一种基于转弯半径的图像角点检测方法
【专利摘要】本发明涉及一种基于转弯半径的图像角点检测方法，包括以下步骤：S1.采用高斯滤波去除噪声并计算原始图像各像素点的梯度值；S2.在图像中的像素点的周围设定邻域内查找灰度最接近的邻接点；S3.计算各像素点和最接近邻接点的转弯半径；S4.计算转弯半径的阈值；S5.将转弯半径大于阈值且转弯半径在设定邻域内最大的像素点标记为角点。本发明采用以上技术方案，可以准确地定位图像的角点，能够有效抑制噪声和纹理导致的虚假角点，计算阈值简便、运算效率高，实现自动化检测、改善了角点检测效果，本发明可应用于3D重建、视觉的定位和测量等方面。
【专利说明】
-种基于转弯半径的图像角点检测方法
技术领域
[0001] 本发明设及自动化领域中对图像角点的检测技术领域，具体设及一种基于转弯半 径的图像角点检测方法。
【背景技术】
[0002] 二维图像的角点尚无明确的数学定义，但有一种普遍接受的观点是：二维图像亮 度变化剧烈的点或图像边缘曲线上曲率极大值的点可称为角点。角点保留了图像图形中的 重要特征，可W有效地减少信息的冗余，使其信息的含量很高，可W有效地提高图像计算的 速度，有利于图像的分析和处理，使得实时处理成为可能。角点检测在=维场景重建、运动 估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域都起着非常重要的作用。
[0003] 在对角点检测的逐步深入研究过程中，产生了很多角点检测算法。大致可将运些 算法分为=类：（1)基于模板匹配的角点检测；（2)基于边缘特征的角点检测；（3)基于亮度 变化的角点检测。
[0004] (1)基于模板匹配的角点检测
[0005] 基于模板匹配的角点检测的原理是:设定具有角点特征的模板，将图像内与模板 大小相同的所有区域与模板匹配其相关性和相似性。因为角点的特征数量多而且性质尚不 明确，所W在复杂图像中很难设计出大量模板来匹配所有类型的角点。
[0006] (2)基于边缘特征的角点检测
[0007] 基于边缘特征的角点检测算法比较典型的有化rris算法，该算法是由C.化rris和 M.J.Stephens提出的一种基于信号的曲率特征提取算法，运种算法受信号处理中自相关函 数的启发，通过求自相关函数相联系的矩阵的特征值的方法来求自相关函数的一阶曲率， 如果某点两个特征值、曲率值都高，那么就认为该点是角点。
[000引（3)基于亮度变化的角点检测
[0009] 基于亮度变化的角点检测方法的特点是不依赖于目标的其它局部特征，利用角点 本身的特点直接提取角点，实践证明运类算法速度快、实时性强。运类方法中比较经典的算 法有Susan算法等。Susan算法是Smith和化ady提出的一种图像处理方法，该算法是基于像 素领域包含若干元素的近似圆形模板，对每个像素基于该模板领域的图像灰度计算角点响 应函数(CRF)的数值，如果大于某阔值且为局部极大值，则认为该点为角点。Susan角点检测 的不足在于采用固定的阔值，不适合用于一般的情况，需要用自适应阔值来改进此算法。
【发明内容】
[0010] 本发明设及一种基于转弯半径的图像角点检测方法，用像素点间的转弯半径作为 角点的判定特征，从而实现运算效率高、可抗噪声的发明目的。
[0011] 本发明可W通过W下技术方案来实现：
[0012] 本发明设及一种基于转弯半径的图像角点检测方法，包括W下步骤：
[0013] SI.采用高斯滤波去除噪声并计算原始图像各像素点的梯度值；
[0014] S2.在图像中的像素点的周围设定邻域内查找灰度最接近的邻接点；
[0015] S3.计算各像素点和最接近邻接点的转弯半径；
[0016] S4.计算转弯半径的阔值；
[0017] S5.将转弯半径大于阔值且转弯半径在设定邻域内最大的像素点标记为角点。 [001引进一步地，所述步骤Sl包括：
[0019] Sal、采用一维高斯算子对原始图像进行横向与纵向高斯平滑得到平滑后的图像 过；
[0020] Sa2、采用二维高斯算子的偏导数对所述平滑后的图像进行横向与纵向滤波计算 得到图像的梯度。
[0021] 进一步地，在步骤S2中，在图像a中任一像素点的四个邻域点中取灰度最接近的点 作为最接近邻域点，所述任一像素点为第一像素点（i，j)，所述最接近邻域点为第二像素点 (r,c)〇
[0022] 进一步地，步骤S3包括：
[0023] Sci、将第一像素点（i，j)和第二像素点(r，C)的灰度差值a(i，j)-a(r，C)除两像素 点坐标距离计算两像素点间的转弯速度(V):
[0024]
[0025] Sc2、第一像素点Q J)和第二像素点(r，c)的梯度向量的夹角为两像素点间的转弯 角度，所述转弯角度的正弦值(SinQ)为：
[0026]
[0027]其中，第一像素点（i，j)的梯度向量为[山(1^)，0^1^)]，第二像素点('，(3)的梯 度向量为[dx(r，c)，dy(r，c)];
[002引Sc3、计算转弯半径(R):
[0029] R = V^XsinQo
[0030] 进一步地，步骤S4包括：
[0031] Sdi、计算所有像素点的转弯半径(R)的均值(M)和方差化）；
[0032] Sd2、取阔值(T)为:T=M+kXD，其中k取值一般为0~3。
[0033] 进一步地，在步骤S5中：将转弯半径(R)大于阔值(T)且转弯半径(R)在周围四十八 邻域内最大的像素点标记为角点。
[0034] 本发明设及的基于角点半径的图像角点检测方法具有如下有益效果：
[0035] 本发明采用W上技术方案，可W准确地定位图像的角点，能够有效抑制噪声和纹 理导致的虚假角点，计算阔值简便、运算效率高，实现自动化检测、改善了角点检测效果，本 发明可应用于3D重建、视觉的定位和测量等方面。
【附图说明】
[0036] 图1为本发明的基于角点半径的图像角点检测方法的流程图；
[0037] 图2为本发明计算转弯半径的原理模型图；
[0038] 图3是本发明中用于对比的无噪声原始图片；
[0039] 图4是用化rris算法处理无噪声原始图片得到的角点信息图；
[0040] 图5是用本发明的方法处理无噪声原始图片得到的角点信息图；
[0041] 图6是本发明中用于对比的加入椒盐噪声后的图片；
[0042] 图7是用化rris算法处理有噪声图片得到的角点信息图；
[0043] 图8是用本发明的方法处理有噪声图片得到的角点信息图。
【具体实施方式】
[0044] 下面结合附图具体阐明本发明的实施方式，附图仅供参考和说明使用，不构成对 本发明专利保护范围的限制。
[0045] 如图1所示，本发明公开了一种基于角点半径的图像角点检测方法，设输入的图像 保存为一个灰度矩阵A，矩阵A中的每个元素 A(i，j)存储第i行第j列位置像素点的灰度值。
[0046] 本发明的基于角点半径的角点检测方法包括W下步骤：
[0047] SI.采用高斯滤波去除噪声并计算原始图像各像素点的梯度值;具体包括：
[0048] Sal、采用一维高斯算子对原始图像进行横向与纵向高斯平滑得到平滑后的图像 a; -维高斯算子关
[0049] Sa2、采用二维高斯算子的偏导数对所述平滑后的图像进行横向与纵向滤波计算 得到图像的梯度;二维高斯算子为
，横向滤波公式为纵向滤波 /、A心游棘穿'必) 公式为'篡'''…';
[0050] S2.在图像a中的像素点的周围设定邻域内查找灰度最接近的邻接点；具体为:在 图像a中任一像素点（i，j)的四个邻域点（i-1，j-1) (i-1，j) (i-1，j+1) (i，j-1)中取灰度最 接近的点作为最接近邻域点(r，c)，所述任一像素点为第一像素点（i，j)，所述最接近邻域 点为第二像素点(r，c);
[0051] S3.计算各像素点(第一像素点Ki，j)和最接近邻接点(第二像素点Kr,C)的转弯 半径R;具体包括：
[0052] Scl、计算转弯速度(V):将各像素点Q J)和最接近邻接点(r，c)的灰度差值a(i， j )-a(r，C)除两像素点坐标距离，计算公式为：
[0化3]
[0054] Sc2、计算转弯角度的正弦值(SinQ):如图2所示，各像素点Q J)的梯度向量为[dx (i，j)，dy(i，j)]，最接近邻域点(;r，c)的梯度向量为[dx(:r，c)，dy(;r，c)]，则两梯度向量的夹 角为两像素点间的转弯角度，转弯角度的正弦值SinQ计算公式为：
[0化5]
[0化6] Sc3、计算转弯半径(R):根据转弯半径公式.
计算转弯半径R，其中g 为重力加速度，0为转弯坡度，在运里都可作为常数省略，故转弯半径计算公式为:R = V2X SinQo
[0057] S4.计算转弯半径的阔值:具体包括：
[0058] SdU计算所有像素点的转弯半径R的均值M和方差D;
[0059 ] Sd2、取阔值T为:T=M+k X D，其中k取值一般为0~3。
[0060] S5.将转弯半径大于阔值T且转弯半径在周围四十八邻域内[i-3: i+3，j-3: j+3]最 大的像素点标记为角点。
[0061] 为了说明本发明所采用的图像角点检测方法的技术效果，W图3的无噪声的图片 作为原始图片分别采用化rris算法和本发明的图像角点检测方法进行处理，分别得到如图 4和图5所示的角点信息图。从图4和图5的对比可W看到，采用本发明的图像角点处理方法 相对于只采用化rris算法可W显著提高图像的角点检测准确性。
[0062] 为了更进一步说明本发明所采用的图像角点检测方法的技术效果，W图3的无噪 声的图片加入椒盐噪声的图6作为原始图片，然后分别采用化rris算法和本发明的图像角 点检测方法对图6进行处理，分别得到如图7和图8所示的角点信息图。从图7和图8的对比可 W看到，即使在有噪声干扰的条件下，采用本发明的图像角点处理方法相对于只采用 化rris算法可W显著提高图像的角点检测抗噪声能力。
[0063] W上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制;凡 本行业的普通技术人员均可按说明书附图所示和W上所述而顺杨地实施本发明；但是，凡 熟悉本专业的技术人员在不脱离本发明技术方案范围内，可利用W上所掲示的技术内容而 做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时，凡依据本发明 的实质技术对W上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的 技术方案的保护范围之内。
【主权项】
1. 一种基于转弯半径的图像角点检测方法，其特征在于，包括以下步骤：51. 采用高斯滤波去除噪声并计算原始图像各像素点的梯度值；52. 在图像中的像素点的周围设定邻域内查找灰度最接近的邻接点；53. 计算各像素点和最接近邻接点的转弯半径；54. 计算转弯半径的阈值；55. 将转弯半径大于阈值且转弯半径在设定邻域内最大的像素点标记为角点。2. 根据权利要求1所述的基于转弯半径的图像角点检测方法，其特征在于:所述步骤Sl 包括： Sal、采用一维高斯算子对原始图像进行横向与纵向高斯平滑得到平滑后的图像(a); Sa2、采用二维高斯算子的偏导数对所述平滑后的图像进行横向与纵向滤波计算得到 图像的梯度。3. 根据权利要求1或2所述的基于转弯半径的图像角点检测方法，其特征在于:在步骤 S2中，在图像(a)中任一像素点的四个邻域点中取灰度最接近的点作为最接近邻域点，所述 任一像素点为第一像素点（i，j)，所述最接近邻域点为第二像素点(r，c)。4. 根据权利要求3所述基于转弯半径的图像角点检测方法，其特征在于:步骤S3包括： Scl、将第一像素点（i，j)和第二像素点(r，c)的灰度差值a(i，j)-a(r，c)除两像素点坐 标距离计算两像素点间的转弯速度(V):Sd、第一像素点（i，j)和第二像素点（r，c)的梯度向量的夹角为两像素点间的转弯角 度，所述转弯角度的正弦值(sinQ)为：其中，第一像素点（i，j)的梯度向量为[dx(i，j)，dy (i，j)]，第二像素点(r，c)的梯度向 量为[dx(r，c)，dy(r，c)]; Sc3、计算转弯半径(R): R=V2 X sinQo5. 根据权利要求4所述基于转弯半径的图像角点检测方法，其特征在于:步骤S4包括： Sd1、计算所有像素点的转弯半径(R)的均值(M)和方差(D); Sd2、取阈值(T)为:T=M+kXD，其中k取值为0~3。6. 根据权利要求5所述基于转弯半径的图像角点检测方法，其特征在于:在步骤S5中： 将转弯半径(R)大于阈值(T)且转弯半径(R)在周围四十八邻域内最大的像素点标记为角 点。
【文档编号】G06T7/00GK106023171SQ201610318708
【公开日】2016年10月12日
【申请日】2016年5月12日
【发明人】万长林, 徐德明, 曹建忠, 魏晓慧
【申请人】惠州学院