本发明涉及工业自动化领域，具体地说是一种圆的特征提取算法。
背景技术：
本发明最初来源于眼镜框切割行业的需求。在眼镜框切割行业中，上一道工序，是用药水在金属板材表面腐蚀出花纹和特征圆，然后用视觉定位的方式，将第二道工序的加工图纸与金属板材完全对应上。这其中，最重要的一个环节，就是快速识别出摄像机所拍摄图片中的特征圆，并精确的返回其圆心位置和半径参数。
一般的识别特征圆算法，往往要求特征与背景对比度高，没有较多的杂质干扰，即只能够处理某一类效果图，对图像特征的一致性和稳定性要求很高，与此同时，算法处理的时间也耗费较长。而眼睛框行业的实际加工过程中，多数情况下，金属板材表面会有很多杂质，并且不同的打光效果下，会导致图像整体偏暗，或者偏亮，如此，就对算法的适应性提出了更有挑战性的要求。
技术实现要素：
本发明为克服现有技术的不足，提供一种圆的特征提取算法，综合各种图像处理手段，首先对输入的图像进行预判，将需要处理的图像分为几类，根据不同图像类别的特点，做相应的特别的图像预处理，当一种图像处理方法处理的结果不满足评价标准时，再次调用另一种图像处理方法进行处理。其结果是，各种不同类型的效果图都能够识别到特征圆，并且能够以最快的速度处理最常见的效果图，同时，对同一图像进行多次查找，其误差范围在正负一个像素范围内，即算法的稳定很好。
为实现上述目的，设计一种圆的特征提取算法，其特征在于：具体步骤如下：
（1）输入相机拍摄的灰度图像；
（2）统计灰度直方图，根据直方图判断图像是否需要图像增强，是则进行图像处理方法一；否则进行图像处理方法二；
（3）图像处理完后，得到特征的轮廓位置信息，采用随机抽样的方法，查找符合点数最多的圆；
（4）判断符合点数最多的圆是否满足要求，是则返回特征圆参数信息，算法结束；否则进行图像处理方法三；
（5）经过图像处理方法三处理后，得到特征的边缘坐标信息，采用随机抽样的方法，查找符合点数最多的圆；
（6）判断符合点数最多的圆是否满足要求，是则返回特征圆的参数信息，算法结束；否则返回无特征圆信息，算法结束。
所述的图像处理方法一如下：
（1）将原始图像进行图像增强处理，以增加特征与背景的对比度，具体采用的方法是直方图均衡化；
（2）利用阀值化手段，将图像转换成二值图像，其中特征为白，灰度值为255，背景为黑，灰度值为0，具体采用的方法是OSTU阀值化；
（3）对二值化后的图像，进行形态学开运算处理，其目的是去除轮廓周围细小的毛刺；
（4）查找图像中所有的轮廓，认为最大轮廓为特征圆轮廓，保存最大轮廓的位置坐标信息。
所述的图像处理方法二如下：
（1）将原始图像进行HDR动态压缩处理，以增强特征较暗部分与背景的对比度，同时减小特征较亮部分与背景的对比度；
（2）然后将HDR动态压缩后的图像进行OSTU阀值化处理；
（3）对二值化后的图像，进行形态学闭运算处理，其目的是填充特征中较小的空洞；
（4）最后提取图像中圆特征轮廓处理。
所述的图像处理方法三如下：
（1）将图像进行HDR动态压缩处理；
（2）然后将HDR动态压缩后的图像进行高斯平滑处理；
（3）将高斯平滑处理后的图像进行边缘检测，具体的方法是，根据所要查找的特征圆大小，预估计边缘输出的数量，然后采用canny算子进行边缘检测处理；
（4）提取并保存特征的边缘信息，具体方法是，遍历图像中的每一个像素点，所有灰度值为255的点坐标都保存，这其中大部分的点都是特征圆的边缘信息。
本发明同现有技术相比，本发明综合各种图像处理手段，首先对输入的图像进行预判，将需要处理的图像分为几类，根据不同图像类别的特点，做相应的特别的图像预处理，当一种图像处理方法处理的结果不满足评价标准时，再次调用另一种图像处理方法进行处理。其结果是，各种不同类型的效果图都能够识别到特征圆，并且能够以最快的速度处理最常见的效果图。
附图说明
图1为本发明流程图。
具体实施方式
下面根据附图对本发明做进一步的说明。
如图1所示，具体步骤如下：
（1）输入相机拍摄的灰度图像；
（2）统计灰度直方图，根据直方图判断图像是否需要图像增强，是则进行图像处理方法一；否则进行图像处理方法二；
（3）图像处理完后，得到特征的轮廓位置信息，采用随机抽样的方法，查找符合点数最多的圆；
（4）判断符合点数最多的圆是否满足要求，是则返回特征圆参数信息，算法结束；否则进行图像处理方法三；
（5）经过图像处理方法三处理后，得到特征的边缘坐标信息，采用随机抽样的方法，查找符合点数最多的圆；
（6）判断符合点数最多的圆是否满足要求，是则返回特征圆的参数信息，算法结束；否则返回无特征圆信息，算法结束。
图像处理方法一如下：
（1）将原始图像进行图像增强处理，以增加特征与背景的对比度，具体采用的方法是直方图均衡化；
（2）利用阀值化手段，将图像转换成二值图像，其中特征为白，灰度值为255，背景为黑，灰度值为0，具体采用的方法是OSTU阀值化；
（3）对二值化后的图像，进行形态学开运算处理，其目的是去除轮廓周围细小的毛刺；
（4）查找图像中所有的轮廓，认为最大轮廓为特征圆轮廓，保存最大轮廓的位置坐标信息。
图像处理方法二如下：
（1）将原始图像进行HDR动态压缩处理，以增强特征较暗部分与背景的对比度，同时减小特征较亮部分与背景的对比度；
（2）然后将HDR动态压缩后的图像进行OSTU阀值化处理；
（3）对二值化后的图像，进行形态学闭运算处理，其目的是填充特征中较小的空洞；
（4）最后提取图像中圆特征轮廓处理。
图像处理方法三如下：
（1）将图像进行HDR动态压缩处理；
（2）然后将HDR动态压缩后的图像进行高斯平滑处理；
（3）将高斯平滑处理后的图像进行边缘检测，具体的方法是，根据所要查找的特征圆大小，预估计边缘输出的数量，然后采用canny算子进行边缘检测处理；
（4）提取并保存特征的边缘信息，具体方法是，遍历图像中的每一个像素点，所有灰度值为255的点坐标都保存，这其中大部分的点都是特征圆的边缘信息。
随机抽样拟合圆：经过图像处理方法一或者图像处理方法二得到的特征轮廓或者边缘信息，保存的是大量的点。随机抽取其中三个点，三点可以得到一个圆，然后在一定距离误差范围内，判断其他点落在圆周上的个数。如此循环N次，得到N个圆的数据，然后遍历查找出其中符合点数最多的那个圆，即为本次查找的最佳满足圆。为了提高查找速度和效率，在有限的循环次数内查找到最理想的结果，可以先进行次的查找，初步确定一个最优圆，然后删除所有偏离圆周较多的点，即相当于将搜索范围缩小到一个小的区域，然后再进行次的精确查找，最后返回一个最接近实际的圆心坐标和半径。
HDR动态压缩处理：首先遍历灰度图的每一个像素，其灰度值为，进行对数函数运算，得到。记对数运算后灰度图的最大灰度值为，最小灰度值为，再次遍历每个像素，得到新的灰度值，，最后对Z图像进行归一化到0-255之间的灰度范围。正常情况下，需要识别的特征圆为黑色，背景为白色，以上的HDR动态压缩处理步骤，扩大了低灰度范围的差距，减小了高灰度范围的差距，其好处是，使特征圆与其周围教黑的被认为是干扰的背景区别更明显，从而保证查找到的圆更准确和更接近真实。