一种图像中球体定位方法及系统与流程

本发明涉及图像处理技术领域，特别是涉及一种图像中球体定位方法及系统。

背景技术：

圆球作为一种各向对称的物体，它在平面图像中的投影成像同样是具有各向对称几何性质的图形，基于球体的这一特征，在越来越多的应用中，比如无人机定位，都利用球体在图像中进行定位。

现有技术中，在图像中识别圆形的算法中使用较多的是霍夫圆变换，它是通过在极坐标系下的参数空间中的“投票”原则，来决策一个像素点是否位于一个圆上，最终选取投票值最高的像素点为圆心所在的点。但该方法存在如下弊端：该方法是在未知圆半径的情况下，需要遍历图像中的像素点来获取一个关于圆心的点坐标和半径大小的投票图，因此要进行大量的像素点运算，运算量大，会耗费内存资源。

技术实现要素：

本发明的目的是提供一种图像中球体定位方法及系统，与现有方法相比可降低运算量，减少内存消耗。

为实现上述目的，本发明提供如下技术方案：

一种图像中球体定位方法，包括：

在对拍摄的图像进行预处理获得的二值化图像中，提取连通域的轮廓，获得轮廓集合；

遍历所述轮廓集合，排除其中轮廓周长小于第一预设值的轮廓；

遍历剩余轮廓，排除其中不满足第一预设条件的轮廓，所述第一预设条件为轮廓的最小外接矩形的对角线与一边夹角的正切值和余切值均在第一预设范围内，所述第一预设范围为以1为基值的偏差范围；

遍历剩余轮廓，排除其中不满足第二预设条件的轮廓，所述第二预设条件为轮廓的最小外包圆中心点与最小外接矩形中心点的欧几里德距离在第二预设范围内；

遍历剩余轮廓，求取剩余各轮廓的拟合椭圆，根据拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，根据筛选出的轮廓在图像中定位出球体。

可选地，所述第一预设值为c0，c0＝2πr+δ，其中，r表示场景图像中可识别的最小圆的半径，δ表示误差值。

可选地，所述轮廓的最小外接矩形为沿图像水平方向的最小外接矩形。

可选地，所述根据拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，包括：

筛选出拟合椭圆的离心率大于第二预设值的轮廓，作为表征球体在图像中对应圆的轮廓。

可选地，对拍摄的图像进行预处理包括：

将拍摄的图像的颜色空间从rgb颜色模式转换到hsv颜色模式，获得s通道图像，场景中设置的球体颜色为与白色对比明显的纯色；

对获得的图像进行二值化处理，获得球体区域与背景区域区分出的二值化图像。

可选地，在所述对获得的图像进行二值化处理之后还包括：

对二值化处理后的图像进行形态学开运算处理。

一种图像中球体定位系统，包括：

轮廓提取模块，用于在对拍摄的图像进行预处理获得的二值化图像中，提取连通域的轮廓，获得轮廓集合；

第一轮廓筛选模块，用于遍历所述轮廓集合，排除其中轮廓周长小于第一预设值的轮廓；

第二轮廓筛选模块，用于遍历剩余轮廓，排除其中不满足第一预设条件的轮廓，所述第一预设条件为轮廓的最小外接矩形的对角线与一边夹角的正切值和余切值均在第一预设范围内，所述第一预设范围为以1为基值的偏差范围；

第三轮廓筛选模块，用于遍历剩余轮廓，排除其中不满足第二预设条件的轮廓，所述第二预设条件为轮廓的最小外包圆中心点与最小外接矩形中心点的欧几里德距离在第二预设范围内；

定位模块，用于遍历剩余轮廓，求取剩余各轮廓的拟合椭圆，根据拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，根据筛选出的轮廓在图像中定位出球体。

由上述技术方案可知，本发明所提供的图像中球体定位方法及系统，对拍摄的图像进行预处理，获得二值化图像，在获得的二值化图像中提取连通域的轮廓，获得待筛选的轮廓集合；遍历轮廓集合，基于圆的几何特征过滤掉其中不满足要求的非圆轮廓；最后，通过求取剩余各轮廓的拟合椭圆，根据轮廓拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，进而根据筛选出的轮廓在图像中定位出球体。

本发明图像中球体定位方法及系统，通过在预处理得到的二值化图像中提取获得轮廓，首先利用圆的几何特征，将其中的非圆轮廓排除，这样在后续对轮廓进行拟合椭圆的运算中，可以避免对非圆轮廓等无关轮廓的拟合椭圆运算，从而降低了运算量，降低运算开销。因此本发明图像中球体定位方法及系统，可降低运算量，减少内存消耗。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种图像中球体定位方法的流程图；

图2为本发明实施例中轮廓的最小外接矩形的示意图；

图3为本发明实施例提供的一种图像中球体定位系统的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

请参考图1，本发明实施例提供的一种图像中球体定位方法，包括步骤：

s10：在对拍摄的图像进行预处理获得的二值化图像中，提取连通域的轮廓，获得轮廓集合。

本实施例方法中，对拍摄到的场景图像首先进行预处理，得到使球体区域与背景区域区分出的二值化图像。

优选的，本实施例方法中，在场景中设置的球体为颜色与白色对比明显的纯色球体，作为待识别球体，作为标识物，这样球体颜色具有较高饱和度，在后续对图像预处理后能够使球体与背景明显区分出，有助于对球体的定位。

其中，对拍摄到的场景图像进行预处理，具体包括：

s100：将拍摄的图像的颜色空间从rgb颜色模式转换到hsv颜色模式，获得s通道图像，场景中设置的球体颜色为与白色对比明显的纯色。

选择作为标识物的球体的颜色为与白色对比明显的纯色，使球体颜色具有较高饱和度，在将拍摄的场景图像的颜色空间转换到hsv颜色模式，在提取的s通道图像中球体与背景区域能够对比明显，在对s通道图像进行二值化处理后，在二值化图像中球体区域与背景区域能够明显区分出，使得能更加准确地提取球体图像的圆形轮廓。

rgb颜色模式中是以红、绿、蓝三原色谱描述颜色，一种颜色是由红(r)、绿(g)、蓝(b)三个颜色通道成分的叠加。在hsv颜色模型中，以色调(h)、饱和度(s)和明度(v)描述颜色。其中，饱和度s表示颜色接近光谱色的程度。一种颜色可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色饱和度也就越高，颜色越饱和。

s101：对获得的图像进行二值化处理，获得球体区域与背景区域区分出的二值化图像。

在对获得的s通道图像进行二值化处理时，可相应设定阈值。例如，在二值化处理过程中，当像素点灰度高于阈值时，则该像素点的值置为255，否则该像素点的值置为0。通过二值化处理可以使图像中对应球体的圆形区域与背景区域区分出。

优选的，本实施例方法中，在对获得的图像进行二值化处理后，对图像进行形态学开运算处理。

形态学运算是针对二值图象依据数学形态学(mathematicalmorphology)的集合论方法进行的图像处理方法。形态学开运算是指对图像先腐蚀后膨胀的处理过程，腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体；膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。

本实施例方法中通过对二值化处理后的图像进行形态学开运算处理，可以消除图像中小物体、在纤细点处分离物体，平滑较大物体的边界同时并不明显改变其面积。

对上述处理后得到的图像，在图像中提取连通域的轮廓，获得由一系列轮廓组成的轮廓集合。

本实施例方法中，首先利用圆的几何特征，将提取的轮廓集合中周长不满足要求的轮廓，以及非圆轮廓过滤掉。具体的筛选过程至少包括以下几个步骤，包括：

s11：遍历所述轮廓集合，排除其中轮廓周长小于第一预设值的轮廓。

通过本步骤首先将提取的轮廓中简单细小的干扰轮廓排除。

这里，轮廓周长指描述轮廓的像素点的数目。通过该步骤，将轮廓集合中周长小于预设值α的轮廓排除。

第一预设值α的最大取值与场景图像中可识别的最小圆的半径有关。设场景图像中可识别的最小圆的半径为r，一个轮廓的周长为c0，c0＝2πr+δ，δ为误差。在实际应用中受噪声影响，生成的圆形轮廓并不能完美拟合一个标准圆而是一个椭圆，本方法中经实验得出δ≈-r。设定α≈c0-r＝(2π-1)r，当满足α≈c0-r＝(2π-1)r时，可以有效排除简单细小的干扰轮廓。但对于图像中周长大于预设值的非圆轮廓，通过该步骤不能过滤掉。

s12：遍历剩余轮廓，排除其中不满足第一预设条件的轮廓，所述第一预设条件为轮廓的最小外接矩形的对角线与一边夹角的正切值和余切值均在第一预设范围内，所述第一预设范围为以1为基值的偏差范围。

在拍摄场景不是极度的光照不均匀的情况下，球体在图像中的投影成像保持为圆，会保持各向对称性，因此在本步骤中利用圆的几何特征对提取轮廓进行筛选，将其中的非圆轮廓等无关轮廓过滤掉。

对于图像中存在的非圆轮廓，主要分为以下几种：1扁长封闭；2复杂细小，周长超过预设值α；3棱角分明。

本步骤中首先求取轮廓的最小外接矩形，利用圆的最小外接矩形的几何特征，将轮廓集合中扁长封闭的轮廓排除。

设轮廓的最小外接矩形的长为w，宽为h，可参考图2。在理想情况下，若轮廓为标准圆，其最小外接矩形为一个正方形。即满足w＝h，但由于球体投影到图像中的圆形会出现小程度的畸变，多数情况下不是一个标准圆，而是一个离心率接近1的椭圆。相应对于轮廓的最小外接矩形，其对角线与一边的夹角θ的正切值tanθ和余切值cotθ，若轮廓是标准圆，夹角θ的正切值tanθ和余切值cotθ均为1。

设定第一预设范围为以1为基值的偏差范围。求取各轮廓最小外接矩形的对角线与一边夹角θ的正切值tanθ和余切值cotθ，当夹角θ的正切值tanθ超出第一预设范围，或者夹角θ的余切值cotθ超出第一预设范围时，第一预设范围可设置为[1,γ]，表明该轮廓为扁长封闭的轮廓，则将该轮廓排除。示例性的第一预设范围可设置为[1,1.5]。因此，通过本步骤可以将受噪声影响或投影误差发生畸变较大以及扁长封闭的轮廓过滤掉。

具体的，本实施例方法中，求取各轮廓的最小外接矩形，其中求取的最小外接矩形为轮廓的沿图像水平方向的最小外接矩形，即该最小外接矩形的边分别与图像坐标轴x轴、y轴平行。

参考图2所示。求取轮廓沿水平方向的最小外接矩形的方法具体为，遍历轮廓的像素点，找出该轮廓中沿坐标轴方向的四个极值点，即计算该轮廓中横坐标距离y轴最近和最远的两个像素点(x1，y1)、(x2，y2)，以及纵坐标距离x轴最远和最近的两个像素点(x3，y3)和(x4，y4)，以极值点对应的与坐标轴平行的轮廓外切线构造外接矩形，得到轮廓沿图像水平方向的最小外接矩形。理论上这两对点y1＝y2，x3＝x4。根据这两对点的信息，由|x2-x1|和|y3-y4|可以求出最小外接矩形的长度和宽度，矩形左上角像素点的坐标为(x1，y4).根据这三个信息就可以确定水平最小外接矩形的位置和大小。

本实施例方法中，求取轮廓在图像水平方向上的最小外接矩形，一方面，与计算全局最优解的最小外接矩形的方法相比，可减少计算运算量；另一方面，圆形是各向对称的，具有旋转不变性，无论圆怎么旋转，或者求任何倾斜角度的最小外接矩形其边长理论上都是相等的，理论上圆的最小外接矩形是正方形，求出的水平最小外接矩形就是最优解。而大部分非圆轮廓不具有这个性质(比如正方形的水平最小外接矩形，与正方形的倾斜角度有关)，求水平最小外接矩形可以有效的为后续处理提供去除一些不具有旋转不变性质的非圆轮廓的信息。

本实施例中，求取最小外接矩形可采用图形处理软件opencv软件中的算法进行运算。

s13：遍历剩余轮廓，排除其中不满足第二预设条件的轮廓，所述第二预设条件为轮廓的最小外包圆中心点与最小外接矩形中心点的欧几里德距离在第二预设范围内。

设最小外包圆的半径为r1，对于标准圆的轮廓，其最小外包圆与其本身相差无几，存在最小外包圆内接于最小外接矩形且同心的几何关系。

而对于棱角分明的图形，例如，三角形轮廓等单向对称的几何图形，由于各边对计算最小外接矩形和最小外包圆的贡献不相等且存在较大差异，不会出现最小外接矩形和最小外包圆同心的几何关系；对于正方形，其轮廓的最小外接矩形与本身相差无几，与其最小外包圆存在同心的关系，但前者内接于后者。

因此本实施例方法利用圆轮廓最小外包圆与最小外接矩形的几何关系，满足2r1＝max(w，h)，即最小外接矩形的中心点pr和最小外包圆的中心点pc的欧几里德距离小于预设误差值，将此作为过滤条件来排除宽正、棱角分明的轮廓。

另外在实际应用中，为消除投影误差和噪声引起的畸变，最小外包圆的直径应稍大于最小外接矩形的边长。

本实施例中，求取最小外包圆可采用图形处理软件opencv软件中的算法进行运算。

s14：遍历剩余轮廓，求取剩余各轮廓的拟合椭圆，根据拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，根据筛选出的轮廓在图像中定位出球体。

通过以上各步骤，将其中扁长封闭、棱角分明的非圆轮廓过滤掉，这样可以避免本步骤中对这些非圆轮廓的拟合椭圆运算，从而降低运算量。

本步骤中，遍历轮廓集合，求取剩余各轮廓的拟合椭圆，具体可采用最小二乘法拟合得到各轮廓的椭圆。

根据以下计算公式计算各椭圆的离心率：

设计过滤条件，理论上当一条圆锥曲线的离心率e＝0时，该曲线为圆；当e>0时，描述的曲线为椭圆。但在实际应用中因为受噪声和投影误差的影响。圆形轮廓由最小二乘法获得的拟合椭圆的离心率不等于0，而是会稍大于0。

因此可相应设置筛选条件为拟合椭圆的离心率大于第二预设值，表示为e>β。可得到约束条件实际使用时，系数应为一个确定的常数，具体根据使用场景的光照环境来调节。

至此，复杂细小大小超过α的轮廓被过滤。最终剩下的轮廓即为表征圆的轮廓，作为表征球体在图像中对应的圆。

最后，输出识别成功的圆，以及圆心坐标、半径等信息，从而在图像中定位出球体。

本实施例中，对轮廓拟合椭圆的运算以及圆心定位等可直接采用图形处理软件opencv软件中的算法进行运算。

本实施例图像中球体定位方法，利用圆各向对称的几何特性，利用圆最小外接矩形及最小外包圆之间的几何关系，作为筛选圆形轮廓的思想，从中过滤掉非圆轮廓，最终筛选出对应球体的圆轮廓。本实施例方法也可应用于对图像中圆形标识物的识别和定位，提供了一种新型的在图像中识别圆的方法。

本实施例方法相比于现有霍夫圆变换识别圆形的方法，利用了标识物的颜色特征在hsv空间中的特性，以及利用标识物的几何特性巧妙的根据其最小外包圆和最小外接矩形之间的几何关系，避免了在决策过程进行大量的像素点运算，同时利用了最小外接矩形的几何特性作为约束条件对干扰进行过滤。在光照不足和光照充足的情况下，都能有效的识别出。而现有方法中的霍夫变换方法，需要通过一个三维累加器来通过遍历图像中的像素点来获取一个关于圆心的点坐标和半径大小的投票图。综合以上所述和实际测试效果，本发明方法不仅速度优于传统算法，更具有算法复杂度小，精准度高，能应对不同光照环境的优势。

本发明图像中球体定位方法，将球体设置在场景中作为定位标识物，可应用于无人机巡视定位，具体可应用于无人机在输电塔巡线任务中辅助定位标识物。

相应的，请参考图3，本发明实施例还提供一种图像中球体定位系统，包括：

轮廓提取模块20，用于在对拍摄的图像进行预处理获得的二值化图像中，提取连通域的轮廓，获得轮廓集合；

第一轮廓筛选模块21，用于遍历所述轮廓集合，排除其中轮廓周长小于第一预设值的轮廓；

第二轮廓筛选模块22，用于遍历剩余轮廓，排除其中不满足第一预设条件的轮廓，所述第一预设条件为轮廓的最小外接矩形的对角线与一边夹角的正切值和余切值均在第一预设范围内，所述第一预设范围为以1为基值的偏差范围；

第三轮廓筛选模块23，用于遍历剩余轮廓，排除其中不满足第二预设条件的轮廓，所述第二预设条件为轮廓的最小外包圆中心点与最小外接矩形中心点的欧几里德距离在第二预设范围内；

定位模块24，用于遍历剩余轮廓，求取剩余各轮廓的拟合椭圆，根据拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，根据筛选出的轮廓在图像中定位出球体。

本实施例图像中球体定位系统，对拍摄的图像进行预处理，获得二值化图像，在获得的二值化图像中提取连通域的轮廓，获得待筛选的轮廓集合；遍历轮廓集合，基于圆的几何特征过滤掉其中不满足要求的非圆轮廓；最后，通过求取剩余各轮廓的拟合椭圆，根据轮廓拟合椭圆的离心率筛选出表征球体在图像中对应圆的轮廓，进而根据筛选出的轮廓在图像中定位出球体。

本实施例图像中球体定位系统，通过在预处理得到的二值化图像中提取获得轮廓，首先利用圆的几何特征，将其中的非圆轮廓排除，这样在后续对轮廓进行拟合椭圆的运算中，可以避免对非圆轮廓等无关轮廓的拟合椭圆运算，从而降低了运算量，降低运算开销。因此本发明图像中球体定位系统，可降低运算量，减少内存消耗。

以上对本发明所提供的一种图像中球体定位方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。