CN103778411A - 一种基于栅格图像划分的圆检测方法及装置 - Google Patents

Abstract

一种基于栅格图像划分的圆检测方法，其特征在于，包括如下步骤：提取图像边缘信息，获取由边缘点组成的边缘点集；将图像栅格化，并记录栅格化信息；在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四点；根据第四点，判断由三个边缘点所确定的圆是否为候选圆；根据候选圆检测真圆。本发明的技术方案抗噪性能强、准确性良好且实时性较好，提高了检测的精度与速度。

Description

一种基于栅格图像划分的圆检测方法及装置

技术领域

本发明涉及图像识别领域，尤其涉及一种基于栅格图像划分的圆检测方法。

背景技术

20世纪60年代起，随着电子技术和计算机技术的不断发展和提高，数字图像处理技术进入了高速发展时期。在科学研究、工农业生产、资源遥感探测、目标跟踪、智能交通和智慧城市等领域运用越来越广泛。随着信息高速公路、数字地球、物联网等概念的提出以及Internet的广泛应用，图像处理技术的需求与日俱增。人类从外界获得的信息大部分来自于人的视觉系统，而图像以其信息量大，处理技术日趋成熟等优点成为获取和利用信息的重要来源。图像检测技术是视觉认知的延伸，在各种自动目标识别系统中占有重要地位。随着计算机技术及人工智能技术的发展，越来越成为计算机视觉的基础技术。它涉及到的领域也越来越广泛，应用越来越深，突破了视觉范围，更多地体现为机器智能，数字技术的特点。

灰度、纹理和形状是描述图像的主要特征，用来表示图像的亮度、颜色变化和几何属性。形状特征具有对空间、旋转、伸缩以及运动的不变形，满足计算机视觉技术对物体识别的要求。图像检测领域，几何形状是含信息量较高的图像特征，其中圆为自然界和普通物体中常见的基本几何形状。简单的形状可以组合成更复杂的图形。如果先检测出简单的几何形状，再将检测出的结果进一步进行组合就可以识别出更为复杂的图形或者物体。因此，简单几何形状的检测与提取是重要的一步，会直接影响到最后的结果，对它们进行准确的检测有着重要的意义。

圆形经常被作为这些复杂目标的定位、匹配与跟踪系统的输入信息，在计算机视觉与模式识别领域都有着重要的意义。同时，在工业制造、交通监控、人脸检测、GPS测量和武器制造等领域也有着广泛的应用。

目前圆的检测算法主要以改进Hough变换类方法为主，另外遗传算法也被用于检测圆。圆Hough变换（CHT）是目前应用最为广泛的圆检测方法，该方法的最大优点是可靠性高，在噪声、变形、部分区域残缺的状态下依然能取得理想的结果，但该方法的缺点是计算量和存储量大。侯宇提出利用圆的对偶点求得圆心坐标，再确定半径，计算速度有所提高。Xu等人提出了用随机Hough变换（RHT）来检测圆，在边缘图像中对边缘点进行随机采样，并运用“多对一”的映射机制减少计算量和内存的开销。但是RHT的方法仍然是基于参数空间的累积进行参数获取的，无法从本质上解决计算量大、存储空间大的问题。Chen等人提出了随机圆检测算法（RCD）。RCD方法由RHT思想衍生而来，但并不是基于Hough变换的思想。它采用了假设—验证的结构来检测可能的圆。由于不涉及参数空间的累积，而且假设圆的计算是直接在原图像空间中进行，所以效率和准确性都较基于RHT的方法有所提高。相比于Hough变换和RHT变换，RCD所需存储量非常少，具有实时速度和较好的抗噪声能力。

发明内容

针对现有圆检测方法存在的抗噪性能较差、实时性较差，不同程度缺损和变形等原因带来的检测准确性较差的不足，本发明提供一种抗噪性能强、实时性较好、准确性良好的一种基于栅格图像划分的圆检测方法。

该方法包括如下步骤：

步骤S1，提取图像边缘信息，获取由边缘点组成的边缘点集；

步骤S2，将图像栅格化，并记录栅格化信息；

步骤S3，在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四点；

步骤S4，根据第四点，判断由三个边缘点所确定的圆是否为候选圆；

步骤S5，根据候选圆检测真圆。

进一步地，所述步骤S1，提取图像边缘信息的方法，具体包括：采用sobel算子进行图像边缘信息检测，并设置图像边缘信息检测的采样约束条件，且设置的采样约束条件包括采样概率估算最大采样次数和允许的最少边缘点数。

进一步地，所述步骤S2具体包括：将图像划分为大小相同的整数个栅格单元的栅格，并对栅格单元进行编码，记录各边缘点所对应的栅格单元位置及栅格单元中所包含的边缘点的数量；若不能将所述图像划分为整数个栅格单元的栅格，则在图像右侧用像素点按列补齐，或在图像下侧用像素点按行补齐。

进一步地，所述步骤S3包括：

步骤S31，在所述图像中任取第一边缘点，并获取以第一边缘点对应的栅格单元为中心的一个栅格单元集合，并记录该栅格单元集合中含有最大数量边缘点的栅格单元；

步骤S32，从含有最大数量边缘点的栅格单元中随机分别选取第二边缘点和第三边缘点；

步骤S33，根据第一边缘点、第二边缘点和第三边缘点的坐标确定一个圆，并根据圆的对称性在该圆上确定第四点坐标；

更进一步地，所述步骤S31中，所述获取以第一边缘点对应的栅格单元为中心的一个栅格单元集合的方法包括：

取第一边缘点对应的栅格单元为中心，以栅格单元为单位确定一个阈值，以所述阈值为半径，获取与所述第一边缘点对应的栅格单元相关联的栅格单元组成栅格单元的集合；其中，与所述第一边缘点对应的栅格单元相关联的栅格单元包括：与所述第一边缘点对应的栅格单元边缘相连接的栅格单元及与所述第一边缘点对应的栅格单元对角相连接的栅格单元。

更进一步地，所述步骤S33具体包括：

步骤S331，由第一边缘点与第二和第三边缘点中的任一点确定一条直线；

步骤S332，作第二条直线，使所述第二条直线通过第二与第三两个边缘点中未被所述步骤S331中所选用的边缘点，且所述第二条直线平行于所述步骤S331所确定的一条直线；

步骤S333，所述步骤S332中所确定的第二条直线与所述步骤3所确定的圆相交的除去所述第一边缘点，第二边缘点，第三边缘点以外的即为第四点。

进一步地，所述步骤S4，包括：搜索以第四点为中心向外扩展的任一正方形区域，其中，正方形的边长取值依据具体图像像素大小确定，若存在边缘点，则确定由三个边缘点所确定的圆为候选圆，若不存在所述边缘点，则返回步骤3。

进一步地，所述步骤S5包括：

步骤S51，取半径偏差值的二分之一，以候选圆的圆心为圆心，以候选圆的半径与半径偏差值的二分之一的差值作为内圆环的半径，以候选圆的半径与半径偏差值的二分之一的和作为外圆环的半径，建立圆环；

其中，所述半径偏差值是判断边缘点是否在圆环内的一个冗余值，用来表示所检测圆可允许变形的程度，半径偏差值的取值依据图像大小确定。

步骤S52，累计所述圆环包含的边缘点的个数，计算候选圆周长与所述候选圆的完整度参数阈值的乘积，若所述累计圆环包含的边缘点的个数总和大于或等于所述候选圆周长与所述候选圆的完整度参数阈值的乘积，则确认所述候选圆为真圆，否则，返回步骤3。

其中，完整度参数阈值是根据仿真经验设定。

更进一步地，还包括获得真圆半径的方法:

将图像边缘信息检测的采样计数器置零，累计圆环内的边缘点到候选圆圆心的距离之和与所述步骤S51中所建立的圆环所包含的边缘点个数总和的商即为真圆半径。

根据本发明的另一方面，还提供一种基于栅格图像划分的圆检测装置，包括：

图像边缘点采集单元，用于提取图像边缘信息，获取由边缘点组成的边缘点集；

图像栅格化单元，用于将图像栅格化，并记录栅格化信息；

候选圆判断单元，其包括点定位模块和候选圆判断模块：

所述点定位模块，用于在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四点；

所述候选圆判断模块，用于根据第四点，判断由三个边缘点所确定的圆是否为候选圆；

真圆检测单元，用于根据候选圆检测真圆。

与现有技术相比，本发明的技术方案抗噪性能强、准确性良好且实时性较好，提高了检测的精度与速度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的第一实施例的一种基于栅格图像划分的圆检测方法流程图；

图2是本发明第一实施例所述获取与第一边缘点对应的栅格单元相关联的栅格单元组成栅格单元的集合的示意图；

图3是本发明第一实施例一种基于栅格图像划分的圆检测方法流程图步骤S3的子步骤图；

图4是本发明第一实施例一种基于栅格图像划分的圆检测方法流程图步骤S3的子步骤S33的子步骤图；

图5是本发明第一实施例所述在栅格化的图像中取三个非在同一直线随机点，并由三个随机点确定圆，由圆的对称性确定第四点示意图。

图6是本发明第二实施例所述的一种基于栅格图像划分的圆检测装置结构图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

第一实施例

图1是根据本发明的第一实施例的一种基于栅格图像划分的圆检测方法流程图，下面根据图1详细说明本实施例的各个步骤。

步骤S1，提取图像边缘信息，获取由边缘点组成的边缘点集；

本实施例中采用sobel算子进行边缘检测，得到包含目标边缘信息的二值图像，即边缘点集；

设置采样约束条件包括：采样概率估算最大采样次数，允许的最少边缘点数；

步骤S2，将图像栅格化，并记录栅格化信息；

具体而言，将图像划分为大小相同整数个栅格单元的栅格，并对栅格单元进行编码，记录各边缘点所对应的栅格单元位置及栅格单元中所包含的边缘点的数量；

例如，将图像划分成大小相同的栅格单元，设置栅格大小为：

$\mathrm{Grids}=\mathrm{ceil}(\frac{1}{10}*\mathrm{rows})\×\mathrm{ceil}(\frac{1}{10}*\mathrm{columns})=M*N,$

图像大小为：

ows×columns；

此外，若不能将所述图像划分为整数个栅格单元的栅格，则在图像右侧用像素点按列补齐，或在图像下侧用像素点按行补齐。

假定边缘点总数为p。对栅格数据进行编码，记录边缘点对应的栅格位置Sm,n和栅格中边缘点的数量Nm,n；m∈[1,2,…M];n∈[1,2,…N];

步骤S3，在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四点，包括：

步骤S31，在所述图像中任取第一边缘点，并获取以第一边缘点对应的栅格单元为中心的一个栅格单元集合，并记录该栅格单元集合中含有最大数量边缘点的栅格单元；

这里，获取以第一边缘点对应的栅格单元为中心的一个栅格单元集合的方法包括：

取第一边缘点对应的栅格单元为中心，以栅格单元为单位确定一个阈值，以阈值为半径，获取与所述第一边缘点对应的栅格单元相关联的栅格单元组成栅格单元的集合。

其中，与第一边缘点对应的栅格单元相关联的栅格单元，包括：与所述第一边缘点对应的栅格单元边缘相连接的栅格单元及与所述第一边缘点对应的栅格单元对角相连接的栅格单元。

例如，随机取第一边缘点v₁(x₁，y₁)，对应栅格为Sj,k,j∈[1,2,…M];k∈[1,2,…N]。这里，我们首先以栅格为单位确定一个最大阈值（圆的最大半径），本例中假定圆的最大半径不超过两个栅格。得到以栅格Sj,k为中心的3×3的栅格单元集合(S₁,S₂,S₃,S₄,S₅,S₆,S₇,S₈)如附图2所示，为方便起见，令S0=Sj,k，如附图2所示；并记录对应最大的边缘点数的集合

N_max=max{N₁，N₂，N₃，N₄，N₅，N₆,N₇，N₈};

特殊情况处理：若v₁(x_l，y₁)位于图像左上角、左下角、右上角和右下角栅格(S1,1,S1,N,SM,1,SM,N)时，只能得到的栅格单元集合；若位于第一行、第一列、最后一行、最后一列栅格时，只能取得3×2或者2×3的栅格单元集合；

步骤S32，从含有最大数量边缘点的栅格单元中随机分别选取第二边缘点和第三边缘点；

具体的，在最大边缘点数量对应的栅格中随机选择两点v₂，v₃。

步骤S33，根据第一边缘点、第二边缘点和第三边缘点的坐标确定一个圆，并根据圆的对称性在该圆上确定第四点坐标，具体包括：

步骤S331，由第一边缘点与第二和第三边缘点中的任一点确定一条直线；

步骤S332，作第二条直线，使第二条直线通过第二与第三两个边缘点中未被步骤S331中所选用的边缘点，且所述第二条直线平行于所述步骤S331所确定的一条直线；

步骤S333，所述步骤S332中所确定的第二条直线与所述步骤S3所确定的圆相交的除去所述第一边缘点，第二边缘点，第三边缘点以外的即为第四点。

具体的，计算第一边缘点v₁(x₁，y₁)与第二边缘点v₂和第三边缘点v₃并以这三点坐标求得圆C₁₂₃参数：半径为r₁₂₃，圆心为(a_l23，b₁₂₃),

根据圆的对称性找到圆上第四点v₄(x₄,y₄)，如附图5所示。：

具体计算方法是：过点v₃作平行于直线L₁（由v₁，v₂两点确定）的直线L₂，与圆相交于点v₄(x₄，y₄)，满足方程：

$\left\{\begin{array}{c}y-y_3=k(x-x_3)\\ \frac{y+y_3}{2}-b_{123}=-\frac{1}{3}(\frac{x+x_3}{2}-a_{123})\end{array}\right.$

其中，

$k=\frac{y_2-y_1}{x_2-x_1};$

步骤S4，根据第四点，判断由三个边缘点所确定的圆是否为候选圆；

搜索以v₄点为中心向外扩展的任一正方形区域，作一个边长为α的正方形，其中，α取值依据具体图像像素大小确定，可根据实际情况调整大小。在此正方形内搜索，若存在边缘点，则认为边缘点在候选圆C₁₂₃上，否则返回步骤S130。

步骤S5，根据候选圆检测真圆。

步骤S51，取半径偏差值的二分之一，以候选圆的圆心为圆心，以候选圆的半径与半径偏差值的二分之一的差值作为内圆环的半径，以候选圆的半径与半径偏差值的二分之一的和作为外圆环的半径，建立圆环；

建立圆环D： $\left\{D\right|{(r_{123}-\frac{\mathrm{\Δr}}{2})}^2\≤{a_{123}}^2+{b_{123}}^2\≤{(r_{123}+\frac{\mathrm{\Δr}}{2})}^2\}$

设置椭圆度 $O_r=\frac{\mathrm{\Δr}}{r_{123}}\×100\%;$

其中，r₁₂₃是候选圆的半径，Δr是半径偏差值，半径偏差值是判断边缘点是否在圆环内的一个冗余值，用来表示所检测圆可允许变形的程度，半径偏差值的取值依据图像大小确定。

其中，(a₁₂₃，b₁₂₃)是候选圆的圆心；

步骤S52，在满足采样约束条件下，累计所述圆环包含的边缘点的个数，计算候选圆周长与所述候选圆的完整度参数阈值的乘积，若所述累计圆环包含的边缘点的个数总和大于或等于所述候选圆周长与所述候选圆的完整度参数阈值的乘积，则确认所述候选圆为真圆，否则，返回步骤3。

在满足采样约束条件下，即：累计随机采样次数f，若f小于允许的最大采样次数F，且剩余边缘点数量大于累计圆环D内边缘点的个数count；若count≥2πr₁₂₃Tr，若T_r为圆的完整度参数阈值，其中，完整度参数阈值是根据仿真经验设定，则确认C₁₂₃是一个真圆，并将圆上点从边缘点集中去除，采样计数器置零，获得真实圆的最终半径为

其中r₁，r₂…r_count是指每个在圆环D内边缘点到候选圆心的距离；否则，返回步骤3。

真圆判断结束，圆上点从边缘点集中去除达到一定程度，便不符合采样约束条件，检测结束。

第二实施例

本发明第二实施例提供实现上述方法的一种基于栅格图像划分的圆检测装置，其内部结构如图6所示，主要包括：

图像边缘点采集单元21，用于提取图像边缘信息，获取由边缘点组成的边缘点集；

具体而言，图像边缘点采集单元所执行的操作具体包括：将图像划分为大小相同整数个栅格单元的栅格，并对栅格单元进行编码，记录各边缘点所对应的栅格单元位置及栅格单元中所包含的边缘点的数量；

图像栅格化单元22，用于将图像栅格化，并记录栅格化信息；

具体而言，图像栅格化单元所执行的操作具体包括：将图像划分为大小相同整数个栅格单元的栅格，并对栅格单元进行编码，记录各边缘点所对应的栅格单元位置及栅格单元中所包含的边缘点的数量；

此外，若不能将所述图像划分为整数个栅格单元的栅格，则在图像右侧用像素点补齐若干列，或在图像下侧用像素点补全若干行。

候选圆判断单元23，包括：

点定位模块231，用于在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四点；

候选圆判断模块232，用于根据第四点，判断由三个边缘点所确定的圆是否为候选圆；

真圆检测单元24，用于根据候选圆检测真圆。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种基于栅格图像划分的圆检测方法，其特征在于，包括如下步骤： 

步骤S1，提取图像边缘信息，获取由边缘点组成的边缘点集； 

步骤S2，将图像栅格化，并记录栅格化信息； 

步骤S3，在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四点； 

步骤S4，根据第四点，判断由三个边缘点所确定的圆是否为候选圆； 

步骤S5，根据候选圆检测真圆。 

2.根据权利要求1所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S1中提取图像边缘信息的方法，具体包括：采用sobel算子进行图像边缘信息检测，并设置图像边缘信息检测的采样约束条件，且设置的采样约束条件包括采样概率估算最大采样次数和允许的最少边缘点数。 

3.根据权利要求1所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S2具体包括：将图像划分为大小相同的整数个栅格单元的栅格，并对栅格单元进行编码，记录各边缘点所对应的栅格单元位置及栅格单元中所包含的边缘点的数量；若不能将所述图像划分为整数个栅格单元的栅格，则在图像右侧用像素点按列补齐，或在图像下侧用像素点按行补齐。 

4.根据权利要求1所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S3包括： 

步骤S31，在所述图像中任取第一边缘点，并获取以第一边缘点对应的栅格单元为中心的一个栅格单元集合，并记录该栅格单元集合中含有最大数量 边缘点的栅格单元； 

步骤S32，从含有最大数量边缘点的栅格单元中随机分别选取第二边缘点和第三边缘点； 

步骤S33，根据第一边缘点、第二边缘点和第三边缘点的坐标确定一个圆，并根据圆的对称性在该圆上确定第四点坐标。 

5.根据权利要求4所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S31中，获取以第一边缘点对应的栅格单元为中心的一个栅格单元集合的方法包括： 

取第一边缘点对应的栅格单元为中心，以栅格单元为单位确定一个阈值，以所述阈值为半径，获取与所述第一边缘点对应的栅格单元相关联的栅格单元组成栅格单元的集合；其中，与所述第一边缘点对应的栅格单元相关联的栅格单元包括：与所述第一边缘点对应的栅格单元边缘相连接的栅格单元及与所述第一边缘点对应的栅格单元对角相连接的栅格单元。 

6.根据权利要求4所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S33具体包括： 

步骤S331，由第一边缘点与第二和第三边缘点中的任一点确定一条直线； 

步骤S332，作第二条直线，使所述第二条直线通过第二与第三两个边缘点中未被所述步骤S331中所选用的边缘点，且所述第二条直线平行于所述步骤S331所确定的一条直线； 

步骤S333，所述步骤S332中所确定的第二条直线与所述步骤3所确定的圆相交的除去所述第一边缘点，第二边缘点，第三边缘点以外的即为第四点。 

7.根据权利要求1所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S4包括：搜索以第四点为中心向外扩展的任一正方形区域， 若存在边缘点，则确定由三个边缘点所确定的圆为候选圆，若不存在所述边缘点，则返回步骤3。 

8.根据权利要求1所述的一种基于栅格图像划分的圆检测方法，其特征在于，所述步骤S5包括： 

步骤S51，取半径偏差值的二分之一，以候选圆的圆心为圆心，以候选圆的半径与半径偏差值的二分之一的差值作为内圆环的半径，以候选圆的半径与半径偏差值的二分之一的和作为外圆环的半径，建立圆环； 

步骤S52，累计所述圆环包含的边缘点的个数，计算候选圆周长与所述候选圆的完整度参数阈值的乘积，若所述累计圆环包含的边缘点的个数总和大于或等于所述候选圆周长与所述候选圆的完整度参数阈值的乘积，则确认所述候选圆为真圆，否则，返回步骤3。 

9.根据权利要求8所述的一种基于栅格图像划分的圆检测方法，其特征在于，还包括获得真圆半径的方法: 

将图像边缘信息检测的采样计数器置零，累计圆环内的边缘点到候选圆圆心的距离之和与所述步骤S51中所建立的圆环所包含的边缘点个数总和的商即为真圆半径。 

10.一种基于栅格图像划分的圆检测装置，包括： 

图像边缘点采集单元，用于提取图像边缘信息，获取由边缘点组成的边缘点集； 

图像栅格化单元，用于将图像栅格化，并记录栅格化信息； 

候选圆判断单元，其包括点定位模块和候选圆判断模块：所述点定位模块，用于在栅格化的图像中取三个分别处于不同直线上的边缘点，并由三个边缘点确定圆，由圆的对称性，基于三个边缘点坐标确定位于该圆上的第四 点；所述候选圆判断模块，用于根据第四点，判断由三个边缘点所确定的圆是否为候选圆； 

真圆检测单元，用于根据候选圆检测真圆。 

Images