閆娜，景文博，崔燦，王曉曼

（1.長春理工大學 電子信息工程學院，長春 130022；2.長春理工大學 光電工程學院，長春 130022）

一種自動檢測靶板角點的方法

閆娜1，景文博2，崔燦1，王曉曼1

（1.長春理工大學 電子信息工程學院，長春 130022；2.長春理工大學 光電工程學院，長春 130022）

靶板是立靶調(diào)炮速度測量系統(tǒng)的重要組成部分，針對傳統(tǒng)的角點檢測算法不能自動檢測靶板角點的問題，提出了一種基于圖像處理技術(shù)的靶板角點的檢測方法。對CCD采集的靶板圖像進行自適應(yīng)平滑濾波提高圖像信噪比，達到去除噪聲和細節(jié)增強的目的，采用迭代式閾值分割算法分割靶板，通過形態(tài)學運算對分割后的像素點進行填充，利用連通域分析和鏈碼法提取目標區(qū)域輪廓，利用多邊形逼近算法對靶板輪廓進行逼近，利用逼近結(jié)果檢測靶板角點。在CCD分辨率1280×1024，像元尺寸14μm，焦距50mm，測量距離5m的情況下，檢測精度小于1.4mm，在立靶調(diào)炮速度測量中具有重要應(yīng)用價值。

靶板角點；圖像處理；輪廓提?。欢噙呅伪平?/p>

隨著科技的不斷發(fā)展，武器裝備日新月異，對武器系統(tǒng)中調(diào)炮速度的測量方法研究，越來越受到關(guān)注。由于在實際測量過程中，不可避免地會造成靶板有一定的傾斜，需要對拍攝的靶板圖像進行圖像畸變校正。而基于透視點的圖像畸變校正，需要在圖像上尋找四個特征點計算變換矩陣，利用變換矩陣對靶板圖像進行畸變校正。

實際調(diào)炮速度測量系統(tǒng)中，靶板由可升降支架、幕布組成，其中幕布有效區(qū)域為白色，四周為黑色背景，選取有效區(qū)域的四個角點作為特征點進行畸變校正。

目前，常用的角點檢測算法分為三類：（1）基于圖像邊緣信息的角點檢測算法［1］，該算法存在的主要問題是邊緣提取算法對角點檢測的影響極大，如果邊緣檢測有中斷部分，則會嚴重影響角點檢測結(jié)果；（2）基于圖像灰度信息的角點檢測算法［2］，該算法是通過計算曲率和梯度來檢測角點，該算法的優(yōu)點是避免了邊緣提取算法對角點檢測的影響，缺點是有時根據(jù)曲率和梯度求得的最大值點與角點的實際位置存在很大偏差，有時將實際的角點漏檢或者是將本來不是角點的干擾點誤當成角點；（3）基于小波變換的角點檢測算法［3］，該算法的主要問題是只有物體的特征尺度相似且先驗知識已知時，檢測算法的性能才比較好。針對以上三種檢測角點方法的不足，提出一種自動檢測靶板角點坐標的方法，該方法不用手動選取靶板圖像角點坐標，沒有人為因素影響，檢測精度高。

1 透視變換角點檢測理論基礎(chǔ)

圖像法測量調(diào)炮速度的過程中，相機所獲取的圖像往往存在透視畸變，如圖1（a）所示，這使得光斑在圖像中的位置和實際位置不符，如圖1（b），影響測量精度。透視變換［4］的目的是根據(jù)公式（1）將圖像投影到一個新的平面如圖1（c），以消除透視畸變。

圖1 角點檢測示意圖

變換矩陣由式（2）求得，8個未知參數(shù)對應(yīng)8個方程，需要獲取4個特征點(u,v)以及變換后的4個點(x,y)來求解變換矩陣。為了保證經(jīng)過畸變校正后的圖像大小和實際靶板對應(yīng)像素大小一致，以原始圖像中靶板的左上角點(u0,v0)為基準點，根據(jù)小孔成像原理計算靶板在圖像中的實際大小，可以得到理論上非畸變角點(x,y)。因此，獲取(u,v)四個點對于求解變換矩陣具有重要意義。

2 靶板角點檢測圖像處理算法及實現(xiàn)

2.1 自適應(yīng)平滑濾波

實際靶板圖像中存在噪聲，需要對圖像進行濾波處理以消除圖像背景及系統(tǒng)噪聲的干擾，為后續(xù)圖像分析處理奠定基礎(chǔ)。

為了消除靶板圖像中的噪聲，同時又增加邊緣細節(jié)，采用自適應(yīng)平滑濾波方法對靶板圖像進行濾波。該算法根據(jù)靶板圖像中像素灰度值的突變特性，自適應(yīng)改變?yōu)V波器的權(quán)值。主要步驟為：

計算Gx，Gy：

計算權(quán)值系數(shù)：

其中，h為幅度系數(shù)，

平滑濾波：

自適應(yīng)平滑濾波通過計算圖像梯度，對邊緣進行銳化增強。利用權(quán)值系數(shù)調(diào)控濾波函數(shù)［5］，達到平滑去噪的目的。靶板圖像原圖如圖2（a）所示，經(jīng)過自適應(yīng)平滑濾波處理后如圖2（b）所示。

圖2 靶板圖像及濾波后圖像

2.2 閾值分割

待檢測靶板圖像的白色有效區(qū)域與外圍為黑色背景對比度較大邊界清晰，靶板圖像直方圖波谷明顯，故采用迭代式閾值分割算法分割靶板圖像［6］。靶板圖像經(jīng)過迭代式閾值分割結(jié)果如圖3所示。具體閾值分割步驟如下：

設(shè)置閾值T。將圖像的平均灰度值設(shè)為初始閾值；

將圖像分為兩組C1和C2。計算兩組的平均灰度值m1和m2，取兩個平均值的均值作為新閾值Tnew；

圖3 迭代式閾值分割圖像

2.3 膨脹

經(jīng)過閾值分割后的靶板圖像部分有空洞情況，通過膨脹處理能夠?qū)⒖斩床糠诌B接起來，避免了基于圖像邊緣角點檢測算法中邊緣中斷的缺點，有利于進行后續(xù)操作處理。

膨脹［7］是對二值化物體邊界點進行擴充。設(shè)X為目標圖像，B為結(jié)構(gòu)元素，則目標圖像X被結(jié)構(gòu)元素B膨脹的數(shù)學表達式為式（9）：

其中，x表示集合平移的位移量，⊕是膨脹運算的運算符。BV是結(jié)構(gòu)元素B做關(guān)于其原點的反射得到反射集合。膨脹結(jié)果如圖4所示。

圖4 膨脹圖

2.4 提取目標區(qū)域輪廓

2.4.1 連通域分析

靶板圖像中目標區(qū)域為最大連通區(qū)域，但背景中存在其他干擾連通區(qū)域，需要對每個連通區(qū)域進行提取分析，從而獲取最大連通區(qū)域。在四鄰域中使用Two-Pass法進行連通域分析：

首先逐行掃描像素，檢測是否為前景，若不是繼續(xù)掃描。

判斷當前點四鄰域中的左邊、上邊的像素是否為前景，若有一個則當前點標簽號與這個點相同。若有兩個則當前點的標簽號為較小點的一個，并修改大標簽號為小標簽號。

第二次掃描，將具有相等關(guān)系的所標記的像素歸為一個連通域，并合并為一個標記。

完成連通域分析后，對每個連通區(qū)域進行像素個數(shù)統(tǒng)計，需找像素個數(shù)最大的連通區(qū)域作為最終查找到的目標區(qū)域，并將其他干擾連通域像素值賦為背景。

2.4.2 輪廓提取

經(jīng)過上述算法能夠提取靶板圖像中有效目標區(qū)域，為了對目標區(qū)域進一步處理，需要對目標區(qū)域進行輪廓跟蹤。

每個目標輪廓都有走向，因此可采用鏈碼序列來描述目標輪廓，鏈碼［8］方式描述輪廓需要記錄輪廓的起始點和輪廓上每一點相對于前一點的鏈碼值列表。相比于四鏈碼法，八鏈碼法可以更精確的表示一個輪廓，輪廓結(jié)果如圖5所示。

首先按照從左至右，從上至下的順序查找輪廓起點；

再按照右、右下、下、左下的順序查找第二個輪廓點；

然后按照右、右下、下、左下、左、左上、上、上右的順序查找其它輪廓點，直到找到輪廓起點為止。

圖5 靶板輪廓圖

2.5 多邊形逼近

對獲取的靶板輪廓圖像進行多邊形逼近，多邊形逼近原理如圖6所示，DP算法［9］基本思想：

從輪廓圖像上選擇兩個相距最遠的點，如圖6（b）所示；

將這兩個點連接成線段；

在輪廓上查找距離該線段的最遠的點，將該點添加到輪廓中，構(gòu)成新的輪廓，如圖6（c）所示；

算法不斷迭代，將新的點添加到輪廓中，如圖6（d）所示。

表1 5次測量靶板圖像4個角點在圖像中的定位

表2 對應(yīng)表1的5次測量靶板圖像4個角點的理論位置

圖6 多邊形逼近原理圖

檢測多邊形的點數(shù)是否是4，如果為4則記錄四個頂點坐標。為了獲得更加精確的坐標點，以頂點為中心在原始圖像中3x3區(qū)域內(nèi)求質(zhì)心，最后保存4邊形的四個頂點坐標。多邊形逼近檢測靶板角點是通過整個靶板輪廓的幾何特征來確定的，受個別點的影響不大，能夠避免基于圖像灰度信息的角點檢測算法中漏檢或檢測不準的缺點。相比于基于小波變換的角點檢測算法，多邊形逼近沒有特征尺度相似和已知先驗條件的限制。

3 實驗結(jié)果及精度分析

算法采用Visual Studio 2010 C++編寫，在win32系統(tǒng)中執(zhí)行。采用分辨率為1280×1024的CCD相機。根據(jù)本文自動檢測靶板角點的方法，檢測結(jié)果如圖7所示。

圖7 自動獲取靶板角點效果圖

表1列出了5次測量靶板圖像4個角點在圖像中的定位。表2列出了對應(yīng)表1的5次測量靶板圖像4個角點的理論位置。

為了驗證靶板角點識別的準確性，將本文算法檢測出的角點x、y的坐標與實際靶板角點的x、y進行比較，圖8分別是靶板角點在x、y方向上與實際靶板角點的偏差絕對值。

根據(jù)誤差知識檢測該算法自動獲取靶板角點坐標的準確性，靶板角點坐標的精度計算公式如下：

其中，σ是靶板角點坐標的測量精度，Δi是第i幅靶板圖像角點與實際靶板角點的偏差是n次測量偏差的平均值，n為測量次數(shù)，(Dix,Diy)是第i幅靶板角點坐標在圖像中的定位是第i幅靶板角點坐標在圖像中的理論位置。根據(jù)公式（10）、（11）、（12）對采集的所有數(shù)據(jù)進行計算，測量精度結(jié)果如表3所示，靶板角點定位精度低于一個像素，滿足靶板角點定位精度要求。

圖8 靶板角點在x、y方向上與實際靶板角點的偏差絕對值

表3 靶板角點測量精度

4 結(jié)論

本文提出自動檢測靶板圖像角點的方法。提取靶板圖像的輪廓，通過多邊形逼近算法得到靶板圖像的逼近多邊形，準確獲取靶板圖像角點。大量的實驗結(jié)果分析表明，該方法避免了人為因素參與所帶來的隨機誤差影響，具有很高精度，在立靶調(diào)炮速度測量中發(fā)揮了重要的作用。

［1］Possa PR，Mahmoudi SA，Harb N，et al.A multi-resolution FPGA-based architecture for real-time edge and corner detection［J］.IEEE Transactions on Computers，2014，63（10）：2376-2388.

［2］Zhang S，Yang D，Huang S，et al.Corner detection using Chebyshev fitting-based continuous curvature estimation［J］.Electronics Letters，2015，51（24）：1988-1990.

［3］Zhou J，Cheng H.The simulation application of wavelet transform for harbor detection in map［C］.International Conference on Intelligent Computation and Automation，2015：1033-1035.

［4］汪貴平，王會峰，劉盼芝，等.特征平行直線的成像畸變現(xiàn)場校正［J］.光子學報，2014，43（1）：0111001-1-0111001-5.

［5］張紅梅，韓萬剛.一種新的變步長LMS自適應(yīng)濾波算法研究及其應(yīng)用［J］.儀器儀表學報，2015，36（8）：1822-1830.

［6］Lei Shao，Yi Mu，Peng Guo.Research of image segmentation based on iterative thresgold［J］.Applied Mechanics and Materials，2015（701）：330-333.

［7］鄧仕超，黃寅.二值圖像膨脹腐蝕的快速算法［J］.計算機工程與應(yīng)用，2017，53（5）：207-211.

［8］王竟雪，宋偉東，趙麗科，等.改進的Freeman鏈碼在邊緣跟蹤及直線提取中的應(yīng)用研究［J］.信號處理，2014，30（4）：422-430.

［9］吳東東，周東翔，關(guān)濤，等.一種基于輪廓多邊形逼近的可見光與紅外圖像配準算法［J］.計算機應(yīng)用與軟件，2012，29（10）：28-30+122.

A Method of Automatically Detecting the Corner of a Target

YAN Na1，JING Wenbo2，CUI Can1，WANG Xiaoman1
（1.School of Electronics and Information Engineering，Changchun University of Science and Technology，Changchun 130022；2.School of Optoelectronic Engineering，Changchun University of Science and Technology，Changchun 130022）

The target is important part of vertical target speed measurement system，the traditional corner detection algorithm does not automatically detect the corner of the target question.Based on image processing technology corner of the target method is proposed.Adaptive smoothing filter is applied to the image acquired by CCD to improve the target image signal to noise ratio，to achieve the purpose of removing noise and detail enhancement.Using iterative threshold segmentation algorithms split target，the contour of the target is approximated by the polygon approximation algorithm，using approximation results detecting the corner of the target.In the case of CCD resolution is1280×1024，pixel size 14μm，focal length 50mm，measuring distance 5m，detection accuracy is less than 1.4mm，in the vertical target gun speed measurement field has important application value.

target corner；image processing；contour extraction；polygon approximation

TP391.41

A

1672-9870（2017）04-0073-05

2017-05-26

閆娜（1992-），女，碩士研究生，E-mail：814703394@qq.com

景文博（1980-），男，博士，副教授，E-mail：wenbojing@sina.