CN109190742B - 一种基于灰度特征的编码特征点的解码方法 - Google Patents

Abstract

本发明属于图像处理领域，并公开了一种基于灰度特征的编码特征点的解码方法。该方法包括下列步骤：(a)提取待处理图像中每个编码标志点的边缘并将其拟合为闭合区域，即所述编码标志点的中心圆；(b)以编码标志点的中心圆为中心，确定编码环中的多个同心圆环，计算每个同心圆环的特征灰度值，并设定灰度阈值；(c)将多个同心圆环的特征灰度值逐个与灰度阈值比较获得每个同心圆环的编码，所有同心圆环的编码即为编码序列，将该编码序列值转换为编码值，即实现解码。通过本发明，有效解决在大视场测量过程中出现离焦图片中编码标志点无法正确解码的问题。

Description

一种基于灰度特征的编码特征点的解码方法

技术领域

本发明属于图像处理领域，更具体地，涉及一种基于灰度特征的编码特征点的解码方法。

背景技术

随着计算机技术的迅猛发展，三维测量技术已经成为一种强大的检测工具，广泛应用于航空航天、汽车制造等众多工业领域，同时在文化创意、教育、医疗等其它领域也有着广泛的应用。三维测量过程中编码标志点的使用十分普遍，编码标志点往往能保证测量系统的总体精度，特别是大视场三维检测过程中，利用编码标志点是减少累积误差的重要手段。因此编码标志点解码算法的正确性和鲁棒性就显得尤为重要。

目前针对编码标志点的解码方法非常多，如周波等在2009年《自动化与仪器仪表》第2期中提出基于圆拟合的编码标志点解码算法，该算法在图像前期处理过程中对图像进行了二值化处理并利用经过编码圆环的椭圆上灰度值信息进行编码标志点的解码使得解码过程十分简单快捷，但是当环境光照复杂不均是难以取得较好二值化处理结果使解码工作难以成功；段康容等在2010年《传感器与微系统》第29卷第8期中提出了基于图形变换的编码标志点解码算法，该算法采用尺寸准则、形状准则和灰度准则准确检测出编码标志点的中圆，并对中心圆进行椭圆拟合取得了较好的解码效果，但是该法对模糊图像十分敏感无法提取模糊图像中的编码标志点的中心圆；李晓峰等在2012年现代制造工程第2期中提出了基于边缘检测的编码标志点解码算法，该算法对成像清晰的编码标志点解码效果较好，但当相机与编码标志点之间倾角超过六十度时难以获得较好的解码效果。

综上所述，虽然以上方法在实际使用过程中都可以取得较好效果，但这些算方法所采用的解码图像必须是清晰的编码标志点图像，对由于超出景深范围所采集的模糊图像往往很难实现对图像中编码标志点的正确解码，而在大视场检测过程中由于被测物的体积较大，相机景深大小有限，往往会出现由于离焦导致的模糊图像，使以上方法在检测过程中无法成功解码出模糊的编码标志点。针对以上问题本发明提出一种新的解码方式能够正确稳定地解码出模糊的编码标志点。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于灰度特征的编码特征点的解码方法，通过对待处理图像中的编码标志点中心圆的以此实现编码标志点的定位，然后根据编码环中各个同心圆环的灰度值确定编码环的序列，最后通过将序列转化为所需的编码值实现解码，解决模糊图像中编码标志点解码的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于灰度特征的编码特征点的解码方法，其特征在于，该方法包括下列步骤：

(a)提取待处理图像中每个编码标志点的边缘，将该边缘拟合为闭合区域，该闭合区域即为所述编码标志点的中心圆；

(b)对于每个编码标志点，以所述编码标志点的中心圆为中心，将该编码标志点对应的编码环拟合为多个同心圆环，计算每个同心圆环的特征灰度值，以此方式获得所有编码标志点对应的同心圆环的特征灰度值，根据所有同心圆环的特征灰度值设定灰度阈值；

(c)将每个所述编码环对应的多个同心圆环的特征灰度值逐个与所述灰度阈值比较，以此计算并获得每个同心圆环的编码，所有所述同心圆环的编码即为所述编码标志点的编码序列，将该编码序列值转换为编码值，该编码值即为相应编码标志点的编码值，由此实现所述编码标志点的解码。

进一步优选地，在步骤(a)中，所述将边缘拟合为闭合区域优选按照下列步骤：首先根据所述边缘中的边缘像素点的连通性标记所述边缘中的连通域，然后过滤所述连通域以此获得所述编码标志点对应的连通域，最后将每个所述连通域拟合为闭合区域。

进一步优选地，在步骤(a)中，所述闭合区域优选为椭圆。

进一步优选地，在步骤(a)中，所述提取待处理图像中每个编码标志点的边缘优选采用Canny算子提取。

进一步优选地，在步骤(a)中，所述将边缘拟合为闭合区域之后，还包括采用形状准则、面积准则或欧式距离对所述闭合区域进行过滤筛选，筛选后的闭合区域为所需的闭合区域。

进一步优选地，在步骤(b)中，所述计算同心圆环的特征灰度值优选采用计算同心圆环上的所有像素点的灰度值，取所有像素点的灰度值的平均值作为所述同心圆环的特征灰度值。

进一步优选地，在步骤(b)中，所述设定灰度阈值优选设定为所有编码标志点的同心圆环的特征灰度值的最大值和最小值的中位数。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果。

1、本发明提出的方法能够实现对在焦和离焦图片中编码标志点高效稳定地解码，可以有效解决在大视场测量过程中易出现离焦图片中编码标志点无法正确解码的问题，本发明的高效和稳定性主要体现在解码方式上，具体地，现有技术中的解码方式是直接对图像取全局阈值进行二值化，因此对于光照不均匀或者模糊图像容易造成标志点编码区域分割失败，从而导致无法正确解码，而本发明提供的方法首先定位到椭圆编码标志点中心，通过分析编码标志点的同心圆上的灰度分布取局部的阈值进行二值化，由于编码标志点的区域较小，因此在局部上一般认为光照是均匀的，获得的局部阈值具有较好的稳定性，从而对非均匀光照和模糊图像具有更好的稳定性；

2、本发明与现有的编码标志点解码算法相比最大的优点体现在能够对离焦模糊图像中编码标志点进行高效稳定的解码，本方法具有较高的鲁棒性。

附图说明

图1是按照本发明的优选实施例所构建的基于灰度特征的编码特征点的解码方法的流程图；

图2是按照本发明的优选实施例所构建的滤波处理后的待处理图像；

图3是按照本发明的优选实施例所构建的采用Canny算子提取的待处理图像的边缘；

图4是按照本发明的优选实施例所构建的标记的每个编码标志点的连通区域；

图5是按照本发明的优选实施例所构建的编码标志点的中心圆示意图；

图6是按照本发明的优选实施例所构建的单个编码标志点对应的同心圆环的示意图；

图7是按照本发明的优选实施例所构建的编码标志点解码后的结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1是按照本发明的优选实施例所构建的基于灰度特征的编码特征点的解码方法的流程图，如图1所示，一种基于灰度值特征的编码标志点解码方法，该方法包括下列步骤：

第1步：提取编码标志点的中心圆。

该步骤主要由图像滤波、编码标志点边缘提取、标记连通域、过滤连通域、中心圆拟合和过滤有误拟合以上几个子步骤组成，具体如下：

(1)图像滤波

由于相机芯片固有的成像原理，所采集的图像不可避免夹杂有大量的噪声，直接对原始图片进行边缘提取会产生大量错误边缘，需要对图片进行滤波处理减小图像噪声对图像边缘提取的影响。图2是按照本发明的优选实施例所构建的滤波处理后的待处理图像，如图2所示，图中5×5个编码标志点，每个编码标志点的中心圆是黑色的，每个编码标志点的外部环绕有黑白相间的条带，即编码环，编码标志点与编码环之间为白色的圆环，编码环色外部是待处理图像的白色场景。

(2)编码标志点边缘提取

基于滤波处理的结果对图像进行边缘提取，本发明采用了Canny算子对图像进行边缘提取，Canny算法会以不同的尺寸维度将图像中边缘信息提取出来，这些边缘信息以一定的灰度值保存在二值图像上。图3是按照本发明的优选实施例所构建的采用Canny算子提取的待处理图像的边缘，如图3所示，图中获得5×5个编码标志点的中心圆环和每个编码标志点对应的编码环的边缘。

(3)标记连通域：

如图3中提取的图像边缘信息具有一定连续性的线段、圆弧等各种集合图形的混合集，由于图像中往往包含多个编码标志点同时包伴有拍摄现场的场景信息，直接对该集合进行处理难以提取出图像中编码标志点的边缘信息，需要对Canny算法提取的边缘信息进行连通区域标记。

连通区域标记过程判断了组成边缘像素点之间的连通性，具体地，将Canny算子提取的边缘信息进行聚类处理，将具有可联通性的像素点视为一个整体，以此实现连通区域的标记。

(4)过滤连通区域

对于上述标记的连通区域，去除图像中的图像场景中的边缘信息，即无关的边缘信息，以此获得编码标志点中中心圆的连通域。在固定的拍摄场景中，场景的边缘信息以及该场景中编码标志点的边缘信息都具有一定稳定性，根据连通区域大小准则去除无关的边缘信息去除，保留图像中编码标志点边缘信息的连通域。图4是按照本发明的优选实施例所构建的标记的每个编码标志点的连通区域，如图4所示，是采用连通域大小准则处理后的获得的图片。

(5)编码标志点中心圆拟合

对图像中编码标志点解码需要获取编码标志点的形状信息，连通区域只是由构成编码标志点边缘的像素点构成的集合，并不具有任何形状信息。

根据成像原理可知，在成像过程中圆形在最终的成像平面上实际是一个椭圆，因此采用椭圆拟合对相关连通域中的像素点进行拟合比采用圆拟合具有更高的准确性。本发明采用的椭圆拟合算法采用最小二乘法对连通域中的像素点进行椭圆拟合，以此获得编码标志点中心圆的形状信息。

(6)过滤有误拟合

一般图像中场景边缘信息十分复杂，尤其在视场较大的情况下，场景边缘信息更加繁多复杂，同时由于场景中的光照条件很难做到完全均匀，给编码标志点边缘信息的提取造成很大障碍，光照强度的变化导致图像中不同区域灰度值的分布不均，进而导致Canny算法处理过程中部分区域过分割而部分区域未分割，通过以上条件筛选后仍然会存在非编码标志点的边缘像素参与椭圆拟合过程；同时Canny算法所提取的编码标志点中心圆边缘信息可能分布在不同的连通域中，导致在椭圆拟合过程中在相同的位置拟合出多个椭圆。因此需要对拟合成椭圆的连通区域进行筛选，仅保留满足一定准则的连通区域当做候选的编码标志点区域。

本发明采用了形状准则、面积准则或欧式距离对拟合得到的椭圆数据进行过滤筛选。形状准则是通过设置轴比阈值参数对拟合出的椭圆进行筛选，将形状不符合阈值要求的椭圆去除；面积准则是设置面积阈值利用编码标志点中心圆的面积将面积大小不符合要求的椭圆去除；欧式距离准则是设置椭圆圆心间欧式距离阈值，当椭圆间圆心距离小于设定阈值时认为所拟合的两个椭圆属于同一个椭圆，将两个连通域进行合并构成新的连通域，对新连通域中的点进行椭圆拟合提取形状信息。

利用以上准则对拟合椭圆进行过滤筛选可以获得图像中编码标志点中心圆的形状信息，图5是按照本发明的优选实施例所构建的编码标志点的中心圆示意图，如图5所示，图中获得5×5个编码标志点的中心圆。

第2步：提取编码环灰度值信息。

该步骤包括生成圆环数据集、圆环灰度值计算和过滤等子步骤，具体如下：

(1)生成编码环的同心圆环数据集

根据上述步骤拟合出椭圆的中心点、长短轴等形状信息生成围绕图像中编码标志点中心圆的一系列同心圆环，以此形成同心圆环数据集，该同心圆环数据集即为编码环，以此实现编码环位置的定位，具体实现的数学公式如下所示：

F(x,y)＝b²x²+a²y²-a²b².

其中上式中a和b分别是当前生成同心圆的长轴和短轴，x和y分别是当前生成同心圆的横坐标和纵坐标。图6是按照本发明的优选实施例所构建的单个编码标志点对应的同心圆环的示意图，如图6所示，是一个编码标志点同心圆外生成的同心圆环数据集。

(2)同心圆环特征灰度值计算与过滤

计算同心圆环上所有像素点的灰度值，所有像素点的灰度值的平均值为相应同心圆环的特征灰度值，以此方式获得所有同心圆环的特征灰度值。取所有编码标志点对应的同心圆环特征灰度值的最大特征灰度值和最小特征灰度值，最大值和最小值的中位数作为灰度阈值，进行二次化，定位经过编码环的圆环数据集，实现表达式如下：

其中aveGray是某个圆环的特征灰度值，max_aveGray是所有圆环特征灰度值的最大值，min_aveGray是所有圆环特征灰度值的最小值，ThrGray是同心圆环过滤的灰度阈值，g_i是第i个像素点的灰度值，n是同心圆环上像素点的总数量，m是同心圆环的总数量。

第3步：编码标志点解码。

该步骤主要包括计算编码位数、计算编码序列和计算编码值等三个子步骤组成，具体如下：

(1)计算编码位数

图像中编码标志点是按照一定位数进行编码的，该编码值在图像上是以黑白相间的圆环段构成的圆环体现；本发明在数值计算过程中该编码值是以一定位数的二进制字符串体现，编码标志点的位数是在编码标志点设计过程中确定的。

(2)计算编码序列

图像中每一个编码标志点的编码环都对应一个编码序列，编码序列是一个由‘0’和‘1’构成的二进制字符串。本发明根据圆环的特征灰度值作为阈值计算编码中各个编码位的值，将灰度值大于阈值的编码位置为‘1’，将灰度值小于阈值的编码位置为‘0’。由于所采集的图像包含噪声，这些灰度值突变的孤立像素点在计算编码标志点编码位时会造成伪编码位，导致最终解码失败，采用编码位像素点数量阈值对孤立噪声能够有效去除，提高算法鲁棒性。

(3)计算编码值

将图形编码标志点对应的二进制序列依次计算各种编码顺序对应的二进制值，将其作为该标志点对应的编码值，图7是按照本发明的优选实施例所构建的编码标志点解码后的结果示意图，如图7所示，图中每个编码标志点的上的数值即为解码后的编码标志点的编码值。

本发明提出的方法能够实现对在焦和离焦图片中编码标志点高效稳定地解码，可以有效解决在大视场测量过程中易出现离焦图片中编码标志点无法正确解码的问题，与现有的编码标志点解码算法相比最大的优点体现在能够对离焦模糊图像中编码标志点进行高效稳定的解码，本方法具有较高的鲁棒性。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于灰度特征的编码特征点的解码方法，其特征在于，该方法包括下列步骤：

(a)提取待处理图像中每个编码标志点的边缘，将该边缘拟合为闭合区域，该闭合区域即为所述编码标志点的中心圆；

(b)对于每个编码标志点，以所述编码标志点的中心圆为中心，将该编码标志点对应的编码环拟合为多个同心圆环，计算每个同心圆环的特征灰度值，以此方式获得所有编码标志点对应的同心圆环的特征灰度值，根据所有同心圆环的特征灰度值设定灰度阈值；

(c)将每个所述编码环对应的多个同心圆环的特征灰度值逐个与所述灰度阈值比较，以此计算并获得每个同心圆环的编码，所有所述同心圆环的编码即为所述编码标志点的编码序列，将该编码序列值转换为编码值，该编码值即为相应编码标志点的编码值，由此实现所述编码标志点的解码。

2.如权利要求1所述的方法，其特征在于，在步骤(a)中，所述将边缘拟合为闭合区域按照下列步骤：首先根据所述边缘中的边缘像素点的连通性标记所述边缘中的连通域，然后过滤所述连通域以此获得所述编码标志点对应的连通域，最后将每个所述连通域拟合为闭合区域。

3.如权利要求1或2所述的方法，其特征在于，在步骤(a)中，所述闭合区域为椭圆。

4.如权利要求1所述的方法，其特征在于，在步骤(a)中，所述提取待处理图像中每个编码标志点的边缘采用Canny算子提取。

5.如权利要求1所述的方法，其特征在于，在步骤(a)中，所述将边缘拟合为闭合区域之后，还包括采用形状准则、面积准则或欧式距离对所述闭合区域进行过滤筛选，筛选后的闭合区域为所需的闭合区域。

6.如权利要求1所述的方法，其特征在于，在步骤(b)中，所述计算同心圆环的特征灰度值采用计算同心圆环上的所有像素点的灰度值，取所有像素点的灰度值的平均值作为所述同心圆环的特征灰度值。

7.如权利要求1所述的方法，其特征在于，在步骤(b)中，所述设定灰度阈值设定为所有编码标志点的同心圆环的特征灰度值的最大值和最小值的中位数。

Images