JPH0624025B2 - 画像処理方法及びその装置 - Google Patents
画像処理方法及びその装置Info
- Publication number
- JPH0624025B2 JPH0624025B2 JP62294651A JP29465187A JPH0624025B2 JP H0624025 B2 JPH0624025 B2 JP H0624025B2 JP 62294651 A JP62294651 A JP 62294651A JP 29465187 A JP29465187 A JP 29465187A JP H0624025 B2 JPH0624025 B2 JP H0624025B2
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- line segment
- line
- start point
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Description
本発明は、濃淡画像のグラジェントベクトルの大きさの
分布から稜線を抽出して、この稜線を多角形近似する方
法及びその装置に関する。 又、対象物体を多角形近似した形状とモデルとを照合す
ることにより、複雑な背景下やランダムに積み重なった
物体の中から目的とする対象物体を容易に認識できる装
置で、ロボット用の対象物認識装置等に応用できる。
分布から稜線を抽出して、この稜線を多角形近似する方
法及びその装置に関する。 又、対象物体を多角形近似した形状とモデルとを照合す
ることにより、複雑な背景下やランダムに積み重なった
物体の中から目的とする対象物体を容易に認識できる装
置で、ロボット用の対象物認識装置等に応用できる。
従来、画像処理においては、濃淡画像のグラジェントベ
クトル（輝度を座標変数で一次微分して得られるベクト
ル）の大きさの分布から対象物のエッジ画像を求め、更
にそのエッジ画像においてグラジェントベクトルの大き
さが極値をとる連続した稜線を抽出するなどの細線化処
理を施して対象物体の輪郭線を求め、この輪郭線を多角
形近似することにより対象物の形状を把握する方法が用
いられている。 この場合、輪郭線を多角形近似する目的は、対象物体を
認識するためのデータ数を少なくすることと、形状近似
度の良いことを保証した上で、その輪郭線を直線部，円
弧部及びコーナ部などの特徴部位により分類し易くし、
予め用意された対象物体の特徴部分を表すモデルと容易
に照合でき、対象物体の類別や位置、姿勢などを容易に
求めることを可能とすることである。 この様なモデル検索では、対象物体のデータ数が少なけ
れば少ない程照合に要する時間が短くなるので、特徴的
な情報を遺漏することなくデータ圧縮率を向上させるこ
とは画像処理装置の実用化において重要な問題である。 対象物体の輪郭線を多角形近似する従来の方法は、辺又
は頂点に注目する主として以下の４つの方法がある。 辺に注目する方法としては、 （１）輪郭線を最小２乗近似法により直線近似して、輪
郭線の辺を抽出する方法、 （２）輪郭線を予め設定された種々の角度を持った線分
パターンと照合して、辺を抽出する方法等があり、 角に注目する方法としては、 （３）輪郭線を構成する画素の位置関係から求められた
輪郭線の接線方向が予め設定された閾値以上の変化を生
じた時、即ち、輪郭線の曲率に一定の変化を生じた時の
輪郭線上の画素の位置を頂点として抽出する方法、 （４）輪郭線上において、グラジェントベクトルの方位
の変化角が予め設定された閾値を超える時の輪郭線上の
位置を頂点として検出する方法等がある。
クトル（輝度を座標変数で一次微分して得られるベクト
ル）の大きさの分布から対象物のエッジ画像を求め、更
にそのエッジ画像においてグラジェントベクトルの大き
さが極値をとる連続した稜線を抽出するなどの細線化処
理を施して対象物体の輪郭線を求め、この輪郭線を多角
形近似することにより対象物の形状を把握する方法が用
いられている。 この場合、輪郭線を多角形近似する目的は、対象物体を
認識するためのデータ数を少なくすることと、形状近似
度の良いことを保証した上で、その輪郭線を直線部，円
弧部及びコーナ部などの特徴部位により分類し易くし、
予め用意された対象物体の特徴部分を表すモデルと容易
に照合でき、対象物体の類別や位置、姿勢などを容易に
求めることを可能とすることである。 この様なモデル検索では、対象物体のデータ数が少なけ
れば少ない程照合に要する時間が短くなるので、特徴的
な情報を遺漏することなくデータ圧縮率を向上させるこ
とは画像処理装置の実用化において重要な問題である。 対象物体の輪郭線を多角形近似する従来の方法は、辺又
は頂点に注目する主として以下の４つの方法がある。 辺に注目する方法としては、 （１）輪郭線を最小２乗近似法により直線近似して、輪
郭線の辺を抽出する方法、 （２）輪郭線を予め設定された種々の角度を持った線分
パターンと照合して、辺を抽出する方法等があり、 角に注目する方法としては、 （３）輪郭線を構成する画素の位置関係から求められた
輪郭線の接線方向が予め設定された閾値以上の変化を生
じた時、即ち、輪郭線の曲率に一定の変化を生じた時の
輪郭線上の画素の位置を頂点として抽出する方法、 （４）輪郭線上において、グラジェントベクトルの方位
の変化角が予め設定された閾値を超える時の輪郭線上の
位置を頂点として検出する方法等がある。
この内、（１）の方法では必然的に処理時間が大とな
り、（２）の方法ではオフラインで予め線分パターンを
求める作業が膨大となるため、リアルタイム画像処理装
置として実用化するためには難点がある。 又、（３）の方法においては、各画素の局所的な位置関
係から接線方向の変化を求めると、分解能が粗く正確な
曲率変化は得難い。逆に、大局的な位置関係から接線方
向の変化を求めると、細かな変化が平滑化されるので正
確に頂点を検出することが困難である。 又、（４）の方法では、濃淡画像のグラジェントベクト
ルの方位（以下「グラジェント角」という）の変化率が
大きい位置を頂点として検出しているので、グラジェン
ト角の変化率は小さいが形状認識の上で重要な点が検出
されないという問題がある。例えば、第６図（ａ）に示
す輪郭線について、輪郭線上にとられた線分長ｌに対す
るグラジェント角Ｇは、第５図（ａ）に示すように変化
し、そのグラジェント角Ｇの変化率dG／dlは第５図
（ｂ）に示すような特性となる。この図において、Ｐ点
とＱ点でのグラジェット角Ｇの変化率dG／dlは閾値ΔＧ
に比べて大きくないため、そのＰ点とＱ点が第６図
（ａ）示すように形状認識の上で重要な点であるにも拘
わらず頂点として検出されない。これに対し、頂点検出
のためのグラジェット角Ｇの変化率dG／dlに対する閾値
ΔＧを小さくすると、第６図（ｂ）に示すように、輪郭
線における形状近似度は良くなるが無駄な頂点が多く検
出され、従ってデータ圧縮率が低下するという問題があ
る。 本発明は、上記の問題点を解決するために成されたもの
であり、その目的とするところは、データ圧縮率が高
く、輪郭線を精密かつ容易に多角形近似することによ
り、対象物体の精密且つ高速度の認識を可能とすること
である。
り、（２）の方法ではオフラインで予め線分パターンを
求める作業が膨大となるため、リアルタイム画像処理装
置として実用化するためには難点がある。 又、（３）の方法においては、各画素の局所的な位置関
係から接線方向の変化を求めると、分解能が粗く正確な
曲率変化は得難い。逆に、大局的な位置関係から接線方
向の変化を求めると、細かな変化が平滑化されるので正
確に頂点を検出することが困難である。 又、（４）の方法では、濃淡画像のグラジェントベクト
ルの方位（以下「グラジェント角」という）の変化率が
大きい位置を頂点として検出しているので、グラジェン
ト角の変化率は小さいが形状認識の上で重要な点が検出
されないという問題がある。例えば、第６図（ａ）に示
す輪郭線について、輪郭線上にとられた線分長ｌに対す
るグラジェント角Ｇは、第５図（ａ）に示すように変化
し、そのグラジェント角Ｇの変化率dG／dlは第５図
（ｂ）に示すような特性となる。この図において、Ｐ点
とＱ点でのグラジェット角Ｇの変化率dG／dlは閾値ΔＧ
に比べて大きくないため、そのＰ点とＱ点が第６図
（ａ）示すように形状認識の上で重要な点であるにも拘
わらず頂点として検出されない。これに対し、頂点検出
のためのグラジェット角Ｇの変化率dG／dlに対する閾値
ΔＧを小さくすると、第６図（ｂ）に示すように、輪郭
線における形状近似度は良くなるが無駄な頂点が多く検
出され、従ってデータ圧縮率が低下するという問題があ
る。 本発明は、上記の問題点を解決するために成されたもの
であり、その目的とするところは、データ圧縮率が高
く、輪郭線を精密かつ容易に多角形近似することによ
り、対象物体の精密且つ高速度の認識を可能とすること
である。
上記問題点を解決するための第１発明の構成は、ディジ
タル化された濃淡画像のグラジェントベクトルの大きさ
の分布において、極値を連ねた稜線画素列を抽出し、該
稜線画素列を連続した直線群で多角形近似する画像処理
方法において、抽出された前記稜線画素列の一端を線分
始点画素とし、該線分始点画素から前記稜線画素列上の
隣接する画素を順次探索し、順次探索されたその探索画
素と前記線分始点画素との間の直線距離を演算し、前記
探索画素と前記線分始点画素との間のグラジェントベク
トルの変化角を演算し、前記直線距離と前記変化角とが
それぞれの所定の閾値をともに越える探索画素を線分終
点画として検出し、前記線分始点画素と前記線分終点画
素とを両端とする線分を抽出し、前記線分終点画素を次
の線分を抽出するための線分始点画素として、前記稜線
画素列上の隣接画素を終端画素まで探索して順次線分を
抽出することにより前記稜線画素列を抽出された直線群
で多角形近似することを特徴とする画像処理方法であ
る。 又、第２発明の構成は、ディジタル化された濃淡画像の
グラジェントベクトルの大きさの分布において、極値を
とる画素を抽出して成る稜線画素データを記憶する稜線
画列記憶手段と、前記濃淡画像のグラジェントベクトル
の方位を示すグラジェント角データを記憶するグラジェ
ント角記憶手段と、前記稜線画素記憶手段から稜線画素
列データを入力して、稜線画素列の一端を線分始点画素
として、その画素から前記稜線画素列上の隣接する画素
を順次探索する線分追跡手段と、順次探索されたその探
索画素と前記線分始点画素との間の直線距離を計測する
線分長計測手段と、前記直線距離の判定の基準となる直
線閾値とグラジェントベクトルの変化角の判定の基準と
なる変化角閾値を設定する閾値設定手段と、前記線分長
計測手段により計測された前記直線距離と前記閾値設定
手段に設定されている前記直線閾値とを比較し前記直線
距離が前記直線閾値を越える場合には、前記グラジェン
ト角記憶手段からグラジェント角データを入力して、前
記探索画素と前記線分始点画素との間のグラジェントベ
クトルの変化角を演算し、その変化角と前記閾値設定手
段に設定されている変化角閾値とを比較し前記変化角が
前記変化角閾値を越える時には、前記探索画素を線分終
点画素として検出する多角形近似手段と、前記線分始点
画素と前記線分終点画素の画素アドレス、直線距離及び
線分始点画素のグラジェント角等のデータを出力する線
分抽出手段と、前記線分抽出手段の出力データを記憶す
る線分データ記憶手段とを備えたことを特徴とする。
タル化された濃淡画像のグラジェントベクトルの大きさ
の分布において、極値を連ねた稜線画素列を抽出し、該
稜線画素列を連続した直線群で多角形近似する画像処理
方法において、抽出された前記稜線画素列の一端を線分
始点画素とし、該線分始点画素から前記稜線画素列上の
隣接する画素を順次探索し、順次探索されたその探索画
素と前記線分始点画素との間の直線距離を演算し、前記
探索画素と前記線分始点画素との間のグラジェントベク
トルの変化角を演算し、前記直線距離と前記変化角とが
それぞれの所定の閾値をともに越える探索画素を線分終
点画として検出し、前記線分始点画素と前記線分終点画
素とを両端とする線分を抽出し、前記線分終点画素を次
の線分を抽出するための線分始点画素として、前記稜線
画素列上の隣接画素を終端画素まで探索して順次線分を
抽出することにより前記稜線画素列を抽出された直線群
で多角形近似することを特徴とする画像処理方法であ
る。 又、第２発明の構成は、ディジタル化された濃淡画像の
グラジェントベクトルの大きさの分布において、極値を
とる画素を抽出して成る稜線画素データを記憶する稜線
画列記憶手段と、前記濃淡画像のグラジェントベクトル
の方位を示すグラジェント角データを記憶するグラジェ
ント角記憶手段と、前記稜線画素記憶手段から稜線画素
列データを入力して、稜線画素列の一端を線分始点画素
として、その画素から前記稜線画素列上の隣接する画素
を順次探索する線分追跡手段と、順次探索されたその探
索画素と前記線分始点画素との間の直線距離を計測する
線分長計測手段と、前記直線距離の判定の基準となる直
線閾値とグラジェントベクトルの変化角の判定の基準と
なる変化角閾値を設定する閾値設定手段と、前記線分長
計測手段により計測された前記直線距離と前記閾値設定
手段に設定されている前記直線閾値とを比較し前記直線
距離が前記直線閾値を越える場合には、前記グラジェン
ト角記憶手段からグラジェント角データを入力して、前
記探索画素と前記線分始点画素との間のグラジェントベ
クトルの変化角を演算し、その変化角と前記閾値設定手
段に設定されている変化角閾値とを比較し前記変化角が
前記変化角閾値を越える時には、前記探索画素を線分終
点画素として検出する多角形近似手段と、前記線分始点
画素と前記線分終点画素の画素アドレス、直線距離及び
線分始点画素のグラジェント角等のデータを出力する線
分抽出手段と、前記線分抽出手段の出力データを記憶す
る線分データ記憶手段とを備えたことを特徴とする。
稜線画素列上の一端の画素が線分始点画素とされ、稜線
画素列上の隣接画素が線分始点画素から順に探索され、
線分始点画素とその探索画素間の直線距離とグラジェン
トベクトルの変化角とがともにそれぞれの閾値を越えた
時に、その探索画素が線分終点画素として検出される。
そして、その線分始点画素と線分終点画素との間を結ぶ
第１線分が決定される。 次に、上記の第１線分の線分終点画素が次の線分の線分
始点画素とされて、同様な処理により次の第２線分が決
定される。このように、稜線画素列から次々に線分が抽
出されて、対象物体の輪郭線は多角形近似される。
画素列上の隣接画素が線分始点画素から順に探索され、
線分始点画素とその探索画素間の直線距離とグラジェン
トベクトルの変化角とがともにそれぞれの閾値を越えた
時に、その探索画素が線分終点画素として検出される。
そして、その線分始点画素と線分終点画素との間を結ぶ
第１線分が決定される。 次に、上記の第１線分の線分終点画素が次の線分の線分
始点画素とされて、同様な処理により次の第２線分が決
定される。このように、稜線画素列から次々に線分が抽
出されて、対象物体の輪郭線は多角形近似される。
以下、図面により本発明の実施例を詳細に説明する。 第１図は、本発明の実施に係る線分抽出方法を説明する
ための図である。同図において、１は画素であり、１０
は濃淡画像のグラジェントの絶対値が極値をとる画素を
抽出して得た稜線画素列であり、通常、対象物の輪郭を
表す。Liは稜線画素列１０の第ｊ番目の線分の追跡開始
点を示す線分始点画素ps(j)から計った探索画素Piまで
の線分の長さであり、ΔＬは線分抽出の判定基準となる
予め設定された線分長閾値である。Gs(j)は稜線画素列
１０の線分始点画素Ps(j)におけるグラジェント角を表
わし、Giは線分始点画素Ps(j)から連ったｉ番目に位置
する探索画素Piにおけるグラジェント角を表す。ΔＧは
グラジェントベクトルの変化角を判定するための変化角
閾値である。又、(Xs,Ys)jは第ｊ番目の線分の線分始点
画素Ps(j)の位置を表す線分始点座標であり、(Xe,Ye)j
は第ｊ番目の線分の線分終点画素Pe(j)の位置を表す線
分終点座標である。 以下に本発明の線分抽出方法を説明する。 第１図において、稜線画素列１０からなる対象物の輪郭
画像を原点Ｏ（Ｘ＝０，Ｙ＝０）から、例えば、ＴＶラ
スタ走査の如く、稜線画素の探索を開始する。このラス
タ走査が稜線画素列１０上のある画素に到達した時、そ
の画素を第１番目の線分の線分始点画素Ps(1)とし、線
分始点座標(Xs,Ys)1及びグラジェント角Gs(1)として記
憶する。そして、ラスタ走査を中止し、例えば、最近接
画素の有無を調べる手法により稜線画素列１０上の画素
の追跡を開始する。 次に、最近接画素が接索画素Piとして決定される度毎
に、線分始点画素Ps(1)から探索画素Piまでの線分長Li
を演算する。そして、その線分長Liと線分長閾値ΔＬと
の間にLi≧ΔＬなる関係を満足し、且つ、線分始点画素
Ps(1)におけるグラジェント角Gs(1)と探索画素Piにおけ
るグラジェント角Giの差の絶対値が変化角閾値ΔＧに対
して、 ｜Gi−Gs(1)｜≧ΔＧなる関係を満足する時、このｉ番
目の探索画素Piを第１番目の線分終点画素Pe(1)とし、
その画素Pe(1)の座標を線分終点座標(Xe,Ye)1とし、こ
の時の線分長Liを抽出線分長L(1)して記憶する。 そして、線分の重複追跡を避けるために、一度探索され
た稜線上の画素には、探索済みの印がされる。 上記のように第１の線分の抽出が完了すると、上記の線
分終点画素Pe(1)は、次の第２の線分を抽出するための
線分始点画素Ps(2)となり、線分終点座標(Xe,Ye)1とグ
ラジェント角Ge(1)は、次の第２の線分の線分始点座標
(Xs,Ys)2とグラジェント角Gs(2)となる。そして、この
新たな線分始点画素Ps(2)を基にして、第２の線分が上
記の第１の線分と同様にして抽出される。 このようにして、第１番目の稜線画素列について、k1個
の線分が抽出される。第１番目の稜線画素列１０上の各
画素に全部探索済みの印が符されると稜線追跡が中止さ
れ、次に第２番目の稜線画素列を見出すべく、稜線画素
列１０の最初の線分始点画素Ps(1)の次の画素から再び
ＴＶラスタ走査が続行される。 このように、ＴＶラスク走査と稜線画素列の追跡とによ
って、順次、最終の第ｍ番目の稜線画素列まで、K1，
K2，…，km個の線分がそれぞれ抽出される。そして、対
象物輪郭画像中の全ての稜線画素に探索済みの印が符さ
れると線分抽出の処理が完了し、対象物の輪郭線が多角
形近似される。 この方法は、線分長閾値ΔＬと変化角閾値ΔＧとを対象
物の形状に応じて自由に設定できるので多角形近似度と
データ圧縮率を最適に制御できる。又、対象物の輪郭は
２値画像の如く必ず閉じている必要はなく、従って対象
物の表面の模様や傷、さらには、一部の輪郭しか見えな
かったり、重畳した対象物の輪郭であっても同様に最適
な折線近似ができる。 第２図は、本発明の実施例に係る装置の構成を示すブロ
ック図である。同図において、１００は濃淡画像のグラ
ジェントベクトルの絶対値が極値となる画素の連なりを
一時記憶するための稜線画素記憶手段であり、１１０は
濃淡画像のグラジェント角を一時記憶するためのグラジ
ェント角記憶手段である。１２０は対象物の輪郭に応じ
た線分長閾値ΔＬとグラジェント角の変化角閾値ΔＧを
設定するための閾値設定手段であり、１３０は抽出した
線分の第３図に示すデータ構造で一時記憶するための線
分データ記憶手段である。１４０は稜線画素列の線分始
点画素Ps(j)から線分の長さを計るための線分長計測手
段であり、又、１５０は対象物の輪郭線を多角形近似す
るための多角形近似手段であり、１６０は線分を記述す
るために必要な情報を抽出するための線分抽出手段であ
る。１７０はＴＶラスタ走査と稜線画素列上の画素の探
索とを交互に繰り返して、線分を追跡する線分追跡手段
である。 以下に、上記構成の線分抽出装置の動作について説明す
る。 第２図において、線分追跡手段１７０は画素アドレスの
原点からＴＶラスタ走査によって稜線画素記憶手段１０
０に記憶されている稜線画素データを信号Ｓ１として入
力し、稜線画素列を検出する。そして、稜線画素列の始
点が検出されると、最近接画素Piが順次探索されていく
が、その探索画素Piのアドレスが信号Ｓ２として線分抽
出手段１６０に出力される。 そして、線分抽出手段１６０では第ｊ番目の線分の線分
始点座標(Xs,Ys)jを抽出すると共に、グラジェント角記
憶手段１１０より多角形近似手段１５０を介して線分始
点画素Ps(j)におけるグラジェント角Gs(j)を信号Ｓ８と
して入力している。 線分追跡手段１７０では、稜線画素列が見つかると、Ｔ
Ｖラスク走査を一時中断し、探索画素のまわりの最近接
画素の有無を調べて稜線画素列の連なりを追跡探索し、
その次の探索画素Piの線分始点画素Ps(j)に対する相対
画素アドレスを信号Ｓ３として線分長計測手段１４０へ
出力している。従って、線分長計測手段１４０は線分始
点画素Ps(j)からそのｉ番目の探索画素Piまでの線分長L
iを計測し、多角形近似手段１５０へ信号Ｓ４として出
力する。 又、多角形近似手段１５０には、ｉ番目の探索画素Piに
おけるグラジェント角Giが信号Ｓ５として記憶手段１１
０から入力している。そして、多角形近似手段１５０
は、新しい最近接画素Piが探索される度毎に、閾値設定
手段１２０によって予め設定された線分長閾値ΔＬを信
号Ｓ６として入力し、グラジェント角の変化角閾値ΔＧ
を信号Ｓ７として入力して、Li≧ΔＬ AND｜Gi−Gs(j)
｜≧ΔＧによって線分始点画素Pe(j)の検出処理を実行
している。上記条件が満足されれば、多角形近似手段１
５０は直ちに線分抽出手段１６０へ第ｊ番めの線分の線
分終点座標(Xe,Ye)jと線分長Ｌ(j)を信号Ｓ８として出
力する。 線分抽出手段１６０は、先に抽出した線分始点座標(Xs,
Ys)jと線分始点画素Ps(j)におけるグラジェント角Gs(j)
と線分終点座標(Xe,Ye)j及び線分長Ｌ(j)とをまとめ
て、第３図に示すように、第ｊ番目の線分の線分データ
(Xs,Ys,Xe,Ye,Gs,L)jを形成し信号Ｓ９として線分デー
タ記憶手段１３０に出力し、その線分データは線分デー
タ記憶手段１３０に記憶される。 ここで、第ｊ番目の線分の線分終点座標(Xe,Ye)jは次の
第ｊ＋１番目の線分の線分始点座標(Xs,Ys)j+1とされ、
又、その画標のグラジェント角Ge(j)が次の線分始点画
素Ps(j+1)のグラジェント角Gs(j+1)とされる。この様に
して、次の第ｊ＋１番目の線分の抽出処理が前述と同様
の手順で実行される。尚、稜線画素記憶手段１００中の
稜線画素は一度アクセスされる度毎に探索済みの印が符
されるので重複探索が防止される。 一つの稜線画素列において追跡探索の処理が完了する
と、線分追跡手段１７０はその追跡を中断し、再び、そ
の稜線画素列の線分始点画素からＴＶラスタ走査がなさ
れ、次の稜線画素列の探索が行われる。 以上、第２図に示す線分抽出装置を詳細に説明したが、
本装置によって抽出される線分データの記憶手段１３０
は、例えば、第３図に示す如く６４ＫＢのＲＡＭで構成
され、各１６ＫＢに分けられた領域２０１，２０２，２
０３，２０４からなる４ページを有し、４画面分の対象
物の輪郭を記載することができる。 又、各ページはポインタ部２１０とリスト部２２０で構
成され、最大２０４８本までの線分データの記憶が可能
である。ポインタ部の最初のアドレスＰＡmax(211)には
使用された最大ポインタの次のアドレスが格納され、２
番目のアドレスＰmax(212)には使用された最大リストの
次のアドレスが格納されており、更に３番目のアドレス
Ｐ１(213)以降からは前記稜線画素列１０の最初の線分
データのアドレスを示すポインタが格納されている。 従って、本発明の線分抽出装置は対象物の輪郭に応じた
最適な多角形近似度とデータ圧縮率が得られる。又、線
分データは、線分照合型の画像処理システムが高速アク
セスし易い様に工夫されたデータ構造となっている。 上記の画像処理装置により、対象物の輪郭を多角形近似
した線分とその線分の端点の出力図を第４図に示す。第
４図（ａ）は、直線閾値ΔＬ＝５ピクセル、変化角閾値
ΔＧ＝０゜での出力図を示し、第４図（ｂ）は直線閾値
ΔＬ＝０ピクセル、変化角閾値ΔＧ＝５゜での出力図を
示し、第４図（ｃ）は直線閾値ΔＬ＝５ピクセル、変化
角閾値ΔＧ＝５゜での出力図を示す。それぞれ、抽出さ
れた線分数は１３０本、１５０本、６０本であった。第
４図（ｃ）において、特徴ある全ての頂点が検出され、
しかもデータ数が最小となり、良好な多角形近似が得ら
れた。
ための図である。同図において、１は画素であり、１０
は濃淡画像のグラジェントの絶対値が極値をとる画素を
抽出して得た稜線画素列であり、通常、対象物の輪郭を
表す。Liは稜線画素列１０の第ｊ番目の線分の追跡開始
点を示す線分始点画素ps(j)から計った探索画素Piまで
の線分の長さであり、ΔＬは線分抽出の判定基準となる
予め設定された線分長閾値である。Gs(j)は稜線画素列
１０の線分始点画素Ps(j)におけるグラジェント角を表
わし、Giは線分始点画素Ps(j)から連ったｉ番目に位置
する探索画素Piにおけるグラジェント角を表す。ΔＧは
グラジェントベクトルの変化角を判定するための変化角
閾値である。又、(Xs,Ys)jは第ｊ番目の線分の線分始点
画素Ps(j)の位置を表す線分始点座標であり、(Xe,Ye)j
は第ｊ番目の線分の線分終点画素Pe(j)の位置を表す線
分終点座標である。 以下に本発明の線分抽出方法を説明する。 第１図において、稜線画素列１０からなる対象物の輪郭
画像を原点Ｏ（Ｘ＝０，Ｙ＝０）から、例えば、ＴＶラ
スタ走査の如く、稜線画素の探索を開始する。このラス
タ走査が稜線画素列１０上のある画素に到達した時、そ
の画素を第１番目の線分の線分始点画素Ps(1)とし、線
分始点座標(Xs,Ys)1及びグラジェント角Gs(1)として記
憶する。そして、ラスタ走査を中止し、例えば、最近接
画素の有無を調べる手法により稜線画素列１０上の画素
の追跡を開始する。 次に、最近接画素が接索画素Piとして決定される度毎
に、線分始点画素Ps(1)から探索画素Piまでの線分長Li
を演算する。そして、その線分長Liと線分長閾値ΔＬと
の間にLi≧ΔＬなる関係を満足し、且つ、線分始点画素
Ps(1)におけるグラジェント角Gs(1)と探索画素Piにおけ
るグラジェント角Giの差の絶対値が変化角閾値ΔＧに対
して、 ｜Gi−Gs(1)｜≧ΔＧなる関係を満足する時、このｉ番
目の探索画素Piを第１番目の線分終点画素Pe(1)とし、
その画素Pe(1)の座標を線分終点座標(Xe,Ye)1とし、こ
の時の線分長Liを抽出線分長L(1)して記憶する。 そして、線分の重複追跡を避けるために、一度探索され
た稜線上の画素には、探索済みの印がされる。 上記のように第１の線分の抽出が完了すると、上記の線
分終点画素Pe(1)は、次の第２の線分を抽出するための
線分始点画素Ps(2)となり、線分終点座標(Xe,Ye)1とグ
ラジェント角Ge(1)は、次の第２の線分の線分始点座標
(Xs,Ys)2とグラジェント角Gs(2)となる。そして、この
新たな線分始点画素Ps(2)を基にして、第２の線分が上
記の第１の線分と同様にして抽出される。 このようにして、第１番目の稜線画素列について、k1個
の線分が抽出される。第１番目の稜線画素列１０上の各
画素に全部探索済みの印が符されると稜線追跡が中止さ
れ、次に第２番目の稜線画素列を見出すべく、稜線画素
列１０の最初の線分始点画素Ps(1)の次の画素から再び
ＴＶラスタ走査が続行される。 このように、ＴＶラスク走査と稜線画素列の追跡とによ
って、順次、最終の第ｍ番目の稜線画素列まで、K1，
K2，…，km個の線分がそれぞれ抽出される。そして、対
象物輪郭画像中の全ての稜線画素に探索済みの印が符さ
れると線分抽出の処理が完了し、対象物の輪郭線が多角
形近似される。 この方法は、線分長閾値ΔＬと変化角閾値ΔＧとを対象
物の形状に応じて自由に設定できるので多角形近似度と
データ圧縮率を最適に制御できる。又、対象物の輪郭は
２値画像の如く必ず閉じている必要はなく、従って対象
物の表面の模様や傷、さらには、一部の輪郭しか見えな
かったり、重畳した対象物の輪郭であっても同様に最適
な折線近似ができる。 第２図は、本発明の実施例に係る装置の構成を示すブロ
ック図である。同図において、１００は濃淡画像のグラ
ジェントベクトルの絶対値が極値となる画素の連なりを
一時記憶するための稜線画素記憶手段であり、１１０は
濃淡画像のグラジェント角を一時記憶するためのグラジ
ェント角記憶手段である。１２０は対象物の輪郭に応じ
た線分長閾値ΔＬとグラジェント角の変化角閾値ΔＧを
設定するための閾値設定手段であり、１３０は抽出した
線分の第３図に示すデータ構造で一時記憶するための線
分データ記憶手段である。１４０は稜線画素列の線分始
点画素Ps(j)から線分の長さを計るための線分長計測手
段であり、又、１５０は対象物の輪郭線を多角形近似す
るための多角形近似手段であり、１６０は線分を記述す
るために必要な情報を抽出するための線分抽出手段であ
る。１７０はＴＶラスタ走査と稜線画素列上の画素の探
索とを交互に繰り返して、線分を追跡する線分追跡手段
である。 以下に、上記構成の線分抽出装置の動作について説明す
る。 第２図において、線分追跡手段１７０は画素アドレスの
原点からＴＶラスタ走査によって稜線画素記憶手段１０
０に記憶されている稜線画素データを信号Ｓ１として入
力し、稜線画素列を検出する。そして、稜線画素列の始
点が検出されると、最近接画素Piが順次探索されていく
が、その探索画素Piのアドレスが信号Ｓ２として線分抽
出手段１６０に出力される。 そして、線分抽出手段１６０では第ｊ番目の線分の線分
始点座標(Xs,Ys)jを抽出すると共に、グラジェント角記
憶手段１１０より多角形近似手段１５０を介して線分始
点画素Ps(j)におけるグラジェント角Gs(j)を信号Ｓ８と
して入力している。 線分追跡手段１７０では、稜線画素列が見つかると、Ｔ
Ｖラスク走査を一時中断し、探索画素のまわりの最近接
画素の有無を調べて稜線画素列の連なりを追跡探索し、
その次の探索画素Piの線分始点画素Ps(j)に対する相対
画素アドレスを信号Ｓ３として線分長計測手段１４０へ
出力している。従って、線分長計測手段１４０は線分始
点画素Ps(j)からそのｉ番目の探索画素Piまでの線分長L
iを計測し、多角形近似手段１５０へ信号Ｓ４として出
力する。 又、多角形近似手段１５０には、ｉ番目の探索画素Piに
おけるグラジェント角Giが信号Ｓ５として記憶手段１１
０から入力している。そして、多角形近似手段１５０
は、新しい最近接画素Piが探索される度毎に、閾値設定
手段１２０によって予め設定された線分長閾値ΔＬを信
号Ｓ６として入力し、グラジェント角の変化角閾値ΔＧ
を信号Ｓ７として入力して、Li≧ΔＬ AND｜Gi−Gs(j)
｜≧ΔＧによって線分始点画素Pe(j)の検出処理を実行
している。上記条件が満足されれば、多角形近似手段１
５０は直ちに線分抽出手段１６０へ第ｊ番めの線分の線
分終点座標(Xe,Ye)jと線分長Ｌ(j)を信号Ｓ８として出
力する。 線分抽出手段１６０は、先に抽出した線分始点座標(Xs,
Ys)jと線分始点画素Ps(j)におけるグラジェント角Gs(j)
と線分終点座標(Xe,Ye)j及び線分長Ｌ(j)とをまとめ
て、第３図に示すように、第ｊ番目の線分の線分データ
(Xs,Ys,Xe,Ye,Gs,L)jを形成し信号Ｓ９として線分デー
タ記憶手段１３０に出力し、その線分データは線分デー
タ記憶手段１３０に記憶される。 ここで、第ｊ番目の線分の線分終点座標(Xe,Ye)jは次の
第ｊ＋１番目の線分の線分始点座標(Xs,Ys)j+1とされ、
又、その画標のグラジェント角Ge(j)が次の線分始点画
素Ps(j+1)のグラジェント角Gs(j+1)とされる。この様に
して、次の第ｊ＋１番目の線分の抽出処理が前述と同様
の手順で実行される。尚、稜線画素記憶手段１００中の
稜線画素は一度アクセスされる度毎に探索済みの印が符
されるので重複探索が防止される。 一つの稜線画素列において追跡探索の処理が完了する
と、線分追跡手段１７０はその追跡を中断し、再び、そ
の稜線画素列の線分始点画素からＴＶラスタ走査がなさ
れ、次の稜線画素列の探索が行われる。 以上、第２図に示す線分抽出装置を詳細に説明したが、
本装置によって抽出される線分データの記憶手段１３０
は、例えば、第３図に示す如く６４ＫＢのＲＡＭで構成
され、各１６ＫＢに分けられた領域２０１，２０２，２
０３，２０４からなる４ページを有し、４画面分の対象
物の輪郭を記載することができる。 又、各ページはポインタ部２１０とリスト部２２０で構
成され、最大２０４８本までの線分データの記憶が可能
である。ポインタ部の最初のアドレスＰＡmax(211)には
使用された最大ポインタの次のアドレスが格納され、２
番目のアドレスＰmax(212)には使用された最大リストの
次のアドレスが格納されており、更に３番目のアドレス
Ｐ１(213)以降からは前記稜線画素列１０の最初の線分
データのアドレスを示すポインタが格納されている。 従って、本発明の線分抽出装置は対象物の輪郭に応じた
最適な多角形近似度とデータ圧縮率が得られる。又、線
分データは、線分照合型の画像処理システムが高速アク
セスし易い様に工夫されたデータ構造となっている。 上記の画像処理装置により、対象物の輪郭を多角形近似
した線分とその線分の端点の出力図を第４図に示す。第
４図（ａ）は、直線閾値ΔＬ＝５ピクセル、変化角閾値
ΔＧ＝０゜での出力図を示し、第４図（ｂ）は直線閾値
ΔＬ＝０ピクセル、変化角閾値ΔＧ＝５゜での出力図を
示し、第４図（ｃ）は直線閾値ΔＬ＝５ピクセル、変化
角閾値ΔＧ＝５゜での出力図を示す。それぞれ、抽出さ
れた線分数は１３０本、１５０本、６０本であった。第
４図（ｃ）において、特徴ある全ての頂点が検出され、
しかもデータ数が最小となり、良好な多角形近似が得ら
れた。
本発明は、稜線画素列上を探索して線分を抽出するの
に、線分始点画素から探索画素に至る直線距離が所定の
直線閾値を越え、かつ、探索画素の線分始点画素からの
グラジェントベクトルの変化角が所定の変化角閾値より
も大きくなった時に、その探索画素を線分終点画素とし
て検出し、線分始点画素と線分終点画素とを結ぶ直線を
多角形近似すべき直線の一部として抽出しているので、
直線閾値を適正に設定することにより輪郭線の曲率の大
きな部分で必要以上に多くの線分が抽出されるのが抑制
され、変化角閾値を適正に設定することにより輪郭線の
特徴点を遺漏なく検出することが可能となる。 従って、データ数を圧縮して、しかも、輪郭線を正確に
多角形近似することが可能となるため、対象物体の高速
かつ正確な認識が可能となる。 又、検出すべき対象物体の形状に応じて、直線閾値及び
変化角閾値を適正に選択することにより、より効率の良
い輪郭線の多角形近似を行うことが可能となる。
に、線分始点画素から探索画素に至る直線距離が所定の
直線閾値を越え、かつ、探索画素の線分始点画素からの
グラジェントベクトルの変化角が所定の変化角閾値より
も大きくなった時に、その探索画素を線分終点画素とし
て検出し、線分始点画素と線分終点画素とを結ぶ直線を
多角形近似すべき直線の一部として抽出しているので、
直線閾値を適正に設定することにより輪郭線の曲率の大
きな部分で必要以上に多くの線分が抽出されるのが抑制
され、変化角閾値を適正に設定することにより輪郭線の
特徴点を遺漏なく検出することが可能となる。 従って、データ数を圧縮して、しかも、輪郭線を正確に
多角形近似することが可能となるため、対象物体の高速
かつ正確な認識が可能となる。 又、検出すべき対象物体の形状に応じて、直線閾値及び
変化角閾値を適正に選択することにより、より効率の良
い輪郭線の多角形近似を行うことが可能となる。
第１図は本発明の具体的な実施例に係る画像処理方法を
示した説明図。第２図は本発明の具体的な実施例に係る
画像処理装置の構成を示したブロック図。第３図は同実
施例装置における線分データ記憶手段の詳細な構成を示
したブロック図。第４図は同実施例装置により抽出され
た線分データにより多角形近似された輪郭形状を示した
同装置の出力図。第５図は従来方法による輪郭線のグラ
ジェント角とその微分値を示した特性図。第６図は従来
方法による多角形近似の欠点を示した説明図である。 １……画素、１０……稜線画素列、１００……稜線画素
記憶手段、１１０……グラジェント角記憶手段、１２０
……閾値設定手段、１３０……線分データ記憶手段、１
４０……線分長計測手段、１５０……多角形近似手段、
１６０……線分抽出手段、１７０……線分追跡手段
示した説明図。第２図は本発明の具体的な実施例に係る
画像処理装置の構成を示したブロック図。第３図は同実
施例装置における線分データ記憶手段の詳細な構成を示
したブロック図。第４図は同実施例装置により抽出され
た線分データにより多角形近似された輪郭形状を示した
同装置の出力図。第５図は従来方法による輪郭線のグラ
ジェント角とその微分値を示した特性図。第６図は従来
方法による多角形近似の欠点を示した説明図である。 １……画素、１０……稜線画素列、１００……稜線画素
記憶手段、１１０……グラジェント角記憶手段、１２０
……閾値設定手段、１３０……線分データ記憶手段、１
４０……線分長計測手段、１５０……多角形近似手段、
１６０……線分抽出手段、１７０……線分追跡手段
フロントページの続き (72)発明者 中野 冠 愛知県愛知郡長久手町大字長湫字横道41番 地の１ 株式会社豊田中央研究所内 (72)発明者 加藤 敏夫 愛知県刈谷市昭和町１丁目１番地 日本電 装株式会社内 (72)発明者 伊東 義明 愛知県刈谷市昭和町１丁目１番地 日本電 装株式会社内 (56)参考文献 特開 昭60−75977（ＪＰ，Ａ)
Claims (3)
- 【請求項１】ディジタル化された濃淡画像のグラジェン
トベクトルの大きさの分布において、極値を連ねた稜線
画素列を抽出し、該稜線画素列を連続した直線群で多角
形近似する画像処理方法において、 抽出された前記稜線画素列の一端を線分始点画素とし、 該線分始点画素から前記稜線画素列上の隣接する画素を
順次探索し、 順次探索されたその探索画素と前記線分始点画素との間
の直線距離を演算し、 前記探索画素と前記線分始点画素との間のグラジェント
ベクトルの変化角を演算し、 前記直線距離と前記変化角とがそれぞれの所定の閾値を
ともに越える探索画素を線分終点画素として検出し、 前記線分始点画素と前記線分終点画素とを両端とする線
分を抽出し、 前記線分終点画素を次の線分を抽出するための線分始点
画素として、前記稜線画素列上の隣接画素を終端画素ま
で探索して順次線分を抽出することにより前記稜線画素
列を抽出された直線群で多角形近似することを特徴とす
る画像処理方法。 - 【請求項２】前記それぞれの所定の閾値は、認識される
対象物体の形状に応じて可変的に設定されることを特徴
とする特許請求の範囲第１項記載の画像処理方法。 - 【請求項３】ディジタル化された濃淡画像のグラジェン
トベクトルの大きさの分布において、極値をとる画素を
抽出して成る稜線画素データを記憶する稜線画素記憶手
段と、 前記濃淡画像のグラジェントベクトルの方位を示すグラ
ジェント角データを記憶するグラジェント角記憶手段
と、 前記稜線画素記憶手段から稜線画素データを入力して、
稜線画素列の一端を線分始点画素として、その画素から
前記稜線画素列上の隣接する画素を順次探索する線分追
跡手段と、 順次探索されたその探索画素と前記線分始点画素との間
の直線距離を計測する線分長計測手段と、 前記直線距離の判定の基準となる直線閾値とグラジェン
トベクトルの変化角の判定の基準となる変化角閾値を設
定する閾値設定手段と、 前記線分長計測手段により計測された前記直線距離と前
記閾値設定手段に設定されている前記直線閾値とを比較
し前記直線距離が前記直線閾値を越える場合には、前記
グラジェント角記憶手段からグラジェント角データを入
力して、前記探索画素と前記線分始点画素との間のグラ
ジェントベクトルの変化角を演算し、その変化角と前記
閾値設定手段に設定されている変化角閾値とを比較し前
記変化角が前記変化角閾値を越える時には、前記探索画
素を線分終点画素として検出する多角形近似手段と、 前記線分始点画素と前記線分終点画素の画素アドレス、
直線距離及び、線分始点画素のグラジェント角等のデー
タを出力する線分抽出手段と、 前記線分抽出手段の出力データを記憶する線分データ記
憶手段と を備えたことを特徴とする画像処理装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62294651A JPH0624025B2 (ja) | 1987-11-19 | 1987-11-19 | 画像処理方法及びその装置 |
| US07/266,903 US4982342A (en) | 1987-11-05 | 1988-11-03 | Image processor system having multifunction look-up table units |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62294651A JPH0624025B2 (ja) | 1987-11-19 | 1987-11-19 | 画像処理方法及びその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH01134578A JPH01134578A (ja) | 1989-05-26 |
| JPH0624025B2 true JPH0624025B2 (ja) | 1994-03-30 |
Family
ID=17810526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62294651A Expired - Fee Related JPH0624025B2 (ja) | 1987-11-05 | 1987-11-19 | 画像処理方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0624025B2 (ja) |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6075977A (ja) * | 1983-10-03 | 1985-04-30 | Photo Composing Mach Mfg Co Ltd | 文字画像デ−タの処理方法 |
-
1987
- 1987-11-19 JP JP62294651A patent/JPH0624025B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH01134578A (ja) | 1989-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107610176B (zh) | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 | |
| Doermann et al. | Applying algebraic and differential invariants for logo recognition | |
| JP3242108B2 (ja) | ターゲットマークの認識・追跡システム及び方法 | |
| US5930380A (en) | Method and apparatus for verifying static signatures using dynamic information | |
| CN113031005A (zh) | 基于激光雷达的吊车动态障碍物识别方法 | |
| CN112085804B (zh) | 一种基于神经网络的物体位姿识别方法 | |
| CN110472651B (zh) | 一种基于边缘点局部特征值的目标匹配与定位方法 | |
| JP3252941B2 (ja) | 画像切り出し認識装置 | |
| JPH0624025B2 (ja) | 画像処理方法及びその装置 | |
| JPH1166321A (ja) | ワーク位置検出方法 | |
| CN114742749A (zh) | 基于图像处理的pvc薄膜质量检测方法 | |
| Zhang et al. | Real-time Lane Detection Method Based On Region Of Interest | |
| Abbasi et al. | Robustness of shape similarity retrieval under affine transformation | |
| CN112200107A (zh) | 一种发票文本检测方法 | |
| CN114943752B (zh) | 一种基于曲率特征描述的自适应轮廓模板识别配准方法 | |
| Junjuan et al. | An efficient algorithm for skew-correction of document image based on cyclostyle matching | |
| CN116863176B (zh) | 一种数字智能制造用图像模板匹配方法 | |
| Jiang et al. | COFH—An improved feature descriptor for RGB information based on OVFH | |
| Li et al. | Automobile Connectors Recognition Algorithm Based on Improved Hu Invariant Moments | |
| CN112907453B (zh) | 一种笔记本内结构图像矫正方法 | |
| Wang et al. | On research of video stream detection algorithm for ship waterline | |
| Zheng et al. | Generic Edge Tokens: Representation, Segmentation and Grouping | |
| CN114842516B (zh) | 一种非接触式3d指纹识别方法 | |
| JP2635582B2 (ja) | パターン認識方式 | |
| Chang et al. | Efficient measurement procedures for compound part profile by computer vision |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |