基于圖像處理的多光源質(zhì)心位置檢測(cè)

董欞皙

(中北大學(xué)信息探測(cè)與處理技術(shù)研究所，山西 太原 030051)

基于圖像處理的多光源質(zhì)心位置檢測(cè)

董欞皙

(中北大學(xué)信息探測(cè)與處理技術(shù)研究所，山西 太原 030051)

為滿足現(xiàn)代多種光源形成的圖像噪聲多、處理困難的需求，本文基于傳統(tǒng)單光源質(zhì)心檢測(cè)的方法，提出了一種以數(shù)字圖像處理為導(dǎo)向，以圖像處理為基礎(chǔ)的圖像特征識(shí)別，以及精確檢測(cè)所獲取圖像的特征區(qū)域質(zhì)心位置的算法。本文設(shè)計(jì)的特點(diǎn)是優(yōu)化了傳統(tǒng)處理方法的邊緣模糊不清問題，并且算法簡(jiǎn)易且高速有效，可以精確檢測(cè)并標(biāo)記出雙光源甚至多光源的質(zhì)心位置。

圖像質(zhì)心算法；特征識(shí)別；圖像處理；坐標(biāo)；定位

在我們生活的很多方面，比如定位人的位置，定位照射過來光的位置，所以獲取圖像中的重要信息的位置對(duì)于我們來說尤其重要，傳統(tǒng)的質(zhì)心算法適用于沒有任何背景噪聲甚至背景噪聲與周圍環(huán)境相一致或者背景噪聲信噪比較相對(duì)比較高的情況。然而現(xiàn)代社會(huì)攝取的圖像五彩斑斕，提取出部分有用的信息后，仍有許多噪聲影響造成不好處理的多種因素。在此基礎(chǔ)上，本文提出了一種基于圖像處理及傳統(tǒng)質(zhì)心算法上的將攝取圖像進(jìn)行劃分區(qū)域，來檢測(cè)質(zhì)心的算法。

1 單光源圖像的預(yù)處理

經(jīng)過采集過程一般獲取的都是彩色圖像，圖像的預(yù)處理首先需要先將攝取的彩色圖像用圖像處理的手段處理為灰色圖像，也就是利用灰度化處理將真彩色的RGB圖像轉(zhuǎn)變?yōu)榛叶葓D像[1]。然后使用最大類間方差法找到該圖片的一個(gè)適于它的一個(gè)閾值，也即按照?qǐng)D像的灰度特性將圖像分成兩個(gè)部分，分別為背景和目標(biāo)。傳統(tǒng)質(zhì)心算法公式如式(1)所示[2]。

(1)

其中Iij為攝取的二維圖像上每個(gè)像素點(diǎn)所接收到的光強(qiáng)。再用該方法處理光源數(shù)目多的時(shí)候已經(jīng)不能很好的區(qū)分開光斑并檢測(cè)出質(zhì)心位置。

2 多光源圖像處理

為了更好地說明該方法的可行性及優(yōu)越性。本文的單光源采用的是在黑暗環(huán)境中用激光筆從遠(yuǎn)處照射一束光從而攝取的一幅圖片。而對(duì)于兩個(gè)光源的圖像，當(dāng)攝取的圖片中有兩個(gè)光源形成的光斑后。

通常在實(shí)際獲取的一幅圖像中包括目標(biāo)物體、背景甚至很多方面的噪聲，勢(shì)必影響圖像的很多有用信息，比如對(duì)比度等。當(dāng)光源的數(shù)目增多時(shí)，會(huì)更加嚴(yán)重的影響到下一步的圖像處理[3]。要想從多值的數(shù)字圖像中直接提取出所需的目標(biāo)物體數(shù)據(jù)，原先的閾值產(chǎn)生不出來所需的結(jié)果，就需要增大二值化閾值來達(dá)到所需。并且額外需要增加開運(yùn)算和閉運(yùn)算。在形態(tài)學(xué)圖像處理中，擴(kuò)張和腐蝕是兩種基本運(yùn)算[4]。先腐蝕后膨脹，徹底刪除了不包含微小元素的圖像區(qū)域，使圖像的邊緣輪廓變得平滑，狹窄的連接也被斷開，細(xì)微小的突出部分也被除掉，然后再先膨脹后腐蝕，同樣會(huì)使得圖像的邊緣輪廓變得平滑，并將狹窄的缺口連接起來形成細(xì)長(zhǎng)的彎口，并在其中用一些比微小元素小的洞類元素來填充。獲取的圖片和處理后的圖片如圖1所示。

圖1 獲取的光源以及處理后圖片

3 多光源質(zhì)心算法分析

圖像處理完后，需要將圖像劃分為多個(gè)區(qū)域，每個(gè)區(qū)域依次求取出質(zhì)心位置。模型如圖2所示。

圖2 獲取的光源處理后的模型

對(duì)于一個(gè)未知光源所形成的亮點(diǎn)，對(duì)模型的計(jì)算，將圖中的圓分割成橫縱多個(gè)區(qū)域，即AGE、EGB、AGQC、BGDQ、CQF、DQF，依次統(tǒng)計(jì)各區(qū)域的質(zhì)心即可?，F(xiàn)假設(shè)有多個(gè)光源，劃分為多個(gè)區(qū)域。算法過程如下所示：

(2)

(3)

其中h為光斑的總高度，w為光斑的總寬度。將攝取的總寬為w總高為h的圖像橫縱劃分為多個(gè)區(qū)域，根據(jù)式(2)及式(3)并求取每個(gè)橫向區(qū)域的質(zhì)心x1、x2、…、xn及縱向區(qū)域的質(zhì)心y1、y2、…、yw。

S=Sij+1 .

(4)

其中S為各個(gè)區(qū)域的面積之和，根據(jù)式(4)依次獲取累加所有區(qū)域的面積，得到所有區(qū)域面積之和S11、S12、…、Sij。

(5)

(6)

最后根據(jù)式(5)和式(6)可得出光源所形成光斑的質(zhì)心。處理后的圖像質(zhì)心坐標(biāo)如圖3所示。

圖3 質(zhì)心標(biāo)記坐標(biāo)圖

4 系統(tǒng)流程設(shè)計(jì)

算法流程如圖4所示。一般灰度化處理有多種方法，有分量法，最大法，平均法以及加權(quán)平均法。但本文主要使用Matlab，其主要采用的是利用加權(quán)平均的算法對(duì)RGB分量進(jìn)行轉(zhuǎn)換。為了能更好地把一張灰度圖像轉(zhuǎn)換為二值圖像，利用最大類間方差法得到的這個(gè)閾值通常比人為設(shè)定的閾值可以達(dá)到更好的效果[5]。

圖4 系統(tǒng)流程圖

經(jīng)過測(cè)試與傳統(tǒng)的算法誤差分析如圖5所示。其中“*”代表改進(jìn)后的多光源質(zhì)心坐標(biāo)數(shù)據(jù)，“o”代表傳統(tǒng)算法質(zhì)心坐標(biāo)數(shù)據(jù)。比較看來，所檢測(cè)出的質(zhì)心位置更精確。

圖5 橫坐標(biāo)的誤差對(duì)比

5 結(jié)論

本文通過對(duì)質(zhì)心算法的分析，在傳統(tǒng)單光源質(zhì)心算法的基礎(chǔ)上提出了基于圖像處理的多光源質(zhì)心算法，結(jié)果表明，相對(duì)傳統(tǒng)的單光源質(zhì)心檢測(cè)算法，可以使圖像處理的更加完美，更加精確的檢測(cè)并標(biāo)記出多光源所求質(zhì)心的坐標(biāo)，并且在精度上面有很大的提高。

[1] 胡穎，王東.基于MATLAB的圖像預(yù)處理技術(shù)研究[J].遼寧師專學(xué)報(bào)(自然科學(xué)版),2012(2):57-59.

[2] 李春艷，謝華，李懷鋒，等.高精度星敏感器星點(diǎn)光斑質(zhì)心算法[J].光電工程,2006(2):41-44.

[3] 高浩軍，杜宇人.中值濾波在圖像處理中的應(yīng)用[J].電子工程師,2004(8):35-36.

[4] 張瑩.開閉運(yùn)算在消除圖象噪聲中的應(yīng)用研究[J].濰坊學(xué)院學(xué)報(bào),2002(2):65-66.

[5] 齊麗娜，張博，王戰(zhàn)凱.最大類間方差法在圖像處理中的應(yīng)用[J].無線電工程,2006(7):25-26.

The Position Detection of Multi Light Source on Image Processing

Dong Lingxi

(InstituteofSignalCapturing&ProcessingTechnology,TheNorthUniversityofChina,TaiyuanShanxi030051,China)

In order to satisfy the solution on the problem that the image caused by modern multiple light sources has more noise and difficult to process, and based on the traditional single light source detection method, this paper proposes a image feature recognition method guided by digital image processing and based on image processing as well as an algorithm that can accurately detect the centroid position of the image’s characteristic region. The characteristics of the design in this paper is to optimize the edge fuzzy problems of traditional processing method, and the algorithm is effective, simple and high speed which can accurately detect and mark the centroid position of double light and even multi light.

image centroid algorithm; feature recognition; image processing; coordinates; positioning

2016-09-02

董欞皙(1992- ) ，女，山西運(yùn)城永濟(jì)人，研究生，主要從事圖形處理、信號(hào)與信息處理方面的研究。

1674- 4578(2016)06- 0009- 02

TP751.1

A