CN104778707A - 一种改进广义Hough变换的电解电容检测方法 - Google Patents

Abstract

本发明涉及一种改进广义Hough变换的电解电容检测方法，包括以下步骤：步骤S1、通过图像采集设备采集电解电容的图像，将采集到的图像进行旋转与插值，采用自适应滤波对图像进行噪声滤除，得到滤波后的平滑图像；步骤S2、采用全局阈值法将步骤S1得到的平滑图像分割出来，然后对分割处理得到的二值图像利用canny算子进行边缘提取，得到目标轮廓的边缘点；步骤S3、预先将一参考圆边缘点的梯度角度φ_i与所述参考图形边缘点的径向量r_i一一对应保存，建立R-table表，利用待搜索图形的边缘点的梯度角度φ_i作为索引从所述R-table表中找到相应的径向量r_i。本发明通过减少图像中不必要的边缘点数目，提高执行速度；使用金字塔分层搜索，节省了累加器空间。

Description

一种改进广义Hough变换的电解电容检测方法

技术领域

本发明涉及一种改进广义Hough变换的电解电容检测方法。

背景技术

随着计算机、通信、电子等方面技术的快速发展，图像识别技术获得了越来越广泛的应用，针对工业现场和生产流水线上对机器视觉的需求，以机器视觉的方法检测出电解电容存在的缺陷将会在工业中得到应用。先有很多人提出Hough圆检测算法，但是传统的圆检测算法存在着缺陷：1.参数的精度容易受到异常的影响；2.对每个像素点进行运算，使计算量大；3.若元器件受到污染，匹配精度有影响。而广义Hough变换在圆检测上有若干优势，但是还存在着需要巨大的存储空间和计算量这一缺点。

发明内容

本发明的目的在于提供一种改进广义Hough变换的电解电容检测方法进行电解电容的定位，定位精度达到亚像素级，进一步提高电解电容的定位精度。

为实现上述目的，本发明采用如下技术方案：一种改进广义Hough变换的电解电容检测方法，其特征在于包括以下步骤：

步骤S1、图像采集及预处理：通过图像采集设备采集电解电容的图像，将采集到的图像进行旋转与插值，采用自适应滤波对图像进行噪声滤除，得到滤波后的平滑图像；

步骤S2、轮廓边缘点的提取：采用全局阈值法将步骤S1得到的平滑图像分割出来，然后对分割处理得到的二值图像利用canny算子进行边缘提取，得到所述二值图像中的电解电容俯视圆轮廓的边缘点；

步骤S3、利用改进广义Hough变换对电解电容进行定位：预先将一参考圆边缘点的梯度角度φ_i与所述参考图形边缘点的径向量r_i一一对应保存，建立R-table表，利用待搜索图形的边缘点的梯度角度φ_i作为索引从所述R-table表中找到相应的径向量r_i。

在本发明一实施例中，所述步骤S3的具体步骤如下：

步骤S31、将所述参考圆放入一坐标系中，标出其边缘点的梯度角度φ_i与径向量r_i，所述径向量r_i为边缘点到圆心的向量，所述梯度角度φ_i为所述径向量r_i与x轴的角度；

步骤S32、创建一个R-table表，将梯度角度φ_i与径向量r_i一一对应保存，所述R-table表以梯度角度φ_i作为索引，并将梯度角度φ_i使用一个固定间隔大小Δφ离散化，以使梯度角度φ_i能被高效索引；

步骤S33、用待搜索图形的边缘点的梯度角度φ_i在R-table表进行索引，每得到一个偏移向量便根据投票规则给累计数组中相应的元素加一，搜索结束后，在创建的累计数组中，对所述累计数组进行阈值分割并提取局部最大值，所述局部最大值对应的坐标即目标物边缘点的可能位置。

在本发明一实施例中，在所述canny算子中加入电解电容的形状特征，使其能自适应确定高地阈值。

在本发明一实施例中，所述步骤S3中广义Hough变换改进的具体内容如下：

第一点、减少图像中不必要的边缘点的数目，通过减少投票点的数目加快执行速度；

第二点、使用金字塔分层搜索，在节省累加器空间的同时提高算法速度。

在本发明一实施例中，所述第一点的具体内容如下：采用Resister提出的分点法的思想，减少图像中需要进行投票函数功能的像素点数目，其主要依靠无限冲击响应低通滤波函数来实现；

$P\left(x\right)={\∫}_{R^2}(\mathrm{\δ}(x+r\frac{\▿I\left(y\right)}{\left|\right|\▿I\left(y\right)\left|\right|})+\mathrm{\δ}(x-r\frac{\▿I\left(y\right)}{\left|\right|\▿I\left(y\right)\left|\right|}))w\left(y\right)\mathrm{dy};$

如上所示的投票函数中，R²→R:▽I/||▽I||是图像的归一化梯度；δ函数是一个指示函数，所述指示函数是一个低通滤波器；w(y)是一个阈值权重函数，所述阈值权重函数使得图像的像素点在投票函数中的积分不需要每一个都被计算，除了梯度幅值超过自适应阈值θ所在位置的像素。

在本发明一实施例中，所述第二点的具体内容如下：根据变化的半径r进行分级投票来实现，所述分级投票的具体操作是：程序将可能的半径长度区间分成四个间隔，在其中一个间隔的中点计算投票函数；然后在所有的计算值中寻找最大值以及最大值对应的半径参数，接着程序执行递归依次寻找区间中另外几个间隔计算得到的最大值以及最大值对应的半径参数；到达一个预定义的递归层时程序结束。

本发明与现有技术相比具有以下有益效果：

1、本发明对平滑后的图像采用全局阈值法进行图像分割，将目标分割出来，然后对其进行边缘检测，我们使用canny算子进行边缘处理，并且将电解电容的特征加入canny算子里，并且加入敏感度，使其能够自适应确定目标高低阈值，不需要人为事先计算阈值，增强了自适应性；

2、本发明采用的改进广义Hough变换，与原先的Hough圆检测相比，提高了定位精度，使其在暗背景、亮背景、椒盐噪声污染等情况下，所定位的坐标与实际坐标是一致的，并且采用金字塔分层搜索，使其所耗费时间为原先的十分之一。

附图说明

图1是本发明流程图。

图2是本发明圆的几何原理图。

图3是本发明R-table图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

请参照图1，本发明提供一种改进广义Hough变换的电解电容检测方法，其特征在于包括以下步骤：

步骤S1、图像采集及预处理：通过图像采集设备采集电解电容的图像，将采集到的图像进行旋转与插值，采用自适应滤波对图像进行噪声滤除，得到滤波后的平滑图像，由于光照、人为因素的干扰，获取的图像会受到噪声干扰，为了后续处理的顺利进行，对图像的预处理是非常必要的；

步骤S2、轮廓边缘点的提取：采用全局阈值法将步骤S1得到的平滑图像分割出来，然后对分割处理得到的二值图像利用canny算子进行边缘提取，得到所述二值图像中的电解电容俯视圆轮廓的边缘点，在所述canny算子中加入电解电容的形状特征，使其能自适应确定高地阈值，我们不需要提前计算阈值；

步骤S3、如图2所示，利用改进广义Hough变换对电解电容进行定位：预先将一参考圆边缘点的梯度角度φ_i与所述参考图形边缘点的径向量r_i一一对应保存，建立R-table表，利用待搜索图形的边缘点的梯度角度φ_i作为索引从所述R-table表中找到相应的径向量r_i，从而实现对圆的检测，具体步骤如下：

我们用公式(1)和(2)，参照电解电容俯视圆的特征得到圆心的坐标公式，观察采集到的图像，我们可以得出像素的梯度矢量方向即为图像像素灰度级的改变，当检测的俯视圆比背景亮时，它的边缘的梯度向量与圆的边界相垂直，方向指向圆心(值为1)；当检测的俯视圆比背景更暗时，梯度向量的方向会背离圆心朝外(值为-1)。

$O_x=x_t+r\·{\mathrm{dx}}_t/\sqrt{{{\mathrm{dx}}_t}^2+{{\mathrm{dy}}_t}^2}\·\·\·\left(1\right)$

$O_y=y_t+r\·{\mathrm{dy}}_t/\sqrt{{{\mathrm{dx}}_t}^2+{{\mathrm{dy}}_t}^2}\·\·\·\left(2\right)$

式中包含三个参数，其中，r是圆的半径，Ox和Oy是圆心坐标；

参照图2，我们可知只要找到标记圆边缘点的梯度角度φ_i，通过径向量r_i便可计算出圆心的相应坐标。

所述步骤S3的具体步骤如下：

步骤S31、请继续参照图2，将所述参考圆放入一坐标系中，标出其边缘点的梯度角度φ_i与径向量r_i，所述径向量r_i为边缘点到圆心的向量，所述梯度角度φ_i为所述径向量r_i与x轴的角度；

步骤S32、请参照图3，创建一个R-table表，将梯度角度φ_i与径向量r_i一一对应保存，所述R-table表以梯度角度φ_i作为索引，并将梯度角度φ_i使用一个固定间隔大小Δφ离散化，以使梯度角度φ_i能被高效索引；

步骤S33、用待搜索图形的边缘点的梯度角度φ_i在R-table表进行索引，每得到一个偏移向量便根据投票规则给累计数组中相应的元素加一，图3所示的R-table表中j代表的是累计数组；一个梯度角度对应一个偏移向量，该表格从0开始，以Δφ为单位，找到一个偏移向量，j+1,偏移角度为(j+1)Δφ，之后对比得到的偏移向量，可以发现通过圆心的偏移向量值最大：搜索结束后，在创建的累计数组中，对所述累计数组进行阈值分割并提取局部最大值，所述局部最大值对应的坐标即目标物边缘点的可能位置。

在本发明一实施例中，所述步骤S3中广义Hough变换改进的具体内容如下：

第一点、减少图像中不必要的边缘点的数目，通过减少投票点的数目加快执行速度；

第二点、使用金字塔分层搜索，在节省累加器空间的同时提高算法速度。

在本发明一实施例中，所述第一点的具体内容如下：采用Resister提出的分点法的思想，减少图像中需要进行投票函数功能的像素点数目，其主要依靠无限冲击响应低通滤波函数来实现；

$P\left(x\right)={\∫}_{R^2}(\mathrm{\δ}(x+r\frac{\▿I\left(y\right)}{\left|\right|\▿I\left(y\right)\left|\right|})+\mathrm{\δ}(x-r\frac{\▿I\left(y\right)}{\left|\right|\▿I\left(y\right)\left|\right|}))w\left(y\right)\mathrm{dy};$

如上所示的投票函数中，R²→R:▽I/||▽I||是图像的归一化梯度；δ函数是一个指示函数，所述指示函数是一个低通滤波器；w(y)是一个阈值权重函数，所述阈值权重函数使得图像的像素点在投票函数中的积分不需要每一个都被计算，除了梯度幅值超过自适应阈值θ所在位置的像素；这样做的原因是由于低权值的像素点对积分函数的贡献并不大，我们要寻找的边缘点像素也与它们不是很相符。上述做法的有点在于，我们可以去除算法中不必要的边缘点。此外，我们还发现在式子中有两个指示函数，它们的出现是因为在对图像进行处理时我们并不能确定目标对象是比背景亮还是比背景暗，有了这两个指示函数就可以在程序中自动判断。

在本发明一实施例中，所述第二点的具体内容如下：根据变化的半径r进行分级投票来实现，所述分级投票的具体操作是：程序将可能的半径长度区间分成四个间隔，在其中一个间隔的中点计算投票函数；然后在所有的计算值中寻找最大值以及最大值对应的半径参数，接着程序执行递归依次寻找区间中另外几个间隔计算得到的最大值以及最大值对应的半径参数；到达一个预定义的递归层时程序结束。

分级投票思想使得累加器的尺寸改变了，这对提高算法性能主要体现在以下两点：

(1)当半径做一个粗略的近似时，因为对累加器进行了降采样(包括了图像的平滑)，算法很容易在一个小的累加器中找到最大值。

(2)与此同时，搜索的时间也减少了。它使用图像金字塔加速搜索，通过利用金字塔高层中找到的匹配位置约束金字塔低层的搜索空间来减少累加空间的搜索区域范围。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种改进广义Hough变换的电解电容检测方法，其特征在于包括以下步骤：

步骤S1、图像采集及预处理：通过图像采集设备采集电解电容的图像，将采集到的图像进行旋转与插值，采用自适应滤波对图像进行噪声滤除，得到滤波后的平滑图像；

步骤S2、轮廓边缘点的提取：采用全局阈值法将步骤S1得到的平滑图像分割出来，然后对分割处理得到的二值图像利用canny算子进行边缘提取，得到所述二值图像中的电解电容俯视圆轮廓的边缘点；

步骤S3、利用改进广义Hough变换对电解电容进行定位：预先将一参考圆边缘点的梯度角度φ_i与所述参考图形边缘点的径向量r_i一一对应保存，建立R-table表，利用待搜索图形的边缘点的梯度角度φ_i作为索引从所述R-table表中找到相应的径向量r_i。

2.根据权利要求1所述的改进广义Hough变换的电解电容检测方法，其特征在于：所述步骤S3的具体步骤如下：

步骤S31、将所述参考圆放入一坐标系中，标出其边缘点的梯度角度φ_i与径向量r_i，所述径向量r_i为边缘点到圆心的向量，所述梯度角度φ_i为所述径向量r_i与x轴的角度；

步骤S32、创建一个R-table表，将梯度角度φ_i与径向量r_i一一对应保存，所述R-table表以梯度角度φ_i作为索引，并将梯度角度φ_i使用一个固定间隔大小Δφ离散化，以使梯度角度φ_i能被高效索引；

步骤S33、用待搜索图形的边缘点的梯度角度φ_i在R-table表进行索引，每得到一个偏移向量便根据投票规则给累计数组中相应的元素加一，搜索结束后，在创建的累计数组中，对所述累计数组进行阈值分割并提取局部最大值，所述局部最大值对应的坐标即目标物边缘点的可能位置。

3.根据权利要求1所述的改进广义Hough变换的电解电容检测方法，其特征在于：在所述canny算子中加入电解电容的形状特征，使其能自适应确定高地阈值。

4.根据权利要求1所述的改进广义Hough变换的电解电容检测方法，其特征在于：所述步骤S3中广义Hough变换改进的具体内容如下：

第一点、减少图像中不必要的边缘点的数目，通过减少投票点的数目加快执行速度；

第二点、使用金字塔分层搜索，在节省累加器空间的同时提高算法速度。

5.根据权利要求4所述的改进广义Hough变换的电解电容检测方法，其特征在于：所述第一点的具体内容如下：采用Resister提出的分点法的思想，减少图像中需要进行投票函数功能的像素点数目，其主要依靠无限冲击响应低通滤波函数来实现；

$P\left(x\right)={\∫}_{R^2}(\mathrm{\δ}(x+r\frac{\▿I\left(y\right)}{\left|\right|\▿I\left(y\right)\left|\right|})+\mathrm{\δ}(x-r\frac{\▿I\left(y\right)}{\left|\right|\▿I\left(y\right)\left|\right|}))w\left(y\right)\mathrm{dy};$

如上所示的投票函数中，R²→R:▽I/||▽I||是图像的归一化梯度；δ函数是一个指示函数，所述指示函数是一个低通滤波器；w(y)是一个阈值权重函数，所述阈值权重函数使得图像的像素点在投票函数中的积分不需要每一个都被计算，除了梯度幅值超过自适应阈值θ所在位置的像素。

6.根据权利要求4所述的改进广义Hough变换的电解电容检测方法，其特征在于：所述第二点的具体内容如下：根据变化的半径r进行分级投票来实现，所述分级投票的具体操作是：程序将可能的半径长度区间分成四个间隔，在其中一个间隔的中点计算投票函数；然后在所有的计算值中寻找最大值以及最大值对应的半径参数，接着程序执行递归依次寻找区间中另外几个间隔计算得到的最大值以及最大值对应的半径参数；到达一个预定义的递归层时程序结束。