一种对称图像对称轴检测定位方法
【技术领域】
[0001] 本发明属于图像处理与模式识别领域，更具体地，涉及一种对称图像对称轴检测 定位方法。
【背景技术】
[0002] 在视觉特征描述中，对称性是一个重要内容。自然界中随处可见对称性的物体，且 通过对称性的特点，可进行众多判断，从而指导视觉的物体检测、特征提取与识别过程等。 目前，图像处理中的对称性检测由于各方面的原因还存在着不足。从图像中提取对称轴，对 于模式识别和图像处理是重要的。物体的对称轴检测，对物体形状匹配、模型匹配、物体识 别与定位、场景理解等具有重要的意义。对称轴在平面物体的定位、识别，精密仪器的对称 性检测中发挥着重要的作用，而且应用于3D物体的重建、智能交通、机器人导航、卫星图像 管理、遥感图像处理和空间检测、人脸识别等领域。总之，对称轴检测是图像特征检测的重 要内容，对图像处理、计算机视觉信息传输等，拥有广阔的应用前景。
[0003] 国内外关于提取物体对称轴的研究也涌现了诸多方法，Enmin Song等采用一组辅 助平行线与分割目标相交的方式，拟合出所有交点的中心点连线，然后通过不断迭代直至 中心点连线不再变动，从而获得对称轴；Huisi Wu等利用了从对称图像中提取的Sift特征 也呈对称性这一特性，对每组Sift特征向量进行相似性度量，计算相似度权重，再利用了 Hough变换的原理，在对应极坐标位置上叠加相似度权重，提取峰值坐标即为中轴线对应极 坐标；Kunihiko Fukushima等利用神经网络算法，提取有向边缘，进行多层模糊处理，然后 进行相似度计算，判断是否存在对称性以及对称轴的位置。Ding Shao-wen等提出了基于最 小惯性轴和对称目标在单侧照明条件下的成像特点的对称轴提取方法。
[0004] 上述算法大部分都是针对特定类型的图像进行处理，如MRI图像，导弹图像等，部 分算法所采用的实验图像比较清晰，应用范围有一定的局限性，算法鲁棒性较差。
【发明内容】
[0005] 针对现有技术的缺陷和改进需求，本发明提供了一种鲁棒的对称图像对称轴检测 定位方法，该方法基于边缘点梯度和Hough变换原理，在保留了大部分对称边缘点的条件 下，计算每对边缘点的对称权值，将待选中轴线映射到极坐标空间，进而对图像对称轴进行 高精度定位。
[0006] 为了实现上述目的，本发明提供了一种对称图像对称轴检测定位方法，包括以下 步骤：
[0007] (1)对待检测输入图像进行Sobel边缘检测；
[0008] (2)对每个边缘点，统计以该边缘点为中心的预设大小邻域范围内所有像素点的 梯度大小和方向的分布情况，统计结果作为该点的梯度表示；
[0009] (3)针对所有边缘点，两两选取点对，对任一点对，当该两点梯度相近时，计算该两 点的中垂线方程，利用该两点的梯度方向信息计算两点中垂线的映射权值，该中垂线即为 待选中轴线。所有点对经过上述操作后，即获得待选中轴线集；
[0010] ⑷根据步骤⑶中确定的所有待选中轴线方程，利用Hough变换的映射机制，转 换为极坐标表示，设置极坐标横轴纵轴单位，建立极坐标系累加器矩阵，在所有待选中轴线 所对应的极坐标累加器单元上叠加相应的映射权值；
[0011] (5)在极坐标累加器中挑选权值和最大的坐标，如通过拒识判断，则该极坐标表示 的直线即为待求中轴线，否则待检测图像不存在对称轴。
[0012] 本发明的一个实施例中，所述步骤（1)处理方法为：使用Sobel横向和纵向卷积因 子与图像做平面卷积，即可分别得出横向和纵向的灰度差分近似值，图像中每一个像素点 的横纵向灰度差分近似值可用来计算梯度幅值和方向；设置边缘提取阈值Threl，根据梯 度幅值与阈值间关系确定背景域和目标域，获得二值化边缘图像和边缘点集，边缘点总数 为n〇
[0013] 本发明的一个实施例中，所述步骤（2)包括以下步骤：
[0014] (2-1)设置邻域窗口大小wid*hei，以步骤（1)中获得的每个边缘点为中心，在邻 域窗口内采样，计算每个像素点的梯度幅值和方向。
[0015] (2-2)设定梯度直方图范围是0~360度，每γ度一个柱，总共360/γ个柱，统计 邻域窗口内每个像素点的梯度方向和幅值，并用高斯函数对每个像素点的幅值进行平滑计 算，统计结果即为该邻域窗口内所有像素点的梯度分布直方图。
[0016] (2-3)根据邻域窗口直方图峰值所对应的方向，及其左右方向进行插值操作，插值 操作的过程如下：设直方图峰值所对应方向为第c个柱，该峰值左侧为第1个柱，右侧为第 r个柱，则经过插值后直方图峰值对应的柱为第
个，直方图峰值对应的 方向为
若ori > 2* π，则 〇ri = ori-2* π，〇ri即作为中心像素点的梯度 主方向，峰值大小作为中心像素点梯度幅值，即每个边缘像素点形成自己的梯度向量。
[0017] 本发明的一个实施例中，所述步骤（3)包括以下步骤：
[0018] (3-1)针对步骤⑴获得的边缘点集，任选（xl，yl)，（x2, y2)两点，该两点对应梯 度向量为卩,若两点位置间距大于设定的间距阈值Thre2,且两点的梯度幅值之比介于 (l/k，k)，则按步骤（3-2)进行，否则不做处理。
[0019] (3-2)依次计算两点中垂线11、向量巧沿中垂线的对称向量巧、卩与巧的和向 量?，记;i与11夹角为α[和污夹角为β，该中垂线对应权值为sina*cos0，形成待 选中轴线。
[0020] 本发明的一个实施例中，所述步骤⑷包括以下步骤：
[0021] (4-1)利用Hough变换的映射机制，将所有待选中轴线方程转换为极坐标表示方 式：
[0022] I1ij= y c*cos Θ ij-xjsin Θ u
[0023] 其中，（x。，y。）为待选中轴线上的像素坐标，Θ ^为待选中轴线与水平轴之间夹角，Γι]为坐标原点到待选中轴线的距离。
[0024] (4-2)统计所有待选中轴线的Θ a和r ^，即可获得Θ u的最小值最大值θ _和 的最小值最大值^_和^_，根据合适的Θ步进标准和进标准设置横纵轴单 位，建立极坐标系累加器矩阵，在所有待选中轴线所对应的极坐标累加器单元上叠加相应 的中垂线权值。
[0025] 本发明的一个实施例中，所述步骤（5)处理方法为：提取权值和最大的累加器单 元坐标（Θ "，rj，若该权值和大于拒识阈值Thre4*n，即求得该对称图像中轴线对应极坐 标，将该中轴线在原始图像上表示出来。
[0026] 总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有 益效果：
[0027] 本发明方法借助了 hough变换的思想，通过选择合适的阈值进行边缘提取，保证 大部分的图像对称边缘点参与计算，避免了采用少数特征点可能出现的误差，增强了对称 轴提取算法的鲁棒性；对模糊图像，角点不丰富图像也能达到较好的效果，适用范围广。
【附图说明】
[0028] 图1为本发明对称图像对称轴检测定位方法流程图；
[0029] 图2为本发明实施例待检测图像；
[0030] 图3为本发明实施例中边缘提取结果图；
[0031] 图4为本发明实施例中某一边缘点邻域窗口梯度分布图；
[0032] 图5为本发明实施例中某一边缘点邻域窗口梯度分布直方图；
[0033] 图6为本发明实施例中部分边缘点梯度向量表示；
[0034] 图7为本发明实施例中中轴线权值计算指示图；
[0035] 图8为本发明实施例中待选中轴线极坐标映射结果以及峰值位置；
[0036] 图9为本发明实施例图像对称轴定位结果。
【具体实施方式】
[0037] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不 用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼 此之间未构成冲突就可以相互组合。
[0038] 本发明利用了对称图像边缘梯度，以及Hough变换原理，实现对称图像对称轴的 精确检测定位。具体为：对待检测输入图像进行Sobel边缘检测；对每个边缘点，统计以该 点为中心的固定大小邻域范围内所有像素点的梯度大小和方向的分布情况，统计结果作为 该点的梯度表示；针对所有边缘点，当某两点梯度相近时，计算两点中垂线方程，利用梯度 方向等相关信息计算映射权值，形成待选中轴线集；根据步骤（3)中确定的所有待选中轴 线方程，利用Hough变换的映射机制，转换为极坐标表示，设置极坐标横轴纵轴单位，在极 坐标累加器对应位置处叠加该中轴线对应的映射权值；在极坐标累加器中挑选权值和最大 的坐标，如通过拒识判断，则该极坐标表示的直线即为待求中轴线，否则待检测图像不存在 对称轴。
[0039] 如图1所示，本发明一种对称图像对称轴检测定位方法，包括以下步骤：
[0040] (1)输入图像
[0041] 本发明适用于对称图像的对称轴提取，不仅能够适用于清晰图像，对于模糊图像 同样适用。如图2所示，本实施例中待处理图像A大小为MXN = 430X337。目标物体为模 糊的叶子图像。
[0042] (2)目标边缘提取
[0043] 使用Sobel横向和纵向卷积因子与图像做平面卷积，获得横向和纵向的灰度差分 近似值，图像中每一个像素点的横纵向灰度差分近似值可用来计算梯度幅值