一种稳定的直线/圆特征检测方法
【技术领域】
[0001] 本发明涉及图像识别技术领域，尤其涉及一种直线/圆特征检测方法。
【背景技术】
[0002] 直线/圆是图像中的重要特征，直线/圆检测是计算机视觉和机器视觉识别中的最 为重要的工具之一，在机器视觉中有着重要的应用，例如尺寸测量、参考坐标系建立、网格 特征识别、单据表格识别、刻度线检测、Mark点识别半径、直径测量等直线/圆类特征的检 测 。
[0003] 在图像处理中，通常使用的方法集中在Hough变换和Radon变换，各种不同的算法 重点在于解决检测的精度和速度问题(参见非专利文献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变换在低信 噪比图像中的线段检测，红外与激光工程，2003,32(2): 163-166)。非专利文献2(史册等，实 时图像处理中一种快速的直线检测算法，浙江大学学报，1999,33(5) :482-486)提出了一种 基于斑点的快速直线检测算法。非专利文献3(孙涵等，一种提出了一种基于链码的直线检 测算法快速实用的直线检测算法，计算机应用研究，2006，2: 256-260)。专利文献1 (中国专 利公开号CN101645172A)公开了一种基于Hough变换的直线检测算法;专利文献2(中国专利[0004] 在工业应用中，由于产品的形态多样，工厂环境复杂多变，或者由于产品表面的变 化及反光等，使得产品图像质量变差，图像中含有大量的噪声、阴影等不稳定因素，采用已 有的基于Hough变换、Radon变换或链码的方法，都不能稳定地检测出直线/圆特征，同时这 类算法耗时较长，不能在工业机器视觉中进行实时检测。在实际机器视觉系统中通过依靠 图像中的显著特征进行定位，然后利用直线/圆检测区域和显著特征区域的几何位置关系 对后续的图像进行直线/圆检测区域的定位，在直线/圆检测区域中利用R0I区域进行直线/ 圆特征的检测，得到亚像素的边缘点后再利用最小二乘等方法拟合出直线/圆，但在强噪声 图像中，经常会误检测到错误的边缘点，进行特征拟合时会对结果产生影响，造成检测误 差。有的算法采用枚举的方式排出异常点(不在直线/圆上的点），但这种算法效率不高。
【发明内容】
[0005] 本发明的目的在于提供一种在强噪声图像中稳定的直线/圆检测方法，为工业恶 例环境中机器视觉测量功能提供了重要的工具。
[0006] 为达上述目的，本发明通过以下技术方案实现：
[0007] 一种直线/圆特征检测方法，包括以下步骤:步骤①:基准点及初始检测区域设置； 步骤②:通过模板匹配对检测区域基准点重新定位;步骤③:参照基准点利用位置补正调整 初始设置检测区域;步骤④:区域范围内待拟合特征检测;其中，步骤④分为：
[0008] ⑤一维数据采样:选择二维图像中的一个区域并提取区域范围内的数据，在每个 位置根据数据来源的特性，决定各位置滤波与否或是滤波的程度，通过分析数据变化的快 慢判断某位置是否为边缘点，具体算法为：（1)提取测量线方向数据；（2)投影线范围内测量 线局部噪声尺度计算；（3)测量线上局部尺度的滤波操作；
[0009] ⑥一维边界点检测:边界点的定义是灰度变化强烈的位置，边缘滤波算法采用一 阶滤波或二阶滤波算法，其中，一阶滤波算法的判断标准是选择梯度幅值极大值的位置，二 阶滤波算法是选择导数过零点位置；
[0010] ⑦拟合数据点提取:通过拟合内点及噪声点分割与筛选剔除检测到点中的噪声 点，保留直线/圆上的内点；
[0011] ⑧直线/圆拟合:利用最小二乘算法解决拟合参数的问题。
[0012] 作为本发明的进一步改进，所述检测区域提供特征检测时的部分参数，包括:测量 线方向、起始位置、长度、检测方向、检测段高度；同时在该区域还为当前图像Cim g的检测区 域提供了基准位置。
[0013] 作为本发明的进一步改进，直线拟合采用最小二乘拟合算法，圆拟合采用非线性 的最小二乘拟合算法或牛顿迭代算法。
【附图说明】
[0014] 图1是本发明的方法流程图；
[0015] 图2(a)是直线检测区域设置示意图；
[0016]图2(b)是圆检测区域设置不意图；
[0017] 图3是图像中显著特征定位示意图；
[0018] 图4是模板匹配定位及位置补正得到新的特征检测区域示意图；
[0019] 图5是一维边缘模型示意图；
[0020] 图6是直线特征检测时一维数据采样示意图；
[0021] 图7是测量线投影数据曲线示意图；
[0022] 图8是一维测量线的数据不同处理方式结果示意图；
[0023] 图9是传统的直线检测方法与本发明的直线检测方法的检测结果对比示意图，其 中，图9(a)和图9(c)是传统的直线检测方法的检测点和直线拟合的结果示意图，图9(b)和 图9(d)是本发明的直线检测方法的检测点和直线拟合的结果示意图。 具体实施方案
[0024] 下面通过【具体实施方式】结合附图对本发明作进一步详细说明。
[0025] 如附图1所示，本发明的一种稳定的直线/圆特征检测方法，包括以下步骤：步骤 ①:基准点及初始检测区域设置;步骤②:检测区域基准点重新定位;步骤③:参照基准点调 整初始设置检测区域;步骤④:区域范围内待拟合特征检测;其中，步骤④分为:⑤一维数据 采样、⑥一维边界点检测、⑦拟合数据点提取、⑧直线/圆拟合。
[0026] 在直线/圆检测流程中步骤①中，首先在初始图像(参考图像）中设置特征检测区 域，如附图2(a)和附图2(b)所示，检测区域提供特征检测时的部分参数，包括:测量线方向、 起始位置、长度、检测方向、检测段高度。同时在该区域还为当前图像C img的检测区域提供了 基准位置，根据步骤②和步骤③中的变换关系算出基准位置在图像Cimg中的新位置。
[0027]在步骤②中利用模板匹配方法得到图像中显著特征的位置FP，检测区域的基准点 P设置在参考图像上，FjPP点可以建立变换关系(R，t)，如附图3所示。当图像改变时（当前 图像），基准点的位置会发生改变，产生新的基准点K的计算方法在步骤③中得到。
[0028] 对于后续输入的图像（当前图像)利用步骤③中位置补正关系将检测区域重新设 定。基准点位置的改变伴随着产生坐标变换矩阵的改变，通过参考图像和当前图像的矩阵 变换调整检测区域，得到检测区域在当前图像的位置及方向。如附图4所示，图中检测区域 的位置和姿态都发生了变化，首先利用模板匹配定位方法找到图像中的显著特征及位置 FP，再利用参考图像中的变化关系(R，t)计算出新的检测区域的基准位置P\
[0029] 一维测量数据采样及处理
[0030] 假设数字图像的组成公式为1(^7)=6(^7)4(^7)，图像范围内各点都是由原 始模拟图像G(x，y)及噪声图像N(x，y)叠加得到。相机