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(fù)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(jié)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(jié)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(guān)鍵詞： 圓形標志； 圖像提??； 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(shè)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(yù)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(fù)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(guān)，還與標志點在圖像上的提取和定位精度有關(guān)[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(fù)雜，在靜爆實驗中還會受到?jīng)_擊波、揚塵等復(fù)雜因素的干擾，因而Hough變換的應(yīng)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(fù)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(fù)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(guān)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(fù)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?。?/p>

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(yù)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(shè)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(jié)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(quán)質(zhì)心法求解其質(zhì)心的位置坐標[14]。設(shè)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(quán)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(jié)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(jié)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(jié)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(jié)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(jié)果如圖3（e）所示；根據(jù)灰度加權(quán)質(zhì)心法對圓形人工標志進行定位，結(jié)果如圖3（f）所示。

3.3 圓形標志提取結(jié)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(jié)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(jié)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(jié)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(guān)，對較規(guī)則的橢圓進行擬合的結(jié)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(guān)。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(jié)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(jié) 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(jié)果。

對比邊緣提取效果和圓形標志定位結(jié)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(chǔ)，在沒有人工干預(yù)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(shù)，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(yīng)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(shù)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(yīng)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）