CN110428430B - 一种区域内的直线定位拟合方法及应用 - Google Patents

Abstract

本发明公开了一种区域内的直线定位拟合方法及应用，包括以下步骤：1)利用区域内物体边缘的明暗及方位特征，通过方向梯度提取得到二值化特征图；2)在梯度图中根据物体需定位边缘的走向做快速的直线搜索；3)用聚类算法对直线做进一步的剔除处理，对剔除后的直线做小范围的直线点搜索；4)对搜索出来的直线点做拟合，得到最终的拟合直线；该区域内的直线定位拟合方法及应用可以在指定区域内的物体类边缘做快速直线定位。

Description

一种区域内的直线定位拟合方法及应用

技术领域

本发明涉及机械定位技术领域，尤其涉及一种区域内的直线定位拟合方法及应用。

背景技术

随着现代工业产业的快速升级换代，对生产效率的要求越来越高，传统的人工检测工业零部件已经很难满足企业需求，机器视觉以快速、可靠、效率高等优点在工业检测领域得到广泛运用。在机器视觉检测领域，物体边缘直线定位是一种很常见的方法，但是受现场光照、产品震动等因素影响，出现较强干扰边缘时，容易出现定位不精确甚至错误的现象。

发明内容

针对现有技术中的不足，本发明的目的是提供一种可以在指定区域内的物体类边缘做快速直线定位的区域内的直线定位拟合方法及应用。

本发明解决其技术问题所采用的技术方案是：

一种区域内的直线定位拟合方法，包括以下步骤：

1)利用区域内物体边缘的明暗及方位特征，通过方向梯度提取得到二值化特征图；

2)在梯度图中根据物体需定位边缘的走向做快速的直线搜索；

3)用聚类算法对直线做进一步的剔除处理，对剔除后的直线做小范围的直线点搜索；

4)对搜索出来的直线点做拟合，得到最终的拟合直线。

进一步的，在步骤1)中，物体边缘区域的选定方法为：设物体原图为W*H，W为宽，H为高，通过设置矩形框(Rx，Ry，w，h)确定物体边缘的大致位置，Rx，Ry为矩形框左上角顶点在原图中的坐标值，w为矩形宽，h为矩形长，如果不设定，默认为整幅图。

进一步的，矩形区域内目标像素点坐标相对于原图坐标映射关系为：

x′＝Rx+x′；y′＝Ry十y′。

进一步的，在步骤1)中，方向梯度提取的方法为：采用Sobel算子对图像做x与y方向的梯度提取，Gx为原图在水平方向的梯度图，Gy为原图在垂直方向的梯度图，S为原图；根据所需要确定的边缘方位确定梯度方向，映射关系为：

进一步的，在步骤1)中，二值化的方法为：通过固定阈值，对梯度图像做第一次剔除，滤去一部分不明显的边缘，然后通过中值滤波对梯度图像的边缘离散点做进一步剔除。

进一步的，在步骤2)中，直线搜索的方法为：采用霍夫变换对边缘直线做第一次搜索，将搜索到的直线存到直线集合V{V0,V1,…,Vn}，V0为集合中的直线，V0＝[P0(x0，y0)，P1(x1，y1)]，P0与P1分别为直线的起始点坐标。

进一步的，在步骤3)中，剔除处理的方法为，通过对获取的直线做聚类分析，剔除掉干扰直线，细分步骤如下：

①.将直线集合V中的直线转化为点斜式y＝ax+b；

②.求出直线在步骤一绘制的矩形框的长宽中心点的坐标位置，分别为：

③.以(Xw,Yw)*Ww作为直线在X方向的特征向量，以(Xh,Yh)*Wh作为直线在Y方向的特征向量，Ww与Wh分别该方向的权重，采用K-means均值聚类方法，对所有直线分别聚类：

其中k为需要分的类别，上限为m，本方法默认分两类m＝2，i为直线，n为直线数量，x_i为输入的直线特征向量，u_k为聚类中心；

④.剔除干扰直线，通过判定直线以(Xw，Yw)为特征向量的聚类结果与以(Xh，Yh)为特征向量的聚类结果是否一致，如果一致，说明在x方向，y方向两类直线区别很大，剔除直线较少的那一类；如果不一致，说明直线在x方向与y方向区别不大，有可能为属于同一直线簇，不剔除，防止误剔除。

进一步的，在步骤3)中，直线点搜索的方法为：对筛选后的直线按段进行区域点搜索。在步骤一确定的矩形区域内首先确定直线的首尾端点，在按照设定的段数，寻找直线的相应点位置A，先确定该点是否存在，如果存在则以3*3的窗口进一步判定是否为边缘点，公式如下：

本发明所要解决的另一技术问题为提供一种区域内的直线定位拟合方法在机器视觉中的应用。

本发明的有益效果是：

首先通过对图像做梯度处理，并在图像梯度空间内做快速直线搜索，这样可以首先排除掉一部分的非目标边缘，对直线做特征聚类，再次剔除掉一部分非目标边缘，然后对剩下的可靠直线做区域直线点搜索，来增强边缘位置的点数，提升定位精度，最后采用拟合算法对这些点做直线拟合，最终达到在指定区域内的物体类边缘做快速直线定位的效果。

附图说明

图1为本发明的区域内的直线定位拟合方法的流程框图。

具体实施方式

下面结合具体实施例对本发明作进一步说明，以使本领域技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例

参阅图1所示，一种区域内的直线定位拟合方法，包括以下步骤：

步骤1：物体边缘区域选定。物体原图为W*H，W为宽，H为高。通过设置矩形框(Rx,Ry,w,h)确定物体边缘的大致位置，Rx,Ry为矩形框左上角顶点在原图中的坐标值，w为矩形宽，h为矩形长，如果不设定，默认为整幅图。矩形区域内目标像素点坐标相对于原图坐标映射关系为：

x′＝Rx+x′

v′＝Ry+y′

步骤2：方向梯度提取及二值化。

①.本发明采用常用的Sobel算子对图像做x与y方向的梯度提取。Gx为原图在水平方向的梯度图，Gy为原图在垂直方向的梯度图,S为原图。根据所需要确定的边缘方位确定梯度方向。映射关系为：

②.二值化及中值滤波。通过固定阈值，对梯度图像做第一次剔除，滤去一部分不明显的边缘。然后通过中值滤波对梯度图像的边缘离散点做进一步剔除。

步骤3：第一次直线定位。本发明采用常用的直线定位方法霍夫变换对边缘直线做第一次搜索。将搜索到的直线存到直线集合V{V0,V1,…,Vn},V0为集合中的直线，V0＝[P0(x0,y0),P1(x1,y1)],P0与P1分别为直线的起始点坐标。

步骤4：直线聚类分析。通过对获取的直线做聚类分析，剔除掉干扰直线。

细分步骤如下：

①.将直线集合V中的直线转化为点斜式y＝ax+b。

②.求出直线在步骤一绘制的矩形框的长宽中心点的坐标位置。分别为：

③.以(Xw,Yw)*Ww作为直线在X方向的特征向量，以(Xh,Yh)*Wh作为直线在Y方向的特征向量，Ww与Wh分别该方向的权重，采用K-means均值聚类方法，对所有直线分别聚类：

其中k为需要分的类别，上限为m，本方法默认分两类m＝2。i为直线，n为直线数量。x_i为输入的直线特征向量，u_k为聚类中心。

④.剔除干扰直线。通过判定直线以(Xw,Yw)为特征向量的聚类结果与以(Xh,Yh)为特征向量的聚类结果是否一致。如果一致，说明在x方向，y方向两类直线区别很大。剔除直线较少的那一类。如果不一致，说明直线在x方向与y方向区别不大，有可能为属于同一直线簇，不剔除，防止误剔除。

步骤5：直线点扩充。对筛选后的直线按段进行区域点搜索。在步骤一确定的矩形区域内首先确定直线的首尾端点，在按照设定的段数，寻找直线的相应点位置A，先确定该点是否存在，如果存在则以3*3的窗口进一步判定是否为边缘点，公式如下：

步骤6：直线拟合。对步骤5的直线点做拟合，求取最终直线。

本发明的有益效果是：

首先通过对图像做梯度处理，并在图像梯度空间内做快速直线搜索，这样可以首先排除掉一部分的非目标边缘，对直线做特征聚类，再次剔除掉一部分非目标边缘，然后对剩下的可靠直线做区域直线点搜索，来增强边缘位置的点数，提升定位精度，最后采用拟合算法对这些点做直线拟合，最终达到在指定区域内的物体类边缘做快速直线定位的效果。

本发明的上述实施例并不是对本发明保护范围的限定，本发明的实施方式不限于此，凡此种种根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，对本发明上述结构做出的其它多种形式的修改、替换或变更，均应落在本发明的保护范围之内。

Claims (1)

1.一种区域内的直线定位拟合方法，其特征在于，包括以下步骤：

步骤1：物体边缘区域选定，物体原图为W*H，W为宽，H为高，通过设置矩形框(Rx,Ry,w,h)确定物体边缘的大致位置，Rx,Ry为矩形框左上角顶点在原图中的坐标值，w为矩形宽，h为矩形长，矩形区域内目标像素点坐标相对于原图坐标映射关系为：

x′＝Rx+x′

y′＝Ry+y′

步骤2：方向梯度提取及二值化，

①.采用常用的Sobel算子对图像做x与y方向的梯度提取，Gx为原图在水平方向的梯度图，Gy为原图在垂直方向的梯度图,S为原图，根据所需要确定的边缘方位确定梯度方向，映射关系为：

②.二值化及中值滤波，通过固定阈值，对梯度图像做第一次剔除，滤去一部分不明显的边缘，然后通过中值滤波对梯度图像的边缘离散点做进一步剔除，

步骤3：第一次直线定位，采用直线定位方法霍夫变换对边缘直线做第一次搜索，将搜索到的直线存到直线集合V{V0,V1,…,Vn},V0为集合中的直线，V0＝[P0(x0,y0),P1(x1,y1)],P0与P1分别为直线的起始点坐标，

步骤4：直线聚类分析，通过对获取的直线做聚类分析，剔除掉干扰直线，细分步骤如下：

①.将直线集合V中的直线转化为点斜式y＝ax+b，

②.求出直线在步骤一绘制的矩形框的长宽中心点的坐标位置，分别为：

③.以(x_w,y_w)*w_w作为直线在X方向的特征向量，以(x_h,y_h)*w_h作为直线在Y方向的特征向量，w_w与w_h分别X方向、Y方向的权重，采用K-means均值聚类方法，对所有直线分别聚类：

其中k为需要分的类别，上限为m，本方法默认分两类m＝2，n为直线数量，x_i为输入的第i条直线特征向量，u_k为聚类中心，

④.剔除干扰直线，通过判定直线以(x_w,y_w)为特征向量的聚类结果与以(x_h,y_h)为特征向量的聚类结果是否一致，如果一致，说明在x方向，y方向两类直线区别很大，剔除直线较少的那一类，如果不一致，说明直线在x方向与y方向区别不大，有可能为属于同一直线簇，不剔除，防止误剔除，

步骤5：直线点扩充，对筛选后的直线按段进行区域点搜索，在步骤一确定的矩形区域内首先确定直线的首尾端点，在按照设定的段数，寻找直线的相应点位置A，先确定该点是否存在，如果存在则以3*3的窗口进一步判定是否为边缘点，公式如下：

步骤6：直线拟合，对步骤5的直线点做拟合，求取最终直线。

Images