專利名稱：基于彩色分量交點的彩色條紋邊緣亞像素檢測方法
技術(shù)領(lǐng)域：
發(fā)明涉及一種基于彩色分量交點的彩色條紋邊緣亞像素檢測方法。
背景技術(shù)：
近年來，隨著處理彩色圖像硬件設(shè)備成本的降低，彩色圖像被越來越多 地應(yīng)用到 工程上，彩色圖像處理也隨之得到了廣泛地研究。彩色邊緣檢測是彩色圖像處理中經(jīng)典的 研究課題之一。目前彩色圖像邊緣檢測算法大致可分三類，一類是將灰度邊緣檢測方法分 別應(yīng)用于彩色圖像各分量中，再通過某種方法合成最后檢測結(jié)果，該方法應(yīng)用最為普遍；一 類是將彩色圖像轉(zhuǎn)為強度圖像進行邊緣檢測，研究表明彩色邊緣信息有10%不能在其強度 圖像中顯現(xiàn)，因此該方法會丟失彩色信息；還有一類是矢量方法，是將像素的顏色做一個三 維矢量進行矢量的梯度檢測，該方法計算復(fù)雜，理論欠完備，沒有得到廣泛采用。鑒于硬件設(shè)備獲取的彩色圖像一般存儲成RGB彩色模型，則可以利用R、G、B各分 量的交點進行彩色邊緣檢測，但RGB模型各分量之間相關(guān)性強，易受環(huán)境及被測物等因素 的影響而產(chǎn)生較大的檢測誤差。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于彩色分量交點的彩色條紋邊緣亞像素檢測方法，該 方法是將彩色條紋圖像由RGB模型轉(zhuǎn)為歸一化彩色模型I1I2I3,該模型各分量不受環(huán)境光、 拍攝角度和物體幾何形狀的影響。上述的目的通過以下的技術(shù)方案實現(xiàn)基于彩色分量交點的彩色條紋邊緣亞像素檢測方法，該方法包括如下步驟A、彩色條紋圖像經(jīng)平滑去噪由RGB彩色模型轉(zhuǎn)為I1I2I3歸一化彩色模型；B、擬和該模型中各分量的灰度曲線，求各分量交點實現(xiàn)條紋亞像素邊緣檢測。所述的基于彩色分量交點的彩色條紋邊緣亞像素檢測方法，所述的步驟A中將彩 色條紋圖像經(jīng)平滑去噪由RGB彩色模型轉(zhuǎn)為I1I2I3歸一化彩色模型的具體算法為
<formula>formula see original document page 3</formula>
本發(fā)明的有益效果這個技術(shù)方案有以下有益效果1.本發(fā)明彩色條紋邊緣檢測不受環(huán)境光的影響。該彩色模型具有不受環(huán)境光、拍 攝角度和物體幾何形狀及物面顏色影響的特性，從而實現(xiàn)彩色條紋邊緣亞像素檢測。2.本發(fā)明彩色條紋邊緣檢測不受三維物面形狀的影響。
3.本發(fā)明彩色條紋邊緣檢測不受拍攝角度的影響。4.本發(fā)明彩色條紋邊緣檢測不受光照投射角度的影響。5.本發(fā)明彩色條紋邊緣檢測能實現(xiàn)高精度亞像素檢測。


附圖1是顏色格雷碼編碼圖案，其中條紋代表紅色，黑色區(qū)域代表綠色，白色區(qū)域 代表藍色。附圖2(a)為投射圖案中的一幅，其中條紋代表紅色，黑色區(qū)域代表綠色，白色區(qū) 域代表藍色；(b)為(a)中直線AB所處行的RGB分量掃描圖，橫坐標是AB行上每個像素的 列數(shù)，縱坐標是AB行上每個像素R、G、B分量的灰度值，分別用細虛線、細實線、粗實現(xiàn)三種 線型表示；(c)是(a)中第七個綠條紋的放大圖。附圖3(a)是數(shù)碼相機拍攝的被三維物體調(diào)制后的彩色條紋圖像，其中條紋代表 紅色，黑色區(qū)域代表綠色，白色區(qū)域代表藍色；(b)是(a)中直線abc所處行的分量行掃描 圖；(c)是轉(zhuǎn)為I1I2I3模型后該行的各分量掃描圖，其中細虛線、細實線、粗實現(xiàn)三種線型分 別表示Ip 12、I3三個分量的灰度分布。附圖4是條紋邊緣檢測算法框圖。
具體實施例方式實施例1 如圖丄給出了以四幅投射圖案為例的編碼圖案，！^！^！^&代表投射的幅數(shù)，用紅 (條紋)、藍(白色)條紋代替灰度格雷碼中的黑白條紋，在每相鄰紅藍區(qū)域之間用綠(黑 色)條紋加以分隔，提取綠條紋的邊界和中心依據(jù)結(jié)構(gòu)光射影幾何數(shù)學(xué)模型可實現(xiàn)高準確 度密集采樣的三維測量。而利用綠條紋的邊界可確定其中心像素的范圍，因此綠條紋的邊 緣檢測直接影響系統(tǒng)的測量精度。編碼結(jié)構(gòu)光投射的RGB顏色格雷碼條紋圖案是由計算機以RGB彩色模型形式給出 的，其RGB各分量行掃描圖如圖2所示。圖2(a)為投射圖案中的一幅，(b)為(a)中直線 AB所處行的RGB分量掃描圖，橫坐標是AB行上每個像素的列數(shù)，縱坐標是AB行上每個像素 R、G、B分量的灰度值，分別用細虛線、細實線、粗實現(xiàn)三種線型表示。(c)是(a)中第七個綠 條紋的放大圖，從圖中看出綠條紋左邊界可由紅分量(細虛線)和綠分量(細實線)灰度 擬和線交點亞像素定位，右邊界可由綠分量和藍分量(粗實線)灰度擬和線交點亞像素定 位。依此，條紋圖像中所有彩色條紋邊緣都可亞像素檢測出來。上述彩色邊緣檢測是在RGB彩色模型中完成的，而該模型彩色描述不完全不直 觀，對硬件設(shè)備具有依賴性，單從R、G、B各分量值中很難看出其所表示的色彩，不同顏色之 間的距離也不等于兩個顏色之間的知覺差異。而且該模型的R、G、B三個分量之間具有很高 的相關(guān)性，B與R、R與G、G與B的相關(guān)系數(shù)分別為0. 78,0. 98和0. 94。圖2是彩色條紋投 射圖案的分量行掃描圖，其各分量的交點代表了條紋正確邊界。而實際拍攝的投射到物面 的條紋圖像R、G、B三個分量會受到物面顏色、物面反射率、環(huán)境光和物體幾何形狀等因素 的調(diào)制，導(dǎo)致拍攝的彩色條紋圖像RGB分量交點與實際的條紋邊緣不一致，從而使得彩色 條紋邊緣檢測不準確。為此本發(fā)明將拍攝圖案由RGB彩色模型轉(zhuǎn)為歸一化彩色模型I1I2I3,實現(xiàn)彩色條紋邊緣亞像素檢測。二分光反射模型較客觀地反映了不透明非均質(zhì)物體的光反射機理，它認為物體上 各點的顏色由面反射和體反射兩個分量線性組合而成。面反射系指在兩種物質(zhì)交界面處發(fā) 生的反射，其形成的光斑區(qū)顏色與光源的顏色一致。而體反射則決定于物體的本色。對于測量對象是環(huán)境光近似白光的漫反射表面三維物體。給出該條件下光傳感器 響應(yīng)式Cw = Cb+Cs = emb (η, s) kc+ems (η, s, ν) csf (1)式中Cw = {Rw，Cw, BJ分別代表白光照射下R、G、B光傳感器的響應(yīng)；Cb和Cs分別 代表物體的面反射和體反射。e代表白光光譜功率，mb和ms分別代表面反射和體反射時與 物體幾何特征相關(guān)的系數(shù)，η代表表面的法線，s代表光源的入射方向，ν代表傳感器的光攝 入方向。kc是只與光傳感器靈敏度和物體表面反射率有關(guān)的系數(shù)，其大小如式(2)所示kc = / Afc(A)cb(A)dAf (2)式中Cb代表物面反射率，代表R、G、B傳感器靈敏度，λ為光波波長。式(1)中f的大小如式(3)所示f = / AfK(X)cU = / AfGU)cU = / AfBU)cU(3)基于上述二分光反射模型Theo Gevers提出一種對觀察方向、物體幾何、照明方向 和亮度變化具有不變性的彩色模型I1I2I3如式(4)所示Z1 (Λ, G5 5) =-2--
1(R-G)2 +(R-B)2 +(G-B)2I2 (R, G, B) =-2---⑷
2(R-G)2 +(R-B)2 +{G-B)2h (尺 G, B) =-,-r-
3(R-G)2 +(R-B)2 +(G-B)2將式⑴帶入式(4)中的I1分量Ii(RwiGwfBw) =- (K-GJ-
(K-Gw)2+(Rw-Bw)2+(Gw-Bw)2=_ emb{n,s\kR-kGf__⑶
emb(η,-kG)2 +(kR -kBf + (kG-kB)2}
(JcR — k^j )= ikR-kGf +(kR-kBf +{kG-kB)2由式(5)看出I1只與光傳感器靈敏度和物體表面反射率有關(guān)，與傳感器的光攝入 方向、光源的入射方向、物體幾何形狀無關(guān)。同理可推出分量12、13也亦如此。因此，歸一化 彩色模型能夠?qū)崿F(xiàn)對RGB彩色模型各分量的校正，使分量交點真實再現(xiàn)彩色條紋邊緣的位置。空間三維物體條紋圖像及不同模型中彩色分量的行掃描圖如圖3所示。圖3(a) 數(shù)碼相機拍攝的被三維物體調(diào)制后的彩色條紋圖像，圖3(b)是圖(a)中直線abc所處行 的分量行掃描圖。圖3(c)是轉(zhuǎn)為I1I2I3模型后該行的各分量掃描圖，其中細虛線、細實線、 粗實現(xiàn)三種線型表示I:、12、I3三個分量的灰度分布。由圖3(b)看出RGB彩色模型中位于兩個不同的棱面上ab段和be段的分量灰度分布是不相同的，而圖3(c) ^1213彩色模型中的各分量行掃描圖中，各彩色分量被歸一化到
之間，線段abc上的所有像素的分量灰度值分布基本一致。依據(jù)上述彩色分量交點條紋邊緣檢測原理和歸一化彩色模型轉(zhuǎn)換，本發(fā)明提出了 條紋邊緣檢測算法框圖如圖4所示。彩色條紋圖像經(jīng)平滑去噪轉(zhuǎn)為I1I2I3歸一化彩色模型， 擬和該模型中各分量的灰度曲線，求各分量交點實現(xiàn)條紋亞像素邊緣檢測。在RGB彩色模型中，綠條紋邊緣是由紅與綠和藍與綠分量交點求得的，而轉(zhuǎn)為歸 一化彩色模型I1I2I3后，參與求邊緣的交點分量是不同的。由式(4)看出，Ip 12、I3分量分 別是紅與綠、紅與藍和綠與藍的差，因此在RGB模型中紅與綠和藍與綠的交點轉(zhuǎn)為I1I2I3模 型后對應(yīng)的應(yīng)是I2 (細實線)與I3 (粗實線)和I1 (細虛線)與I2的交點。本發(fā)明基于I1I2I3歸一化彩色模型提出了一種彩色條紋邊緣亞像素檢測方法，該 方法是采用行掃描方式求彩色分量交點實現(xiàn)的。實驗結(jié)果表明本發(fā)明的條紋邊緣檢測誤差小于0. 4個像素，條紋邊緣檢測平均誤 差小于0. 2個像素、方差小于0. 1個像素。
權(quán)利要求
一種基于彩色分量交點的彩色條紋邊緣亞像素檢測方法，其特征是該方法包括如下步驟A、彩色條紋圖像經(jīng)平滑去噪由RGB彩色模型轉(zhuǎn)為l1l2l3歸一化彩色模型；B、擬和該模型中各分量的灰度曲線，求各分量交點實現(xiàn)條紋亞像素邊緣檢測。
2.根據(jù)權(quán)利要求1所述的基于彩色分量交點的彩色條紋邊緣亞像素檢測方法，其特征 是所述的步驟A中將彩色條紋圖像經(jīng)平滑去噪由RGB彩色模型轉(zhuǎn)為I1I2I3歸一化彩色模 型的具體算法為<formula>formula see original document page 2</formula>式中R代表紅分量，G代表綠分量，B代表藍分量。
全文摘要
基于彩色分量交點的彩色條紋邊緣亞像素檢測方法，現(xiàn)有的彩色條紋邊緣檢測的算法易受環(huán)境及被測物等因素的影響而產(chǎn)生較大的檢測誤差。本發(fā)明的方法包括如下步驟A、彩色條紋圖像經(jīng)平滑去噪由RGB彩色模型轉(zhuǎn)為l1l2l3歸一化彩色模型，B、擬和該模型中各分量的灰度曲線，求各分量交點實現(xiàn)條紋亞像素邊緣檢測。本方法用于基于彩色結(jié)構(gòu)光三維測量領(lǐng)域內(nèi)的彩色條紋邊緣檢測。
文檔編號G06T7/40GK101814188SQ20091007230
公開日2010年8月25日 申請日期2009年6月16日 優(yōu)先權(quán)日2009年6月16日
發(fā)明者于曉洋, 關(guān)叢榮, 葉樹江, 吳海濱, 藍榮坤, 閆雪梅 申請人:黑龍江工程學(xué)院