基于改進(jìn)的概率Hough變換的轉(zhuǎn)鼓裝校技術(shù)研究

江俊佳，沈建新，周 喆，韓 鵬

（南京航空航天大學(xué) 機(jī)電學(xué)院，江蘇 南京 210016）

引言

裂隙燈顯微鏡[1]可以通過調(diào)節(jié)轉(zhuǎn)鼓的放大倍率觀察眼部表淺或深部組織的病變，對(duì)人眼疾病篩查具有重要意義，而對(duì)其成像質(zhì)量起關(guān)鍵性作用的結(jié)構(gòu)就是轉(zhuǎn)鼓。目前在進(jìn)行轉(zhuǎn)鼓裝校時(shí)，主要依靠人工觀察顯示器上轉(zhuǎn)鼓圖像的2 組十字叉絲的中心距離來判斷轉(zhuǎn)鼓前后2 塊鏡片中心的重合度[2]。為解決由于人的主觀感受而造成的隨機(jī)性、不準(zhǔn)確性與效率低下等一系列問題，研究轉(zhuǎn)鼓數(shù)字化裝校技術(shù)勢(shì)在必行。

轉(zhuǎn)鼓數(shù)字化裝校技術(shù)的研究重點(diǎn)在于如何實(shí)現(xiàn)轉(zhuǎn)鼓圖像中的2 組十字叉絲的準(zhǔn)確檢測(cè)，即直線檢測(cè)。Hough 變換[3-5]由于良好的魯棒性，已經(jīng)成為提取圖像直線的一個(gè)常用算法，但此算法也存在計(jì)算量大、復(fù)雜度高、峰值難以確定等問題，難以應(yīng)用于實(shí)際生產(chǎn)線中[6]。針對(duì)這些問題，研究人員提出了一系列的改進(jìn)算法與應(yīng)用，例如：Xu L 等人提出隨機(jī)Hough 變換（RHT）[7]，該算法能夠有效解決標(biāo)準(zhǔn)Hough 變換中消耗內(nèi)存大、精度低等問題；Matas J 等人提出一種概率Hough 變換算法（PPHT）[8]；劉通等人利用改進(jìn)的PPHT 變換算法解決了空間碎片漫反射激光測(cè)距回波數(shù)據(jù)信噪比低與難以快速高效地提取有效數(shù)據(jù)點(diǎn)的問題[9]；鄢然等人利用PPHT 變換建立了一種編布花邊的實(shí)時(shí)識(shí)別算法[10]；鞏學(xué)美改進(jìn)了標(biāo)準(zhǔn)PPHT 變換，并進(jìn)行了遙感圖像的道路識(shí)別[11]；Chutatape 等人提出一種將Hough 空間轉(zhuǎn)換為一維空間的改進(jìn)算法；張振杰提出基于一維的Hough 變換算法[12]，該算法主要分為邊緣分組、直線編組和直線精確處理3 個(gè)過程；段汝嬌則提出基于像素點(diǎn)聚類的方法來提高Hough 變換的運(yùn)算速度[13]。

由于轉(zhuǎn)鼓裝校生產(chǎn)線對(duì)裝校速率有一定的要求，且對(duì)轉(zhuǎn)鼓圖像的檢測(cè)精度要求很高，不允許有多余直線出現(xiàn)。而標(biāo)準(zhǔn)概率Hough 變換雖然執(zhí)行效率很高，但由于該變換是對(duì)整幅圖像的像素點(diǎn)進(jìn)行投票計(jì)算，而在轉(zhuǎn)鼓圖像中，由于2 組十字刻線的線寬不一致，光學(xué)鏡片缺陷造成的污點(diǎn)這2 個(gè)原因，使該算法在對(duì)轉(zhuǎn)鼓圖像中的同一條直線進(jìn)行檢測(cè)時(shí)，很容易在同一直線位置檢測(cè)出多條直線。

本文針對(duì)這種情況提出一種基于改進(jìn)的概率Hough 變換的轉(zhuǎn)鼓數(shù)字化裝校技術(shù)。CCD 相機(jī)拍攝轉(zhuǎn)鼓圖像后，自動(dòng)進(jìn)行十字叉絲檢測(cè)、直線交點(diǎn)檢測(cè)，提取有效交點(diǎn)并計(jì)算交點(diǎn)距離。通過對(duì)轉(zhuǎn)鼓圖像的實(shí)驗(yàn)檢測(cè)，驗(yàn)證了該技術(shù)的可行性。

1 傳統(tǒng)轉(zhuǎn)鼓裝校技術(shù)

在目前的轉(zhuǎn)鼓裝校平臺(tái)上，轉(zhuǎn)鼓裝校技術(shù)的主要原理為：如圖1所示，光源發(fā)出的光束經(jīng)過位于物鏡1 前焦面上的十字叉絲1 和物鏡1 發(fā)射出平行光。然后通過轉(zhuǎn)鼓的一組透鏡（這一組透鏡能夠?qū)κ植娼z1 進(jìn)行放大或縮小）。再通過物鏡2 和帶有十字叉絲2 的目鏡成像在CCD 相機(jī)上，通過數(shù)據(jù)線傳輸?shù)斤@示器顯示。最后人眼觀察顯示器上的轉(zhuǎn)鼓圖像，主觀判斷圖像中十字叉絲1 與十字叉絲2 的中心距離，以此來判斷轉(zhuǎn)鼓前后鏡片的中心重合度。

由于每個(gè)人的主觀感受不一致，長(zhǎng)時(shí)間工作導(dǎo)致的人眼疲勞，使得人眼觀察叉絲中心距離存在隨機(jī)性等問題，從而導(dǎo)致了裂隙燈轉(zhuǎn)鼓的裝校質(zhì)量得不到保證。

圖1 轉(zhuǎn)鼓裝校系統(tǒng)Fig.1 Assembly and adjustment system of rotary drum

2 數(shù)字化轉(zhuǎn)鼓裝校技術(shù)

對(duì)于原始轉(zhuǎn)鼓圖像，首先將其灰度化，再利用濾波、Canny 邊緣檢測(cè)等圖像技術(shù)進(jìn)行預(yù)處理，再通過改進(jìn)的概率Hough 算法檢測(cè)十字叉絲直線，準(zhǔn)確提取直線后利用制定的十字叉絲交點(diǎn)篩選規(guī)則對(duì)交點(diǎn)進(jìn)行有效篩選，最后計(jì)算有效交點(diǎn)之間的距離來判定十字叉絲中心的距離。轉(zhuǎn)鼓數(shù)字化裝校技術(shù)流程如圖2所示。

圖2 數(shù)字化轉(zhuǎn)鼓裝校流程圖Fig.2 Digital assembly and adjustment flow chart of rotary drum

2.1 濾波

由于相機(jī)本身缺陷、光路透鏡缺陷以及現(xiàn)場(chǎng)環(huán)境干擾，得到的圖像中存在的噪聲會(huì)使邊緣檢測(cè)產(chǎn)生無效的邊緣，影響后期的直線檢測(cè)精度。圖像平滑處理（濾波）是消除圖像噪聲的常用方法，能夠在盡量保留圖像細(xì)節(jié)的前提下對(duì)噪聲進(jìn)行抑制，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的可靠性。濾波的對(duì)象是在圖像生成和傳輸過程中受到多種因素?cái)_動(dòng)形成的受污圖像。由于高斯濾波器能夠在保留圖像輪廓信息的同時(shí)可以較好地消除噪聲，且實(shí)際使用效果非常出色，所以選擇高斯濾波器進(jìn)行濾波[14]。

2.2 Canny 邊緣檢測(cè)

邊緣是圖像最重要的特征之一，邊緣檢測(cè)能使算法更加精確提取圖像中的直線。在邊緣檢測(cè)的經(jīng)典算法中，由于Canny 算法是一個(gè)多級(jí)邊緣檢測(cè)算法，作為當(dāng)今最優(yōu)的邊緣檢測(cè)算法之一，具有較好的邊緣定位能力和抗噪性能[15]。所以選用Canny邊緣檢測(cè)算法進(jìn)行檢測(cè)。

2.3 改進(jìn)PPHT 算法直線檢測(cè)

由于十字叉絲1 的線寬會(huì)隨著轉(zhuǎn)鼓放大倍率的改變而改變，而目鏡上的十字叉絲2 的線寬不會(huì)改變。并且由于光學(xué)透鏡和CCD 相機(jī)鏡頭存在缺陷和污染，導(dǎo)致拍攝的轉(zhuǎn)鼓圖像存在很多污點(diǎn)。由于這2 點(diǎn)原因，如果直接利用標(biāo)準(zhǔn)PPHT 算法對(duì)同一直線進(jìn)行檢測(cè)，同一條直線位置將被檢測(cè)出多條直線。而經(jīng)過研究發(fā)現(xiàn)，對(duì)于轉(zhuǎn)鼓圖像而言，同一直線位置檢測(cè)出來的直線斜率近似。為了提高PPHT 算法檢測(cè)轉(zhuǎn)鼓圖像中直線的準(zhǔn)確率，對(duì)標(biāo)準(zhǔn)PPHT 算法進(jìn)行改進(jìn)。

改進(jìn)的算法首先利用標(biāo)準(zhǔn)PPHT 算法對(duì)圖像進(jìn)行檢測(cè)，再對(duì)同多條斜率近似的直線進(jìn)行歸一化擬合，改進(jìn)算法步驟流程如圖3所示。

圖3 改進(jìn)算法流程圖Fig.3 Flow chart of improved algorithm

2.4 交點(diǎn)提取篩選

改進(jìn)的概率Hough 算法可以檢測(cè)出4 條直線，但由于2 組十字叉絲的位置不同，得到的交點(diǎn)個(gè)數(shù)也不同，情況分別如下：

1）2 組十字叉絲所產(chǎn)生的2 個(gè)交點(diǎn)互不落在對(duì)方直線上，此時(shí)存在6 個(gè)交點(diǎn)，如圖4(a)所示；

圖4 十字叉絲交點(diǎn)圖Fig.4 Crosshair intersection diagrams

2）2 組十字叉絲所產(chǎn)生的2 個(gè)交點(diǎn)，其中一個(gè)落在對(duì)方某一直線上，此時(shí)存在4 個(gè)交點(diǎn)，如圖4(b)所示；

3）2 組十字叉絲相互平行，并且所產(chǎn)生的2 個(gè)交點(diǎn)互不落在對(duì)方直線上，此時(shí)存在4 個(gè)交點(diǎn)，如圖4(c)；

4）2 組十字叉絲存在2 條直線重合，所產(chǎn)生的2 個(gè)交點(diǎn)不重合，此時(shí)存在2 個(gè)交點(diǎn)，如圖4(d)；

5）2 組十字叉絲所產(chǎn)生的2 個(gè)交點(diǎn)相互重合，此時(shí)存在一個(gè)交點(diǎn)，如圖4(e)。

對(duì)于計(jì)算2 組十字叉絲中心距離而言，有效交點(diǎn)只有十字叉絲原始的2 個(gè)交點(diǎn)。因此需要對(duì)上述的交點(diǎn)情況制定交點(diǎn)篩選規(guī)則：

情況1：如圖5若兩點(diǎn)連線與原有的4 條直線重合，則這2 個(gè)交點(diǎn)不是原十字刻線的交點(diǎn)，如AB、AC、AF、AE、BC、BD、BE、CD、CF、DE、DF；剩余AD、BF、CE不與原有直線重合，由于 ∠ABD和∠AFD為直角，所以ABDF共圓，且AD為直徑，所以BF＜AD；在 ΔBCF中，由于 ∠CBF為鈍角，所以BF＜CF，在 ΔCEF中，由于∠CFE為直角，所以CF＜CE；可推導(dǎo)出BF＜CE；所以BF為2 個(gè)交點(diǎn)距離最短的直線，即與原直線不重合的直線中距離最短的直線的2 個(gè)端點(diǎn)即為原十字叉絲的2 個(gè)交點(diǎn)。

圖5 六交點(diǎn)十字叉絲圖Fig.5 Diagram of 6 intersections crosshairs

情況2：由于原有2 個(gè)交點(diǎn)所連直線長(zhǎng)度最小，所以相距最近的2 個(gè)交點(diǎn)即為原十字叉絲的交點(diǎn)。

情況3：由于2 組十字叉絲相互平行時(shí)，組成一個(gè)矩形，矩形的對(duì)角線大于任意一邊長(zhǎng)，且2 條對(duì)角線相同，所以對(duì)角線距離即為最后所需要求取的十字刻線交點(diǎn)距離，此時(shí)無需求出具體的交點(diǎn)。

情況4：2 交點(diǎn)即為原十字叉絲交點(diǎn)，距離即為所求距離。

情況5：只存在一個(gè)交點(diǎn)，中心完全重合。

對(duì)原圖像進(jìn)行圖像預(yù)處理后，通過改進(jìn)的PPHT 算法進(jìn)行直線檢測(cè)，提取直線全部交點(diǎn)，利用制定的交點(diǎn)篩選規(guī)則篩選出有效交點(diǎn)，最終計(jì)算交點(diǎn)距離來量化2 組十字叉絲中心距離。

3 實(shí)驗(yàn)分析

為了驗(yàn)證圖像預(yù)處理操作、改進(jìn)的PPHT 算法、制定的交點(diǎn)篩選規(guī)則對(duì)轉(zhuǎn)鼓圖像十字叉絲檢測(cè)以及交點(diǎn)篩選的準(zhǔn)確性，進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

3.1 實(shí)驗(yàn)軟硬件配置、實(shí)驗(yàn)平臺(tái)

實(shí)驗(yàn)中使用的硬件和軟件如下：德國(guó)IDS 公司生產(chǎn)的型號(hào)為UI148xLE-C 的工業(yè)相機(jī)，日本Computar 公司生產(chǎn)的焦距為16 mm、最大光圈為F1.4、像場(chǎng)2/3 英寸的工業(yè)鏡頭；使用Visual Studio2013 中的OPENCV3.0.0 庫進(jìn)行開發(fā)；計(jì)算機(jī)硬件配置：處理器Core(TM)i5-7500 主頻3.40 GHz；內(nèi)存DDR4 16 G；顯卡NVIDIA GeFoRce GTX1060 3G。

實(shí)驗(yàn)平臺(tái)采用IDS 相機(jī)作為光電接收器件，使用LED 光源、光學(xué)透鏡、導(dǎo)軌、光學(xué)鏡座等光學(xué)元件，搭建了如圖6所示的轉(zhuǎn)鼓裝校平臺(tái)。

圖6 轉(zhuǎn)鼓裝校平臺(tái)Fig.6 Drum mounting platform

3.2 轉(zhuǎn)鼓圖像十字叉絲檢測(cè)，交點(diǎn)提取篩選，距離計(jì)算實(shí)驗(yàn)

為了有效去除原圖像轉(zhuǎn)為灰度圖后圖像中存在的噪聲并且保留直線輪廓信息，本文使用高斯濾波器對(duì)圖像去除噪聲，如圖7所示；圖8為Canny邊緣檢測(cè)圖，由于圖中直線存在一定的寬度，所以每一條直線存在2 條邊緣。

圖7 高斯濾波Fig.7 Gaussian filtering

圖8 Canny 檢測(cè)Fig.8 Canny detection

圖9為標(biāo)準(zhǔn)概率Hough 算法的直線檢測(cè)圖，在該圖中存在同一條直線被檢測(cè)出多條斜率近似的直線的情況。設(shè)置合適算法參數(shù)，通過標(biāo)準(zhǔn)概率Hough 變換，4 條直線一共檢測(cè)出11 條直線，顯然這是不符合實(shí)際使用要求的。

圖9 標(biāo)準(zhǔn)PPHT 算法直線檢測(cè)圖Fig.9 Standard PPHT algorithm line detection chart

圖10 為利用改進(jìn)的概率Hough 算法的直線檢測(cè)圖，在該圖中，同一直線檢測(cè)出的多條直線被歸一化擬合成同一直線。

圖10 改進(jìn)PPHT 算法直線檢測(cè)圖Fig.10 Improved PPHT algorithm line detection chart

表1為本文改進(jìn)的PPHT 變換和標(biāo)準(zhǔn)PPHT 變換檢測(cè)轉(zhuǎn)鼓圖像直線所消耗的時(shí)間和直線檢測(cè)數(shù)量的對(duì)比表。同時(shí)分析圖9、圖10 和表1，改進(jìn)的概率Hough 算法雖然比標(biāo)準(zhǔn)概率Hough 算法消耗的時(shí)間較多，但是精度和準(zhǔn)確度高了很多，直線數(shù)量由標(biāo)準(zhǔn)概率Hough 算法檢測(cè)的11 條，精確到由改進(jìn)的概率Hough 算法檢測(cè)的4 條，且耗時(shí)差在1 s 以內(nèi)，既可以滿足生產(chǎn)線的直線檢測(cè)準(zhǔn)確度精度要求，也能滿足生產(chǎn)線上的實(shí)時(shí)性要求。

表1 直線檢測(cè)結(jié)果對(duì)比表Table1 Straight line detection results comparison table

根據(jù)改進(jìn)的PPHT 算法檢測(cè)出的4 條十字叉絲直線，可以得到直線的所有交點(diǎn)，如圖11 所示。再通過上文中制定的交點(diǎn)篩選規(guī)則能夠準(zhǔn)確篩選出原十字叉絲的交點(diǎn)，并進(jìn)行連線計(jì)算交點(diǎn)距離，如圖12 所示。

圖11 交點(diǎn)提取Fig.11 Intersection extraction

圖12 交點(diǎn)篩選Fig.12 Intersection screening

利用圖像預(yù)處理方法、改進(jìn)的PPHT 算法和交點(diǎn)篩選規(guī)則，基于VS2013，結(jié)合OPENCV3.0.0，構(gòu)建MFC 人機(jī)交互界面，編寫適合于生產(chǎn)線使用的軟件。在對(duì)轉(zhuǎn)鼓圖像的實(shí)時(shí)處理過程中，轉(zhuǎn)鼓圖像的直線數(shù)量信息、交點(diǎn)數(shù)量、坐標(biāo)信息及有效交點(diǎn)的距離信息都會(huì)實(shí)時(shí)更新在軟件界面上，如圖13所示。

圖13 轉(zhuǎn)鼓數(shù)字化裝校軟件Fig.13 Drum digital installation software

在本實(shí)驗(yàn)中，通過灰度化、高斯濾波、Canny邊緣檢測(cè)等圖像預(yù)處理操作后，利用改進(jìn)后的概率Hough 變換100%檢測(cè)出十字叉絲長(zhǎng)直線，通過交點(diǎn)篩選規(guī)則能夠很好地篩選出2 組十字叉絲的交點(diǎn)并通過計(jì)算2 點(diǎn)間距離來判斷轉(zhuǎn)鼓鏡片中心重合度。

4 結(jié)論

實(shí)驗(yàn)結(jié)果表明，本文提出的轉(zhuǎn)鼓數(shù)字化裝校技術(shù)，通過對(duì)原圖像預(yù)處理，利用改進(jìn)的PPHT 直線檢測(cè)算法，制定交點(diǎn)篩選規(guī)則，能夠?qū)崿F(xiàn)對(duì)轉(zhuǎn)鼓圖像中的2 組十字叉絲中心距離進(jìn)行精確計(jì)算，從而實(shí)現(xiàn)對(duì)裂隙燈轉(zhuǎn)鼓的數(shù)字化裝校過程。該裝校技術(shù)與目前的轉(zhuǎn)鼓裝校技術(shù)相比較，具有更好的客觀性、更高的精確度，能夠代替人眼進(jìn)行轉(zhuǎn)鼓圖像十字叉絲中心距離的計(jì)算，從而實(shí)現(xiàn)了轉(zhuǎn)鼓數(shù)字化裝校，提高了裂隙燈的成像質(zhì)量。