視覺測量中圓形標志兩種提取方法的比較

劉澤慶+張玉榮+蔡燦偉

摘要：針對靶場視覺測量相機標定中圓形標志在復雜背景圖像上的提取和定位問題，研究了兩種不同的圓形標志提取方法，一種是基于感興趣區(qū)域的交互式提取方法，另一種是基于圖像灰度和幾何形態(tài)學的提取方法。對兩種方法的圓形標志提取過程進行了研究，并分別采用兩種方法對視覺測量圖像中的圓形標志進行提取實驗，對兩種方法的邊緣提取效果和定位結果進行了對比，分析了兩種方法的優(yōu)勢和不足。圓形標志的提取結果表明，第一種方法能夠平滑地提取出圓形標志的邊緣，但受圓形標志的成像情況影響較大，第二種方法邊緣提取效果受圓形標志的成像情況影響較小，但提取出的邊緣為鋸齒形，部分圓形標志的像素點被誤判為背景，與圓形標志的實際成像有一定誤差。

關鍵詞： 圓形標志； 圖像提取； 圖像定位； 感興趣區(qū)域； 橢圓擬合

中圖分類號： TP 391.41 文獻標志碼： A doi： 10.3969/j.issn.1005-5630.2017.02.005

文章編號： 1005-5630（2017）02-0026-08

引 言

視覺測量中常采用設定的人工標志點作為已知點來進行相機內(nèi)外參數(shù)的標定。人工標志點的世界坐標可以通過預先測量得到，人工標志點在圖像上的位置坐標要通過圖像提取來確定[1]。針對靶場視覺測量中測量距離遠、背景復雜、干擾因素多等問題，選擇圖1所示的圓形標志作為標志點，圓形標志具有旋轉(zhuǎn)不變性，以一定角度拍攝后成像為橢圓，相比于線形或點狀的標志，具有更強的穩(wěn)健性[2]。在相機標定模型確定的情況下，相機內(nèi)外參數(shù)的標定精度不僅與標志點的世界坐標精度有關，還與標志點在圖像上的提取和定位精度有關[3]。

由于拍攝角度的原因，圓形標志在圖像上呈現(xiàn)為橢圓，因此圓形標志的提取主要是橢圓的檢測問題。Hough變換及其改進算法[4-5]是常用的橢圓檢測方法，基于Hough變換的方法在進行橢圓檢測時需要將圖像空間映射到參數(shù)空間進行多維統(tǒng)計計算，計算量大且效率低。同時，在進行現(xiàn)場視覺測量時，圖像背景較為復雜，在靜爆實驗中還會受到?jīng)_擊波、揚塵等復雜因素的干擾，因而Hough變換的應用較為困難[6]。針對這些問題，研究了基于感興趣區(qū)域（ROI）的交互式提取方法和基于圖像灰度和幾何形態(tài)學的提取方法，分別對圓形標志圖像進行提取定位。這兩種方法計算量小，能夠在已知標志點個數(shù)的情況下快速完成對圓形標志的定位。

本文研究了基于感興趣區(qū)域的最小二乘擬合提取和基于圖像灰度和幾何性質(zhì)提取的兩種方法，對兩種方法的提取過程進行了論述，并采用兩種提取方法對圓形人工標志進行了提取實驗，通過對比分析了兩種方法的優(yōu)點和不足。

1 基于感興趣區(qū)域的最小二乘邊緣擬合提取方法

1.1 感興趣區(qū)域的提取

1.1.1感興趣區(qū)域

在背景復雜的圖像中進行目標提取時，目標的提取效率較低，提取效果較差。為了縮小目標提取時的搜索范圍，降低復雜背景因素的影響，可以在目標提取前提取目標所在的感興趣區(qū)域。感興趣區(qū)域是指圖像、視頻中能夠引起人的視覺系統(tǒng)注意力的區(qū)域，這些區(qū)域往往具有相對于周圍環(huán)境比較顯著的亮度、顏色、形狀、紋理等特征[7]。感興趣區(qū)域包含了圖像的主要信息和關鍵信息，因而對感興趣區(qū)域的處理可以近似代替對原圖像的處理，這可以大大減少計算量，降低圖像處理的復雜程度[8]。

感興趣區(qū)域的提取方法主要有人機交互式方法、基于注視點的方法、基于視覺注意模型的方法、基于特定對象分割的方法等[9]。其中，人機交互式方法操作簡單，實現(xiàn)容易，因而采用交互式方法提取標定圓所在的感興趣區(qū)域。

1.1.2感興趣區(qū)域的交互式提取

將標定圓外側(cè)黑色邊框所包圍的區(qū)域作為感興趣區(qū)域（圖1），感興趣區(qū)域的交互式提取通過人工選取標定圓所在的矩形區(qū)域來實現(xiàn)。以MATLAB 2014b軟件作為圖像處理工具，采用waitforbuttonpress函數(shù)來獲取鼠標在圖像上點擊位置點的坐標來獲取選中的區(qū)域。

1.2 圓形標志的邊緣提取

圓形標志的提取以其中一個圓形標志為例進行說明。圓形標志的提取轉(zhuǎn)化為對其中橢圓的提取，橢圓檢測步驟如下：

1） 輸入圓形標志的感興趣區(qū)域I1，記錄感興趣區(qū)域左上角的位置坐標（x0，y0）；

2） 濾波處理，對I1進行中值濾波處理，在不損失目標信息的同時降低噪聲對橢圓邊界的影響，增強橢圓邊緣像素之間的聯(lián)通性；

3） 二值化處理，對圖像進行二值化，將背景區(qū)域像素值置為0，圓形標志區(qū)域像素值置為1；

4） 區(qū)域填充，對封閉區(qū)域內(nèi)部進行填充，消除邊緣上的空洞；

5） 干擾區(qū)域剔除，對圖像上的聯(lián)通區(qū)域進行檢測并統(tǒng)計各個聯(lián)通區(qū)域的像素數(shù)作為聯(lián)通區(qū)域的特征面積，面積最大的區(qū)域為圓形標志所在區(qū)域，剔除其他面積較小區(qū)域；

6） 邊緣提取，Canny算子[10]具有精度高、運算速度快等特點，因而采用Canny算子對圓形標志的邊緣進行提??；

7） 根據(jù)步驟6）中提取到的邊緣坐標和左上角的位置坐標（x0，y0），即可得到原圖像中圓形標志邊緣在圖像上的坐標。

1.3 最小二乘邊緣擬合及圓形標志定位

提取圓形標志的邊緣后就可以得到所有邊緣點的位置坐標，采用最小二乘擬合的方法還原圓形標志的形狀[11]。橢圓曲線方程的一般代數(shù)形式可以表示為ax2+bxy+cy2+dx+ey+f=0，其中a，b，…，f為橢圓的系數(shù)，這個公式可以改寫成矩陣的形式，即

2 基于圖像灰度和幾何性質(zhì)的提取方法

2.1 圓形標志的提取

根據(jù)圖像的灰度特征對圖像進行預處理，再進行邊緣檢測，并對封閉的輪廓進行填充，得到包含圓形標志的多個區(qū)域，再根據(jù)圓形標志的面積特征消除干擾區(qū)域。具體處理過程如下：

1） 中值濾波，消減噪聲的影響，使得邊緣更加清晰；

2） 對圖像灰度進行變換[12]，增加圖像中亮暗部分的對比；

3） 對圖像進行邊緣檢測，得到包含圓形標志的多個輪廓；

4） 空洞區(qū)域填充，填充輪廓封閉的區(qū)域內(nèi)部，輪廓不封閉的區(qū)域保留原狀；

5） 根據(jù)區(qū)域的圓形度剔除圖像上的線形區(qū)域，圓形度C反映一個橢圓接近圓形的程度，其值越接近1，表明區(qū)域的形狀越接近圓，圓形度以C=4πS/L2進行計算，其中S為區(qū)域的面積，L為區(qū)域的周長[13]。設定上下閾值C1、C2，剔除C>C1和C

6） 處理的圖像進行聯(lián)通區(qū)域檢測，對圓形標志所在的區(qū)域進行標記，就可以分割出各個圓形標志所在的位置區(qū)域。

2.2 基于幾何性質(zhì)的圖像定位

根據(jù)2.1節(jié)中提取到的圓形標志圖像所在的區(qū)域，結合圓形標志區(qū)域幾何性質(zhì)對圓形標志在圖像上進行定位。圓形標志在圖像上的位置以圓形標志區(qū)域的質(zhì)心進行表征，采用灰度加權質(zhì)心法求解其質(zhì)心的位置坐標[14]。設其中一個圓形標志的灰度為I0（x，y），其質(zhì)心為（x0，y0），根據(jù)灰度加權質(zhì)心法有[15]

3 提取實驗

為了比較上述兩種方法的標定圓提取效果，以在實驗室采集的圓形標志的圖像為例進行提取實驗。

3.1 基于感興趣區(qū)域的最小二乘邊緣擬合提取實驗

在采集的實驗圖像上，提取5個圓形人工標志，如圖2（a）所示；得到的圓形人工標志1所在的感興趣區(qū)域，如圖2（b）所示；對圓形人工標志的感興趣區(qū)域進行二值化，分割出圖像上灰度值較高的部分，如圖2（c）所示；統(tǒng)計各個聯(lián)通區(qū)域的像素數(shù)作為其特征面積，其中面積最大的區(qū)域為圓形人工標志，其他部分為干擾區(qū)域，對干擾區(qū)域進行剔除，剔除結果如圖2（d）所示；采用Canny算子對剔除干擾區(qū)域后的圖像進行邊緣提取，如圖2（e）所示；根據(jù)檢測到的邊緣點的坐標進行橢圓擬合，得到橢圓的方程，并根據(jù)橢圓方程求解橢圓中心坐標，最終處理結果如圖2（f）所示。

3.2 基于圖像灰度和幾何性質(zhì)的提取實驗

對圖像進行中值濾波處理以減小噪聲影響，結果如圖3（a）所示；對圖像進行灰度變換來增強圖像的對比度，結果如圖3（b）所示；對圖像進行邊緣檢測，得到圖3（c）所示較清晰邊緣；對檢測到的圖像邊緣中的封閉區(qū)域進行填充，圓形人工標志與部分干擾區(qū)域得到填充，不封閉的邊緣保持原狀，如圖3（d）所示；計算填充后各個區(qū)域的圓形度，并根據(jù)圓形度排除其中的干擾區(qū)域，結果如圖3（e）所示；根據(jù)灰度加權質(zhì)心法對圓形人工標志進行定位，結果如圖3（f）所示。

3.3 圓形標志提取結果對比

3.3.1邊緣提取效果對比

采用上述兩種方法得到圓形標志1和圓形標志5的邊緣提取效果，如圖4和圖5所示。從圖4（a）可以看出，方法一提取的邊緣為平滑橢圓，邊界擬合效果較好，能夠清晰地反映圓形標志的邊緣。從圖4（b）可以看出，方法二所提取的邊緣能夠反映邊緣的基本情況，但是有少部分邊緣像素由于圖像分割等原因被誤判為背景。對比圖5（a）和圖5（b）可以發(fā)現(xiàn)：雖然方法一能夠提取出規(guī)則的橢圓，但是所提取輪廓在圓形標志5的內(nèi)部，有較多的圓形標志像素點被誤判為背景，提取效果較差；方法二提取圓形標志5時雖然邊緣不夠平滑，但是能夠提取出圓形標志5的實際邊緣，將圓形標志從背景分割出來，較方法一效果好。

3.3.2圓形標志定位結果對比

通過上述兩個圓形標志提取實驗，得到5個圓形標志在圖像中的位置，兩種方法對5個圓形標志的定位結果及兩種方法的標定偏差Δs（Δs=（x1-x2）2+（y1-y2）2）如表1所示。

從表1可以看出，兩種方法對圓形標志的定位結果比較接近，對成像為較規(guī)則橢圓形狀的圓形標志1、圓形標志2和圓形標志3進行定位時，最大定位偏差為0.26 pixel；對成像為相對不規(guī)則橢圓形狀的圓形標志4和圓形標志5進行定位時，定位偏差較大，最大偏差為0.51 pixel。

3.3.3原因分析與改進

圓形標志1拍攝時接近垂直拍攝，因而成像為較規(guī)則的橢圓，方法一提取效果較好；而圓形標志5拍攝角度較大，所以成像為較不規(guī)則的橢圓，方法一提取效果較差。這與采用的最小二乘邊緣擬合方法有關，對較規(guī)則的橢圓進行擬合的結果與原圖較接近，而擬合較不規(guī)則的橢圓，擬合邊緣與原來邊緣相差較大，另外也與邊緣提取時采用的算法有關。方法二提取邊緣時是根據(jù)圖像邊緣的點陣進行判別提取的，因而提取到的是離散點而不是平滑曲線，這是圖像本身屬性所決定的，因而在圖像的定位上會有一定的系統(tǒng)誤差，這是無法避免的。

通過對這兩種方法的研究，尤其針對圓形標志5這種不規(guī)則的橢圓擬合情況，可以將兩種方法結合使用，采用方法二提取得到圓形標志的邊緣，再采用方法一中的橢圓擬合處理方法來擬合橢圓，在一定程度上能改進邊緣擬合效果，提高圓形標志的定位精度。

4 結 論

研究了兩種圓形標志提取方法，即基于感興趣區(qū)域的最小二乘邊緣擬合方法和基于圖像灰度和幾何性質(zhì)的方法，采用兩種方法分別對圖像中的5個圓形標志進行了提取和定位，并對比了兩種方法的邊緣提取效果和定位結果。

對比邊緣提取效果和圓形標志定位結果可以發(fā)現(xiàn)：基于感興趣區(qū)域的最小二乘邊緣擬合方法通過提取感興趣區(qū)域能夠有效降低圖像處理計算量，在圓形標志成像較規(guī)則時能夠得到與圓形標志實際成像一致的平滑橢圓邊緣，但該方法需要人工輔助，且在圓形標志成像不規(guī)則時，邊緣擬合效果較差；基于圖像灰度和幾何性質(zhì)的方法以圓形標志的灰度特征和幾何特征為基礎，在沒有人工干預的情況下能夠根據(jù)圖像灰度的變化自動描繪出圓形標志的輪廓，邊緣提取效果不受圓形標志的成像情況影響，但該方法提取的邊緣為鋸齒形輪廓，部分圓形標志上的像素點被誤判為背景，與圓形標志的實際成像情況有一定誤差。

參考文獻：

[1] 舒新煒，楊波.基于雙目立體視覺的低頻振動測量[J].光學儀器，2016，38（2）：9599.

[2] 閆蓓，王斌，李媛.基于最小二乘法的橢圓擬合改進算法[J].北京航空航天大學學報，2008，34（3）：295298.

[3] 盧成靜，黃桂平，李廣云，等.視覺檢測中圓形標志的定位方法研究[J].宇航計測技術，2008，28（2）：57.

[4] 陳燕新，戚飛虎.一種新的基于隨機Hough變換的橢圓檢測方法[J].紅外與毫米波學報，2000，19（1）：4347.

[5] XU L，OJA E.Randomized Hough transform（RHT）：Basic mechanisms，algorithms and computational complexities[J].CVGIP：Image Understanding，1993，57（2）：131154.

[6] 陳小艷，王強，李柏林.改進的Hough變換檢測圓方法[J].計算機系統(tǒng)應用，2015，24（8）：197201.

[7] HUANG C B，LIU Q，YU S S.Regions of interest extraction from color image based on visual saliency[J].The Journal of Supercomputing，2011，58（1）：2033.

[8] 陳再良.圖像感興趣區(qū)域提取方法研究[D].長沙：中南大學，2012.

[9] 方相如.基于視頻圖像顯著圖的感興趣區(qū)域提取方法研究[D].西安：西安電子科技大學，2013.

[10] 吳云，胡倩，曹志民.基于改進Canny算子的光纖面板暗影檢測[J].光學儀器，2008，30（5）：1418.

[11] 王萬國，王仕榮，徐正飛，等.基于邊界的最小二乘橢圓擬合改進算法[J].計算機技術與發(fā)展，2013，23（4）：6770.

[12] 王瑩，王勁松，崔士寶，等.LabVIEW Vision在汽車發(fā)動機進氣管檢測系統(tǒng)中的應用[J].光學儀器，2015，37（4）：308313.

[13] 劉祥磊，童小華，馬靜.視頻測量影像序列橢圓形人工目標點快速識別和跟蹤方法[J].測繪學報，2015，44（6）：663669.

[14] 于起峰，陸宏偉，劉肖琳.基于圖像的精密測量與運動測量[M].北京：科學出版社，2002.

[15] 徐慶富，裴仁清，何嵐嵐，等.面向浮雕的激光測量中光刀中心提取[J].光學儀器，2009，31（5）：15.

（編輯：張磊）