專利名稱：利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法，用于圖像處理，計(jì)算機(jī)視覺和工業(yè)自動化檢驗(yàn)。屬于計(jì)算機(jī)信息圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
快速而準(zhǔn)確的檢測圓形和類圓形物體在計(jì)算機(jī)視覺和模式識別領(lǐng)域有著廣泛的應(yīng)用前景。例如，在工業(yè)檢測線，生物醫(yī)學(xué)監(jiān)測設(shè)備，自動化裝配線上，都涉及到應(yīng)用計(jì)算機(jī)視覺技術(shù)進(jìn)行圓形和類圓形檢測的技術(shù)。一直以來，霍夫變換都是檢測直線/圓/橢圓的一種實(shí)用有效的方法，但是對于檢測圓形來說，霍夫變換也存在幾個較大的缺點(diǎn)1、占用內(nèi)存多；2、不能檢測不規(guī)則的類圓物體(如氣泡，細(xì)胞等)；3、抗干擾性能差；Xu等人提出了隨機(jī)霍夫變換(Xu L，0 ja Ε. Randomized hough transform(RHT) basic mechanisms, algorithms and computational complexities, Computer Vision Graphic Image Process : Image understanding，1993，57 (2) : 131-154.)，用來檢測橢圓。 隨機(jī)霍夫變換在圖像控件隨機(jī)地選取檢測空間上的幾個點(diǎn)，映射成參數(shù)空間的一個點(diǎn)，構(gòu)成多到一的映射，然后計(jì)算滿足所選擇點(diǎn)的橢圓參數(shù)。雖然隨機(jī)霍夫變換降低了算法的復(fù)雜度和內(nèi)存需求，但是，它也存在著一下幾個不足1、處理檢測同一幅圖像上的多個圓或橢圓的情況下檢測性能不佳；2、不能檢測不規(guī)則的類圓物體(如氣泡，細(xì)胞)；3、隨著圖像噪聲的增加，算法的性能大大降低。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的不足，提出一種改進(jìn)的霍夫變換進(jìn)行類圓形物體檢測的圖像處理方法。用來高效，準(zhǔn)確地檢測一幅圖像中多個位置和尺寸不同的不規(guī)則類圓形物體。本發(fā)明包含如下步驟步驟一，圖像預(yù)處理，在執(zhí)行后續(xù)算法之前，對待處理圖像進(jìn)行自適應(yīng)的灰度化和亮度/對比度均衡。首先，根據(jù)各色彩分量動態(tài)范圍的不同，自適應(yīng)地選取圖像灰度化的權(quán)重參數(shù)，給動態(tài)范圍大的色彩分量以更高的權(quán)重。其次，灰度圖像進(jìn)行分塊的直方圖均衡， 使得圖像各塊的亮度基本一致，對比度最大化；步驟二，邊緣提取和噪聲濾除對步驟一得到的圖像，計(jì)算一階梯度場。得到的結(jié)果是一個二維的向量場，向量的方向?yàn)樘荻确较?，向量的絕對值為邊緣的強(qiáng)度。然后，對此二維向量場進(jìn)行去噪聲濾波，將梯度絕對值小于濾波閾值之下的梯度數(shù)據(jù)設(shè)為零。此處的閾值可以默認(rèn)設(shè)為梯度場的平均絕對值，或是作為算法的參數(shù)之一供用戶調(diào)整；步驟三，梯度方向加權(quán)霍夫變換投影，對步驟二得到的結(jié)果，在梯度方向上，按照不同的半徑(半徑檢測區(qū)間內(nèi))，向二維的參數(shù)空間(圓心XY坐標(biāo))上投影。對得到的投影點(diǎn)進(jìn)行加權(quán)處理。權(quán)重分為兩個部分投影點(diǎn)的梯度絕對值和投影半徑對數(shù)的倒數(shù)。第一部分起到了弱化微小邊界和干擾的作用，提高了算法的抗干擾性能；第二部減小了不同半徑的圓在圓心上的投影強(qiáng)度，改進(jìn)了算法在檢測圓形半徑變化區(qū)間較大情況下的檢測精
步驟四，投影空間低通平滑濾波，對于圖像中不規(guī)則形狀的類圓物體，經(jīng)過步驟三的投影之后，圓心未必匯聚成一點(diǎn)，增加了后續(xù)圓心定位算法的難度。在圓心定位之前，對投影空間的圖像做低通平滑濾波，使得位置相近的投影點(diǎn)模糊化，匯聚成團(tuán)；步驟五，收縮處理及二值化，為了檢測多個相連的圓形，需要對步驟四得到的結(jié)果做形態(tài)學(xué)的收縮處理。使得投影空間上多個相連或接近的圓形相互分離。然后進(jìn)行自適應(yīng)閾值的二值化；步驟六，圓心定位，對步驟五得到的結(jié)果進(jìn)行連通區(qū)域判斷。面積和投影強(qiáng)度大于一定閾值的區(qū)域被判斷為一個圓，投影區(qū)域的質(zhì)心即為這個圓的圓心坐標(biāo)；步驟七，半徑估計(jì)，查找在步驟六定位得出的每個圓心位置周圍的梯度場數(shù)據(jù)，計(jì)算步驟二得出的大于閾值的梯度與圓心的距離分布。其中距離分布的峰值即為該圓的半徑。與傳統(tǒng)霍夫變換檢測圓形的方法相比，本方法一方面降低了算法對內(nèi)存的需求， 提高了算法效率；另一方面改進(jìn)了算法對不規(guī)則類圓形物體檢測的性能；同時，也提高了算法在圓形半徑變化區(qū)間較大情況下的檢測精度。


圖1是本發(fā)明利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法的流程2是本發(fā)明實(shí)例中圖片數(shù)據(jù)輸入，內(nèi)容為彩色顯微細(xì)胞照片；圖3是本發(fā)明實(shí)例中經(jīng)過步驟2圖像預(yù)處理后的灰度圖像；圖4是本發(fā)明實(shí)例中邊緣增強(qiáng)的梯度場的強(qiáng)度圖；圖5是本發(fā)明實(shí)例中改進(jìn)的霍夫變換投影后的結(jié)果；圖6是本發(fā)明實(shí)例中投影空間低通平滑濾波之后的結(jié)果；圖7經(jīng)本發(fā)明實(shí)例中過形態(tài)學(xué)收縮和二值化處理的投影空間；圖8是本發(fā)明實(shí)例中最終的檢測效果。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明的實(shí)施例作詳細(xì)說明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。本實(shí)施例基于細(xì)胞檢測的實(shí)現(xiàn)，輸入圖像為細(xì)胞的顯微鏡照片圖像。如圖1所示，本實(shí)施例提供了一種利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法，包括如下步驟步驟一，圖像預(yù)處理，由于光照或成像系統(tǒng)的缺陷，獲取的待處理圖像各處的亮度和對比度不均勻，導(dǎo)致同一套算法和參數(shù)對于圖像各個部分的處理效果不一致(如圖2所示)。所以，在執(zhí)行后續(xù)算法之前，對待處理圖像進(jìn)行自適應(yīng)的灰度化和亮度/對比度均衡。 首先，根據(jù)各色彩分量動態(tài)范圍的不同，自適應(yīng)地選取圖像灰度化的權(quán)重參數(shù)，給動態(tài)范圍大的色彩分量以更高的權(quán)重。其次，灰度圖像進(jìn)行分塊的直方圖均衡，使得圖像各塊的亮度基本一致，對比度最大化(如圖3所示)；
步驟二，邊緣提取和噪聲濾除，對步驟一得到的圖像，計(jì)算一階梯度場。得到的結(jié)果是一個二維的向量場，向量的方向?yàn)樘荻确较颍蛄康慕^對值為邊緣的強(qiáng)度。然后，對此二維向量場進(jìn)行去噪聲濾波，將梯度絕對值小于濾波閾值之下的梯度數(shù)據(jù)設(shè)為零。此處的閾值可以默認(rèn)設(shè)為梯度場的平均絕對值，或是作為算法的參數(shù)之一供用戶調(diào)整。得到圖4 所示的結(jié)果；步驟三，梯度方向加權(quán)霍夫變換投影，此步驟在傳統(tǒng)霍夫變換檢測圓形的算法基礎(chǔ)上，進(jìn)行了三項(xiàng)重要的改進(jìn)。一方面降低了算法對內(nèi)存的需求，提高了算法效率；另一方面改進(jìn)了算法對不規(guī)則類圓形物體檢測的性能；同時，也提高了算法在圓形半徑變化區(qū)間較大情況下的檢測精度。經(jīng)典的霍夫變換檢測圓形的算法，每個待投影點(diǎn)需要向所有方向上在三維的參數(shù)空間(圓心XY坐標(biāo)和半徑)上投影。本算法對其進(jìn)行了改進(jìn)，在投影過程中去掉半徑參數(shù)，并且，只向梯度方向進(jìn)行投影。即，在梯度方向上，按照不同的半徑(半徑檢測區(qū)間內(nèi))，向二維的參數(shù)空間(圓心XY坐標(biāo))上投影。另外，算法還對投影點(diǎn)進(jìn)行了加權(quán)處理。權(quán)重分為兩個部分投影點(diǎn)的梯度絕對值和投影半徑對數(shù)的倒數(shù)。第一部分起到了弱化微小邊界和干擾的作用，提高了算法的抗干擾性能；第二部減小了不同半徑的圓在圓心上的投影強(qiáng)度，改進(jìn)了算法在檢測圓形半徑變化區(qū)間較大情況下的檢測精度。得到結(jié)果如圖5所示；步驟四，投影空間低通平滑濾波，對于圖像中不規(guī)則形狀的類圓物體，經(jīng)過步驟三的投影之后，圓心未必匯聚成一點(diǎn)，增加了后續(xù)圓心定位算法的難度。所以，在圓心定位之前，對投影空間的圖像做低通平滑濾波，使得位置相近的投影點(diǎn)模糊化，匯聚成團(tuán)。處理結(jié)果如圖6所示；步驟五，圖像形態(tài)學(xué)收縮處理及二值化，為了檢測多個相連的圓形，需要對步驟4 得到的結(jié)果做形態(tài)學(xué)的收縮處理。使得投影空間上多個相連或接近的圓形相互分離。然后進(jìn)行自適應(yīng)閾值的二值化。處理結(jié)果如圖7所示；步驟六，圓心定位，對步驟五得到的結(jié)果進(jìn)行連通區(qū)域判斷。面積和投影強(qiáng)度大于一定閾值的區(qū)域被判斷為一個圓，投影區(qū)域的質(zhì)心即為這個圓的圓心坐標(biāo)。步驟七，半徑估計(jì)，查找在步驟六定位得出的每個圓心位置周圍的梯度場數(shù)據(jù)，計(jì)算步驟二得出的大于閾值的梯度與圓心的距離分布。其中距離分布的峰值即為該圓的半徑。輸出的最終結(jié)果如圖8所示。本實(shí)例在進(jìn)行細(xì)胞檢測時，一方面降低了算法對內(nèi)存的需求，提高了算法效率；另一方面改進(jìn)了算法對不規(guī)則類圓形物體檢測的性能；同時，也提高了算法在圓形半徑變化區(qū)間較大情況下的檢測精度。
權(quán)利要求
1.一種利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法，其特征在于，包括以下步驟步驟一，圖像預(yù)處理，在執(zhí)行后續(xù)算法之前，對待處理圖像進(jìn)行自適應(yīng)的灰度化和亮度 /對比度均衡。首先，根據(jù)各色彩分量動態(tài)范圍的不同，自適應(yīng)地選取圖像灰度化的權(quán)重參數(shù)，給動態(tài)范圍大的色彩分量以更高的權(quán)重。其次，灰度圖像進(jìn)行分塊的直方圖均衡，使得圖像各塊的亮度基本一致，對比度最大化；步驟二，邊緣提取和噪聲濾除對步驟一得到的圖像，計(jì)算一階梯度場。得到的結(jié)果是一個二維的向量場，向量的方向?yàn)樘荻确较颍蛄康慕^對值為邊緣的強(qiáng)度。然后，對此二維向量場進(jìn)行去噪聲濾波，將梯度絕對值小于濾波閾值之下的梯度數(shù)據(jù)設(shè)為零。此處的閾值可以默認(rèn)設(shè)為梯度場的平均絕對值，或是作為算法的參數(shù)之一供用戶調(diào)整；步驟三，梯度方向加權(quán)霍夫變換投影，對步驟二得到的結(jié)果，在梯度方向上，按照不同的半徑(半徑檢測區(qū)間內(nèi))，向二維的參數(shù)空間(圓心XY坐標(biāo))上投影。步驟四，投影空間低通平滑濾波，對于圖像中不規(guī)則形狀的類圓物體，經(jīng)過步驟三的投影之后，圓心未必匯聚成一點(diǎn)，增加了后續(xù)圓心定位算法的難度。在圓心定位之前，對投影空間的圖像做低通平滑濾波，使得位置相近的投影點(diǎn)模糊化，匯聚成團(tuán)；步驟五，收縮處理及二值化，為了檢測多個相連的圓形，需要對步驟四得到的結(jié)果做形態(tài)學(xué)的收縮處理。使得投影空間上多個相連或接近的圓形相互分離。然后進(jìn)行自適應(yīng)閾值的二值化；步驟六，圓心定位，對步驟五得到的結(jié)果進(jìn)行連通區(qū)域判斷。面積和投影強(qiáng)度大于一定閾值的區(qū)域被判斷為一個圓，投影區(qū)域的質(zhì)心即為這個圓的圓心坐標(biāo)；步驟七，半徑估計(jì)，查找在步驟六定位得出的每個圓心位置周圍的梯度場數(shù)據(jù)，計(jì)算步驟二得出的大于閾值的梯度與圓心的距離分布。其中距離分布的峰值即為該圓的半徑。
2.根據(jù)權(quán)利要求1所述的一種利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法，其特征在是，步驟三所述梯度方向加權(quán)霍夫變換投影，對得到的投影點(diǎn)進(jìn)行加權(quán)處理。權(quán)重分為兩個部分投影點(diǎn)的梯度絕對值和投影半徑對數(shù)的倒數(shù)。第一部分起到了弱化微小邊界和干擾的作用，提高了算法的抗干擾性能；第二部減小了不同半徑的圓在圓心上的投影強(qiáng)度，改進(jìn)了算法在檢測圓形半徑變化區(qū)間較大情況下的檢測精度。
全文摘要
一種利用改進(jìn)霍夫變換進(jìn)行類圓形檢測的圖像處理方法，本發(fā)明分為以下七個步驟圖像預(yù)處理、邊緣提取和噪聲濾除、梯度方向加權(quán)霍夫變換投影、投影空間低通平滑濾波、收縮處理及二值化、圓心定位和半徑估計(jì)。與傳統(tǒng)霍夫變換檢測圓形的方法相比，本方法一方面降低了算法對內(nèi)存的需求，提高了算法效率；另一方面改進(jìn)了算法對不規(guī)則類圓形物體檢測的性能；同時，也提高了算法在圓形半徑變化區(qū)間較大情況下的檢測精度。
文檔編號G06T5/00GK102568007SQ201110427699
公開日2012年7月11日 申請日期2011年12月19日 優(yōu)先權(quán)日2011年3月22日
發(fā)明者黃海清 申請人:黃海清