CN106845494A - 一种检测图像中轮廓角点的方法及装置 - Google Patents

Abstract

本发明公开了一种检测图像中轮廓角点的方法及装置，该方法包括：获取待检测的图像；在图像中提取目标物体的轮廓曲线；遍历轮廓曲线上的每一像素点作为待检测像素点；针对待检测像素点，查找位于轮廓曲线上的两个像素点作为基准点，其中，基准点被设置为与待检测像素点间的距离等于设定半径；计算两个所述基准点之间的距离与两倍的设定半径之间的差值，作为待检测像素点的三角差；根据轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点。

Description

一种检测图像中轮廓角点的方法及装置

技术领域

本发明涉及数字图像处理技术领域，更具体地，本发明涉及一种检测图像中轮廓角点的方法、及一种检测图像中轮廓角点的装置。

背景技术

图像中的角点通常是指图像中亮度变化剧烈的点，或者图像边缘曲线上曲率取极大值的点。这些点在保留图像的重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,能够有效提高计算速度,有利于图像的可靠匹配,使得实时处理成为可能。其在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。

经过几十年的研究与探索，产生了许多用于检测角点的方法，主要有基于灰度图像的角点检测方法、基于二值图像的角点检测方法、基于边缘特征的角点检测方法、基于轮廓的角点检测方法、以及支持矢量机的角点检测方法等等。以上每一种算法都有其对应的应用场景，其中，基于轮廓的角点检测方法主要用于快速定位需要计算的图像部分所在的位置。

当前比较成熟的基于轮廓的角点检测方法是基于边缘链码进行角点检测，该种方法具体是沿着数字曲线或者边界像素以8或者4邻域的方式移动，并对每一个移动方向进行数字编码，然后根据相邻码值之间的差别确定角点和可疑角点，再根据曲率来进一步判断检测到的可疑角点是否为真正的角点。该种方法存在的问题在于，无法直接检测出真正的角点，需要进一步开发用于排除可疑角点的排除算法。

发明内容

本发明实施例的一个目的是提供一种检测图像中轮廓角点的方法的新的技术方案，以从图像中准确地检测出轮廓角点。

根据本发明的第一方面，提供了一种检测图像中轮廓角点的方法，其包括：

获取待检测的图像；

在所述图像中提取目标物体的轮廓曲线；

遍历所述轮廓曲线上的每一像素点作为待检测像素点；

针对所述待检测像素点，查找位于所述轮廓曲线上的两个像素点作为基准点，其中，所述基准点被设置为与所述待检测像素点间的距离等于设定半径；

计算两个所述基准点之间的距离与两倍的设定半径之间的差值，作为所述待检测像素点的三角差；

根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点。

可选的是，所述在所述图像中提取目标物体的轮廓曲线包括：

对所述图像进行二值化处理，以从环境背景中分割出所述目标物体；

对二值化处理后的图像进行边界分析，得到所述目标物体的轮廓曲线。

可选的是，所述根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点包括：

判断所述待检测像素点的三角差是否为零值；

如是，则：

确定所述待检测像素点为非角点；

如否，则：

查找所述待检测像素点所在的三角差为非零值的连续轮廓段；

如果所述待检测像素点的三角差的数值是所述连续轮廓段上的极大值，则确定所述待检测像素点为所述轮廓曲线上的一个角点。

可选的是，所述方法还包括：

计算所述轮廓曲线的几何中心；

相对所述几何中心，对确定的每一角点进行排位。

可选的是，所述方法还包括：

从确定的所有角点中，查找三角差满足设定条件的角点输出。

根据本发明的第二方面，提供了一种检测图像中轮廓角点的装置，其包括：

图像获取模块，用于获取待检测的图像；

轮廓提取模块，用于在所述图像中提取目标物体的轮廓曲线；

轮廓遍历模块，用于遍历所述轮廓曲线上的每一像素点作为待检测像素点；

查找模块，用于针对所述待检测像素点，查找位于所述轮廓曲线上的两个像素点作为基准点，其中，所述基准点被设置为与所述待检测像素点间的距离等于设定半径；

三角差计算模块，用于计算所述两个基准点之间的距离与两倍的设定半径之间的差值，作为所述待检测像素点的三角差；以及，

角点确定模块，用于根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点。

可选的是，所述轮廓提取模块包括：

二值化处理单元，用于对所述图像进行二值化处理，以从环境背景中分割出所述目标物体；以及，

边界分析单元，用于对二值化处理后的图像进行边界分析，得到所述目标物体的轮廓曲线。

可选的是，所述角点确定模块包括：

零值处理单元，用于判断所述待检测像素点的三角差是否为零值，并在是零值时，确定所述待检测像素点为非角点；以及，

非零值处理单元，用于在是非零值时，查找所述待检测像素点所在的三角差为非零值的连续轮廓段；如果所述待检测像素点的三角差的数值是所述连续轮廓段上的极大值，则确定所述待检测像素点为所述轮廓曲线上的一个角点。

可选的是，所述装置还包括：

角点排位模块，用于计算所述轮廓曲线的几何中心，并相对所述几何中心，对确定的每一角点进行排位。

可选的是，所述装置还包括：

角点筛选模块，用于从确定的所有角点中，查找三角差满足设定条件的角点输出。

本发明的一个有益效果在于，本发明的检测图像中轮廓角点的方法及装置基于三角差确定轮廓曲线上每一像素点的位置特征，该种方法能够准确查找到轮廓曲线上的真正角点，无需额外开发排除可疑角点的排除算法，简单易行且有效。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1为根据本发明检测图像中轮廓角点的方法的一种实施例的流程示意图；

图2为对拍摄测试图卡得到的图像进行二值化处理后的效果示意图；

图3为对图2中二值化处理后的图像进行边界分析得到目标物体的轮廓曲线的效果示意图；

图4为遍历轮廓曲线上的每一像素点写入轮廓队列中的一种实施例的流程示意图；

图5为根据轮廓曲线上的每一像素点的三角差，确定轮廓曲线上的角点的一种实施例的流程示意图；

图6为根据本发明检测图像中轮廓角点的装置的一种实施例的方框原理图；

图7为图6中轮廓提取模块的一种实施例的方框原理图；

图8为图6中角点确定模块的一种实施例的方框原理图；

图9为根据本发明检测图像中轮廓角点的装置的另一种实施例的方框原理图；

图10为根据本发明检测图像中轮廓角点的装置的第三种实施例的方框原理图；

图11为根据本发明检测图像中轮廓角点的装置的一种硬件结构的方框原理图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1是根据本发明检测图像中轮廓角点的方法的一种实施例的流程示意图。

根据图1所示，本发明方法可以包括如下步骤：

步骤S110，获取待检测的图像。

该图像例如可以是通过镜头模组拍摄测试图卡得到的图像，以对镜头模组进行解像力、分辨率等测试。

该图像中具有目标物体和环境背景，通过确定目标物体的轮廓曲线上的角点的位置，能够对目标物体进行快速定位，进而快速完成对目标物体的后续分析。

以拍摄测试图卡得到的图像为例，该目标物体即为图卡上的长方形、正方形、工字型、菱形等测试图案。

步骤S120，在图像中提取目标物体的轮廓曲线。

该轮廓曲线为封闭的轮廓曲线。

根据目标物体的数量和形状，该图像中可能具有一条轮廓曲线，也可能具有两条以上(包括两条)的轮廓曲线。

该步骤S120可以进一步包括：

步骤S121，对图像进行二值化处理，以从环境背景中分割出目标物体。

在该步骤中，可以根据目标物体与环境背景之间的亮度关系选择相应的二值化方法，例如普通二值化、大律法二值化、局部二值化、自适应二值化等。

这可以将目标物体处理为白色，并将环境背景处理为黑色。这也可以是将目标物体处理为黑色，并将环境背景处理为白色。

图2示出了对一测试图卡的图像进行二值化处理后的效果图，其中，图像中的五个测试图案被处理为黑色，即灰度值为0，而环境背景被处理为白色，即灰度值为255。

步骤S122，对二值化处理后的图像进行边界分析，得到目标物体的轮廓曲线。

经过边界分析后，目标物体的边界便会出现在二值化处理后的图像中，而目标物体的边界便构成目标物体的轮廓曲线。

以图2所示的二值化处理后的图像为例，经过边界分析后的图像效果如图3所示。由于图2所示的二值化处理后的图像具有五个相互独立的目标物体，因此，经过边界分析后，将得到五条轮廓曲线。

该边界分析例如是Canny边界分析。

以下将以检测一条轮廓曲线上的角点为例说明本发明方法。在实际应用中，可以针对所有相互独立的目标物体的轮廓曲线进行检测，也可以针对要求的部分轮廓曲线进行检测。

步骤S130，遍历轮廓曲线上的每一像素点作为待检测像素点。

该步骤S130可以进一步为沿一个方向顺序遍历轮廓曲线上的每一个像素点写入轮廓队列中，以按照顺序进行排队检测。

图4示出了沿一个方向顺序遍历轮廓曲线上的每一个像素点写入轮廓队列中的一种实施例的流程示意图。

根据图4所示，该过程可以包括：

步骤S131，遍历已提取目标物体的轮廓曲线的图像的像素点，直至查找到轮廓曲线上的一个像素点作为当前边界点，并执行以下步骤S132。

该已提取目标物体的轮廓曲线的图像例如是完成边界分析后的图像。

步骤S132，将当前边界点写入轮廓队列，并标记当前边界点已经完成写入，之后继续执行步骤S133。

步骤S133，以当前边界点为中心按照8邻域遍历其周围像素点，并继续执行步骤S134。

步骤S134，判断周围像素点是否有未被写入轮廓队列的边界点，如是，则执行步骤S135，如否，则执行步骤S136。

步骤S135，选择一个边界点作为新的当前边界点，并回到步骤S132。

步骤S136，轮廓曲线已经结束，确定已将轮廓曲线上的所有像素点沿着一个方向顺序写入轮廓队列中。

这样，便可从轮廓队列中依次读出一个像素点作为待检测像素点进行如下的三角差计算。

步骤S140，针对待检测像素点，查找位于轮廓曲线上的两个像素点作为基准点，其中，该基准点为轮廓曲线上的、与待检测像素点间的距离等于设定半径的像素点。

该设定半径可以根据目标物体的尺寸选择，例如可以设置为5至10个像素点的距离。也可以根据要检测的角点的特征确定。

该距离可以根据像素点的位置坐标计算得到。

另外，本发明方法中的三角差计算也可以利用像素的个数代表距离，这样，该设定半径也可以用像素的个数表示，例如，设定半径等于5个像素点。

步骤S150，计算两个基准点之间的距离与两倍的设定半径之间的差值，作为待检测像素点的三角差。

在利用像素的个数代表距离的实施例中，出处的两个基准点之间的距离为两个基准点之间的像素的个数。

根据三角形结构，如果该三角差为0，则说明待检测像素点与两个基准点在同一直线上，即该待检测像素点为非角点。如果该三角差小于0，则说明轮廓曲线在待检测像素点处具有弧度，三角差的数值(不包括符号位)越大，说明弧度越大。

因此，根据轮廓曲线上每一像素点的三角差查找局部的极大数值点，便能准确地检测到轮廓曲线上的角点。

通过在步骤S130，从轮廓队列中依次读出一个像素点作为待检测像素点进行三角差计算，则在步骤S150，可以进一步为按照读出的顺序，将计算得到的三角差顺序写入三角差队列，这样，便可保证轮廓曲线上像素点的排列顺序与对应三角差的排列顺序一致。

步骤S160，根据轮廓曲线上的每一像素点的三角差，确定轮廓曲线上的角点。

图5示出了该步骤S160的一种实施例的流程示意图。

根据图5所示，该步骤S160可以进一步包括：

步骤S1611，判断待检测像素点的三角差是否为零值，如是，则确定待检测像素点为非角点，如否，则执行步骤S162。

步骤S1612，查找待检测像素点所在的三角差为非零值的连续轮廓段，即连续轮廓段上的所有像素点的三角差均为非零值，之后执行步骤S163。

步骤S1613，判断待检测像素点的三角差的数值是否为所述连续轮廓段上的极大值，如是，则确定待检测像素点为轮廓曲线上的一个角点，如否，则确定待检测像素点为非角点。

通过在步骤S150，按照从轮廓队列中读出待检测像素点的顺序，将计算得到的三角差顺序写入三角差队列，该步骤S160可以进一步包括：

将三角差队列的首尾相接，遍历查找每一段连续非零三角差序列，并确定每一段连续非零三角差序列中的极大数值对应的像素点为轮廓曲线上的角点。

这可以分两种情况处理：

(1)三角差队列的起始点为零值，或者三角差队列的起始点为非零值，且三角差队列的结束点为零值，则可以包括如下步骤：

步骤S1621，设置变量i＝1，继续执行步骤S1622。

步骤S1622，正向遍历三角差队列，查找第i段连续非零三角差序列，之后执行步骤S1622，继续执行步骤S1623。

步骤S1623，确定第i段连续非零三角差序列中的极大数值对应的像素点为轮廓曲线的一个角点，继续执行步骤S1624。

步骤S1624，设置变量i＝i+1，继续执行步骤S1622。

(2)三角差队列的起始点为非零值，且三角差队列的结束点也为非零值，则可以包括如下步骤：

步骤S1631，正向遍历三角差队列，直至查找到起始部分的连续非零三角差序列，之后执行步骤S1632。

步骤S1632，反向遍历三角差队列，直至查找到结尾部分的连续非零三角差序列，之后执行步骤S1633。

步骤S1633，确定起始部分和结尾部分的连续非零三角差序列中的极大数值对应的像素点为轮廓曲线的一个角点，并在三角差队列中删除起始部分和结尾部分的连续非零三角差序列。

之后，可以按照以上步骤S1621至步骤S1624查找轮廓曲线上的其他角点。

本发明的方法还可以在以上的确定轮廓曲线上的角点的基础上，按照各角点的相对位置关系对各角点进行排位，以实现对目标物体所在位置的快速定位。因此，本发明方法还可以包括：

步骤S170，计算轮廓曲线的几何中心，即计算几何中心的位置坐标。

步骤S180，确定每一角点与几何中心之间的相对位置关系。

这可以根据角点的位置坐标和几何中心的位置坐标，通过反正切函数等确定角点相对几何中心的角度。

步骤S190，围绕几何中心，对每一角点进行排位，进而实现目标物体的快速定位。

本发明的方法还可以在以上的确定轮廓曲线上的角点的基础上，进一步查找期望的角点。因此，本发明方法还可以包括：从确定的所有角点中，查找三角差满足设定条件的角点作为期望的角点输出。

该设定条件可以是具体的数值，也可以是一个数值范围。

图6为根据本发明检测图像中轮廓角点的装置的一种实施例的方框原理图。

根据图6所示，本发明装置包括图像获取模块610、轮廓提取模块620、轮廓遍历模块630、查找模块640、三角差计算模块650、及角点确定模块660。

该图像获取模块610用于获取待检测的图像。

该轮廓提取模块620用于在所述图像中提取目标物体的轮廓曲线。

该轮廓遍历模块630用于遍历所述轮廓曲线上的每一像素点作为待检测像素点。

该查找模块640用于针对所述待检测像素点，查找位于所述轮廓曲线上的两个像素点作为基准点，其中，所述基准点被设置为与所述待检测像素点间的距离等于设定半径。

该三角差计算模块650用于计算所述两个基准点之间的距离与两倍的设定半径之间的差值，作为所述待检测像素点的三角差。

该角点确定模块660用于根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点。

图7为图6中轮廓提取模块620的一种实施例的方框原理图。

根据图7所示，该轮廓提取模块620可以进一步包括二值化处理单元621和边界分析单元622。

该二值化处理单元621用于对所述图像进行二值化处理，以从环境背景中分割出所述目标物体。

该边界分析单元622用于对二值化处理后的图像进行边界分析，例如是Canny边界分析，得到所述目标物体的轮廓曲线。

该轮廓遍历模块630可以进一步用于：沿一个方向顺序遍历轮廓曲线上的每一个像素点写入轮廓队列中，并从轮廓队列中依次读出一个像素点作为待检测像素点。

该三角差计算模块650可以进一步用于按照从轮廓队列中读出待检测像素点的顺序，将计算得到的三角差顺序写入三角差队列。

图8为图6中角点确定模块660的一种实施例的方框原理图。

根据图8所示，该角点确定模块660可以进一步包括零值处理单元661和非零值处理单元662。

该零值处理单元661用于判断所述待检测像素点的三角差是否为零值，并在是零值时，确定待检测像素点为非角点。

该非零值处理单元662用于在是非零值时，查找所述待检测像素点所在的三角差为非零值的连续轮廓段；如果所述待检测像素点的三角差的数值是所述连续轮廓段上的极大值，则确定所述待检测像素点为所述轮廓曲线上的一个角点。

进一步地，该角度确定模块660可以进一步用于：将三角差队列的首尾相接，遍历查找每一段连续非零三角差序列，并确定每一段连续非零三角差序列中的极大数值对应的像素点为轮廓曲线上的角点。

图9为根据本发明检测图像中轮廓角点的装置的另一种实施例的方框原理图。

根据图9所示，该实施例与图6所示实施例的主要区别在于，该装置还包括角点排位模块670。该角点排位模块670用于计算所述轮廓曲线的几何中心，并相对所述几何中心，对确定的每一角点进行排位。

图10为根据本发明检测图像中轮廓角点的装置的第三种实施例的方框原理图。

根据图10所示，该实施例与图6所示实施例的主要区别在于，该装置还包括角点筛选模块680。该角点筛选模块680用于从确定的所有角点中，查找三角差满足设定条件的角点输出。

图11是根据本发明的检测图像中轮廓角点的装置的一种硬件结构的方框原理图，在图11中，该装置被标记为1100。

根据图11所示，该装置1100包括存储器1101和处理器1102，该存储器1101用于存储指令，该指令用于控制处理器1102进行操作以执行根据本发明的污点检测方法。

除此之外，根据图11所示，该装置1100还可以包括接口装置1103、输入装置1104、显示装置1105、通信装置1106等等。尽管在图11中示出了多个装置，但是，本发明电子设备可以仅涉及其中的部分装置。

上述通信装置1106例如能够进行有有线或无线通信。

上述接口装置1103例如包括USB接口等，以接收摄像头模组采集到的图像。

上述输入装置1104例如可以包括触摸屏、按键等。

上述显示装置1105例如是液晶显示屏、触摸显示屏等。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分相互参见即可，每个实施例重点说明的都是与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。另外，对于装置实施例而言，由于其是与方法实施例相对应，所以描述得比较简单，相关之处参见方法实施例的对应部分的说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的。

本发明可以是装置、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种检测图像中轮廓角点的方法，其特征在于，包括：

获取待检测的图像；

在所述图像中提取目标物体的轮廓曲线；

遍历所述轮廓曲线上的每一像素点作为待检测像素点；

针对所述待检测像素点，查找位于所述轮廓曲线上的两个像素点作为基准点，其中，所述基准点被设置为与所述待检测像素点间的距离等于设定半径；

计算两个所述基准点之间的距离与两倍的设定半径之间的差值，作为所述待检测像素点的三角差；

根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点。

2.根据权利要求1所述的方法，其特征在于，所述在所述图像中提取目标物体的轮廓曲线包括：

对所述图像进行二值化处理，以从环境背景中分割出所述目标物体；

对二值化处理后的图像进行边界分析，得到所述目标物体的轮廓曲线。

3.根据权利要求1所述的方法，其特征在于，所述根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点包括：

判断所述待检测像素点的三角差是否为零值；

如是，则：

确定所述待检测像素点为非角点；

如否，则：

查找所述待检测像素点所在的三角差为非零值的连续轮廓段；

如果所述待检测像素点的三角差的数值是所述连续轮廓段上的极大值，则确定所述待检测像素点为所述轮廓曲线上的一个角点。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算所述轮廓曲线的几何中心；

相对所述几何中心，对确定的每一角点进行排位。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从确定的所有角点中，查找三角差满足设定条件的角点输出。

6.一种检测图像中轮廓角点的装置，其特征在于，包括：

图像获取模块，用于获取待检测的图像；

轮廓提取模块，用于在所述图像中提取目标物体的轮廓曲线；

轮廓遍历模块，用于遍历所述轮廓曲线上的每一像素点作为待检测像素点；

查找模块，用于针对所述待检测像素点，查找位于所述轮廓曲线上的两个像素点作为基准点，其中，所述基准点被设置为与所述待检测像素点间的距离等于设定半径；

三角差计算模块，用于计算所述两个基准点之间的距离与两倍的设定半径之间的差值，作为所述待检测像素点的三角差；以及，

角点确定模块，用于根据所述轮廓曲线上的每一像素点的三角差，确定所述轮廓曲线上的角点。

7.根据权利要求6所述的装置，其特征在于，所述轮廓提取模块包括：

二值化处理单元，用于对所述图像进行二值化处理，以从环境背景中分割出所述目标物体；以及，

边界分析单元，用于对二值化处理后的图像进行边界分析，得到所述目标物体的轮廓曲线。

8.根据权利要求6所述的装置，其特征在于，所述角点确定模块包括：

零值处理单元，用于判断所述待检测像素点的三角差是否为零值，并在是零值时，确定所述待检测像素点为非角点；以及，

非零值处理单元，用于在是非零值时，查找所述待检测像素点所在的三角差为非零值的连续轮廓段；如果所述待检测像素点的三角差的数值是所述连续轮廓段上的极大值，则确定所述待检测像素点为所述轮廓曲线上的一个角点。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

角点排位模块，用于计算所述轮廓曲线的几何中心，并相对所述几何中心，对确定的每一角点进行排位。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

角点筛选模块，用于从确定的所有角点中，查找三角差满足设定条件的角点输出。