和方向；设置 边缘提取阈值Threl为150,根据梯度幅值与阈值的大小关系，将梯度幅值小于Threl的像 素点确定为背景域像素，梯度幅值大于Threl的像素点确定为目标域像素，即可获得二值 化边缘图像和边缘点集，边缘点总数为η = 3912。
[0044] 边缘图像如图3所示。梯度计算过程为：
ori = arctan(Gy/Gx)，G和ori为该点梯度的幅 值和方向。
[0045] (3)边缘点邻域梯度计算，具体包括以下子步骤：
[0046] (3-1)设置邻域窗口大小，本实施例中取17*17邻域窗口，以每个边缘点为中心， 在邻域窗口内采样，计算每个像素点的梯度幅值和方向。
[0047] (3-2)设定梯度直方图范围是0~360度，每10度一个柱，总共36个柱，统计邻域 窗口内每个像素点的梯度方向和幅值，根据邻域窗口像素点距离中心像素点的距离，使用 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。选取输入图像第11行215列的边缘点为例，该边缘点17*17邻域窗口内每 个像素点的梯度幅值和方向（幅值经过归一化操作）如图4所示，图5所示即为该邻域窗 口梯度分布直方图。
[0048] (3-3)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，所获 得的方向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，插值操作 的过程如下：直方图峰值所对应方向为第32个柱，该峰值左侧为第31个柱，右侧为第33个 柱，则经过插值后直方图峰值对应的柱为第32. 21566个，直方图峰值对应的方向为ori = 2. 4811，ori即作为中心像素点的梯度主方向，峰值大小mag = 596. 39178作为中心像素点 梯度幅值。每个边缘点经过上述操作后，即形成自己的梯度向量。部分像素点梯度向量表 示如图5所示，由于相对物体尺寸而言，梯度幅值很大，为方便观察，我们将像素点的梯度 幅值乘以一定的比例，由图5可见对称的边缘位置处梯度也是对称的。
[0049] (4)待选中轴线计算，具体包括以下步骤：
[0050] (4-1)在边缘点集中任选（xl，yl)，（x2, y2)两点，该两点对应梯度向量为? 若两点位置间距大于间距阈值3,且两点的梯度大小之比介于（1/2, 2)，则按下一步骤进 行，否则不做处理。
[0051] (4-2)计算两点中垂线11，向量;:i沿中垂线的对称向量刁:，；！与]!的和向量 1，记M与11夹角为α，H和β夹角为β，该中垂线对应权值为sin a *cos β，形成待选 中轴线，如图6所示。
[0052] (5)基于Hough变换的极坐标映射，具体包括以下步骤：
[0053] (5-1)将所有（4-2)步骤中计算出的待选中轴线方程转换为极坐标表示方式：
[0054] I1ij= y c*cos Θ ifxjsin Θ u
[0055] 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。
[0056] (5-2)计算Θ min和Θ max，rmin和r max，取Θ步进标准为〇· 0035, r步进标准为 0.5,选取极坐标系范围为1000*1000,则设置横纵轴单位为0S= (θ _-θ_)/1000, rs = &_1_)/1000，若 0s<〇.〇〇35,设置 Θ ；3= 0.0035，若匕<0.5，设置匕=0.5，并重新设 置坐标系范围，建立极坐标系，在所有待选中轴线所对应的极坐标位置上叠加相应的权值， 结果如图7所不。
[0057] (6)寻找最优对称轴
[0058] 提取权值和最大的坐标（Θ "，rJ，设置拒识阈值为η/4,权值和超过此阈值，即求 得该对称图像中轴线对应极坐标，其对应的Θ = 1.5708, r = 216. 261，将该中轴线在原始 图像上表示出来，如图8所示。
[0059] 本发明对对称图像对称轴检测定位起着至关重要的影响，本发明利用了对称图像 边缘梯度，以及Hough变换原理。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。
[0060] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以 限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种对称图像对称轴检测定位方法，其特征在于，包括以下步骤： (1) 对待检测输入图像进行Sobel边缘检测； (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； (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； (4) 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，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； (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。2. 如权利要求1所述的对称图像对称轴检测定位方法，其特征在于，所述步骤⑴边缘 检测处理方法为：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，根据梯度幅值与边缘提取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，。3. 如权利要求1或2所述的对称图像对称轴检测定位方法，其特征在于，所述步骤（2) 包括以下步骤： (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； (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； (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直方图峰值对应的方向若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。4. 如权利要求1或2所述的对称图像对称轴检测定位方法，其特征在于，所述步骤（3) 包括以下步骤： (3-1)针对步骤（1)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;7LH，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（1/ k，k)，则按步骤（3-2)进行，否则不做处理； (3-2)依次计算两点中垂线11、向量0沿中垂线的对称向量刁、H与B的和向量;i， 记与11夹角为α，万和.?夹角为β，该中垂线对应权值为sina *cosP，形成待选中轴 线。5. 如权利要求1或2所述的对称图像对称轴检测定位方法，其特征在于，所述步骤（4) 包括以下步骤： (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： Tl j= y c*cos Θ x-xc*sin Θ x j 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，rij为 坐标原点到待选中轴线的距离； (4-2)统计所有待选中轴线的Qij和r ^，即可获得Qij的最小值最大值Θ _和Θ _， k的最小值最大值^_和^_，根据合适的Θ步进标准和r步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。6. 如权利要求1或2所述的对称图像对称轴检测定位方法，其特征在于，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（θη Γη)，如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，其中η为边缘点总数。
【专利摘要】本发明公开了一种鲁棒的图像对称轴检测定位方法，具体包括(1)图像边缘提取；(2)边缘点梯度计算；(3)边缘点对的中垂线方向及权值计算；(4)极坐标映射，寻找最优对称轴。本发明利用了对称图像边缘点梯度方向的对称性，针对边缘点集，计算任意两边缘点的中垂线，根据梯度方向计算该中垂线的映射权值，形成待选中轴线；利用了Hough变换的映射机制，使用标准极坐标公式描述所有的待选中轴线，在对应的极坐标位置上累加映射权值，选择权值和最大的极坐标表示为优选中轴线。
【IPC分类】G06T7/60
【公开号】CN105184830
【申请号】CN201510543491
【发明人】胡静, 万秦琪, 蔡诗聂, 董帆, 高洪涛, 刘凡
【申请人】华中科技大学
【公开日】2015年12月23日
【申请日】2015年8月28日