出異常點(不在直線/圓上的點），但這種算法效率不高。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種在強噪聲圖像中穩(wěn)定的直線/圓檢測方法，為工業(yè)惡 例環(huán)境中機器視覺測量功能提供了重要的工具。
[0006] 為達上述目的，本發(fā)明通過以下技術(shù)方案實現(xiàn)：
[0007] 一種直線/圓特征檢測方法，包括以下步驟:步驟①:基準點及初始檢測區(qū)域設(shè)置； 步驟②:通過模板匹配對檢測區(qū)域基準點重新定位;步驟③:參照基準點利用位置補正調(diào)整 初始設(shè)置檢測區(qū)域;步驟④:區(qū)域范圍內(nèi)待擬合特征檢測;其中，步驟④分為：
[0008] ⑤一維數(shù)據(jù)采樣:選擇二維圖像中的一個區(qū)域并提取區(qū)域范圍內(nèi)的數(shù)據(jù)，在每個 位置根據(jù)數(shù)據(jù)來源的特性，決定各位置濾波與否或是濾波的程度，通過分析數(shù)據(jù)變化的快 慢判斷某位置是否為邊緣點，具體算法為：（1)提取測量線方向數(shù)據(jù)；（2)投影線范圍內(nèi)測量 線局部噪聲尺度計算；（3)測量線上局部尺度的濾波操作；
[0009] ⑥一維邊界點檢測:邊界點的定義是灰度變化強烈的位置，邊緣濾波算法采用一 階濾波或二階濾波算法，其中，一階濾波算法的判斷標準是選擇梯度幅值極大值的位置，二 階濾波算法是選擇導(dǎo)數(shù)過零點位置；
[0010] ⑦擬合數(shù)據(jù)點提取:通過擬合內(nèi)點及噪聲點分割與篩選剔除檢測到點中的噪聲 點，保留直線/圓上的內(nèi)點；
[0011] ⑧直線/圓擬合:利用最小二乘算法解決擬合參數(shù)的問題。
[0012] 作為本發(fā)明的進一步改進，所述檢測區(qū)域提供特征檢測時的部分參數(shù)，包括:測量 線方向、起始位置、長度、檢測方向、檢測段高度；同時在該區(qū)域還為當前圖像Cim g的檢測區(qū) 域提供了基準位置。
[0013] 作為本發(fā)明的進一步改進，直線擬合采用最小二乘擬合算法，圓擬合采用非線性 的最小二乘擬合算法或牛頓迭代算法。
【附圖說明】
[0014] 圖1是本發(fā)明的方法流程圖；
[0015] 圖2(a)是直線檢測區(qū)域設(shè)置示意圖；
[0016]圖2(b)是圓檢測區(qū)域設(shè)置不意圖；
[0017] 圖3是圖像中顯著特征定位示意圖；
[0018] 圖4是模板匹配定位及位置補正得到新的特征檢測區(qū)域示意圖；
[0019] 圖5是一維邊緣模型示意圖；
[0020] 圖6是直線特征檢測時一維數(shù)據(jù)采樣示意圖；
[0021] 圖7是測量線投影數(shù)據(jù)曲線示意圖；
[0022] 圖8是一維測量線的數(shù)據(jù)不同處理方式結(jié)果示意圖；
[0023] 圖9是傳統(tǒng)的直線檢測方法與本發(fā)明的直線檢測方法的檢測結(jié)果對比示意圖，其 中，圖9(a)和圖9(c)是傳統(tǒng)的直線檢測方法的檢測點和直線擬合的結(jié)果示意圖，圖9(b)和 圖9(d)是本發(fā)明的直線檢測方法的檢測點和直線擬合的結(jié)果示意圖。 具體實施方案
[0024] 下面通過【具體實施方式】結(jié)合附圖對本發(fā)明作進一步詳細說明。
[0025] 如附圖1所示，本發(fā)明的一種穩(wěn)定的直線/圓特征檢測方法，包括以下步驟：步驟 ①:基準點及初始檢測區(qū)域設(shè)置;步驟②:檢測區(qū)域基準點重新定位;步驟③:參照基準點調(diào) 整初始設(shè)置檢測區(qū)域;步驟④:區(qū)域范圍內(nèi)待擬合特征檢測;其中，步驟④分為:⑤一維數(shù)據(jù) 采樣、⑥一維邊界點檢測、⑦擬合數(shù)據(jù)點提取、⑧直線/圓擬合。
[0026] 在直線/圓檢測流程中步驟①中，首先在初始圖像(參考圖像）中設(shè)置特征檢測區(qū) 域，如附圖2(a)和附圖2(b)所示，檢測區(qū)域提供特征檢測時的部分參數(shù)，包括:測量線方向、 起始位置、長度、檢測方向、檢測段高度。同時在該區(qū)域還為當前圖像C img的檢測區(qū)域提供了 基準位置，根據(jù)步驟②和步驟③中的變換關(guān)系算出基準位置在圖像Cimg中的新位置。
[0027]在步驟②中利用模板匹配方法得到圖像中顯著特征的位置FP，檢測區(qū)域的基準點 P設(shè)置在參考圖像上，F(xiàn)jPP點可以建立變換關(guān)系(R，t)，如附圖3所示。當圖像改變時（當前 圖像），基準點的位置會發(fā)生改變，產(chǎn)生新的基準點K的計算方法在步驟③中得到。
[0028] 對于后續(xù)輸入的圖像（當前圖像)利用步驟③中位置補正關(guān)系將檢測區(qū)域重新設(shè) 定。基準點位置的改變伴隨著產(chǎn)生坐標變換矩陣的改變，通過參考圖像和當前圖像的矩陣 變換調(diào)整檢測區(qū)域，得到檢測區(qū)域在當前圖像的位置及方向。如附圖4所示，圖中檢測區(qū)域 的位置和姿態(tài)都發(fā)生了變化，首先利用模板匹配定位方法找到圖像中的顯著特征及位置 FP，再利用參考圖像中的變化關(guān)系(R，t)計算出新的檢測區(qū)域的基準位置P\
[0029] 一維測量數(shù)據(jù)采樣及處理
[0030] 假設(shè)數(shù)字圖像的組成公式為1(^7)=6(^7)4(^7)，圖像范圍內(nèi)各點都是由原 始模擬圖像G(x，y)及噪聲圖像N(x，y)疊加得到。相機