一种自动检测靶板角点的方法
2017-10-18闫娜景文博崔灿王晓曼
闫娜,景文博,崔灿,王晓曼
(1.长春理工大学 电子信息工程学院,长春 130022;2.长春理工大学 光电工程学院,长春 130022)
一种自动检测靶板角点的方法
闫娜1,景文博2,崔灿1,王晓曼1
(1.长春理工大学 电子信息工程学院,长春 130022;2.长春理工大学 光电工程学院,长春 130022)
靶板是立靶调炮速度测量系统的重要组成部分,针对传统的角点检测算法不能自动检测靶板角点的问题,提出了一种基于图像处理技术的靶板角点的检测方法。对CCD采集的靶板图像进行自适应平滑滤波提高图像信噪比,达到去除噪声和细节增强的目的,采用迭代式阈值分割算法分割靶板,通过形态学运算对分割后的像素点进行填充,利用连通域分析和链码法提取目标区域轮廓,利用多边形逼近算法对靶板轮廓进行逼近,利用逼近结果检测靶板角点。在CCD分辨率1280×1024,像元尺寸14μm,焦距50mm,测量距离5m的情况下,检测精度小于1.4mm,在立靶调炮速度测量中具有重要应用价值。
靶板角点;图像处理;轮廓提取;多边形逼近
随着科技的不断发展,武器装备日新月异,对武器系统中调炮速度的测量方法研究,越来越受到关注。由于在实际测量过程中,不可避免地会造成靶板有一定的倾斜,需要对拍摄的靶板图像进行图像畸变校正。而基于透视点的图像畸变校正,需要在图像上寻找四个特征点计算变换矩阵,利用变换矩阵对靶板图像进行畸变校正。
实际调炮速度测量系统中,靶板由可升降支架、幕布组成,其中幕布有效区域为白色,四周为黑色背景,选取有效区域的四个角点作为特征点进行畸变校正。
目前,常用的角点检测算法分为三类:(1)基于图像边缘信息的角点检测算法[1],该算法存在的主要问题是边缘提取算法对角点检测的影响极大,如果边缘检测有中断部分,则会严重影响角点检测结果;(2)基于图像灰度信息的角点检测算法[2],该算法是通过计算曲率和梯度来检测角点,该算法的优点是避免了边缘提取算法对角点检测的影响,缺点是有时根据曲率和梯度求得的最大值点与角点的实际位置存在很大偏差,有时将实际的角点漏检或者是将本来不是角点的干扰点误当成角点;(3)基于小波变换的角点检测算法[3],该算法的主要问题是只有物体的特征尺度相似且先验知识已知时,检测算法的性能才比较好。针对以上三种检测角点方法的不足,提出一种自动检测靶板角点坐标的方法,该方法不用手动选取靶板图像角点坐标,没有人为因素影响,检测精度高。
1 透视变换角点检测理论基础
图像法测量调炮速度的过程中,相机所获取的图像往往存在透视畸变,如图1(a)所示,这使得光斑在图像中的位置和实际位置不符,如图1(b),影响测量精度。透视变换[4]的目的是根据公式(1)将图像投影到一个新的平面如图1(c),以消除透视畸变。
图1 角点检测示意图
变换矩阵由式(2)求得,8个未知参数对应8个方程,需要获取4个特征点(u,v)以及变换后的4个点(x,y)来求解变换矩阵。为了保证经过畸变校正后的图像大小和实际靶板对应像素大小一致,以原始图像中靶板的左上角点(u0,v0)为基准点,根据小孔成像原理计算靶板在图像中的实际大小,可以得到理论上非畸变角点(x,y)。因此,获取(u,v)四个点对于求解变换矩阵具有重要意义。
2 靶板角点检测图像处理算法及实现
2.1 自适应平滑滤波
实际靶板图像中存在噪声,需要对图像进行滤波处理以消除图像背景及系统噪声的干扰,为后续图像分析处理奠定基础。
为了消除靶板图像中的噪声,同时又增加边缘细节,采用自适应平滑滤波方法对靶板图像进行滤波。该算法根据靶板图像中像素灰度值的突变特性,自适应改变滤波器的权值。主要步骤为:
计算Gx,Gy:
计算权值系数:
其中,h为幅度系数,
平滑滤波:
自适应平滑滤波通过计算图像梯度,对边缘进行锐化增强。利用权值系数调控滤波函数[5],达到平滑去噪的目的。靶板图像原图如图2(a)所示,经过自适应平滑滤波处理后如图2(b)所示。
图2 靶板图像及滤波后图像
2.2 阈值分割
待检测靶板图像的白色有效区域与外围为黑色背景对比度较大边界清晰,靶板图像直方图波谷明显,故采用迭代式阈值分割算法分割靶板图像[6]。靶板图像经过迭代式阈值分割结果如图3所示。具体阈值分割步骤如下:
设置阈值T。将图像的平均灰度值设为初始阈值;
将图像分为两组C1和C2。计算两组的平均灰度值m1和m2,取两个平均值的均值作为新阈值Tnew;
图3 迭代式阈值分割图像
2.3 膨胀
经过阈值分割后的靶板图像部分有空洞情况,通过膨胀处理能够将空洞部分连接起来,避免了基于图像边缘角点检测算法中边缘中断的缺点,有利于进行后续操作处理。
膨胀[7]是对二值化物体边界点进行扩充。设X为目标图像,B为结构元素,则目标图像X被结构元素B膨胀的数学表达式为式(9):
其中,x表示集合平移的位移量,⊕是膨胀运算的运算符。BV是结构元素B做关于其原点的反射得到反射集合。膨胀结果如图4所示。
图4 膨胀图
2.4 提取目标区域轮廓
2.4.1 连通域分析
靶板图像中目标区域为最大连通区域,但背景中存在其他干扰连通区域,需要对每个连通区域进行提取分析,从而获取最大连通区域。在四邻域中使用Two-Pass法进行连通域分析:
首先逐行扫描像素,检测是否为前景,若不是继续扫描。
判断当前点四邻域中的左边、上边的像素是否为前景,若有一个则当前点标签号与这个点相同。若有两个则当前点的标签号为较小点的一个,并修改大标签号为小标签号。
第二次扫描,将具有相等关系的所标记的像素归为一个连通域,并合并为一个标记。
完成连通域分析后,对每个连通区域进行像素个数统计,需找像素个数最大的连通区域作为最终查找到的目标区域,并将其他干扰连通域像素值赋为背景。
2.4.2 轮廓提取
经过上述算法能够提取靶板图像中有效目标区域,为了对目标区域进一步处理,需要对目标区域进行轮廓跟踪。
每个目标轮廓都有走向,因此可采用链码序列来描述目标轮廓,链码[8]方式描述轮廓需要记录轮廓的起始点和轮廓上每一点相对于前一点的链码值列表。相比于四链码法,八链码法可以更精确的表示一个轮廓,轮廓结果如图5所示。
首先按照从左至右,从上至下的顺序查找轮廓起点;
再按照右、右下、下、左下的顺序查找第二个轮廓点;
然后按照右、右下、下、左下、左、左上、上、上右的顺序查找其它轮廓点,直到找到轮廓起点为止。
图5 靶板轮廓图
2.5 多边形逼近
对获取的靶板轮廓图像进行多边形逼近,多边形逼近原理如图6所示,DP算法[9]基本思想:
从轮廓图像上选择两个相距最远的点,如图6(b)所示;
将这两个点连接成线段;
在轮廓上查找距离该线段的最远的点,将该点添加到轮廓中,构成新的轮廓,如图6(c)所示;
算法不断迭代,将新的点添加到轮廓中,如图6(d)所示。
表1 5次测量靶板图像4个角点在图像中的定位
表2 对应表1的5次测量靶板图像4个角点的理论位置
图6 多边形逼近原理图
检测多边形的点数是否是4,如果为4则记录四个顶点坐标。为了获得更加精确的坐标点,以顶点为中心在原始图像中3x3区域内求质心,最后保存4边形的四个顶点坐标。多边形逼近检测靶板角点是通过整个靶板轮廓的几何特征来确定的,受个别点的影响不大,能够避免基于图像灰度信息的角点检测算法中漏检或检测不准的缺点。相比于基于小波变换的角点检测算法,多边形逼近没有特征尺度相似和已知先验条件的限制。
3 实验结果及精度分析
算法采用Visual Studio 2010 C++编写,在win32系统中执行。采用分辨率为1280×1024的CCD相机。根据本文自动检测靶板角点的方法,检测结果如图7所示。
图7 自动获取靶板角点效果图
表1列出了5次测量靶板图像4个角点在图像中的定位。表2列出了对应表1的5次测量靶板图像4个角点的理论位置。
为了验证靶板角点识别的准确性,将本文算法检测出的角点x、y的坐标与实际靶板角点的x、y进行比较,图8分别是靶板角点在x、y方向上与实际靶板角点的偏差绝对值。
根据误差知识检测该算法自动获取靶板角点坐标的准确性,靶板角点坐标的精度计算公式如下:
其中,σ是靶板角点坐标的测量精度,Δi是第i幅靶板图像角点与实际靶板角点的偏差是n次测量偏差的平均值,n为测量次数,(Dix,Diy)是第i幅靶板角点坐标在图像中的定位是第i幅靶板角点坐标在图像中的理论位置。根据公式(10)、(11)、(12)对采集的所有数据进行计算,测量精度结果如表3所示,靶板角点定位精度低于一个像素,满足靶板角点定位精度要求。
图8 靶板角点在x、y方向上与实际靶板角点的偏差绝对值
表3 靶板角点测量精度
4 结论
本文提出自动检测靶板图像角点的方法。提取靶板图像的轮廓,通过多边形逼近算法得到靶板图像的逼近多边形,准确获取靶板图像角点。大量的实验结果分析表明,该方法避免了人为因素参与所带来的随机误差影响,具有很高精度,在立靶调炮速度测量中发挥了重要的作用。
[1]Possa PR,Mahmoudi SA,Harb N,et al.A multi-resolution FPGA-based architecture for real-time edge and corner detection[J].IEEE Transactions on Computers,2014,63(10):2376-2388.
[2]Zhang S,Yang D,Huang S,et al.Corner detection using Chebyshev fitting-based continuous curvature estimation[J].Electronics Letters,2015,51(24):1988-1990.
[3]Zhou J,Cheng H.The simulation application of wavelet transform for harbor detection in map[C].International Conference on Intelligent Computation and Automation,2015:1033-1035.
[4]汪贵平,王会峰,刘盼芝,等.特征平行直线的成像畸变现场校正[J].光子学报,2014,43(1):0111001-1-0111001-5.
[5]张红梅,韩万刚.一种新的变步长LMS自适应滤波算法研究及其应用[J].仪器仪表学报,2015,36(8):1822-1830.
[6]Lei Shao,Yi Mu,Peng Guo.Research of image segmentation based on iterative thresgold[J].Applied Mechanics and Materials,2015(701):330-333.
[7]邓仕超,黄寅.二值图像膨胀腐蚀的快速算法[J].计算机工程与应用,2017,53(5):207-211.
[8]王竟雪,宋伟东,赵丽科,等.改进的Freeman链码在边缘跟踪及直线提取中的应用研究[J].信号处理,2014,30(4):422-430.
[9]吴东东,周东翔,关涛,等.一种基于轮廓多边形逼近的可见光与红外图像配准算法[J].计算机应用与软件,2012,29(10):28-30+122.
A Method of Automatically Detecting the Corner of a Target
YAN Na1,JING Wenbo2,CUI Can1,WANG Xiaoman1
(1.School of Electronics and Information Engineering,Changchun University of Science and Technology,Changchun 130022;2.School of Optoelectronic Engineering,Changchun University of Science and Technology,Changchun 130022)
The target is important part of vertical target speed measurement system,the traditional corner detection algorithm does not automatically detect the corner of the target question.Based on image processing technology corner of the target method is proposed.Adaptive smoothing filter is applied to the image acquired by CCD to improve the target image signal to noise ratio,to achieve the purpose of removing noise and detail enhancement.Using iterative threshold segmentation algorithms split target,the contour of the target is approximated by the polygon approximation algorithm,using approximation results detecting the corner of the target.In the case of CCD resolution is1280×1024,pixel size 14μm,focal length 50mm,measuring distance 5m,detection accuracy is less than 1.4mm,in the vertical target gun speed measurement field has important application value.
target corner;image processing;contour extraction;polygon approximation
TP391.41
A
1672-9870(2017)04-0073-05
2017-05-26
闫娜(1992-),女,硕士研究生,E-mail:814703394@qq.com
景文博(1980-),男,博士,副教授,E-mail:wenbojing@sina.