本发明涉及激光切割自动化领域，具体地说是一种十字架的特征提取算法。
背景技术：
本发明最初来源于激光切割自动化领域中的眼镜框切割需求。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mark特征，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mark特征，并精确的返回mark中心位置及其他参数。而十字架是应用较多的一种mark特征。
一般的识别十字架算法，采用模板匹配的方式，只能够很好地处理旋转角度在5度以内的十字架特征，对于旋转角度过大的情况，或者不能够处理，或者速度很慢，耗费时间多于500ms。并且，要求mark特征与背景对比明显，没有杂质的干扰，即只能够处理特征效果较好的图像，对图像特征的一致性和稳定性要求很高。
技术实现要素：
本发明为克服现有技术的不足，提供一种十字架的特征提取算法，针对眼镜框切割行业的视觉定位应用特点，能够极大的提高识别十字架特征的速度与适应性，实际使用过程中，只要图像中含有十字架，都能够快速、精确地给出中心坐标和旋转角度，并且同一幅图像，多次查找的误差在正负一个像素范围内，即具有较好的稳定性。
为实现上述目的，设计一种十字架的特征提取算法，其特征在于：具体步骤如下：
（1）输入相机拍摄的灰度图像；
（2）统计图像的灰度直方图；
（3）根据直方图判断图像是否需要图像增强，是则进行图像增强处理，然后进行图像处理方法一；否则直接进行图像处理方法一；
（4）经过图像处理方法一后的图像得到特征轮廓信息，拟合出十字外轮廓的四条直线；
（5）判断拟合出十字外轮廓的四条直线是否构成十字架特征，是则结束算法；否则进行图像处理方法二；
（6）经过图像处理方法二后的图像得到边缘信息，拟合出十字架特征的四条直线；
（7）结束算法。
所述的图像处理方法一如下：
（1）将原始图像进行高斯平滑处理，去除噪声和干扰；
（2）得到二值图像，其中特征为白色，灰度值为255，背景为黑色，灰度值为0；
（3）将处理后的二值图像进行形态学开运算处理，去除轮廓周围小的毛刺；
（4）查找图像中所有的轮廓，认为最大的轮廓为十字特征轮廓，将最大轮廓点的坐标信息保存。
所述的图像处理方法二如下：
（1）将图像进行高斯平滑处理，去除噪声和干扰；
（2）然后将高斯平滑处理后的图像进行估计出期望输出的边缘数，并利用canny算子进行边缘检测；
（3）遍历边缘检测之后的图像，将所有灰度值为255的点，保存为边缘信息，其中大部分为十字特征的边缘信息。
所述的图像增强处理为直方图均衡化处理。
本发明针对眼镜框切割行业的视觉定位应用特点，能够极大的提高识别十字架特征的速度与适应性，实际使用过程中，只要图像中含有十字架，都能够快速、精确地给出中心坐标和旋转角度。
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）统计图像的灰度直方图；
（3）根据直方图判断图像是否需要图像增强，是则进行图像增强处理，然后进行图像处理方法一；否则直接进行图像处理方法一；
（4）经过图像处理方法一后的图像得到特征轮廓信息，拟合出十字外轮廓的四条直线；
（5）判断拟合出十字外轮廓的四条直线是否构成十字架特征，是则结束算法；否则进行图像处理方法二；
（6）经过图像处理方法二后的图像得到边缘信息，拟合出十字架特征的四条直线；
（7）结束算法。
图像处理方法一如下：
（1）将原始图像进行高斯平滑处理，去除噪声和干扰；
（2）得到二值图像，其中特征为白色，灰度值为255，背景为黑色，灰度值为0；
（3）将处理后的二值图像进行形态学开运算处理，去除轮廓周围小的毛刺；
（4）查找图像中所有的轮廓，认为最大的轮廓为十字特征轮廓，将最大轮廓点的坐标信息保存。
图像处理方法二如下：
（1）将图像进行高斯平滑处理，去除噪声和干扰；
（2）然后将高斯平滑处理后的图像进行估计出期望输出的边缘数，并利用canny算子进行边缘检测；
（3）遍历边缘检测之后的图像，将所有灰度值为255的点，保存为边缘信息，其中大部分为十字特征的边缘信息。
图像增强处理为直方图均衡化处理。
正常输入的灰度图中，主要的信息为两部分，以十字特征为代表的低灰度值范围，以背景为代表的高灰度值范围。因此，认为灰度直方图中，存在着两个波峰。计算出两个波峰之间的距离，当小于某一阈值时，则认为特征与背景区别不明显，需要进行图像增强。如果原始的直方图，不存在两个波峰，可以对其数据进行一定半径大小的平滑操作，当迭代到一定次数，还不存在双峰时，则直接返回不需要图像增强。
图像经高斯平滑，阈值化，形态学运算，提取轮廓后，得到十字架特征外轮廓的所有坐标点。保存两份坐标点，第一份坐标点按照x坐标大小，分为两类，第二份坐标点按照y坐标大小，分为两类，得到四类坐标点。分别采用随机抽样的方法，去除不满足直线拟合要求的杂质点，然后对剩下的点进行最小二乘法的直线拟合，即得到四条直线。
随机选取一条直线作为参考基准，依次判断剩下的直线与基准直线的关系，在一定角度误差范围内，必须是平行或者垂直的关系。如果有一条直线不满足条件，则认为不够成十字架特征，否则继续进行判断。接着，分别求出平行直线之间的距离，求出较小距离与较大距离的比值，如果低于一定阈值，则认为不够成十字架特征，否则认为构成十字架特征。
经高斯平滑和边缘检测后，得到十字架特征的边缘信息。边缘信息与轮廓信息不同的是，轮廓是连续的闭合的，边缘不一定是连续的闭合的。首先，在海量的边缘点中，采用随机抽样的方式，经过多次采样，查找出由最多点拟合出的第一条直线，其与x轴夹角表示为，并将这些点从边缘点中删除。接着，利用十字架的几何特征，可以确定其他三条直线与x轴的夹角、、，然后在一定角度误差范围内，依次查找直线二、三、四，每找出一条直线，就可以将满足此条直线的所有点删除，以提高下条直线查找的效率。最后，得到了十字架特征的边缘检测后的四条直线信息。