TW201433985A - 自動描繪物件邊緣走向之方法 - Google Patents

自動描繪物件邊緣走向之方法 Download PDF

Info

Publication number
TW201433985A
TW201433985A TW102106820A TW102106820A TW201433985A TW 201433985 A TW201433985 A TW 201433985A TW 102106820 A TW102106820 A TW 102106820A TW 102106820 A TW102106820 A TW 102106820A TW 201433985 A TW201433985 A TW 201433985A
Authority
TW
Taiwan
Prior art keywords
angle
edge
significant
region
value
Prior art date
Application number
TW102106820A
Other languages
English (en)
Other versions
TWI512640B (zh
Inventor
Chun-Shun Tseng
Jung-Hua Wang
Shan-Chun Tsai
Chang-Te Lin
Chiao-Wei Lin
Yi-Hua Wang
Original Assignee
Icp Electronics Inc
Armorlink Sh Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Icp Electronics Inc, Armorlink Sh Corp filed Critical Icp Electronics Inc
Publication of TW201433985A publication Critical patent/TW201433985A/zh
Application granted granted Critical
Publication of TWI512640B publication Critical patent/TWI512640B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本發明提出一種於輸入影像中自動描繪邊緣走向之方法，其係以區域探測方式進行走向的追蹤，對一區域內的畫素擷取角度並進行統計，而獲得一顯著角度，其特徵係在可能的行進方向上先一步探測(probe-ahead)一參考角度，該參考角度用於調整前述顯著角度以即時修正行進方向。當一物件輪廓擁有足夠的連續性時(例如：條碼邊界、車道線等)，即便該些輪廓因為影像處理技術(譬如：邊緣偵測、高通濾波等)造成破碎的線段，甚至輸入影像包含雜訊干擾、複雜背景、光影變化等本發明方法仍可自動描繪其邊緣輪廓走向而不需要人為輔助設定可能的路徑。

Description

自動描繪物件邊緣走向之方法
本發明係關於一種影像處理技術之方法，特別是一種有關於自動描繪(追蹤)邊緣走向之方法。
描繪邊緣走向之方法被認為是一種很重要的影像前置處理，其原因是由於物件邊緣之描繪越趨完整，物件具備之特徵像是大小、形狀或是數量等將能越精確地被紀錄，該些紀錄亦可使後續影像處理的工作更簡單、快速地被執行。後續影像處理的工作係指須利用邊緣偵測的結果作延伸處理之技術，如：場景解析(scene analysis)、圖形辨識(pattern recognition)等技術，而這些技術在實際應用時，如果想使用較少的硬體資源或計算效能就達到較佳的影像處理成效，則該輸入影像的邊緣偵測結果勢必需具備更高的可利用度。然而，眾多影像處理程序若沒有使用描繪邊緣走向之方法，僅利用邊緣偵測所獲得的結果作為後續影像處理的輸入，則後續影像處理的輸出結果很有可能是不如預期的，因為現存的邊緣偵測方法多僅保留非連續、具代表性的邊緣線段，但該些邊緣線段彼此之間的對應關係並未保留，例如兩線段屬於同一個物件輪廓的不連續邊緣，並不會在進行邊緣偵測時一同獲知，進而造成無法建立該物件完整的輪廓。為了使複數個邊緣線段在不相連的情況下得以建立連續性，並藉由該些邊緣線段建立之連續性產生可能的物件輪廓，本發明提出一描繪邊緣走向之方法。
傳統用於描繪邊緣走向之方法如下，首先從一輸入影像中選取一起始點，該起始點為對應邊緣上的任一像素點，偵測該起始點周遭範圍內的邊緣像素點，取一座標位置最相近且非同一邊緣上之像素點，將包含該最相近邊緣點的邊緣視為是必須被描繪的邊緣走向。然而，該選取最相近邊緣點作為描繪邊緣走向之方法有其缺點，即是當該輸入影像背景較複雜、有雜訊干擾、光影變化等情況下易造成物件邊緣/輪廓描繪方向的 偏差或是描繪錯誤等情形發生，如圖7所示，在散亂邊緣中如果使用最相近邊緣點之方法，則會將灰色矩形框內的邊緣視為是須被描繪的邊緣走向。換句話說，該選取最相近邊緣點之方法的強健性不足，易因為輸入影像的些許差異(例如：光源)，使得描繪結果無法貼合邊緣走向，甚至是將非同一輪廓的邊緣描繪成同一邊緣走向。
相關專利前案如日本公開專利JP2001-319239號，提出一追蹤人物輪廓之方法，該方法首先假設一目標像素，該目標像素位於邊緣上且前方有一區間作為擷取邊緣強度之範圍，當該區間內的邊緣強度高於一設定閥值，則取該區間內最大邊緣強度值之座標作為下一目標像素的座標位置。但是該追蹤人物輪廓之方法僅利用邊緣強度值作為下一目標像素座標位置的判斷依據，而當一輸入影像背景較複雜(譬如：背景為樹林、草叢等)或是雜訊干擾嚴重等情況下，下一目標像素之座標位置易產生錯誤。
有鑑於此，本發明係針對上述習知技術之缺失，提出一種於輸入影像中自動描繪邊緣走向之方法，以有效克服上述之該等問題。
本發明之主要目的在提出一種於輸入影像中自動描繪邊緣走向之方法，其先藉由包含一起始點之第一區域(追蹤區域)統計篩選一第一顯著角度，並將其視為可能的邊緣走向，後續沿著該邊緣走向在距離起始點一定距離處設置一第二區域(探測區域)，該第二區域是為了先一步探測該可能的邊緣走向上之邊緣角度值分佈，並依據該些邊緣角度值統計篩選出一第二顯著角度，並將該第二顯著角度作為該第一區域估測實際邊緣走向的依據。值得注意的是，該統計篩選出顯著角度的步驟可以為直方圖統計取最大mode(bin)、取中位數、取平均數等方式實現，故該統計篩選步驟主要技術思想在於利用角度/方向資訊做為描繪邊緣走向之依據，並非強調如何計算該些角度/方向資訊，故該些統計篩選的方式(不限定發明內容內所提及)皆為可利用來取得角度/方向資訊的工具。另一方面，該些區域為包含一定面積之二維平面空間，下列僅舉幾種常見之結構：圓形、橢圓形、三角形、方形、扇形、梯形、多邊形等，甚至是一線段皆包含於此。該些區域亦可為一定體積之三維立體空間，列舉如下：柱體、錐體等。
該描繪邊緣走向之方法詳細步驟如下：(a)輸入一影像；(b)執行擷取複數個邊緣座標值、角度值；(c)在該些邊緣座標值中選取一起始點；(d)在該影像上定義一區域範圍為第一區域，該第一區域包含該起始點；(e)將對應該第一區域內的複數個角度值進行統計以獲得一主要角度值，後續以該主要角度值決定一第一角度篩選範圍，並以該第一角度篩選範圍對該第一區域進行角度篩選，以獲得一第一顯著角度(significant angular value)以及一第一指標；(f)根據步驟(e)獲得之該第一顯著角度在該影像上決定一探測點，接著定義一第二區域包含該探測點，並根據該第一顯著角度決定一第二角度篩選範圍，且該第二角度篩選範圍比該第一角度篩選範圍大，後續根據該第二角度篩選範圍對該第二區域進行角度篩選，以獲得一第二顯著角度以及一第二指標；(g)使用該第二顯著角度更新該第一角度篩選範圍，並對該第一區域進行角度篩選以更新該第一顯著角度；(h)根據步驟(g)獲得之該第一顯著角度決定一新起始點，且步驟(d)中之該起始點被該新起始點所取代；(i)重複執行步驟(d)至(h)直到該第一指標或該第二指標低於一閥值時則停止執行步驟；本發明能藉上述步驟，在不連續邊緣或物件輪廓破碎的情況下，偵測並描繪出其應有的邊緣走向，其中步驟(a)該輸入影像泛指以向量形式輸入的資訊，包含光學影像、與非光學影像，該光學影像例如：車道、條碼、破碎的物件輪廓等，該非光學影像則包含以下列方式獲得之影像：核磁共振(MRI)、超音波(ultrasound)、電腦斷層掃描(CT)等。
本發明之另一目的在提供一種可讀取儲存媒體，用以儲存機器可執行之程式，該程式用以實現本發明之方法。該可讀取儲存媒體如眾所皆知的硬碟、記憶體等。
本發明之再一目的在提供一種電子機器，該電子機器包 含：一讀取影像之裝置、本發明另一目的之可讀取儲存媒體、一運算裝置等。
本發明之關鍵技術思想有三，其一係利用一第二區域先一步於一第一區域探測邊緣走向並擷取第二區域內的角度值，且將該第二區域擷取之該些角度值經角度篩選獲得之第二顯著角度作為參考角度，將該參考角度作為更新第一顯著角度的依據。兩區域間搭配的整體概念就如同軍隊行軍，該第二區域(探測區域)就像是軍隊裡的偵查兵，其負責先一步收集資訊並回報給後方的軍隊，供指揮官判斷是否需要修正隊伍行進的方向。使用一探測區域先行探測並將資訊回傳的好處為，可以增強本發明方法描繪邊緣走向的可靠度，假使不使用一第二區域先一步擷取角度值以更新該第一顯著角度，則當遇到邊緣彎曲幅度較大時，該第一區域內所包含之角度值無法準確地描繪出該邊緣彎曲的幅度，此時經角度篩選後之該第一顯著角度和該邊緣的實際走向之間會有誤差，如不即時修正則誤差累計會越來越大，致無法精確描繪出該邊緣。如同前述軍隊行軍的例子，如果沒有偵查兵先行探測，便無法即時得知敵軍的行蹤，亦無法針對敵軍的變動即時調整應對戰術及準確掌握其位置。本發明之方法係利用角度值而非習知(如日本公開專利編號第2001-319239號)技術所利用之邊緣強度值，但是如果判斷邊緣走向的資訊是依據邊緣強度值，則很可能因某一雜亂邊緣所包含之座標點邊緣強度較強而使得邊緣走向偏離主要邊緣方向。即使邊緣雜亂分布於區域內，本發明還是能將該區域內的複數個角度值進行角度篩選以找出主要邊緣之走向(如第7圖內的黑色星號所標示)，換句話說，本發明的方法具有符合人類視覺感受到的邊緣走向的能力。
本發明另一關鍵技術思想係設定兩角度篩選範圍，且第二角度篩選範圍比第一角度篩選範圍大。角度篩選範圍的主要功能是可以濾除部份雜訊的干擾，減少非主要邊緣之角度被納入計算，該主要邊緣是指欲描繪的邊緣。之所以設定該第二角度篩選範圍大於該第一角度篩選範圍是基於考量該第二角度篩選範圍係用來偵測並擷取可能為邊緣走向(likely orientation)的參考角度，如果角度篩選範圍限縮得太小，將會導致過多邊緣角度值的遺漏而喪失其參考的價值。而該第一角度篩選範圍被設定的比較小，是考量在獲得可能為邊緣走向的參考角度後，將篩選範圍縮小， 可快速地、精準地從中篩選出一角度值。換句話說，以前述軍隊行軍為例，當已知敵軍大約位於六到八點鐘方向，則會藉由此情報搭配現今所在地的狀況，以該六到八點鐘方向為主來調整行軍方向，而非繼續盲目(更大的角度篩選範圍)地行軍。
本發明再一關鍵技術思想係以向量空間作為公式推導說明，因此在維度擴充上較為便利，並不只侷限在二維空間平面，以起始點座標為例說明：在二維空間表示為(ix 1 ,ix 2 )，在三維空間表示為(ix 1 ,ix 2 ,ix 3 )。以圖例模擬兩區域在二維平面空間與三維立體空間的可能情況，若輸入影像為二維平面影像，如第4圖所示，42為邊緣線，40與41分別為第二區域與第一區域示意圖。若輸入影像為三維立體影像，如第3圖所示，32為邊緣線，30與31分別為第二區域與第一區域示意圖。以上範例展示本發明在維度擴充時之可行性，本發明不被限制於該範例提及的二維與三維兩種情況。
10‧‧‧車道線
11‧‧‧輸入影像之干擾物
12‧‧‧邊緣偵測留下之邊緣
20‧‧‧二維條碼圖樣
21‧‧‧邊緣偵測留下之邊緣
30‧‧‧第一區域
31‧‧‧第二區域
32‧‧‧邊緣線
40‧‧‧第二區域
41‧‧‧第一區域
42‧‧‧邊緣線
80‧‧‧複數個角度值
81‧‧‧每一個角度值所對應之位置
82‧‧‧中間元素
83‧‧‧位置區間設定為±1所包含之複數個位置
S1‧‧‧自動描繪物件邊緣走向之方法步驟1
S2‧‧‧自動描繪物件邊緣走向之方法步驟2
S3‧‧‧自動描繪物件邊緣走向之方法步驟3
S4‧‧‧自動描繪物件邊緣走向之方法步驟4
S5‧‧‧自動描繪物件邊緣走向之方法步驟5
S6‧‧‧自動描繪物件邊緣走向之方法步驟6
第1A圖為含有車道之影像。
第1B圖為第1A圖經邊緣偵測後獲得之角度分佈圖。
第1C圖為第1A圖之邊緣偵測結果。
第1D圖為第1A圖經描繪邊緣走向之方法獲得的結果。
第2A圖為含有QR code之二維條碼的影像。
第2B圖為第2A圖經邊緣偵測後獲得之角度分佈圖。
第2C圖為第2A圖之邊緣偵測結果。
第2D圖為第2A圖對應第一角度方向之邊緣偵測結果。
第2E圖為第2A圖對應第二角度方向之邊緣偵測結果。
第2F圖為S集合元素所對應之角度值的直方圖統計結果。
第2G圖為第2A圖經邊緣偵測後獲得之第一角度方向直方圖統計結果。
第2H圖為第2A圖經邊緣偵測後獲得之第二角度方向直方圖統計結果。
第2I圖為第2A圖經描繪邊緣走向之方法獲得之第一角度方向結果。
第2J圖為第2A圖經描繪邊緣走向之方法獲得之第二角度方向結果。
第3圖為在三維度空間兩區域之關係示意圖。
第4圖為在二維度空間兩區域之關係示意圖。
第5圖為區域內角度分布示意圖。
第6圖為本發明之方法架構流程圖。
第7圖為在雜亂的邊緣中使用描繪邊緣走向之方法獲得的結果。
第8圖為取中位數方式的說明範例。
本發明提出一種於一輸入影像中自動描繪邊緣走向之方法架構，第6圖為本發明自動描繪邊緣走向之方法流程圖。
實施例一
第1A圖為含有車道之輸入影像，若影像為彩色時，可先將該彩色影像轉換為一灰階影像。第1B圖與第1C圖分別為第1A圖經步驟S2處理後所獲得之一角度分布圖(各角度值係以不同灰階值表現)與一邊緣偵測結果(其白點群為邊緣所在位置)。該S2步驟是藉由一邊緣偵測方法，擷取該影像之邊緣座標值、角度值，該邊緣偵測方法泛指可以獲得梯度方向(gradient)資訊的方法，例如：Sobel、Prewitt、Roberts、Laplacian等習知邊緣偵測方法。
在此邊緣偵測方法以Sobel為例，其獲得複數個角度值θ、邊緣強度值G的公式如下：
G h =SB*I,G v =SB T *I, 公式二
θ(x 1,x 2)=arctan(G h (x 1,x 2)/G v (x 1,x 2)) 公式四
該邊緣偵測結果(第1C圖)是對該邊緣強度G取一閥值(threshold)而獲得。其中該閥值可為一使用者設定之常數值或是隨輸入影像而改變之閥值，在此設定為輸入影像內所有G值加總取平均值，獲得之平均值乘上一數值(例如：3、4等)。如第1C圖所示，經該邊緣偵測保留的該些邊緣點之座標群(圖內顯示為白色之像素點)視為是一S集合內的元素。
從步驟S2獲得該S集合後，接續執行步驟S3在該S集合中選取起始點。此步驟S3首先選取一起始點(ix 1 ,ix 2 )，該起始點選取的方式可以為下列之一：(1)經邊緣偵測後可得每一像素點之邊緣強度值G，將G值排序，依序從最強至最弱選取一G值作為起始點，且同一起始點不重複選取；(2)隨機選取任一不重複之座標點為起始點，該座標點包含於該S集合內；(3)使用者從輸入影像中手動選取任一座標點為起始點。此實施例以手動選取起始點為例。
步驟S4以該起始點(ix 1 ,ix 2 )為圓心，半徑為r劃分出一圓形區域，並將此圓形區域定義為第一區域(追蹤圓)，接著定義θ c 為該第一區域內包含該S集合之座標位置所對應之角度值，並將θ c 進行直方圖統計取最大mode的角度值為一主要角度值id，後續以該主要角度值id決定一第一角度篩選範圍。決定該第一角度篩選範圍方式為id±ra 1(ra 1 為一可變參數，例如：10)，並以該第一角度篩選範圍對該第一區域進行角度篩選，以獲得一第一顯著角度以及一第一指標。需特別強調的是，在此為明確說明步驟S4之實施方式，故以圓形區域作為具一定面積區域的範例說明，並非限制可實施本發明之面積區域的形狀。
其中該角度篩選方式可以為下列之一：(1)取平均值；(2)取中位數；(3)直方圖統計取最大mode等方式。上述各種角度篩選方式其詳細作法分別敘述如下：首先定義Ds為滿足公式五之所有θ值
rs,rb：角度篩選範圍
θ：角度值
tx 1 ,tx 2 ：圓心座標
r：圓形區域半徑
x 1 ,x 2 ：邊緣點之座標
S：邊緣點之座標集合
公式五中rb=id+ra，rs=id-ra。
(1)取平均值，將D s 內所有元素加總除D s 元素總數量；(2)取中位數，分兩種方式：(i)將D s 內所有元素排序，如果D s 內包含奇數個元素則取其排序後位於中間元素之角度值，如果D s 內包含偶數個元素則取其排序後中間兩元素前者的角度值。(ii)藉由(i)獲得之中間元素的位置設定一位置區間，譬如：以中間元素的位置±d(d為一可變參數)來選取對應的複數個元素，該位置區間須小於D s 內所有元素數量；後續將該複數個元素所對應之複數個角度值加總取平均值，(如第8圖所示，81內的每一個數字表示為一個位置，80內的數字表示經排序後的角度值，80與81是相互對應的關係，即是說80中每一個角度值會對應81中的一個位置，例如以中間元素17.2所對應的位置4為依據±1則取位置3至位置5區間內的角度值，即16.9、17.2、17.3，將取出的三個角度值加總取平均值可得17.1)；該排序的方法，可以是由角度值小的排序至角度值大的，亦可以是由角度值大的排序至角度值小的；(3)直方圖統計取最大mode，是將D s 內所有元素以量化區間個別統計，選取包含元素數量最多之量化區間，並平均該量化區間內所有元素對應之角度值作為最後的角度輸出，如公式六到公式八。
公式六中，q值為量化區間的寬度並會依據D s 而變動，而D s 的最大值與最小值會根據公式五而變動，bin則為量化區間的數量(bin為一可變參數，例如：8、10等)。
經公式七計算，可區分出D s 集合內對應於第j個量化區間的單個元素或複數個元素集合為N(j)，接續定義n(j)為N(j)的元素數量，進而定義N(j)中具有最多元素數量者為N(i)，及元素數量最少者為N(k)，接續 利用公式八即可獲得第一顯著角度sa 1 。
sa 1 ：第一顯著角度
sa 2 ：第二顯著角度
獲得該第一顯著角度sa 1 之後，接續執行步驟S5判斷一第一指標是否低於一閥值，該閥值可為一使用者設定之常數值，而該第一指標之計算方式可以為下列之一：(1)直方圖統計角度值數量並取最高mode的數量n(i)與最低mode的數量n(k)之差值除以最高mode的數量n(i)(公式九)；(2)直方圖統計角度值數量並取最高mode的數量n(i)除以D s 集合內包含之元素總數量(公式十)。
|D s |：D s 集合內之元素數量
當D s 集合為第一區域內之邊緣座標所對應之角度值時，則經角度篩選獲得之sa 1 為第一顯著角度。當D s 集合為第二區域內之邊緣座標所對應之角度值時，則經角度篩選獲得之sa 2 為第二顯著角度。
tx 1=ix 1+cos(id)×md 公式十一
tx 2=ix 2+sin(id)×md 公式十二
md：為設定之參數
經公式五到公式八計算出第一顯著角度sa 1 後，利用公式十一與公式十二換算第二區域(探測圓)的圓心座標(tx 1 ,tx 2 )，定義該圓心座標為探測點，並以該探測點為中心，半徑為r劃分出一圓形區域為第二區域，以該第一顯著角度sa 1 為依據決定一第二角度篩選範圍sa 1±ra 2(ra 2 需比ra 1 大)， 藉由公式五到公式八可統計在該第二區域內的第二顯著角度sa 2 ，獲得sa 2 後，接續執行步驟S5判斷一第二指標是否低於閥值，利用公式九或公式十可計算出該第二指標。該閥值可為一使用者設定之常數值。
以該第二顯著角度sa 2 值更新該第一角度篩選範圍為sa 2±ra 1，再以更新過後的第一角度篩選範圍在該第一區域進行角度篩選，以獲得一更新之第一顯著角度sa 1 ，換句話說，以起始點為圓心，sa 2 為參考角度，藉由公式五到公式八重新計算第一顯著角度sa 1 ，可得一更新的sa 1 值，將該更新的sa 1 取代公式十一與公式十二中的id得出修正後的圓心座標(tx 1 ,tx 2 )。在獲得一個新的起始點(即是該修正後的圓心座標)之後，將重複執行步驟S4至S5以獲得下一個新起始點，或是達到停止條件而不再繼續自動描繪邊緣走向，該停止條件為第一指標或第二指標其中一者低於閥值(例如：0.6、0.3)。其描繪邊緣走向之結果如第1D圖複數個黑色星號所示。
實施例二
第2A圖為含有QR code二維條碼之輸入影像，若影像為彩色時，可先將該彩色影像轉換為一灰階影像。第2B圖與第2C圖分別為第2A圖經步驟S2處理後所獲得之一角度分佈圖(各角度值係以不同灰階值表現)與一邊緣偵測結果(其白點群為邊緣所在位置)。該S2步驟是藉由一邊緣偵測方法，擷取該影像之邊緣座標值、角度值，該邊緣偵測方法泛指可以獲得梯度方向資訊的方法，例如：Sobel、Prewitt、Roberts、Laplacian等習知邊緣偵測方法。
在此邊緣偵測方法以Sobel為例，利用公式一至公式四可獲得複數個角度值θ、邊緣強度值G。
該邊緣偵測結果(第2C圖)是對該邊緣強度G取一閥值而獲得。其中該閥值可為一使用者設定之常數值或是隨輸入影像而改變之閥值，在此設定閥值為輸入影像內所有G值加總取平均值後乘上一數值(例如：7、8等)。如第2C圖所示，經該邊緣偵測保留的該些邊緣點之座標群(圖內顯示為白色之像素點)在此被定義為一S集合內的元素。
由於二維條碼本身條空分布具雙方向的特性，表示經Sobel後所獲得之角度值會傾向於集中在某兩個角度，因此使用一直方圖統計該S集合內座標點所對應之角度值θ，如第2F圖所示，並取其統計最大(或謂 最高)mode值定義為第一角度方向，再以第一角度方向為中心取一角度範圍(如：±d_a，d_a為一可變參數)，該範圍是取角度值的範圍，如第2G圖所示。刪除該選取角度範圍內所包含之複數個角度值，統計剩餘之角度值並取最大mode即為第二角度方向，如圖2H所示。需注意的是該第一角度方向不限於本實例之方向。經Sobel過後可獲得G h 與G v (公式二)，分別如第2D圖及第2E圖所示。包含於G h 之邊緣座標視為是S 1 之座標集合內的元素，包含於G v 之邊緣座標視為是S 2 集合之元素，接續重新定義S集合為包含於S 1 之元素。
從步驟S2獲得該S集合後，接續執行步驟S3在該S集合中選取起始點。此步驟S3首先選取一起始點(ix 1 ,ix 2 )，該起始點選取的方式可以為下列之一：(1)經邊緣偵測後可得每一像素點之邊緣強度值G，將G值排序，依序從最強至最弱選取一G值作為起始點，且同一起始點不重複選取；(2)隨機選取任一不重複之座標點為起始點，該座標點包含於該S集合內；(3)使用者手動選取任一座標點為起始點。
步驟S4以該起始點(ix 1 ,ix 2 )為圓心，半徑為r劃分出一圓形區域，並將此圓形區域定義為一第一區域(追蹤圓)，接續定義第一角度方向為id，並以該第一角度方向id決定一第一角度篩選範圍。決定該第一角度範圍方式為id±ra 1(ra 1 為一可變參數，例如：10)，並以該第一角度篩選範圍對該第一區域進行角度篩選，以獲得一第一顯著角度以及一第一指標。需特別強調的是，在此為明確說明步驟S4之實施方式，故以圓形區域作為具一定面積區域的範例說明，並非限制可實施本發明之面積區域的形狀。
其中該角度篩選方式可以為下列之一：(1)取平均值；(2)取中位數；(3)直方圖統計取最高mode等方式。上述各種角度篩選方式其細部作法分別敘述如下：首先定義D s 為滿足公式五之所有θ值，且公式五中rb=id+ra，rs=id-ra。
(1)取平均值，將D s 內所有元素加總除D s 元素總數量；(2)取中位數，分兩種方式：(i)將D s 內所有元素排序，如果D s 內包含奇數個元素則取其排序後位於中間元素之角度值，如果D s 內包含偶數個元素則取其排序後中間兩元素前者的角度值。(ii)藉由(i)獲得之中間 元素的位置設定一位置區間，譬如：以中間元素的位置±d(d為一可變參數)來選取對應的複數個元素，該位置區間須小於D s 內所有元素數量；將該複數個元素所對應之複數個角度值加總取平均值，(如第8圖所示，81內的每一個數字表示為一個位置，80內的數字表示經排序後的角度值，80與81是相互對應的關係，即是說80中每一個角度值會對應81中的一個位置，例如以中間元素17.2所對應的位置4為依據±1則取位置3至位置5區間內的角度值，即16.9、17.2、17.3，將取出的三個角度值加總取平均值可得17.1)；該排序的方法，可以是由角度值小的排序至角度值大的，亦可以是由角度值大的排序至角度值小的；(3)直方圖統計取最高mode，是將D s 內所有元素以量化區間個別統計，並選取包含元素數量最多之量化區間，並平均該量化區間內所有元素對應之角度值作為最後的角度輸出，如公式六到公式八。
公式六中，q值為量化區間的寬度並會依據D s 而變動，而D s 的最大值與最小值會根據公式五而變動，bin則為量化區間的數量(bin為一可變參數，例如：8、10等)。
經公式七計算，可區分出D s 集合內對應於第j個量化區間的單個元素或複數個元素集合為N(j)，接續定義n(j)為N(j)的元素數量，進而定義N(j)中具有最多元素數量者為N(i)，及元素數量最少者為N(k)，接續利用公式八即可獲得第一顯著角度sa 1 。
獲得該第一顯著角度sa 1 之後，接續步驟S5判斷一第一指標是否低於閥值，該閥值可為一使用者設定之常數值，而該第一指標p_r之計算方式可以為下列之一：(1)直方圖統計角度值數量並取最高mode的數量n(i)與最低mode的數量n(k)之差值除以最高mode的數量n(i)(公式九)；(2)直方圖統計角度值數量並取最高mode的數量n(i)除以D s 集合內包含之元素總數量(公式十)。
當D s 集合為第一區域內之邊緣座標所對應之角度值時，則經角度篩選獲得之sa 1 為第一顯著角度。當D s 集合為第二區域內之邊緣座標所對應之角度值時，則經角度篩選獲得之sa 2 為第二顯著角度。
經公式五到公式八計算出第一顯著角度sa 1 後，利用公式十一與公式十二換算第二區域(探測圓)的圓心座標(tx 1 ,tx 2 )，定義該圓心座標為 探測點，同理以探測點為中心，半徑為r劃分出一圓形區域為第二區域，以該第一顯著角度sa 1 為依據決定一第二角度篩選範圍sa 1±ra 2(ra 2 需比ra 1 大)，藉由公式五到公式八可統計在該第二區域內的第二顯著角度sa 2 ，獲得sa 2 後，接續步驟S5判斷一第二指標是否低於閥值，利用公式九或公式十可計算出該第二指標。該閥值可為一使用者設定之常數值。
以該第二顯著角度sa 2 值更新該第一角度篩選範圍為sa 2±ra 1，再以更新過後的第一角度篩選範圍在該第一區域進行角度篩選，以獲得一更新之第一顯著角度sa 1 ，換句話說，以起始點為圓心，sa 2 為參考角度，藉由公式五到公式八重新計算第一顯著角度sa 1 ，可得一更新的sa 1 值，將該更新的sa 1 取代公式十一與公式十二中的id得出修正後的圓心座標(tx 1 ,tx 2 )。在獲得一個新的起始點(即是該修正後的圓心座標)之後，將重複執行步驟S4至S5以獲得下一個新起始點，或是達到停止條件而不再繼續自動描繪邊緣走向，該停止條件為第一指標或第二指標其中一者低於閥值(例如：0.6、0.3)則停止。
當該對應S 1 集合之S集合已完成自動描繪邊緣走向，如第2I圖所示。接續定義S 2 為S集合之元素，其自動描繪邊緣走向的執行步驟與前述之S集合相同，唯一差異在於執行步驟S4時，需定義第二角度方向為id，該對應S 2 集合之S集合其完成自動描繪邊緣走向之結果如第2J圖所示。
唯以上所述者，僅為本發明之較佳實施例而已，並非用來限定本發明實施之範圍。故即凡依本發明申請範圍所述之特徵及精神所為之均等變化或修飾，均應包括於本發明之請求項內。
S1‧‧‧自動描繪物件邊緣走向之方法步驟1
S2‧‧‧自動描繪物件邊緣走向之方法步驟2
S3‧‧‧自動描繪物件邊緣走向之方法步驟3
S4‧‧‧自動描繪物件邊緣走向之方法步驟4
S5‧‧‧自動描繪物件邊緣走向之方法步驟5
S6‧‧‧自動描繪物件邊緣走向之方法步驟6

Claims (21)

  1. 一種描繪邊緣走向之方法，該描繪邊緣走向之方法依序包含下列步驟：(a)輸入一影像；(b)執行擷取複數個邊緣座標值、角度值；(c)在該些邊緣座標值中選取一起始點；(d)在該影像上定義一區域範圍為第一區域，該第一區域包含該起始點；(e)將對應該第一區域內的複數個角度值進行統計以獲得一主要角度值，後續以該主要角度值決定一第一角度篩選範圍，並以該第一角度篩選範圍對該第一區域進行角度篩選，以獲得一第一顯著角度(significant angular value)以及一第一指標；(f)根據步驟(e)獲得之該第一顯著角度在該影像上決定一探測點，接著定義一第二區域包含該探測點，並根據該第一顯著角度決定一第二角度篩選範圍，且該第二角度篩選範圍比該第一角度篩選範圍大，後續根據該第二角度篩選範圍對該第二區域進行角度篩選，以獲得一第二顯著角度以及一第二指標；(g)使用該第二顯著角度更新該第一角度篩選範圍，並對該第一區域進行角度篩選以更新該第一顯著角度；(h)根據步驟(g)獲得之該第一顯著角度決定一新起始點，且步驟(d)中之該起始點被該新起始點所取代；(i)重複執行步驟(d)至(h)直到該第一指標或該第二指標低於一閥值時則停止執行步驟。
  2. 如請求項第1項所述之方法，其中該輸入影像係二維空間平面影像。
  3. 如請求項第1項所述之方法，其中該輸入影像係三維空間立體影像。
  4. 如請求項第1項所述之方法，其中該輸入影像係灰階影像。
  5. 如請求項第1項所述之方法，其中該輸入影像係彩色影像。
  6. 如請求項第5項所述之方法，其中在執行步驟(b)前，尚包括將該彩色影像轉換為一灰階影像。
  7. 如請求項第1項所述之方法，其中該擷取複數個邊緣座標值、角度值係使用一邊緣偵測演算法。
  8. 如請求項第7項所述之方法，其中該邊緣偵測可以下列演算法之一為之：Sobel、Prewitt、Roberts、Laplacian。
  9. 如請求項第1項所述之方法，其中該選取起始點的方式可以為下列之一：(1)選取邊緣強度較強的座標點；(2)隨機選取任一座標點；(3)手動選取任一座標點。
  10. 如請求項第1項所述之方法，其中該第一區域與該第二區域為包含一定面積之二維幾何結構。
  11. 如請求項第1項所述之方法，其中該第一區域與該第二區域為包含一定體積之三維幾何結構。
  12. 如請求項第1項所述之方法，其中該主要角度值統計方式為直方圖統計取最大mode。
  13. 如請求項第1項所述之方法，其中該第一顯著角度與該第二顯著角度之角度篩選方式可以為下列之一：直方圖統計取最大mode、取平均值、取中位數。
  14. 如請求項第13項所述之方法，其中該中位數計算方式係取出符合條件的元素並排序，取其排序後之中間元素作為顯著角度，該條件包含下列：(1)角度值所對應之座標包含於區域內；(2)該角度值亦包含於角度篩選範圍內。
  15. 如請求項第13項所述之方法，其中該中位數計算方式係取出符合條件的元素並排序，以排序後之中間元素的位置為中心建立一位置區間並擷取出該位置區間內所包含之複數個角度值，將所獲得之複數個角度值加總取其平均值，該條件包含下列：(1)角度值所對應之座標包含於區域內；(2)該角度值亦包含於角度篩選範圍內。
  16. 如請求項第15項所述之方法，其中該位置區間須小於排序的元素數量。
  17. 如請求項第1項所述之方法，其中該第一指標與該第二指標計算方式可以為下列之一：(1)直方圖統計角度並取最高mode的數量與最低mode的數量之差值除以最高mode的數量之比例值； (2)直方圖統計角度並取最高mode的數量除以所有統計角度數量之比例值。
  18. 如請求項第1項所述之方法，其中該第一顯著角度決定該探測點或該起始點係使用一座標轉換。
  19. 如請求項第1項所述之方法，其中該閥值為不大於1且大於0之實數值。
  20. 一種電腦可讀取儲存媒體，用以儲存一電腦可執行之程式，該程式用以實現如請求項第1項所述之方法。
  21. 一種電子機器，其特徵在於包含請求項第20項之電腦可讀取儲存媒體者。
TW102106820A 2013-02-18 2013-02-27 自動描繪物件邊緣走向之方法 TWI512640B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310052212.XA CN103996212B (zh) 2013-02-18 2013-02-18 自动描绘对象边缘走向之方法

Publications (2)

Publication Number Publication Date
TW201433985A true TW201433985A (zh) 2014-09-01
TWI512640B TWI512640B (zh) 2015-12-11

Family

ID=51310365

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102106820A TWI512640B (zh) 2013-02-18 2013-02-27 自動描繪物件邊緣走向之方法

Country Status (3)

Country Link
US (1) US8983205B2 (zh)
CN (1) CN103996212B (zh)
TW (1) TWI512640B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025633B (zh) * 2016-01-29 2020-11-27 中兴通讯股份有限公司 一种图像处理方法及装置
CN107730534B (zh) * 2016-08-09 2020-10-23 深圳光启合众科技有限公司 目标对象的跟踪方法和装置
US10872257B2 (en) 2018-06-06 2020-12-22 Weltrend Semiconductor Inc. Barcode detection method and barcode detection system for increasing detection efficiency
TWI742492B (zh) * 2019-12-25 2021-10-11 偉詮電子股份有限公司 條碼偵測方法及系統
CN109191539B (zh) * 2018-07-20 2023-01-06 广东数相智能科技有限公司 基于图像的油画生成方法、装置与计算机可读存储介质
CN109255795B (zh) * 2018-09-11 2021-04-06 中国计量大学 一种番茄植株边缘排序方法
CN109213177B (zh) * 2018-11-09 2022-01-11 苏州瑞得恩光能科技有限公司 机器人导航系统及导航方法
TWI793477B (zh) * 2020-12-04 2023-02-21 財團法人船舶暨海洋產業研發中心 船舶輔助校正系統及其運作方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09138471A (ja) * 1995-09-13 1997-05-27 Fuji Photo Film Co Ltd 特定形状領域の抽出方法、特定領域の抽出方法及び複写条件決定方法
US20030128754A1 (en) * 2002-01-09 2003-07-10 Hiroshi Akimoto Motion estimation method for control on the basis of scene analysis in video compression systems
CN101459726B (zh) * 2007-12-13 2011-05-11 中兴通讯股份有限公司 场景缓存更新方法及支持该方法的移动流媒体终端
CN101751572A (zh) * 2008-12-05 2010-06-23 比亚迪股份有限公司 一种图案检测方法、装置、设备及系统
JP4630936B1 (ja) * 2009-10-28 2011-02-09 シャープ株式会社 画像処理装置、画像処理方法、画像処理プログラム、画像処理プログラムを記録した記録媒体
US8345100B2 (en) * 2010-07-06 2013-01-01 GM Global Technology Operations LLC Shadow removal in an image captured by a vehicle-based camera using an optimized oriented linear axis
CN102520840B (zh) * 2011-11-14 2014-04-09 北京交通大学 列控车载设备人机界面场景录制和自动触摸方法及系统
CN102708351B (zh) * 2012-05-24 2014-07-23 江南大学 复杂工况背景下的Data Matrix二维条码快速识别方法

Also Published As

Publication number Publication date
TWI512640B (zh) 2015-12-11
CN103996212A (zh) 2014-08-20
US8983205B2 (en) 2015-03-17
CN103996212B (zh) 2017-11-14
US20140233846A1 (en) 2014-08-21

Similar Documents

Publication Publication Date Title
TWI512640B (zh) 自動描繪物件邊緣走向之方法
GB2527697B (en) People counting device and people counting method
CN104091324B (zh) 一种基于连通域分割的棋盘格图像快速特征匹配算法
JP6259928B2 (ja) 車線データの処理方法、装置、記憶媒体及び機器
JP4528309B2 (ja) オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム
US8699786B2 (en) 3D model generating apparatus, method and CRM by line pattern imaging
Fan et al. Shelf detection via vanishing point and radial projection
US20150125039A1 (en) Lane departure warning system and method
CN109559324A (zh) 一种线阵图像中的目标轮廓检测方法
KR101932214B1 (ko) 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법
CN110781853B (zh) 人群异常检测方法以及相关装置
CN104346802A (zh) 一种人员离岗监控方法及设备
TWI500904B (zh) 立體攝影機及用來測量立體攝影機與基準面之距離的自動測距方法
US20180225799A1 (en) System and method for scoring color candidate poses against a color image in a vision system
Härtl et al. Robust and efficient object recognition for a humanoid soccer robot
CN108550166A (zh) 一种空间目标图像匹配方法
CN104700355A (zh) 室内二维平面图的生成方法、装置和系统
CN112085675A (zh) 深度图像去噪方法、前景分割方法及人体运动监测方法
Tombari et al. Stereo for robots: quantitative evaluation of efficient and low-memory dense stereo algorithms
CN106845535B (zh) 基于点云的典型零部件识别方法
JP6244960B2 (ja) 物体認識装置、物体認識方法及び物体認識プログラム
CN106097362B (zh) 一种x光图像中人工圆形标记的自动检测和定位方法
Omar et al. GLCM-based metric for image fusion assessment
CN110717471B (zh) 基于支持向量机模型b超图像目标检测方法及b超扫描仪
JP6350018B2 (ja) 対象物検出装置及び要素選択装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees