CN103996212B - 自动描绘对象边缘走向之方法 - Google Patents
自动描绘对象边缘走向之方法 Download PDFInfo
- Publication number
- CN103996212B CN103996212B CN201310052212.XA CN201310052212A CN103996212B CN 103996212 B CN103996212 B CN 103996212B CN 201310052212 A CN201310052212 A CN 201310052212A CN 103996212 B CN103996212 B CN 103996212B
- Authority
- CN
- China
- Prior art keywords
- angle
- edge
- value
- notable
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000003708 edge detection Methods 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims description 35
- 230000007935 neutral effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 abstract description 2
- 239000000523 sample Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种于输入影像中自动描绘边缘走向之方法,其系以区域探测方式进行走向的追踪,对一区域内的画素撷取角度并进行统计,而获得一显著角度,其特征系在可能的行进方向上先一步探测(probe‑ahead)一参考角度,该参考角度用于调整前述显著角度以实时修正行进方向。当一对象轮廓拥有足够的连续性时(例如:条形码边界、车道线等),即便该些轮廓因为影像处理技术(譬如:边缘侦测、高通滤波等)造成破碎的线段,甚至输入影像包含噪声干扰、复杂背景、光影变化等本发明方法仍可自动描绘其边缘轮廓走向而不需要人为辅助设定可能的路径。
Description
【技术领域】
本发明系关于一种影像处理技术之方法,特别是一种有关于自动描绘 (追踪)边缘走向之方法。
【背景技术】
描绘边缘走向之方法被认为是一种很重要的影像前置处理,其原因是由于对象边缘之描绘越趋完整,对象具备之特征像是大小、形状或是数量等将能越精确地被纪录,该些纪录亦可使后续影像处理的工作更简单、快速地被执行。后续影像处理的工作系指须利用边缘侦测的结果作延伸处理之技术,如:场景解析(scene analysis)、图形辨识(patternrecognition)等技术,而这些技术在实际应用时,如果想使用较少的硬件资源或计算效能就达到较佳的影像处理成效,则该输入影像的边缘侦测结果势必需具备更高的可利用度。然而,众多影像处理程序若没有使用描绘边缘走向之方法,仅利用边缘侦测所获得的结果作为后续影像处理的输入,则后续影像处理的输出结果很有可能是不如预期的,因为现存的边缘侦测方法多仅保留非连续、具代表性的边缘线段,但该些边缘线段彼此之间的对应关系并未保留,例如两线段属于同一个对象轮廓的不连续边缘,并不会在进行边缘侦测时一同获知,进而造成无法建立该对象完整的轮廓。为了使若干个边缘线段在不相连的情况下得以建立连续性,并藉由该些边缘线段建立之连续性产生可能的对象轮廓,本发明提出一描绘边缘走向之方法。
传统用于描绘边缘走向之方法如下,首先从一输入影像中选取一起始点,该起始点为对应边缘上的任一像素点,侦测该起始点周遭范围内的边缘像素点,取一坐标位置最相近且非同一边缘上之像素点,将包含该最相近边缘点的边缘视为是必须被描绘的边缘走向。然而,该选取最相近边缘点作为描绘边缘走向之方法有其缺点,即是当该输入影像背景较复杂、有噪声干扰、光影变化等情况下易造成对象边缘/轮廓描绘方向的偏差或是描绘错误等情形发生,如图7所示,在散乱边缘中如果使用最相近边缘点之方法,则会将灰色矩形框内的边缘视为是须被描绘的边缘走向。换句话说,该选取最相近边缘点之方法的强健性不足,易因为输入影像的些许差异(例如:光源),使得描绘结果无法贴合边缘走向,甚至是将非同一轮廓的边缘描绘成同一边缘走向。
相关专利前案如日本公开专利JP2001-319239号,提出一追踪人物轮廓之方法,该方法首先假设一目标像素,该目标像素位于边缘上且前方有一区间作为撷取边缘强度之范围,当该区间内的边缘强度高于一设定阀值,则取该区间内最大边缘强度值之坐标作为下一目标像素的坐标位置。但是该追踪人物轮廓之方法仅利用边缘强度值作为下一目标像素坐标位置的判断依据,而当一输入影像背景较复杂(譬如:背景为树林、草丛等)或是噪声干扰严重等情况下,下一目标像素之坐标位置易产生错误。
有鉴于此,本发明系针对上述习知技术之缺失,提出一种于输入影像中自动描绘边缘走向之方法,以有效克服上述之该等问题。
【发明内容】
本发明之主要目的在提出一种于输入影像中自动描绘边缘走向之方法,其先藉由包含一起始点之第一区域(追踪区域)统计筛选一第一显著角度,并将其视为可能的边缘走向,后续沿- 着 该边缘走向在距离起始点一定距离处设置一第二区域(探测区域),该第二区域是为了先一步探测该可能的边缘走向上之边缘角度值分布,并依据该些边缘角度值统计筛选出一第二显著角度,并将该第二显著角度作为该第一区域估测实际边缘走向的依据。值得注意的是,该统计筛选出显著角度的步骤可以为直方图统计取最大bin、取中位数、取平均数等方式实现,故该统计筛选步骤主要技术思想在于利用角度/方向信息做为描绘边缘走向之依据,并非强调如何计算该些角度/方向信息,故该些统计筛选的方式(不限定发明内容内所提及)皆为可利用来取得角度/方向信息的工具。另一方面,该些区域为包含一定面积之二维平面空间,下列仅举几种常见之结构:圆形、椭圆形、三角形、方形、扇形、梯形、多边形等,甚至是一线段皆包含于此。该些区域亦可为一定体积之三维立体空间,列举如下:柱体、锥体等。
该描绘边缘走向之方法详细步骤如下:
(a)输入一影像;
(b)执行撷取若干个边缘坐标值、角度值;
(c)在该些边缘坐标值中选取一起始点;
(d)在该影像上定义一区域范围为第一区域,该第一区域包含该起始点;
(e)将对应该第一区域内的若干个角度值进行统计以获得一主要角度值,后续以该主要角度值决定一第一角度筛选范围,并以该第一角度筛选范围对该第一区域进行角度筛选,以获得一第一显著角度(significant angular value)以及一第一指标;
(f)根据步骤(e)获得之该第一显著角度在该影像上决定一探测点,接着定义一第二区域包含该探测点,并根据该第一显著角度决定一第二角度筛选范围,且该第二角度筛选范围比该第一角度筛选范围大,后续根据该第二角度筛选范围对该第二区域进行角度筛选,以获得一第二显著角度以及一第二指标;
(g)使用该第二显著角度更新该第一角度筛选范围,并对该第一区域进行角度筛选以更新该第一显著角度;
(h)根据步骤(g)获得之该第一显著角度决定一新起始点,且步骤(d) 中之该起始点被该新起始点所取代;
(i)重复执行步骤(d)至(h)直到该第一指标或该第二指标低于一阀值时则停止执行步骤;
本发明能藉上述步骤,在不连续边缘或对象轮廓破碎的情况下,侦测并描绘出其应有的边缘走向,其中步骤(a)该输入影像泛指以向量形式输入的信息,包含光学影像、与非光学影像,该光学影像例如:车道、条形码、破碎的对象轮廓等,该非光学影像则包含以下列方式获得之影像:核磁共振(MRI)、超音波(ultrasound)、计算机断层扫描(CT)等。
本发明之另一目的在提供一种可读取储存媒体,用以储存机器可执行之程序,该程序用以实现本发明之方法。该可读取储存媒体如众所皆知的硬盘、内存等。
本发明之再一目的在提供一种电子机器,该电子机器包含:一读取影像之装置、本发明另一目的之可读取储存媒体、一运算装置等。
本发明之关键技术思想有三,其一系利用一第二区域先一步于一第一区域探测边缘走向并撷取第二区域内的角度值,且将该第二区域撷取之该些角度值经角度筛选获得之第二显著角度作为参考角度,将该参考角度作为更新第一显著角度的依据。两区域间搭配的整体概念就如同军队行军,该第二区域(探测区域)就像是军队里的侦查兵,其负责先一步收集信息并回报给后方的军队,供指挥官判断是否需要修正队伍行进的方向。使用一探测区域先行探测并将信息回传的好处为,可以增强本发明方法描绘边缘走向的可靠度,假使不使用一第二区域先一步撷取角度值以更新该第一显著角度,则当遇到边缘弯曲幅度较大时,该第一区域内所包含之角度值无法准确地描绘出该边缘弯曲的幅度,此时经角度筛选后之该第一显著角度和该边缘的实际走向之间会有误差,如不实时修正则误差累计会越来越大,致无法精确描绘出该边缘。如同前述军队行军的例子,如果没有侦查兵先行探测,便无法实时得知敌军的行踪,亦无法针对敌军的变动实时调整应对战术及准确掌握其位置。本发明之方法系利用角度值而非习知(如日本公开专利编号第2001-319239号)技术所利用之边缘强度值,但是如果判断边缘走向的信息是依据边缘强度值,则很可能因某一杂乱边缘所包含之坐标点边缘强度较强而使得边缘走向偏离主要边缘方向。即使边缘杂乱分布于区域内,本发明还是能将该区域内的若干个角度值进行角度筛选以找出主要边缘之走向(如图7内的黑色星号所标示),换句话说,本发明的方法具有符合人类视觉感受到的边缘走向的能力。
本发明另一关键技术思想系设定两角度筛选范围,且第二角度筛选范围比第一角度筛选范围大。角度筛选范围的主要功能是可以滤除部份噪声的干扰,减少非主要边缘之角度被纳入计算,该主要边缘是指欲描绘的边缘。之所以设定该第二角度筛选范围大于该第一角度筛选范围是基于考虑该第二角度筛选范围系用来侦测并撷取可能为边缘走向(likely orientation)的参考角度,如果角度筛选范围限缩得太小,将会导致过多边缘角度值的遗漏而丧失其参考的价值。而该第一角度筛选范围被设定的比较小,是考虑在获得可能为边缘走向的参考角度后,将筛选范围缩小,可快速地、精准地从中筛选出一角度值。换句话说,以前述军队行军为例,当已知敌军大约位于六到八点钟方向,则会藉由此情报搭配现今所在地的状况,以该六到八点钟方向为主来调整行军方向,而非继续盲目(更大的角度筛选范围)地行军。
本发明再一关键技术思想系以向量空间作为公式推导说明,因此在维度扩充上较为便利,并不只局限在二维空间平面,以起始点坐标为例说明:在二维空间表示为(ix1,ix2),在三维空间表示为(ix1,ix2,ix3)。以图例仿真两区域在二维平面空间与三维立体空间的可能情况,若输入影像为二维平面影像,如图4所示,42为边缘线,40与41分别为第二区域与第一区域示意图。若输入影像为三维立体影像,如图3所示,32为边缘线,30与31分别为第一区域与第二区域示意图。以上范例展示本发明在维度扩充时之可行性,本发明不被限制于该范例提及的二维与三维两种情况。
【附图说明】
下面结合附图和实施方式对本实用新型作进一步详细的说明。
图1A为含有车道之影像。
图1B为图1A经边缘侦测后获得之角度分布图。
图1C为图1A之边缘侦测结果。
图1D为图1A经描绘边缘走向之方法获得的结果。
图2A为含有QR code之二维条形码的影像。
图2B为图2A经边缘侦测后获得之角度分布图。
图2C为图2A之边缘侦测结果。
图2D为图2A对应第一角度方向之边缘侦测结果。
图2E为图2A对应第二角度方向之边缘侦测结果。
图2F为S集合元素所对应之角度值的直方图统计结果。
图2G为图2A经边缘侦测后获得之第一角度方向直方图统计结果。
图2H为图2A经边缘侦测后获得之第二角度方向直方图统计结果。
图2I为图2A经描绘边缘走向之方法获得之第一角度方向结果。
图2J为图2A经描绘边缘走向之方法获得之第二角度方向结果。
图3为在三维度空间两区域之关系示意图。
图4为在二维度空间两区域之关系示意图。
图5为区域内角度分布示意图。
图6为本发明之方法架构流程图。
图7为在杂乱的边缘中使用描绘边缘走向之方法获得的结果
图8为取中位数方式的说明范例
主要组件符号说明:
10车道线11输入影像之干扰物
12边缘侦测留下之边缘20二维条形码图样
21边缘侦测留下之边缘30第一区域
31第二区域32边缘线
40第二区域41第一区域
42边缘线80若干个角度值
81每一个角度值所对应之位置82中间元素
83位置区间设定为±1所包含之若干个位置
S1自动描绘对象边缘走向之方法步骤1
S2自动描绘对象边缘走向之方法步骤2
S3自动描绘对象边缘走向之方法步骤3
S4自动描绘对象边缘走向之方法步骤4
S5自动描绘对象边缘走向之方法步骤5
S6自动描绘对象边缘走向之方法步骤6
【具体实施方式】
本发明提出一种于一输入影像中自动描绘边缘走向之方法架构,图6 为本发明自动描绘边缘走向之方法流程图。
实施例一
图1A为含有车道之输入影像,若影像为彩色时,可先将该彩色影像转换为一灰阶影像。图1B与图1C分别为图1A经步骤S2处理后所获得之一角度分布图(各角度值系以不同灰阶值表现)与一边缘侦测结果(其白点群为边缘所在位置)。该S2步骤是藉由一边缘侦测方法,撷取该影像之边缘坐标值、角度值,该边缘侦测方法泛指可以获得梯度方向(gradient)信息的方法,例如: Sobel、Prewitt、Roberts、Laplacian等习知边缘侦测方法。
在此边缘侦测方法以Sobel为例,其获得若干个角度值θ、边缘强度值G的公式如下:
Gh=SB*I,Gv=SBT*I, 公式二
θ(x1,x2)=arctan(Gh(x1,x2)/Gv(x1,x2)) 公式四
该边缘侦测结果(图1C)是对该边缘强度G取一阀值(threshold)而获得。其中该阀值可为一使用者设定之常数值或是随输入影像而改变之阀值,在此设定为输入影像内所有G值加总取平均值,获得之平均值乘上一数值(例如: 3、4等)。如图1C所示,经该边缘侦测保留的该些边缘点之坐标群(图内显示为白色之像素点)视为是一S集合内的元素。
从步骤S2获得该S集合后,接续执行步骤S3在该S集合中选取起始点。此步骤S3首先选取一起始点(ix1,ix2),该起始点选取的方式可以为下列之一:(1)经边缘侦测后可得每一坐标点之边缘强度值G,将G值排序,依序从最强至最弱选取一G值作为起始点,且同一起始点不重复选取;(2)随机选取任一不重复之坐标点为起始点,该坐标点包含于该S集合内;(3)使用者从输入影像中手动选取任一坐标点为起始点。此实施例以手动选取起始点为例。
步骤S4以该起始点(ix1,ix2)为圆心,半径为r划分出一圆形区域,并将此圆形区域定义为第一区域(追踪圆),接着定义θc为该第一区域内包含该 S集合之坐标位置所对应之角度值,并将θc进行直方图统计取最大bin的角度值为一主要角度值id,后续以该主要角度值id决定一第一角度筛选范围。决定该第一角度筛选范围方式为id±ra1(ra1为一可变参数,例如:10),并以该第一角度筛选范围对该第一区域进行角度筛选,以获得一第一显著角度以及一第一指标。需特别强调的是,在此为明确说明步骤S4之实施方式,故以圆形区域作为具一定面积区域的范例说明,并非限制可实施本发明之面积区域的形状。
其中该角度筛选方式可以为下列之一:(1)取平均值;(2)取中位数;(3)直方图统计取最大bin等方式。上述各种角度筛选方式其详细作法分别叙述如下:
首先定义Ds为满足公式五之所有θ值
rs,rb:角度筛选范围
θ:角度值
tx1,tx2:圆心坐标
r:圆形区域半径
x1,x2:边缘点之坐标
S:边缘点之坐标集合
公式五中rb=id+ra,rs=id-ra。
(1)取平均值,将Ds内所有元素加总除Ds元素总数量;
(2)取中位数,分两种方式:(i)将Ds内所有元素排序,如果Ds内包含奇数个元素则取其排序后位于中间元素之角度值,如果Ds内包含偶数个元素则取其排序后中间两元素前者的角度值。(ii)藉由(i)获得之中间元素的位置设定一位置区间,譬如:以中间元素的位置±d(d为一可变参数)来选取对应的若干个元素,该位置区间须小于Ds内所有元素数量;后续将该若干个元素所对应之若干个角度值加总取平均值,(如图8所示,81内的每一个数字表示为一个位置,80内的数字表示经排序后的角度值,80与81是相互对应的关系,即是说80中每一个角度值会对应81中的一个位置,例如以中间元素17.2所对应的位置4为依据±1则取位置3至位置5区间内的角度值,即16.9、17.2、17.3,将取出的三个角度值加总取平均值可得17.1);该排序的方法,可以是由角度值小的排序至角度值大的,亦可以是由角度值大的排序至角度值小的;
(3)直方图统计取最大bin,是将Ds内所有元素以量化区间个别统计,选取包含元素数量最多之量化区间,并平均该量化区间内所有元素对应之角度值作为最后的角度输出,如公式六到公式八。
公式六中,q值为量化区间的宽度并会依据Ds而变动,而Ds的最大值与最小值会根据公式五而变动,bin则为量化区间的数量(bin为一可变参数,例如:8、10等)。
经公式七计算,可区分出Ds集合内对应于第j个量化区间的单个元素或若干个元素集合为N(j),接续定义n(j)为N(j)的元素数量,进而定义N(j) 中具有最多元素数量者为N(i),及元素数量最少者为N(k),接续利用公式八即可获得第一显著角度sa1。
N(j)=Ds,ifmin(Ds)+q×(j-1)≤Ds<min(Ds)+q×j,j=1,2...bin 公式七
sa1:第一显著角度
sa2:第二显著角度
获得该第一显著角度sa1之后,接续执行步骤S5判断一第一指标是否低于一阀值,该阀值可为一使用者设定之常数值,而该第一指标之计算方式可以为下列之一:(1)直方图统计角度值数量并取最高bin的数量n(i)与最低bin 的数量n(k)之差值除以最高bin的数量n(i)(公式九);(2)直方图统计角度值数量并取最高bin的数量n(i)除以Ds集合内包含之元素总数量(公式十)。
|Ds|:Ds集合内之元素数量
当Ds集合为第一区域内之边缘坐标所对应之角度值时,则经角度筛选获得之sa1为第一显著角度。当Ds集合为第二区域内之边缘坐标所对应之角度值时,则经角度筛选获得之sa2为第二显著角度。
tx1=ix1+cos(id)×md 公式十一
tx2=ix2+sin(id)×md 公式十二
md:为设定之参数
经公式五到公式八计算出第一显著角度sa1后,利用公式十一与公式十二换算第二区域(探测圆)的圆心坐标(tx1,tx2),定义该圆心坐标为探测点,并以该探测点为中心,半径为r划分出一圆形区域为第二区域,以该第一显著角度sa1为依据决定一第二角度筛选范围sa1±ra2(ra2需比ra1大),藉由公式五到公式八可统计在该第二区域内的第二显著角度sa2,获得sa2后,接续执行步骤 S5判断一第二指标是否低于阀值,利用公式九或公式十可计算出该第二指标。该阀值可为一使用者设定之常数值。
以该第二显著角度sa2值更新该第一角度筛选范围为sa2±ra1,再以更新过后的第一角度筛选范围在该第一区域进行角度筛选,以获得一更新之第一显著角度sa1,换句话说,以起始点为圆心,sa2为参考角度,藉由公式五到公式八重新计算第一显著角度sa1,可得一更新的sa1值,将该更新的sa1取代公式十一与公式十二中的id得出修正后的圆心坐标(tx1,tx2)。在获得一个新的起始点(即是该修正后的圆心坐标)之后,将重复执行步骤S4至S5以获得下一个新起始点,或是达到停止条件而不再继续自动描绘边缘走向,该停止条件为第一指标或第二指标其中一者低于阀值(例如:0.6、0.3)。其描绘边缘走向之结果如图1D若干个黑色星号所示。
实施例二
图2A为含有QR code二维条形码之输入影像,若影像为彩色时,可先将该彩色影像转换为一灰阶影像。图2B与图2C分别为图2A经步骤S2处理后所获得之ㄧ角度分布图(各角度值系以不同灰阶值表现)与一边缘侦测结果(其白点群为边缘所在位置)。该S2步骤是藉由一边缘侦测方法,撷取该影像之边缘坐标值、角度值,该边缘侦测方法泛指可以获得梯度方向信息的方法,例如:Sobel、Prewitt、Roberts、Laplacian等习知边缘侦测方法。
在此边缘侦测方法以Sobel为例,利用公式一至公式四可获得若干个角度值θ、边缘强度值G。
该边缘侦测结果(图2C)是对该边缘强度G取一阀值而获得。其中该阀值可为一使用者设定之常数值或是随输入影像而改变之阀值,在此设定阀值为输入影像内所有G值加总取平均值后乘上一数值(例如:7、8等)。如图2C所示,经该边缘侦测保留的该些边缘点之坐标群(图内显示为白色之像素点)在此被定义为一S集合内的元素。
由于二维条形码本身条空分布具双方向的特性,表示经Sobel后所获得之角度值会倾向于集中在某两个角度,因此使用一直方图统计该S集合内坐标点所对应之角度值θ,如图2F所示,并取其统计最大(或谓最高)bin值定义为第一角度方向,再以第一角度方向为中心取一角度范围(如:±d_a,d_a 为一可变参数),该范围是取角度值的范围,如图2G所示。删除该选取角度范围内所包含之若干个角度值,统计剩余之角度值并取最大bin即为第二角度方向,如图2H所示。需注意的是该第一角度方向不限于本实例之方向。经Sobel过后可获得Gh与Gv(公式二),分别如图2D及图2E所示。包含于Gh之边缘坐标视为是S1之坐标集合内的元素,包含于Gv之边缘坐标视为是S2集合之元素,接续重新定义S集合为包含于S1之元素。
从步骤S2获得该S集合后,接续执行步骤S3在该S集合中选取起始点。此步骤S3首先选取一起始点(ix1,ix2),该起始点选取的方式可以为下列之一:(1)经边缘侦测后可得每一像素点之边缘强度值G,将G值排序,依序从最强至最弱选取一G值作为起始点,且同一起始点不重复选取;(2)随机选取任一不重复之坐标点为起始点,该坐标点包含于该S集合内;(3)使用者手动选取任一坐标点为起始点。
步骤S4以该起始点(ix1,ix2)为圆心,半径为r划分出一圆形区域,并将此圆形区域定义为一第一区域(追踪圆),接续定义第一角度方向为id,并以该第一角度方向id决定一第一角度筛选范围。决定该第一角度范围方式为 id±ra1(ra1为一可变参数,例如:10),并以该第一角度筛选范围对该第一区域进行角度筛选,以获得一第一显著角度以及一第一指标。需特别强调的是,在此为明确说明步骤S4之实施方式,故以圆形区域作为具一定面积区域的范例说明,并非限制可实施本发明之面积区域的形状。
其中该角度筛选方式可以为下列之一:(1)取平均值;(2)取中位数;(3) 直方图统计取最高bin等方式。上述各种角度筛选方式其细部作法分别叙述如下:
首先定义Ds为满足公式五之所有θ值,且公式五中rb=id+ra, rs=id-ra。
(1)取平均值,将Ds内所有元素加总除Ds元素总数量;
(2)取中位数,分两种方式:(i)将Ds内所有元素排序,如果Ds内包含奇数个元素则取其排序后位于中间元素之角度值,如果Ds内包含偶数个元素则取其排序后中间两元素前者的角度值。(ii)藉由(i)获得之中间元素的位置设定一位置区间,譬如:以中间元素的位置±d(d为一可变参数)来选取对应的若干个元素,该位置区间须小于Ds内所有元素数量;将该若干个元素所对应之若干个角度值加总取平均值,(如图8所示,81内的每一个数字表示为一个位置, 80内的数字表示经排序后的角度值,80与81是相互对应的关系,即是说80中每一个角度值会对应81中的一个位置,例如以中间元素17.2所对应的位置4 为依据±1则取位置3至位置5区间内的角度值,即16.9、17.2、17.3,将取出的三个角度值加总取平均值可得17.1);该排序的方法,可以是由角度值小的排序至角度值大的,亦可以是由角度值大的排序至角度值小的;
(3)直方图统计取最高bin,是将Ds内所有元素以量化区间个别统计,并选取包含元素数量最多之量化区间,并平均该量化区间内所有元素对应之角度值作为最后的角度输出,如公式六到公式八。
公式六中,q值为量化区间的宽度并会依据Ds而变动,而Ds的最大值与最小值会根据公式五而变动,bin则为量化区间的数量(bin为一可变参数,例如:8、10等)。
经公式七计算,可区分出Ds集合内对应于第j个量化区间的单个元素或若干个元素集合为N(j),接续定义n(j)为N(j)的元素数量,进而定义N(j) 中具有最多元素数量者为N(i),及元素数量最少者为N(k),接续利用公式八即可获得第一显著角度sa1。
获得该第一显著角度sa1之后,接续步骤S5判断一第一指标是否低于阀值,该阀值可为一使用者设定之常数值,而该第一指标p_r之计算方式可以为下列之一:(1)直方图统计角度值数量并取最高bin的数量n(i)与最低bin的数量n(k)之差值除以最高bin的数量n(i)(公式九);(2)直方图统计角度值数量并取最高bin的数量n(i)除以Ds集合内包含之元素总数量(公式十)。
当Ds集合为第一区域内之边缘坐标所对应之角度值时,则经角度筛选获得之sa1为第一显著角度。当Ds集合为第二区域内之边缘坐标所对应之角度值时,则经角度筛选获得之sa2为第二显著角度。
经公式五到公式八计算出第一显著角度sa1后,利用公式十一与公式十二换算第二区域(探测圆)的圆心坐标(tx1,tx2),定义该圆心坐标为探测点,同理以探测点为中心,半径为r划分出一圆形区域为第二区域,以该第一显著角度sa1为依据决定一第二角度筛选范围sa1±ra2(ra2需比ra1大),藉由公式五到公式八可统计在该第二区域内的第二显著角度sa2,获得sa2后,接续步骤S5判断一第二指标是否低于阀值,利用公式九或公式十可计算出该第二指标。该阀值可为一使用者设定之常数值。
以该第二显著角度sa2值更新该第一角度筛选范围为sa2±ra1,再以更新过后的第一角度筛选范围在该第一区域进行角度筛选,以获得一更新之第一显著角度sa1,换句话说,以起始点为圆心,sa2为参考角度,藉由公式五到公式八重新计算第一显著角度sa1,可得一更新的sa1值,将该更新的sa1取代公式十一与公式十二中的id得出修正后的圆心坐标(tx1,tx2)。在获得一个新的起始点(即是该修正后的圆心坐标)之后,将重复执行步骤S4至S5以获得下一个新起始点,或是达到停止条件而不再继续自动描绘边缘走向,该停止条件为第一指标或第二指标其中一者低于阀值(例如:0.6、0.3)则停止。
当该对应S1集合之S集合已完成自动描绘边缘走向,如图2I所示。接续定义S2为S集合之元素,其自动描绘边缘走向的执行步骤与前述之S集合相同,唯一差异在于执行步骤S4时,需定义第二角度方向为id,该对应S2集合之S集合其完成自动描绘边缘走向之结果如图2J所示。
唯以上所述者,仅为本发明之较佳实施例而已,并非用来限定本发明实施之范围。故即凡依本发明申请范围所述之特征及精神所为之均等变化或修饰,均应包括于本发明之权利要求内。
Claims (19)
1.一种描绘边缘走向之方法,其特征在于该描绘边缘走向之方法依序包含下列步骤:
(a)输入一影像;
(b)执行撷取若干个边缘坐标值、角度值;
(c)在该些边缘坐标值中选取一起始点;
(d)在该影像上定义一区域范围为第一区域,该第一区域包含该起始点;
(e)将对应该第一区域内的若干个角度值进行统计以获得一主要角度值,后续以该主要角度值决定一第一角度筛选范围,并以该第一角度筛选范围对该第一区域进行角度筛选,以获得一第一显著角度(significant angular value)以及一第一指标;
(f)根据步骤(e)获得之该第一显著角度在该影像上决定一探测点,接着定义一第二区域包含该探测点,并根据该第一显著角度决定一第二角度筛选范围,且该第二角度筛选范围比该第一角度筛选范围大,后续根据该第二角度筛选范围对该第二区域进行角度筛选,以获得一第二显著角度以及一第二指标;
(g)使用该第二显著角度更新该第一角度筛选范围,并对该第一区域进行角度筛选以更新该第一显著角度;
(h)根据步骤(g)获得之该第一显著角度决定一新起始点,且步骤(d)中之该起始点被该新起始点所取代;
(i)重复执行步骤(d)至(h)直到该第一指标或该第二指标低于一阀值时则停止执行步骤。
2.如权利要求1所述的方法,其特征在于,该输入影像系二维空间平面影像。
3.如权利要求1所述的方法,其特征在于,该输入影像系三维空间立体影像。
4.如权利要求1所述的方法,其特征在于,该输入影像系灰阶影像。
5.如权利要求1所述的方法,其特征在于,该输入影像系彩色影像。
6.如权利要求5所述的方法,其特征在于,在执行步骤(b)前,尚包括将该彩色影像转换为一灰阶影像。
7.如权利要求1所述的方法,其特征在于,该撷取若干个边缘坐标值、角度值系使用一边缘侦测算法。
8.如权利要求7所述的方法,其特征在于,该边缘侦测可以下列算法之一为之:Sobel、Prewitt、Roberts、Laplacian。
9.如权利要求1所述的方法,其特征在于,该选取起始点的方式可以为下列之一:
(1)得到每一坐标点之边缘强度值,依序从最强至最弱排序每一坐标点之边缘强度值,选取边缘强度值最强的坐标点;
(2)随机选取任一坐标点;
(3)手动选取任一坐标点。
10.如权利要求1所述的方法,其特征在于,该第一区域与该第二区域为包含一定面积之二维几何结构。
11.如权利要求1所述的方法,其特征在于,该第一区域与该第二区域为包含一定体积之三维几何结构。
12.如权利要求1所述的方法,其特征在于,该主要角度值统计方式为直方图统计取最大bin。
13.如权利要求1所述的方法,其特征在于,该第一显著角度与该第二显著角度之角度筛选方式可以为下列之一:直方图统计取最大bin、取平均值、取中位数。
14.如权利要求13所述的方法,其特征在于,该中位数计算方式系取出符合条件的元素并排序,取其排序后之中间元素作为显著角度,该条件包含下列:(1)角度值所对应之坐标包含于区域内;(2)该角度值亦包含于角度筛选范围内。
15.如权利要求13所述的方法,其特征在于,该中位数计算方式系取出符合条件的元素并排序,以排序后之中间元素的位置为中心建立一位置区间并撷取出该位置区间内所包含之若干个角度值,将所获得之若干个角度值加总取其平均值,该条件包含下列:
(1)角度值所对应之坐标包含于区域内;
(2)该角度值亦包含于角度筛选范围内。
16.如权利要求15所述的方法,其特征在于,该位置区间须小于排序的元素数量。
17.如权利要求1所述的方法,其特征在于,该第一指标与该第二指标计算方式可以为下列之一:
(1)直方图统计角度并取最高bin的数量与最低bin的数量之差值除以最高bin的数量之比例值;
(2)直方图统计角度并取最高bin的数量除以所有统计角度数量之比例值。
18.如权利要求1所述的方法,其特征在于,该第一显著角度决定该探测点或该起始点系使用一坐标转换。
19.如权利要求1所述的方法,其特征在于,该阀值为不大于1且大于0之实数值。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310052212.XA CN103996212B (zh) | 2013-02-18 | 2013-02-18 | 自动描绘对象边缘走向之方法 |
TW102106820A TWI512640B (zh) | 2013-02-18 | 2013-02-27 | 自動描繪物件邊緣走向之方法 |
US13/974,078 US8983205B2 (en) | 2013-02-18 | 2013-08-23 | Method for auto-depicting trends in object contours |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310052212.XA CN103996212B (zh) | 2013-02-18 | 2013-02-18 | 自动描绘对象边缘走向之方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103996212A CN103996212A (zh) | 2014-08-20 |
CN103996212B true CN103996212B (zh) | 2017-11-14 |
Family
ID=51310365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310052212.XA Expired - Fee Related CN103996212B (zh) | 2013-02-18 | 2013-02-18 | 自动描绘对象边缘走向之方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8983205B2 (zh) |
CN (1) | CN103996212B (zh) |
TW (1) | TWI512640B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025633B (zh) * | 2016-01-29 | 2020-11-27 | 中兴通讯股份有限公司 | 一种图像处理方法及装置 |
CN107730534B (zh) * | 2016-08-09 | 2020-10-23 | 深圳光启合众科技有限公司 | 目标对象的跟踪方法和装置 |
TWI742492B (zh) * | 2019-12-25 | 2021-10-11 | 偉詮電子股份有限公司 | 條碼偵測方法及系統 |
US10872257B2 (en) | 2018-06-06 | 2020-12-22 | Weltrend Semiconductor Inc. | Barcode detection method and barcode detection system for increasing detection efficiency |
CN109191539B (zh) * | 2018-07-20 | 2023-01-06 | 广东数相智能科技有限公司 | 基于图像的油画生成方法、装置与计算机可读存储介质 |
CN109255795B (zh) * | 2018-09-11 | 2021-04-06 | 中国计量大学 | 一种番茄植株边缘排序方法 |
CN109213177B (zh) * | 2018-11-09 | 2022-01-11 | 苏州瑞得恩光能科技有限公司 | 机器人导航系统及导航方法 |
TWI793477B (zh) * | 2020-12-04 | 2023-02-21 | 財團法人船舶暨海洋產業研發中心 | 船舶輔助校正系統及其運作方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5930391A (en) * | 1995-09-13 | 1999-07-27 | Fuji Photo Film Co., Ltd. | Method of extracting a region of a specific configuration and determining copy conditions |
CN101751572A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种图案检测方法、装置、设备及系统 |
CN102648622A (zh) * | 2009-10-28 | 2012-08-22 | 夏普株式会社 | 图像处理装置、图像处理方法、图像处理程序、记录有图像处理程序的记录介质 |
CN102708351A (zh) * | 2012-05-24 | 2012-10-03 | 江南大学 | 复杂工况背景下的Data Matrix二维条码快速识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030128754A1 (en) * | 2002-01-09 | 2003-07-10 | Hiroshi Akimoto | Motion estimation method for control on the basis of scene analysis in video compression systems |
CN101459726B (zh) * | 2007-12-13 | 2011-05-11 | 中兴通讯股份有限公司 | 场景缓存更新方法及支持该方法的移动流媒体终端 |
US8345100B2 (en) * | 2010-07-06 | 2013-01-01 | GM Global Technology Operations LLC | Shadow removal in an image captured by a vehicle-based camera using an optimized oriented linear axis |
CN102520840B (zh) * | 2011-11-14 | 2014-04-09 | 北京交通大学 | 列控车载设备人机界面场景录制和自动触摸方法及系统 |
-
2013
- 2013-02-18 CN CN201310052212.XA patent/CN103996212B/zh not_active Expired - Fee Related
- 2013-02-27 TW TW102106820A patent/TWI512640B/zh not_active IP Right Cessation
- 2013-08-23 US US13/974,078 patent/US8983205B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5930391A (en) * | 1995-09-13 | 1999-07-27 | Fuji Photo Film Co., Ltd. | Method of extracting a region of a specific configuration and determining copy conditions |
CN101751572A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种图案检测方法、装置、设备及系统 |
CN102648622A (zh) * | 2009-10-28 | 2012-08-22 | 夏普株式会社 | 图像处理装置、图像处理方法、图像处理程序、记录有图像处理程序的记录介质 |
CN102708351A (zh) * | 2012-05-24 | 2012-10-03 | 江南大学 | 复杂工况背景下的Data Matrix二维条码快速识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103996212A (zh) | 2014-08-20 |
TWI512640B (zh) | 2015-12-11 |
US20140233846A1 (en) | 2014-08-21 |
US8983205B2 (en) | 2015-03-17 |
TW201433985A (zh) | 2014-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103996212B (zh) | 自动描绘对象边缘走向之方法 | |
CN106875444B (zh) | 一种目标物定位方法及装置 | |
CN104091324B (zh) | 一种基于连通域分割的棋盘格图像快速特征匹配算法 | |
JP6295645B2 (ja) | 物体検出方法及び物体検出装置 | |
CN104541302B (zh) | 距离提示对象分割系统和方法 | |
CN104134209B (zh) | 一种视觉导航中的特征提取与匹配方法及系统 | |
US20150243031A1 (en) | Method and device for determining at least one object feature of an object comprised in an image | |
CN105898107B (zh) | 一种目标物体抓拍方法及系统 | |
CN111652136B (zh) | 基于深度图像的行人检测方法及装置 | |
CN106981081A (zh) | 一种基于深度信息提取的墙面平整度检测方法 | |
CN110232389A (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN104933434A (zh) | 一种结合LBP特征提取和surf特征提取方法的图像匹配方法 | |
CN109859226A (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
CN104134200A (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
CN103593641B (zh) | 基于立体摄像机的物体检测方法和装置 | |
CN107945111A (zh) | 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法 | |
CN104700355A (zh) | 室内二维平面图的生成方法、装置和系统 | |
CN109118544A (zh) | 基于透视变换的合成孔径成像方法 | |
CN105869166A (zh) | 一种基于双目视觉的人体动作识别方法及系统 | |
CN101650834A (zh) | 复杂场景下人体表面三维重建方法 | |
CN110245600A (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
Härtl et al. | Robust and efficient object recognition for a humanoid soccer robot | |
Baharav et al. | In situ height and width estimation of sorghum plants from 2.5 d infrared images | |
JP2017003525A (ja) | 三次元計測装置 | |
CN104899857A (zh) | 使用颜色编码结构的相机标定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171114 |