基于Halcon的特征點(diǎn)提取應(yīng)用研究

楊雪榮 李光成

摘要：特征點(diǎn)的提取在一定的意義上可以理解為圖像的識(shí)別和定位，傳統(tǒng)的定位點(diǎn)提取方法有手動(dòng)區(qū)域選擇法、自動(dòng)圖像分割法、XLD模板法等，本文提出了一種新的定位點(diǎn)識(shí)別方法，即通過(guò)兩條線的交點(diǎn)形成定位點(diǎn)。經(jīng)實(shí)際測(cè)試，證明這種方法在多種復(fù)雜的圖像環(huán)境中可以對(duì)定位點(diǎn)進(jìn)行定位和識(shí)別，并得到較高的定位精度。實(shí)驗(yàn)結(jié)果也表明該方法還可以應(yīng)用到其他一些圖形物體的圖像識(shí)別中。

關(guān)鍵詞：Halcon 圖像處理 邊緣提取 自動(dòng)光學(xué)檢測(cè)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）07-0086-02

點(diǎn)特征主要指明顯點(diǎn)，如角點(diǎn)、原點(diǎn)等。提取點(diǎn)特征的算子稱為興趣算子或有利算子，即運(yùn)用某種算法從影像中提取我們所感興趣的即有利于某種目的的點(diǎn)，現(xiàn)在已提出了一系列算法各異、且具有不同特色的興趣算子，比較知名的有Moravec算子與Harris算子等。

1 基于幾何性質(zhì)的識(shí)別方法

1.1 用dyn_threshold特征點(diǎn)圖像的局部閾值分割圖像

閾值分割就是將圖像分割為目標(biāo)和背景，dyn_threshold根據(jù)像素所滿足的閾值條件來(lái)分割圖像。

使用dyn_threshold，可以提取對(duì)象的輪廓。提取的對(duì)象的大小是由低通濾波器的掩膜的大小和對(duì)象的邊緣幅度來(lái)決定的：選擇的掩膜尺寸越大，找到的區(qū)域越大。這里我們?cè)O(shè)為40。

1.2 特征區(qū)域的提取

通過(guò)觀察可以發(fā)現(xiàn)，我們想要得到的區(qū)域是做了connection連通性分析之后面積最大的區(qū)域，所以運(yùn)用select_shape_std可以得到我們的目標(biāo)區(qū)域。

隨著光照條件以及外界的各種因素的影響，通過(guò)以上方法得到的邊界區(qū)域可能不是一個(gè)整體，在select_shape_std中也得不到我們的目標(biāo)區(qū)域，所以我們還要運(yùn)用其他的Blob分析方法將其連為一個(gè)整體，本例中運(yùn)用的是select_gray和閉運(yùn)算。

1.3 檢測(cè)線的生成和邊界的提取

生成檢測(cè)線的目的是為了將以上步驟生成的開(kāi)放區(qū)域變成一個(gè)封閉的區(qū)域/，利用fill_up對(duì)這個(gè)區(qū)域進(jìn)行填充/，為了得到區(qū)域的邊界，必須對(duì)區(qū)域進(jìn)行開(kāi)運(yùn)算以消除非ROI區(qū)域，然后用boundary算子就可以得到區(qū)域的邊界線。

1.4 計(jì)算重心和邊界點(diǎn)的提取

利用area_center算子計(jì)算上述步驟中的中心坐標(biāo)，分別作垂直于R軸和C軸的兩條直線，務(wù)必保證兩條直線與上邊界和左邊界產(chǎn)生各產(chǎn)生一個(gè)交點(diǎn)，為下面以點(diǎn)為基礎(chǔ)膨脹出兩條邊界線做準(zhǔn)備。

1.5 邊界線的提取

自定義一個(gè)2*3的矩形結(jié)構(gòu)體，以上邊界點(diǎn)和左邊界點(diǎn)為基礎(chǔ)膨脹，膨脹一次完成與邊界進(jìn)行取交集運(yùn)算，依此類推，進(jìn)行200次循環(huán)即可得到上邊和左邊兩條獨(dú)立的邊界線

1.6 優(yōu)化邊界

相對(duì)于圖像image和區(qū)域Region，這些數(shù)據(jù)結(jié)構(gòu)是像素精度的，在實(shí)際工業(yè)應(yīng)用中，需要比像素分辨率更高的精度，這時(shí)就需要提取亞像素精度數(shù)據(jù)。提高邊界的精度，其過(guò)程如下：

（1）將區(qū)域轉(zhuǎn)化為XLD，其代碼如下：

gen_contour_region_xld（TempRegionInter1， Contours1， 'border'）

（2） 對(duì)XLD進(jìn)行平滑處理，其代碼如下：

smooth_contours_xld（Contours1，Contours1，45）

（3）將XLD轉(zhuǎn)化為區(qū)域，其代碼如下：

gen_region_contour_xld（Contours1，TempRegionInter1，'filled'）

（4）對(duì)區(qū)域進(jìn)行骨架化處理（它仍然是Region不是XLD），其代碼如下：

skeleton（TempRegionInter1， Skeleton1）

（5）將骨架轉(zhuǎn)化為XLD（此時(shí)是亞像素精度），其代碼如下：

gen_contours_skeleton_xld（Skeleton1， Contours1， 5， 'generalize1'）

（6）將XLD擬合為一條直線，此時(shí)的精度最高，其代碼如下：

fit_line_contour_xld（Contours1， 'tukey'， -1， 0， 5， 2， RowBegin1， ColBegin1， RowEnd1， ColEnd1， Nr， Nc， Dist）

（7）將擬合的直線表示出來(lái)，其代碼如下：

gen_region_line（Line1，RowBegin1， ColBegin1， RowEnd1， ColEnd1）

同理，也可將左邊界進(jìn)行優(yōu)化。

1.7 角點(diǎn)的提取

通過(guò)fit_line_contour_xld可以得到直線的起始坐標(biāo)，上述已求出兩條直線的起始坐標(biāo)，通過(guò)intersection_ll即可算出角點(diǎn)所在如圖1圖2所示。

2 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性，選擇2幅圖像按實(shí)驗(yàn)流程進(jìn)行實(shí)驗(yàn)，圖像角點(diǎn)位置誤差、算法時(shí)間如表1所示。

表1說(shuō)明本文的基于幾何性質(zhì)的方法能夠很快計(jì)算出定位點(diǎn)的相對(duì)精確位置，如果在C或者其他更低級(jí)的語(yǔ)言環(huán)境中，程序執(zhí)行的時(shí)間還將被縮短。相比Moravec和Harris算子的方法，我們提出的方法是可以在較短的找到角點(diǎn)，并且提供角點(diǎn)在圖像上的坐標(biāo)如圖3圖4所示。

3 結(jié)語(yǔ)

提出了一種工業(yè)自動(dòng)檢測(cè)中定位點(diǎn)的方法，它是利用兩條直線形成一個(gè)交點(diǎn)的原理定位點(diǎn)的位置，在定位點(diǎn)的過(guò)程中，噪聲干擾對(duì)定位精度的影響相當(dāng)大，所以在局部閾值分割之前的濾波操作非常重要，通過(guò)該算法處理絕大部分噪聲能被成功移除，即使在定位點(diǎn)圖像二值化過(guò)程中其邊緣出現(xiàn)一定程度噪聲干擾的情況下，定位點(diǎn)也能夠被相當(dāng)準(zhǔn)確的快速定位。以上的實(shí)驗(yàn)流程切實(shí)可行，且實(shí)驗(yàn)結(jié)果達(dá)到了預(yù)期的要求，由此證明本文所構(gòu)建的特征點(diǎn)提取具有較強(qiáng)的實(shí)用價(jià)值。

參考文獻(xiàn)

[1]盧泉奇，苗同升.基于Halcon的機(jī)械手視覺(jué)抓取應(yīng)用研究[M].光學(xué)儀器，2014.

[2]陳克勇，王輔明.工業(yè)光學(xué)檢測(cè)中定位點(diǎn)的識(shí)別[J].計(jì)算機(jī)應(yīng)用，2007.

[3]蔡自興.機(jī)器人學(xué)[M].北京：清華大學(xué)出版社，2000.

[4]李洪海，王敬東.攝像機(jī)標(biāo)定技術(shù)研究[J].光學(xué)儀器，2007.

[5]劉源泂，孔建益，王興東 等.雙目立體視覺(jué)系統(tǒng)的非線性攝像機(jī)標(biāo)定技術(shù)[J].計(jì)算機(jī)應(yīng)用研究，2011，28（9）：3398-3400.