CN102156877A - 一种基于聚类分析的颜色分类方法 - Google Patents

Abstract

本发明一种基于聚类分析的颜色分类方法，属于计算机图像处理技术领域。本发明采用聚类分析方法，能够有效地将彩色结构光编码图片中的每一个像素点根据其颜色进行分类。本发明适合同种颜色的像素点分布集中，不同种颜色的像素点分布比较分散的彩色结构光编码图片，在短时间内有效地消除像素点间的干扰，提高确定像素点颜色的正确性。

Description

一种基于聚类分析的颜色分类方法

技术领域

本发明提出一种基于聚类分析的颜色分类方法，属于计算机图像处理技术领域。

背景技术

结构光三维测量方法主要分为两个部分，第一部分是投影结构光并拍摄获得结构光图像，然后进行结构光解码得到结构光的图像二维信息；第二部分是根据投影仪、摄像机和目标物体的相对位置把结构光的图像二维信息转化为目标物体的三维信息。

从本质上说，基于结构光的三维重构系统是传统立体视觉系统的一种改进与延伸。它使用一个投射编码图像的设备来代替立体视觉系统中的一个摄像机，解决了特征点设置和特征点搜寻的难题。基于结构光的三维重构系统具有非接触、精度高、速度快、适用范围广等优点。广泛应用于自动化加工、高速在线检测、质量控制、航空航天、汽车制造、实物仿型、服装加工、投影系统等领域，是反向工程和计算机视觉中的重要组成部分。

在基于结构光的三维重建中，解决摄像机观测条纹与投影仪投射模式条纹之间的匹配问题最有效的方法是对结构光进行编码，利用各种编码策略使像素本身带有先验编码信息，通过解码，实现光条或点的精确定位。合肥工业大学张勇斌等人提出了一种伪随机编码方案，该方案根据伪随机彩色编码原理，代数摄影几何中的交比不变性质，将一副伪随机编码图案与投影系统相结合，构造了一种新的视觉投影系统。浙江大学黄红强等人提出了一种颜色编码方案，用胶片拍摄调值分布具有一定规律的条纹状图案，然后利用该胶片投影得到彩色结构光。由于在图像摄取时黑色对彩色条纹的影响不大，又考虑到边缘提取的需要，选取黑色作为底色。

对于解码方法来说，张超等人提出一系列图像预处理方法，可以更加准确地提取较细格雷码的条纹；于晓洋等人采用一种基于边缘导向的亚像素定位技术提取格雷码条纹边缘；Philipp Fechteler等人提出了自适应彩色分类方法和捕获3D模型的方法，解决了环境光、颜色、人脸特征对重构质量的影响，提高了系统的鲁棒性。Willie Brink等人根据图中已记录条纹的潜在关联性和邻接性，提出了最大生成树算法，使用该算法可以得到比以往方法更精确、更可靠的重构结果。孔令富等人利用序列的窗口特性和空间邻域编码思想对各条纹边界进行标识，采用全局优化思想对条纹边界进行最优邻域匹配，不需要假定物体全表面单调，对其连续性也不做严格要求。LiZhang等人引入了多通道动态规划思想，来克服图像中的条纹遮挡问题，但常会出现对局部单调区域之间的边界集的解码误差。

发明内容

为了精确地对彩色结构光编码图片中特征点的颜色进行分类，本发明提出一种基于聚类分析的颜色分类方法。

一种基于聚类分析的颜色分类方法，其特征在于，该方法所需设备和实现步骤如下：

所需设备：如图1所示，所需设备包括投影机1，投影屏幕2，摄像机3，计算机4，待测物体5；其中投影机1和摄像机3都通过电缆与计算机4连接。

实现步骤：

步骤1、计算机4通过投影机1将一幅每个像素点的RGB值都分别为255，0，0的红色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的红色投影图像。

步骤2、计算机4通过摄像机3拍摄步骤1生成的调制后的红色投影图像，得到红色结构光编码图片；由红色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵R1，设矩阵R1有m行，n列；构造m行n列矩阵R，矩阵R的第i行第j列元素为R(i，j)＝(RR(i，j)，RG(i，j)，RB(i，j))，其中RR(i，j)、RG(i，j)、RB(i，j)分别为R1(i，j)的RGB值。

步骤3、保持投影机1位置、姿态、内部参数不变，计算机4通过投影机1将一幅和红色图像的大小相同且每个像素点的RGB值都分别为0，255，0的绿色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的绿色投影图像。

步骤4、保持摄像机3位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤3生成的调制后的绿色投影图像，得到绿色结构光编码图片；由绿色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵G1；构造矩阵G，矩阵G的第i行第j列元素为G(i，j)＝(GR(i，j)，GG(i，j)，GB(i，j))，其中GR(i，j)、GG(i，j)、GB(i，j)分别为G1(i，j)的RGB值。

步骤5、保持投影机1位置、姿态、内部参数不变，计算机4通过投影机1将一幅和红色图像的大小相同且每个像素点的RGB值都分别为0，0，255的蓝色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的蓝色投影图像。

步骤6、保持摄像机3位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤5生成的调制后的蓝色投影图像，得到蓝色结构光编码图片；由蓝色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵B1；构造矩阵B，矩阵B的第i行第j列元素为B(i，j)＝(BR(i，j)，BG(i，j)，BB(i，j))，其中BR(i，j)、BG(i，j)、BB(i，j)分别为B1(i，j)的RGB值。

步骤7、保持投影机1位置、姿态、内部参数不变，计算机4通过投影机1将一幅和红色图像的大小相同的彩色结构光编码图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的彩色投影图像。

步骤8、保持摄像机3位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤7生成的调制后的彩色投影图像，得到彩色结构光编码图片；由该图片上所有像素点按照从左到右，从上到下的顺序构成矩阵Z1；构造矩阵Z，矩阵Z的第i行第j列元素为Z(i，j)＝(R(i，j)，G(i，j)，B(i，j))，其中R(i，j)、G(i，j)、B(i，j)分别为Z(i，j)的RGB值。

步骤9、设彩色结构光编码图像中的像素点共有k种颜色，分别用a₁，a₂，...，a_k表示，其中颜色a_x的RGB值分别用r_x，g_x，b_x表示，x＝1，2，...，k；根据矩阵R，G，B，对这k种颜色进行修正，方法如下：

r_x＝r_x/255*RR(i，j)；

g_x＝g_x/255*GG(i，j)；

b_x＝b_x/255*BB(i，j)；

如果在k种颜色中有黑色，记r_x＝g_x＝b_x＝0，那么根据公式r_x＝((GR(i，j)+BR(i，j))/2，g_x＝(RG(i，j)+BG(i，j))/2，b_x＝(RB(i，j)+GB(i，j))/2)分别对黑色进行修正；设M_q表示属于第q种颜色的像素点的个数，设M_q＝0，q＝1，2，...，k。

步骤10、设N_q＝0，q＝1，2，...，k；构造矩阵D，其中D(i，j，s)表示Z(i，j)到点(r_s，g_s，b_s)的距离，所述距离的定义如下：

$D(i,j,s)=\sqrt{{(R(i,j)-r_s)}^2+{(G(i,j)-g_s)}^2+{(B(i,j)-b_s)}^2}$

其中i＝1，2，...，m；j＝1，2，...，n；s＝1，2，...，k。

步骤11、对固定i，j的Z(i，j)，设D(i，j，q)是{D(i，j，1)，D(i，j，2)，...，D(i，j，k)}中的最小值且q值最小，N_q＝N_q+1；构造矩阵I_q，其中I_q(h，y)为矩阵I_q的第h行第y列元素，y＝1，2，3；I_q(N_q，1)＝Z(i，j，1)，I_q(N_q，2)＝Z(i，j，2)，I_q(N_q，3)＝Z(i，j，3)；

对i＝1，2，...，m，j＝1，2，...，n，重复步骤11中的上述过程；

如果对于每一个q＝1，2，...，k都有N_q＝M_q，那么一种基于聚类分析的颜色分类方法结束，否则继续执行步骤12。

步骤12、根据以下公式修改a₁，a₂，...，a_k的RGB值，

$r_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,1)\right]/N_q$

$g_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,2)\right]/N_q,q=\mathrm{1,2},...,k;$

$b_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,3)\right]/N_q$

M_q＝N_q，q＝1，2，...，k；转而执行步骤10。

通过以上步骤将彩色结构光编码图片中的每一个像素点根据其颜色进行分类。

有益效果

本发明提出了一种基于聚类分析的颜色分类方法，该方法能够有效地将彩色结构光编码图片中的每一个像素点根据其颜色进行分类。该方法适合同种颜色的像素点分布集中，不同种颜色的像素点分布比较分散的彩色结构光编码图片，在短时间内有效地消除像素点间的干扰，提高确定像素点颜色的正确性。

附图说明

图1是一种基于聚类分析的颜色分类方法所需设备构成图。此图也是说明书摘要附图。其中：1为投影机，2为投影屏幕，3为摄像机，4为计算机，5为待测物体。

具体实施方式

一种基于聚类分析的颜色分类方法，该方法所需设备和实现步骤如下：

所需设备：如图1所示，所需设备包括投影机1，投影屏幕2，摄像机3，计算机4，待测物体5；其中投影机1和摄像机3都通过电缆与计算机4连接。

实现步骤：

步骤1、计算机4通过投影机1分别将一幅红色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的红色投影图像；其中红色图像中每个像素点的RGB值都分别为255，0，0。

步骤2、计算机4通过摄像机3拍摄步骤1生成的调制后的红色投影图像，得到红色结构光编码图片、绿色结构光编码图片和蓝色结构光编码图片；由红色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵R；设矩阵R有m行，n列；R(i，j)＝(RR(i，j)，RG(i，j)，RB(i，j))为矩阵R的第i行第j列元素，其中RR(i，j)、RG(i，j)、RB(i，j)分别为R(i，j)的RGB值。

步骤3、保持投影机1位置和姿态不变，计算机4通过投影机1将一幅绿色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的绿色投影图像；其中绿色图像和红色图像的大小相同，绿色图像中每个像素点的RGB值都分别为0，255，0。

步骤4、保持摄像机位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤3生成的调制后的绿色投影图像，得到绿色结构光编码图片；由绿结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵G；G(i，j)＝(GR(i，j)，GG(i，j)，GB(i，j))为矩阵G的第i行第j列元素，其中GR(i，j)、GG(i，j)、GB(i，j)分别为G(i，j)的RGB值。

步骤3、保持投影机1位置、姿态、内部参数不变，计算机4通过投影机1将一幅绿色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的绿色投影图像；其中绿色图像中每个像素点的RGB值都分别为0，255，0。

步骤4、保持摄像机3位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤3生成的调制后的绿色投影图像，得到绿色结构光编码图片；由绿色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵G；G(i，j)＝(GR(i，j)，GG(i，j)，GB(i，j))为矩阵G的第i行第j列元素，其中GR(i，j)、GG(i，j)、GB(i，j)分别为G(i，j)的RGB值。

步骤5、保持投影机1位置、姿态、内部参数不变，计算机4通过投影机1将一幅蓝色图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的蓝色投影图像；其中蓝色图像和红色图像的大小相同，蓝色图像中每个像素点的RGB值都分别为0，0，255。

步骤6、保持摄像机3位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤5生成的调制后的蓝色投影图像，得到蓝色结构光编码图片；由蓝色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵B；B(i，j)＝(BR(i，j)，BG(i，j)，BB(i，j))为矩阵B的第i行第j列元素，其中BR(i，j)、BG(i，j)、BB(i，j)分别为B(i，j)的RGB值。

步骤7、保持投影机1位置、姿态、内部参数不变，计算机4通过投影机1将一幅彩色结构光编码图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的投影图像，该彩色结构光编码图像的大小与红色图像的大小相同。

步骤8、保持摄像机3位置、姿态、内部参数不变，计算机4通过摄像机3拍摄步骤7生成的调制后的投影图像，得到彩色结构光编码图片；由该图片上所有像素点按照从左到右，从上到下的顺序构成矩阵Z；Z(i，j)＝(R(i，j)，G(i，j)，B(i，j))为矩阵Z的第i行第j列元素，其中R(i，j)、G(i，j)、B(i，j)分别为Z(i，j)的RGB值。

步骤9、设彩色结构光编码图像中的像素点共有k种颜色，分别用a₁，a₂，...，a_k表示，其中颜色a_x的RGB值分别用r_x，g_x，b_x表示，x＝1，2，...，k；根据矩阵R，G，B，对这k种颜色进行修正，方法如下：

r_x＝r_x/255*RR(i，j)；

g_x＝g_x/255*GG(i，j)；

b_x＝b_x/255*BB(i，j)；

如果在k中颜色中有黑色，记r_x＝g_x＝b_x＝0，那么根据公式r_x＝((GR(i，j)+BR(i，j))/2，g_x＝(RG(i，j)+BG(i，j))/2，b_x＝(RB(i，j)+GB(i，j))/2)分对黑色进行修正；设M_q表示属于第q种颜色的像素点的个数，M_q＝0，q＝1，2，...，k。

步骤10、设N_q＝0，q＝1，2，...，k；构造矩阵D，其中D(i，j，s)表示(R(i，j)，G(i，j)，B(i，j))分别到点(r_s，g_s，b_s)的距离，所述距离的定义如下：

$D(i,j,s)=\sqrt{{(R(i,j)-r_s)}^2+{(G(i,j)-g_s)}^2+{(B(i,j)-b_s)}^2}$

i＝1，2，...，m；j＝1，2，...，n；s＝1，2，...，k。

步骤11、对固定i，j的Z(i，j)，设D(i，j，q)是{D(i，j，1)，D(i，j，2)，...，D(i，j，k)}中的最小值且q值最小，N_q＝N_q+1；构造矩阵I_q，其中I_q(h，y)为矩阵I_q的第h行第y列元素，y＝1，2，3；I_q(N_q，1)＝Z(i，j，1)，I_q(N_q，2)＝Z(i，j，2)，I_q(N_q，3)＝Z(i，j，3)；

对i＝1，2，...，m，j＝1，2，...，n，重复步骤11中的上述过程；

如果对于每一个q＝1，2，...，k都有N_q＝M_q，那么一种基于聚类分析的颜色分类方法结束，否则继续执行步骤12。

步骤12、根据以下公式修改a₁，a₂，...，a_k的RGB值，

$r_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,1)\right]/N_q$

$g_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,2)\right]/N_q,q=\mathrm{1,2},...,k;$

$b_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,3)\right]/N_q$

M_q＝N_q，q＝1，2，...，k；转而执行步骤10。

通过以上步骤将彩色结构光编码图片中的每一个像素点根据其颜色进行分类。

Claims (1)

1.一种基于聚类分析的颜色分类方法，其特征在于，该方法所需设备和实现步骤如下：

所需设备：所需设备包括投影机(1)，投影屏幕(2)，摄像机(3)，计算机(4)，待测物体(5)；其中投影机(1)和摄像机(3)都通过电缆与计算机(4)连接；

实现步骤：

步骤1、计算机(4)通过投影机1将一幅每个像素点的RGB值都分别为255，0，0的红色图像经过待测物体(5)调制后投影到投影屏幕(2)上，生成调制后的红色投影图像；

步骤2、计算机(4)通过摄像机(3)拍摄步骤1生成的调制后的红色投影图像，得到红色结构光编码图片；由红色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵R1，设矩阵R1有m行，n列；构造m行n列矩阵R，矩阵R的第i行第j列元素为R(i，j)＝(RR(i，j)，RG(i，j)，RB(i，j))，其中RR(i，j)、RG(i，j)、RB(i，j)分别为R1(i，j)的RGB值；

步骤3、保持投影机(1)位置、姿态、内部参数不变，计算机(4)通过投影机(1)将一幅和红色图像的大小相同且每个像素点的RGB值都分别为0，255，0的绿色图像经过待测物体(5)调制后投影到投影屏幕(2)上，生成调制后的绿色投影图像；

步骤4、保持摄像机(3)位置、姿态、内部参数不变，计算机(4)通过摄像机(3)拍摄步骤(3)生成的调制后的绿色投影图像，得到绿色结构光编码图片；由绿色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵G1；构造矩阵G，矩阵G的第i行第j列元素为G(i，j)＝(GR(i，j)，GG(i，j)，GB(i，j))，其中GR(i，j)、GG(i，j)、GB(i，j)分别为G1(i，j)的RGB值；

步骤5、保持投影机(1)位置、姿态、内部参数不变，计算机(4)通过投影机(1)将一幅和红色图像的大小相同且每个像素点的RGB值都分别为0，0，255的蓝色图像经过待测物体(5)调制后投影到投影屏幕(2)上，生成调制后的蓝色投影图像；

步骤6、保持摄像机(3)位置、姿态、内部参数不变，计算机(4)通过摄像机(3)拍摄步骤(5)生成的调制后的蓝色投影图像，得到蓝色结构光编码图片；由蓝色结构光编码图片上所有像素点按照从左到右，从上到下的顺序构成矩阵B1；构造矩阵B，矩阵B的第i行第j列元素为B(i，j)＝(BR(i，j)，BG(i，j)，BB(i，j))，其中BR(i，j)、BG(i，j)、BB(i，j)分别为B1(i，j)的RGB值；

步骤7、保持投影机(1)位置、姿态、内部参数不变，计算机(4)通过投影机(1)将一幅和红色图像的大小相同的彩色结构光编码图像经过待测物体(5)调制后投影到投影屏幕(2)上，生成调制后的彩色投影图像；

步骤8、保持摄像机(3)位置、姿态、内部参数不变，计算机(4)通过摄像机(3)拍摄步骤(7)生成的调制后的彩色投影图像，得到彩色结构光编码图片；由该图片上所有像素点按照从左到右，从上到下的顺序构成矩阵Z1；构造矩阵Z，矩阵Z的第i行第j列元素为Z(i，j)＝(R(i，j)，G(i，j)，B(i，j))，其中R(i，j)、G(i，j)、B(i，j)分别为Z(i，j)的RGB值；

步骤9、设彩色结构光编码图像中的像素点共有k种颜色，分别用a₁，a₂，...，a_k表示，其中颜色a_x的RGB值分别用r_x，g_x，b_x表示，x＝1，2，...，k；根据矩阵R，G，B，对这k种颜色进行修正，方法如下：

r_x＝r_x/255*RR(i，j)；

g_x＝g_x/255*GG(i，j)；

b_x＝b_x/255*BB(i，j)；

如果在k种颜色中有黑色，记r_x＝g_x＝b_x＝0，那么根据公式r_x＝((GR(i，j)+BR(i，j))/2，g_x＝(RG(i，j)+BG(i，j))/2，b_x＝(RB(i，j)+GB(i，j))/2)分别对黑色进行修正；设M_q表示属于第q种颜色的像素点的个数，设M_q＝0，q＝1，2，...，k；

步骤10、设N_q＝0，q＝1，2，...，k；构造矩阵D，其中D(i，j，s)表示Z(i，j)到点(r_s，g_s，b_s)的距离，所述距离的定义如下：

$D(i,j,s)=\sqrt{{(R(i,j)-r_s)}^2+{(G(i,j)-g_s)}^2+{(B(i,j)-b_s)}^2}$

其中i＝1，2，...，m；j＝1，2，...，n；s＝1，2，...，k；

步骤11、对固定i，j的Z(i，j)，设D(i，j，q)是{(D(i，j，1)，D(i，j，2)，...，D(i，j，k)}中的最小值且q值最小，N_q＝N_q+1；构造矩阵I_q，其中I_q(h，y)为矩阵I_q的第h行第y列元素，y＝1，2，3；I_q(N_q，1)＝Z(i，j，1)，I_q(N_q，2)＝Z(i，j，2)，I_q(N_q，3)＝Z(i，j，3)；

对i＝1，2，...，m，j＝1，2，...，n，重复步骤11中的上述过程；

如果对于每一个q＝1，2，...，k都有N_q＝M_q，那么一种基于聚类分析的颜色分类方法结束，否则继续执行步骤12；

步骤12、根据以下公式修改a₁，a₂，...，a_k的RGB值，

$r_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,1)\right]/N_q$

$g_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,2)\right]/N_q,q=\mathrm{1,2},...,k;$

$b_q=\left[\underset{i=1}{\overset{N_q}{\mathrm{\Σ}}}{I}_q(N_i,3)\right]/N_q$

M_q＝N_q，q＝1，2，...，k；转而执行步骤10；

通过以上步骤将彩色结构光编码图片中的每一个像素点根据其颜色进行分类。

Images