CN105976387A

CN105976387A - 一种基于Hough变换和最大平均距离的椭圆检测方法

Info

Publication number: CN105976387A
Application number: CN201610339929.6A
Authority: CN
Inventors: 周晖
Original assignee: Zhenjiang Poly Micro Technology Co Ltd
Current assignee: Zhenjiang Poly Micro Technology Co Ltd
Priority date: 2016-05-20
Filing date: 2016-05-20
Publication date: 2016-09-28

Abstract

本发明公开了一种基于Hough变换和最大平均距离的椭圆检测方法，本方法首先，对图像进行二值化处理，保留有效像素点；其次，建立容器，存储二值化图像中每一个像素点坐标；再次，依次以容器中每个像素点坐标为起始点，以容器中其它像素点坐标为终点，求对应的最大距离，并对所有最大距离求平均值，然后，运用Hough变换对二值化图像进行椭圆检测，并对检测到的所有椭圆求取其长轴距离；最后，将所获得的长轴距离与最大平均距离进行比较，保留最适合的椭圆，从而最终获得理想的椭圆检测图像。本发明的优点是方法简单、切实、有效，能适应一定程度的光照条件，具有较强实用性。

Description

一种基于Hough变换和最大平均距离的椭圆检测方法

技术领域

本发明涉及计算机图像分析与处理、简单数学模型等领域，特别是图像检测领域。

背景技术

近年来，随着技术的不断提升与实际需要，图像中椭圆轮廓的检测在视频监控等领域渐渐地被广泛应用，如人脸识别、轮胎检测以及零件椭圆检测等。

在椭圆检测技术上，应用最广泛的是Hough变换椭圆检测方法。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。

现有的Hough变换检测椭圆的方法，利用了像素在空间域上的分布信息，虽然有效、实用，但同时也具有一定的局限性。Hough变换由于受阈值、图像分辨率、像素大小等因素的影响，所检测到的椭圆也会出现不被预知的变化，而Hough变换并没有后续的方法去处理这些遗留的问题，从而导致，Hough变换检测椭圆的方法在应用到实际中时，适应性并不那么理想。

发明内容

发明目的：针对上述问题，本发明提出了一种基于Hough变换和最大平均距离的椭圆检测方法。首先，对图像进行二值化处理，保留有效像素点。其次，建立容器，存储二值化图像中每一个像素点坐标。再次，依次以容器中每个像素点坐标为起始点，以容器中其它像素点坐标为终点，求对应的最大距离，并对所有最大距离求平均值。然后，运用Hough变换对二值化图像进行椭圆检测，并对检测到的所有椭圆求取其长轴距离。最后，将所获得的长轴距离与最大平均距离进行比较，保留最适合的椭圆，从而最终获得理想的椭圆检测图像。

技术方案：一种基于Hough变换和最大平均距离的椭圆检测方法，包括如下步骤：

S1，构造样本图样的二值化图像，包括以下子步骤：

S101，将椭圆样本图像从rgb转换为hsv，并分别对h、s、v求平均值作为待检测的有效像素点的参考值，记为C1＝(h1,s1,v1)；

S102，以C1＝(h1,s1,v1)为基准值，计算基准值和所述样本图像中的每个像素点的色彩距离并设定两个色彩之间的距离的阈值为Dist，距离小于Dist的图像的像素点灰度值设为255，其它的像素点灰度值置为0，构成二值化图像；

S2，基于Hough变换和最大平均距离的椭圆检测，包括以下子步骤：

S201，建立容器，存储所述二值化图像上每一个像素点坐标；

S202，依次以容器中每个像素点坐标为起始点，以容器中其它像素点坐标为终点，求对应的最大距离，并对所有最大距离求平均值，记为AveDis；

S203，对二值化图像运用随机Hough变换进行椭圆检测；

S204，对检测到的所有椭圆选取其中两个，获取其长轴的距离，分别记作L1、L2；

S205，将所获得的长轴距离L1、L2与最大平均距离AveDis进行比较，保留L1-AveDIS和L2-AveDis中绝对值最小的椭圆，将另一个椭圆舍弃

S206，反复执行步骤S204和步骤S205，直到最终只剩一个椭圆，即为最终理想的椭圆检测图像。

进一步地，步骤S101中，样本图像从rgb转换为hsv的公式如下：

v＝max

其中，设(r,g,b)是一个图像像素的红、绿和蓝的色彩值，它们的取值是在0到1之间的实数；max是r,g和b中的最大值，min是r,g和b中的最小值。

进一步地，步骤S102中，基准色彩C1＝(h1，s1,v1)与任一像素色彩C2＝(h2,s2,v2)之间的距离Dist(C1,C2)，由下式给出：

Dist(C1,C2)＝|V1-V2|+|V1*S1*cos(H1)-V2*S2*cos(H2)|+|V1*S1*sin(H1)-V2*S2*sin(H2)|

有益效果：与现有技术相比，本发明的优点是检测时，在Hough变换后加入对长轴距离的比较，从而将Hough变换由于受阈值、图像分辨率、像素大小等因素的影响降低到最小，方法简单、切实、有效，能适应一定程度的光照条件，具有较强实用性。

附图说明

图1是基于Hough变换和最大平均距离的椭圆检测的流程图；

图2是基于Hough变换和最大平均距离的椭圆检测的说明图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，一种基于Hough变换和最大平均距离的椭圆检测方法，包括：

第一部分：

构造二值化图像

步骤一：将椭圆样本图像从rgb转换为hsv，h表示样本图像的色调,s表示亮度，v表示饱和度，并分别对h，s，v求平均值作为待检测的有效像素点的参考值，记为C1＝(h1，s1，v1)。

图像从rgb转换为hsv的公式如下：

v＝max

设(r,g,b)是一个图像像素的红、绿和蓝的色彩值，它们的取值是在0到1之间的实数。max是r,g和b中的最大值，min是r,g和b中的最小值。

步骤二：以C1＝(h1，s1，v1)为基准，计算基准值和图像中的每个像素点的色彩距离。设定两个色彩之间的距离的阈值为Dist，距离小于Dist的图像的像素点灰度值设为255，其它的像素点灰度值置为0，构成二值化图像。

基准色彩C1＝(h1，s1，v1)与任一像素点色彩C2＝(h2，s2，v2)之间的距离Dist(C1,C2)由下式给出:

v1，v2，s1，s2，h1，h2分别为两个像素点色彩的色调，亮度和饱和度。

第二部分：

基于Hough变换和最大平均距离的椭圆检测：

在Hough椭圆检测的设计中，可能存在对应多个椭圆方程的情况，因此，本发明主要解决多个椭圆的筛选问题。为此步骤如下：

步骤一：建立容器，存储二值化图像上每一个像素点坐标；

步骤二：依次以容器中每个像素点坐标为起始点，以容器中其它像素点坐标为终点，求对应的最大距离，并对所有最大距离求平均值，记为AveDis。

步骤三：对二值化图像运用随机Hough变换(RHT)进行椭圆检测。

椭圆的一般公式为：a(x-p)²+2b(x-p)(y-q)+c(y-q)²+1＝0，约束条件：ac-b²＞0。其中(p，q)为椭圆中心坐标，a，b，c均为常数。

步骤四：对检测到的所有椭圆选取其中两个获取其长轴距离。如图2所示，图中O1、O2为检测到的两个椭圆的中心点，L1、L2分别为椭圆O1、椭圆O2的长轴距离。

步骤五：将所获得的长轴距离L1、L2与最大平均距离AveDis进行比较，保留L1-AveDIS和L2-AveDis中绝对值最小的椭圆，将另一个椭圆舍弃。

步骤六：反复执行步骤四和步骤五直到最终只剩一个椭圆，最终获得理想的椭圆检测图像。

Claims

1.一种基于Hough变换和最大平均距离的椭圆检测方法，其特征在于：包括如下步骤：

S1，构造样本图样的二值化图像，包括以下子步骤：

S201，建立容器，存储所述二值化图像上每一个像素点坐标；

S203，对二值化图像运用随机Hough变换进行椭圆检测；

2.根据权利要求1所述的一种基于Hough变换和最大平均距离的椭圆检测方法，其特征在于：所述S101步骤中，样本图像从rgb转换为hsv的公式如下：

s = \{\begin{matrix} 0, & \begin{matrix} i f & \max = 0 \end{matrix} \\ \frac{\max - \min}{\max} = 1 - \frac{\min}{\max}, & o t h e r w i s e \end{matrix}

υ＝max

3.根据权利要求1所述的一种基于Hough变换和最大平均距离的椭圆检测方法，其特征在于：所述步骤S102中，基准色彩C1＝(h1，s1，v1)与任一像素色彩C2＝(h2，s2，v2)之间的距离Dist(C1，C2)，由下式给出：

Dist(C1,C2)＝|V1-V2|+|V1*S1*cos(H1)-V2*S2*cos(H2)|

+|V1*S1*sin(H1)-V2*S2*sin(H2)|。