一种靶面像素位置编码方法与流程

本发明涉及基于图像处理的自动报靶领域，尤其涉及的是一种靶面像素位置编码和基于靶面像素位置编码的自动报靶方法。

背景技术：

靶面初始信息的获取是弹孔识别和判定环数的前提和基础，决定着自动报靶系统性能的优劣。传统的基于图像处理的自动报靶系统中，靶面初始信息获取部分所做的工作仅仅是图像滤波和图像畸变校正，理论研究中能够获得较为规则的靶纸图像，但是没有考虑到靶场背景干扰和糊靶的现状，应用在实际射击报靶中有很大的局限性；另外，部队射击报靶在环数判定时采用“沾边就算”就算的规则，即以弹孔最内侧点作为计算此次射击成绩的依据点。如果使用传统的根据两点间距离计算成绩弹孔成绩的方式，每次射击后都要进行大量的计算，无法保证时效性。因此，研究靶面信息获取方法及一种新的判靶方式成为基于图像处理自动报靶推广普及的关键。

目前，图像处理理论研究正朝着多学科多向交叉融合的趋势发展，大量的工程实践结果也表明，融合多学科多领域的靶面图像处理已成为解决自动报靶实际问题的研究热点。

技术实现要素：

针对上述现有报靶系统中靶面信息获取不考虑糊靶等干扰、环数判定方式不符合报靶实际的问题，本发明的目的在于提供一种靶面像素位置编码方法。

一种靶面像素位置编码方法，该方法用于胸环靶，包括以下步骤：

步骤1，获取胸环靶的初始靶面a，并从初始靶面a中提取靶面d_i；

包括：

步骤11，提取初始靶面a中满足条件A的像素点形成靶面b，所述条件A为：该像素点的R颜色分量值大于该像素点的G颜色分量值，并且该像素点的R颜色分量值大于该像素点的B颜色分量值；

步骤12，将靶面b从RGB颜色空间变换到HSI颜色空间，提取靶面b在HIS颜色空间中满足条件B的像素点形成靶面c，所述条件B为：该像素点的色度大于60且小于180，并且该像素点的饱和度大于0.3；

步骤13，将靶面c的所有像素点进行二值化取反，得到靶面d；

步骤14，在坐标系中对靶面d进行肖波投影，得到靶面d在X轴上的投影f_x(x)的取值空间和靶面d在Y轴上的投影f_y(y)的取值区间，从靶面d中截取f_x(x)和f_y(y)的取值区间作为靶面d_i；所述坐标系原点为靶面d四个顶角中的一个，X轴为水平方向，Y轴为垂直方向；

其中，h_x表示靶面d中投影到X轴上的像素灰度值为0的像素点的数量，h_y表示靶面d中投影到Y轴上的像素灰度值为0的像素点的数量；A-1，C-1分别为靶面d的宽和高，gray(x,y)为像素点(x,y)处的灰度值。

步骤2，对靶面d_i中的环线进行拟合；

包括：

步骤21，对靶面d_i进行边缘检测，得到边缘胸环靶d_j，设定靶面d_i上的靶环区域为K，K的面积为S_K；

将K划分为n-1个半径为R_n、面积为S_n的同心圆,即形成n个区域Q_n；

其中，Q₁＝S₁,Q₂＝S₂-S₁,…,Q_n-1＝S_n-1-S_n-2,Q_n＝S_K-S_n-1，n＝1,2,...；

步骤22，分别对每个区域执行步骤221～步骤224，得到靶面d_f；

步骤221，取区域Q_j中任一像素点作为当前像素点，遍历以该当前像素点为中心8邻域内的所有像素点，将该当前像素点8邻域内的所有像素点与该当前像素点合并为同一个环线C_q；其中，C_q的周长为LC_q，q＝1,2,...；

步骤222，重复步骤221，直至区域Q_j中所有的像素点都已经被作为当前像素点或者被遍历，执行步骤223；

步骤223，去除LC_q,q＝1,2,...降序排列中前20％的环线；

步骤224，设区域Q_j中环线C_q的半径为D_qk，若则去除环线C_q，q＝1,2,...；

其中，R_j为区域Q_j的半径；

步骤23，在区域Q_j，j＝1,…,n中依次选取靶面d_f中任一像素点作为中心像素点，j＝1,…,n；

若向该中心像素点的水平两侧各M_max/2内搜索到像素点，且搜索到的像素点与中心像素点的距离大于等于M_min/2，则保留搜索到的像素点，否则去除搜索到的像素点，保留的像素点组成水平方向的环线基元Bl；以X轴的方向作为水平方向；

若向该中心像素点的垂直两侧各M_max/2内搜索到像素点，且搜索到的像素点与中心像素点的距离大于等于M_min/2，则保留搜索到的像素点，否则去除搜索到的像素点，保留的像素点组成垂直方向的环线基元Br；以Y轴的方向作为垂直方向；

其中，M为靶面d_f的所有环线中相邻环线距离的平均值，M_min＝(1-sec22.5°)M，M_max＝(1+sec22.5°)M；

将环线基元Bl、Br组成环线基元，并去除环线基元中长度小于LC_min的环线基元，得到环线的平行线基元B；其中，LC_min为靶面d_f中最短环线周长；

步骤25，在区域Q_j中，j＝1,…,n，将该区域Q_j的平行线基元B中长度最长的基元作为初始种子点，然后按照最优适应度函数进行搜索，连接平行线基元B，最终得到拟合的环线图B_f。

进一步地，还包括：

步骤3，在靶面d_i中，根据拟合的环线结合标准靶面对靶面像素进行位置编码；

包括：

步骤31，对靶面d_i进行二值化操作，并选择半径为2的圆进行腐蚀，得到腐蚀后的靶面e；

对靶面e进行边缘检测得到e₀，并将e₀中灰度值为“1”的像素点进行连接成J个连接成分，设任一连接成分e_j的面积为Se_j，j＝1,2，…,J，J为大于等于2的自然数，保留Se_j，j＝1,2，…,J降序排列中前两个的连接成分，得到靶面e₁；

对靶面e₁进行Hough圆检测，得到靶面e₁的圆心o₀和半径R₀；

再保留靶面e₁中连接成分中面积最大的连接成分，得到靶面e_f；

e_f中有效区域的边界像素点坐标g(x,y)，所述有效区域为靶面e_f中面积最大的连接成分；

在靶面e_f和标准靶面之间建立空间坐标转换关系，得到坐标转换参数a_mn,b_mn：

其中，a_mn、b_mn为坐标转换参数，m为大于等于0且小于等于2的整数，n为大于等于0且小于等于2的整数，x′、y′分别为靶面e_f中像素点的坐标，u、v分别为标准靶面中像素点的坐标；

步骤32，任取靶面e_f中一像素点O，所述像素点O的坐标为(x₀，y₀)若则像素点O的环数值OV＝0；

若x₀∈[g_xmin,g_xmax]且记像素点O的环数值O_V＝0；

其中，g_xmin为靶面e_f中有效区域的边界像素点在x轴上的最小值，g_xmax为靶面e_f中有效区域的边界像素点在x轴上的最大值；g_ymin为靶面e_f中有效区域的边界像素点在y轴上的最小值，g_ymax为靶面e_f中有效区域的边界像素点在y轴上的最大值；

否则，连接O点与o₀的线段L，计算线段L上像素灰度阶跃变化的次数T，像素点O的环数值O_V＝10-T；

步骤33，将胸环靶e_f中所有像素点的坐标(x,y)、灰度值gray、所在环数值O_V以数组的形式存储，得到靶面像素位置编码F。

进一步地，步骤14中所述坐标系原点为靶面d的左上角。

与现有技术相比，本发明具有以下技术效果：

(1)本发明在胸环靶定位中，采用基于颜色特征的靶位识别技术，解决了胸环靶定位中靶面易受复杂背景、光照变化干扰、人工干涉大的问题，胸环靶定位精度高，人工干预少，且不受光照条件的干扰；

(2)本发明在环线拟合时，基于平行线对提取和遗传算法进行连接的环线拟合技术，解决了糊靶图像环线拟合中环线断续、存在异常环线干扰等问题，环线拟合精度高、效果好；

(3)本发明针对射击中靶场背景干扰大、靶面糊靶的现状，将靶面像素的位置信息和环数信息相结合，并且本方法以像素为单位进行处理，并在射击前完成该过程，不占用射击时间，而且在识别弹孔的同时判定弹孔成绩，便于满足部队实际报靶时以弹孔最内侧点所在环数作为射击成绩的判靶规则，兼顾报靶准确率和时效性。

附图说明

图1(a)为初始靶面a；(b)为经初提取得到的靶面b；(c)为经再提取得到的靶面c；(d)为对靶面c进行二值化取反得到的靶面d；

图2为靶面d_i；

图3(a)为边缘胸环靶d_j；(b)为靶面d_f；

图4(a)为水平方向的环线基元Bl；(b)为垂直方向的环线基元Br；(c)为平行线基元B；(d)为拟合的环线图B_f；

图5(a)为腐蚀后的靶面e；(b)对靶面e进行边缘检测得到e₀；(c)为靶面e₁；(d)为靶面e₂；

图6为靶面e_f；

图7为靶面像素位置编码。

具体实施方式

下面通过实施例和附图对本发明做进一步说明。

实施例

本实施例提供了一种靶面像素位置编码方法，该方法用于胸环靶，包括以下步骤：

步骤1，如图1(a)所示，获取胸环靶的初始靶面a，并从初始靶面a中提取靶面d_i，如图2；

具体过程为：

步骤11，因为胸环靶纸颜色存在“绿色恒定性”，所以可以选择RGB颜色空间提取胸环靶纸绿色特征，初分割胸环靶结构形态。自动报靶系统中，对于胸环靶靶纸区域分割和定位而言，胸环靶区域的轮廓参数比较重要，如胸环靶轮廓边缘、各角点的坐标位置等。至于胸环靶区域内的环线、数字等细节信息在此过程中可以忽略。因此，依据靶纸的绿色特征粗线条地提取胸环靶的基本轮廓结构是胸环靶分割的重要内容。

提取初始靶面a(图1(a))中满足(g_value＞b_value)∩(g_value＞r_value)的所有像素点P，将像素点P形成靶面b，如图1(b)；

其中，g_value、b_value、r_value分别为初始靶面a中像素点的R、G、B颜色分量值；

步骤12，由于光照的影响，在RGB颜色空间中基于胸环靶绿色特征提取的胸环靶图像中，包含了少量符合条件的背景区域，为了减少光照变化对识别的影响，消除少量背景干扰，采用将初提取的胸环靶图像变换到HSI(色调、饱和度和亮度)颜色空间中，并基于色调(Hue，H)分量和饱和度(Saturation，S)进一步提取胸环靶区域。

将靶面b从RGB颜色空间变换到HSI颜色空间，则像素点P对应为HSI颜色空间中的像素点P′，若像素点P′满足60＜H＜180且S＞0.3，则提取像素点p′,将像素点p′形成靶面c，如图1(c)；

其中，H为像素点p′的色度，s为像素点p′饱和度，I为像素点p′亮度；

在成功的分离胸环靶目标和背景后，为了将图像处理的范围锁定在目标区域，还需要确定胸环靶在整幅图像中的位置，即要获得胸环靶轮廓的坐标。本发明通过对再提取胸环靶图像进行二值化，得到相应的二值图；然后对胸环靶二值图进行投影变换，确定胸环靶在图中的位置。

具体过程为：

步骤13，本发明通过将靶面c的所有像素点进行二值化取反，得到靶面d，如图1(d)；

步骤14，在坐标系中对靶面d进行肖波投影，得到靶面d在X轴上的投影f_x(x)的取值空间和靶面d在Y轴上的投影f_y(y)的取值区间，从靶面d中截取f_x(x)和f_y(y)的取值区间作为靶面d_i；所述坐标系原点为靶面d的左上角，X轴为水平方向，Y轴为垂直方向；

其中，h_x表示靶面d中投影到X轴上的像素灰度值为0的像素点的数量，h_y表示靶面d中投影到Y轴上的像素灰度值为0的像素点的数量；A-1，C-1分别为靶面d的宽和高，gray(x,y)为像素点(x,y)处的灰度值。本实施例中，靶面d的宽和高均为150像素。

部队射击训练中为了节约靶纸，减少更换靶纸的频率，普遍采用手动糊靶的方式代替换靶，糊靶原则上是用同样颜色的纸块填补弹孔，但是由于时间限制和纸块形状、面积的影响，不可避免会出现纸块形状过大覆盖部分环线或者绿色环值区域出现白色环线、白色区域出现绿色纸块情况，严重干扰了靶环环线的连续性、完整性和真实性。另外，虽然前期对畸变靶纸进行了校正，但仍然存在部分形变，最终得到的胸环靶图像中，环线不连续、环线周围存在大量的短曲线噪声干扰而且环线是一组同心、不对称的类椭圆形。

本发明对靶面d_i中的环线进行拟合；

步骤21，对靶面d_i进行边缘检测，得到边缘胸环靶d_j(图3(a))，设定靶面d_i上的靶环区域为K，K的面积为S_K，且K具有n条靶环环线；

将K划分为n-1个半径为R_n、面积为S_n的同心圆,,即形成n个区域Q_n；本实施例中，如图3所示，n取5，在256×256像素分辨率下，R₁取22像素，R_n-R_n-1为15像素；

其中，Q₁＝S₁,Q₂＝S₂-S₁,…,Q_n-1＝S_n-1-S_n-2,Q_n＝S_K-S_n-1，n＝1,2,...；

步骤22，任取区域Q_n中任意一个区域Q_j，j≤n；

步骤221，取区域Q_j中任一像素点作为当前像素点，遍历以该当前像素点为中心8邻域内的所有像素点(x,y)，将该当前像素点8邻域内的所有像素点与该当前像素点合并为同一个环线C_q；其中，C_q的长度为LC_q，q＝1,2,...；

步骤222，重复步骤221，直至区域Q_j中所有的像素点都已经被作为当前像素点或者被遍历为止；

步骤223，去除LC_q，q＝1,2,...，降序排列中前20％的环线；

步骤224，设区域Q_j中环线C_q与同心圆K_n圆心的距离，即环线C_q的半径为D_qk，若则去除环线C_q；

其中，R_j为区域Q_j的半径；

步骤23，对所有区域Q_n都执行步骤22，得到靶边缘d_f(图3(b))，此时靶面d_f中最短环线长度为LC_min，本实施例中LC_min取30π像素。

步骤24，在区域Q_j中依次选取靶面d_f中任一像素点作为中心像素点,j＝1,…,n；

若向该中心像素点的左右两侧各M_max/2内搜索到像素点，且搜索到的像素点与中心像素点的距离大于等于M_min/2，则保留搜索到的像素点，否则去除搜索到的像素点，得到水平方向的环线基元Bl，如图4(a)；

若向该中心像素点的上下两侧各M_max/2内搜索到像素点，且搜索到的像素点与中心像素点的距离大于等于M_min/2，则保留搜索到的像素点，否则去除搜索到的像素点，得到垂直方向的环线基元Br，如图4(b)；

其中，M为靶面df中相邻两条环线之间距离的平均值，M_min＝(1-sec22.5°)M，M_max＝(1+sec22.5°)M；本实施例中，M为15像素。

将环线基元Bl、Br组成环线基元，并去除环线基元中长度小于LC_min的环线基元，得到环线的平行线基元B，如图4(c)。

步骤25，针对胸环靶同心靶环环线复杂情况，为克服Hough变换和最小二乘法运算量大、拟合准确度低的缺点。

在区域Q_j中，将该区域Q_j的平行线基元B中长度最长的基元作为遗传算法输入中的初始种子点，然后按照最优适应度函数进行搜索，连接平行线基元B，最终得到拟合的环线图B_f，如图4(d)。

表1、表2分别给出了采用3种不同算法计算的拟合环线圆形度和运行时间。

表1 拟合环线圆形度的值

表2 算法运算时间

从结果可以看出，无论是拟合环线与实际环线重合度的大小还是拟合环线与实际环线圆形度相似性的高低上，本文算法拟合得到的靶环环线的准确度均优于Hough变换和最小二乘法拟合得到的环线，为自动报靶系统下一步准确报靶提供了可靠数据；表2算法的运行的时间表明，该算法时间复杂度大于最小二乘法优于Hough变换，基本满足系统要求。

在靶面d_i中，根据拟合的环线对靶面像素位置进行编码。

从靶位识别的结果来看，提取的胸环靶图像还包含部分白色背景区域。根据射击成绩判定的规则，子弹落在胸环靶轮廓以外的白色区域，视为脱靶，成绩记为0环，因此，必须首先确定胸环靶的有效区域，即胸环靶的边缘轮廓。

为了消除了胸环靶中的环线和数字部分。

步骤31，对靶面d_i进行二值化操作，并选择半径为2的圆进行腐蚀，得到腐蚀后的靶面e，如图5(a)；

对靶面e进行边缘检测得到e₀(图5(b))，并将灰度值为“1”的像素点进行连接成多个封闭区域，将每个封闭区域标记为连接成分，设连接成分的面积为Se_i，保留Se_i降序排列中前两个的连接成分，得到靶面e₁，如图5(c)；消除了胸环靶中的环线和数字部分，但是图中仍然存在部分文字及背景的干扰。

对靶面e₁进行Hough圆检测，得到圆心o₀和半径R₀，得到靶面e₂，如图5(d)；

对靶面e₂再次进行区域标记，保留连接成分中面积最大的连接成分，得到靶面e_f，如图6；

经过以上处理，完整提取了消除环线和数字的胸环靶边缘轮廓。将位于胸环靶的边缘轮廓上像素点的坐标存储起来，为后续判断弹着点是否脱靶提供了数据依据。

存储e_f中有效区域的边界像素点坐标g(x,y)；

在靶面e_f和标准靶面之间建立空间坐标转换关系，得到坐标转换参数a_mn,b_mn：

其中，a_mn、b_mn为坐标转换参数，m为0～2的整数，n为0～2的整数，x、y分别为靶面e_f中像素点的坐标，u、v分别为标准靶面中像素点的坐标；

步骤32，任取靶面e_f中一像素点若则像素点的环数值O_V＝0；

若且记O_V＝0；

其中，g_xmin为靶面e_f中有效区域的边界像素点在x轴上的最小值，g_xmax为靶面e_f中有效区域的边界像素点在x轴上的最大值；g_ymin为靶面e_f中有效区域的边界像素点在y轴上的最小值，g_ymax为靶面e_f中有效区域的边界像素点在y轴上的最大值；

否则，连接O点与o₀的线段L，计算线段L上像素灰度阶跃变化的次数T，O_V＝10-T。

由于环线图B_f中环线上的像素点的灰度值为1，非环线上的像素点的灰度值为0，所以计算线段L上像素灰度阶跃变化的次数T，可得到O点与o₀之间经过几条环线；

依次遍历靶面e_f中所有像素点，计算像素点所在位置的环数值。

步骤33，将胸环靶e_f中所有像素点的坐标(x,y)、灰度值gray、所在环数值v以数组的形式存储，得到靶面像素位置编码F。