基于區(qū)域移動的批量群圓矢量亞像素快速識別方法
【專利摘要】本發(fā)明提供一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，對采集的群圓圖像進行二值化預(yù)處理，在連通分割所形成的各個連通區(qū)域內(nèi)依次建立數(shù)據(jù)采集窗口，通過在連通區(qū)域內(nèi)移動數(shù)據(jù)采集窗口進行多次數(shù)據(jù)收集和圓擬合，在圓擬合結(jié)果的基礎(chǔ)上并結(jié)合識別精度確定對應(yīng)連通區(qū)域內(nèi)最優(yōu)的圓識別位置，在最優(yōu)的圓識別位置進行精確圓擬合，本發(fā)明對圖像要求低，處理方便，快速，適合生產(chǎn)線上群圓工件的快速精密檢測與分析，可以滿足精細電路板加工中大量密集圓要素的快速精密檢測與分析的需求，而且對于其它類似圖像處理需求也有很好的推廣應(yīng)用價值，具有非常好的推廣應(yīng)用前景。
【專利說明】基于區(qū)域移動的批量群圓矢量亞像素快速識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像識別方法，具體涉及一種批量群圓矢量亞像素識別方法。
【背景技術(shù)】
[0002]在微小印制電路板的精密設(shè)計與批量制造過程中，相關(guān)幾何要素的制造精度至關(guān)重要。印制電路板的檢測目前多以視頻圖像分析為主。
[0003]Hough變換是目前群圓自動圖像識別領(lǐng)域最常用的算法。Hough變換的基本原理在于，利用點與線的對偶性，將原始的圖像空間給定的曲線根據(jù)曲線表達形式，轉(zhuǎn)變?yōu)閰?shù)空間的一個點。這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為將與圖像空間內(nèi)具有一定關(guān)系的參數(shù)空間的像元進行聚類，以尋找能把這些像元用某一解析形式聯(lián)系起來的參數(shù)空間累積對應(yīng)點，換句話說，也就是尋找參數(shù)空間中的峰值問題。
[0004]平面中任意一條直線可以用極坐標方程來表示，即可以用P和Θ兩個參數(shù)確定下來，對于圖像空間任意點(x，y)，其函數(shù)關(guān)系為:
[0005]P =Xcos Θ +ysin Θ (I)
[0006]其中P為原點到直線的距離(即原點到直線的垂直線的長度)，Θ確定了直線的方向(即原點到直線的垂直線與X軸方向的夾角)。數(shù)字圖像處理中圖像空間(X，y)和Hough空間Η(ρ，Θ)處理的都是離散量。每個像素點都能投影到圖像空間中的一些點上。如果對于同一直線I上的η個點進行上述變換，則原圖像空間η個點在參數(shù)空間中對應(yīng)地得到η條正弦曲線，并且這些曲線相交于同一點。因此圖像空間中共線的點與參數(shù)空間中共點的線存在對應(yīng)關(guān)系，只要找出參數(shù)空間中共點的曲線，就能確定圖像空間中的曲線。
[0007]Hough變換最早應(yīng)用在直線檢測上，大量試驗表明其對各種噪聲、形變、邊緣斷續(xù)甚至區(qū)域殘缺都具有很好的魯棒性和適應(yīng)性。直線的Hough變換是一個兩參數(shù)的參數(shù)空間，推而廣之，其它常見曲線也存在對應(yīng)的參數(shù)空間。在坐標平面上確定一個圓需要三個參
數(shù)--圓的半徑、圓心的X軸坐標和y軸坐標，因此圓的Hough變換是一個以圓的半徑和圓
心坐標為參數(shù)的三維空間。
[0008]已知圓的一般方程為:
[0009](χ-a)2+ (y-b) 2=r2 (2)
[0010]式中:(a，b)—圓心，r一圓的半徑。
[0011]如果將式(2)的未知數(shù)反轉(zhuǎn)，x-y是常量，而a-b-r變作未知數(shù)，那么顯然式(2)就是一個圓錐的方程。換句話說，χ-y平面上的任一圓對應(yīng)由a-b-r確定的參數(shù)空間中的一個點。這樣，檢測x_y平面上的圓的問題就轉(zhuǎn)換到檢測由a-b-r確定的參數(shù)空間中點的聚集程度的問題。
[0012]但該方法在圓檢測過程中存在以下缺點:
[0013]1、圓檢測過程中，參數(shù)由直線的兩個參數(shù)，即截距和斜率，上升到三個，即圓心坐標和半徑，是一到多映射，因而計算量大；
[0014]2、需占用大量內(nèi)存空間，耗時久、實時性差；[0015]3、現(xiàn)實中的圖像一般都受到外界噪聲的干擾，信噪比較低，此時常規(guī)Hough變換的性能將急劇下降，進行參數(shù)空間極大值的搜索時由于合適的閾值難以確定，往往出現(xiàn)“虛峰”和“漏檢”的問題。

【發(fā)明內(nèi)容】

[0016]本發(fā)明的目的在于提供一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法。
[0017]為達到上述目的，本發(fā)明采用了以下技術(shù)方案。
[0018]對采集的群圓圖像進行二值化預(yù)處理，然后對圖像進行連通分割，在連通分割所形成的各個連通區(qū)域內(nèi)依次建立數(shù)據(jù)采集窗口，通過在連通區(qū)域內(nèi)移動數(shù)據(jù)采集窗口進行多次數(shù)據(jù)收集和圓擬合，在圓擬合結(jié)果的基礎(chǔ)上并結(jié)合識別精度確定對應(yīng)連通區(qū)域內(nèi)最優(yōu)的圓識別位置，在最優(yōu)的圓識別位置進行精確圓擬合，得到圓要素。
[0019]所述二值化預(yù)處理的具體步驟為:采用Sobel梯度計算模型對采集的群圓圖像進行處理，并采用梯度均值作為圖像二值化處理閾值。
[0020]所述數(shù)據(jù)采集窗口是一個以預(yù)設(shè)值為半徑、以連通區(qū)域的邊沿數(shù)據(jù)中的一點為中心的圓區(qū)域，該圓區(qū)域包含邊沿點所對應(yīng)的目標圓的弧長不少于目標圓周長的1/6。
[0021]對參與完成目標圓計算的數(shù)據(jù)采集窗口內(nèi)的邊沿點進行標記，避免數(shù)據(jù)采集窗口在不同的位置上重復(fù)利用相同的邊沿點計算目標圓。
[0022]在圓擬合結(jié)果的基礎(chǔ)上并結(jié)合識別精度確定對應(yīng)連通區(qū)域內(nèi)最優(yōu)的圓識別位置的具體步驟為:
[0023]I)根據(jù)數(shù)據(jù)采集窗口收集到的邊沿點進行圓擬合；
[0024]2)以圓擬合得到的圓為基礎(chǔ)，根據(jù)圓擬合得到的圓的圓心以及預(yù)設(shè)的識別精度，建立新的邊沿數(shù)據(jù)的識別范圍，若新的邊沿數(shù)據(jù)的識別范圍內(nèi)邊沿點分布均勻，則記錄該新的邊沿數(shù)據(jù)的識別范圍內(nèi)的邊沿點數(shù)量和分布情況；
[0025]3)將數(shù)據(jù)采集窗口進行移動，并在每次移動后重復(fù)步驟I) -2);
[0026]4)經(jīng)過步驟3)后，選擇記錄邊沿點數(shù)量最多的數(shù)據(jù)采集窗口的位置為最優(yōu)的圓識別位置。
[0027]所述精確圓擬合的具體步驟為:對邊沿點數(shù)據(jù)采用上至下、左至右、西北至東南以及東北至西南四個方向進行灰度梯度統(tǒng)計計算，計算出灰度梯度最大的方向設(shè)置為該點亞像素分析矢量計算方向，然后借助細分插值數(shù)學(xué)方法，得到精確的邊沿數(shù)據(jù)，進一步進行圓擬合即得到圓要素，將圓要素進行輸出。
[0028]本發(fā)明的有益效果:
[0029]本發(fā)明對圖像要求低，處理方便，快速，適合生產(chǎn)線上群圓工件的快速精密檢測與分析，可以滿足精細電路板加工中大量密集圓要素的快速精密檢測與分析的需求，而且對于其它類似圖像處理需求也有很好的推廣應(yīng)用價值，具有非常好的推廣應(yīng)用前景。
【專利附圖】

【附圖說明】
[0030]圖1為Hough轉(zhuǎn)換處理中圖像空間和參數(shù)空間的轉(zhuǎn)換示意圖，其中圖像空間(a)中圓A、B、C、D、E分別對應(yīng)參數(shù)空間(b)中的點A、B、C、D、E。
[0031]圖2為本發(fā)明的流程圖。[0032]圖3為采集的包含大量群圓的待處理圖像。
[0033]圖4為對圖像進行二值化處理后的圖像。
[0034]圖5為移動數(shù)據(jù)采集窗口及根據(jù)移動數(shù)據(jù)采集窗口進行第一次圓擬合后的圖像Ca為移動數(shù)據(jù)采集窗口，b為第一次圓擬合得到的圓)。
[0035]圖6為新的數(shù)據(jù)識別范圍內(nèi)的邊沿點集合。
[0036]圖7為群圓經(jīng)過精確圓擬合后得到的圓。
[0037]圖8為輸出的精確集合要素和原始圖像的對比。
【具體實施方式】
[0038]下面結(jié)合附圖對本發(fā)明進行詳細的說明。
[0039]參見圖2，一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，具體步驟如下:
[0040]第一步，采集群圓圖像數(shù)據(jù)，得到待處理的原始圖像，如圖3所示。
[0041]第二步，采用Sobel梯度計算模型對原始圖像進行處理，并采用梯度均值作為圖像二值化處理閾值，實現(xiàn)圖像的二值化處理(效果如圖4)，得到群圓的邊沿數(shù)據(jù)(即邊沿點數(shù)據(jù))。
[0042]第三步，對群圓的邊沿數(shù)據(jù)進行連通分割，得到連通區(qū)域。
[0043]第四步，選擇第i個連通區(qū)域的邊沿數(shù)據(jù)中一點Pi,以點Pi為中心，以預(yù)設(shè)半徑值建立移動數(shù)據(jù)采集窗口(如圖5所示)，對移動數(shù)據(jù)采集窗口內(nèi)的邊沿點進行收集，通過圓擬合得到目標圓。預(yù)設(shè)半徑要求保證移動數(shù)據(jù)采集窗口包含邊沿點所對應(yīng)的目標圓的弧長不少于目標圓周長的1/6，如不滿足，則根據(jù)計算得到的目標圓半徑調(diào)整該移動數(shù)據(jù)采集窗口預(yù)設(shè)半徑值。
[0044]第五步，經(jīng)過第四步后，對移動數(shù)據(jù)采集窗口內(nèi)的邊沿點進行收集，收集完成后對移動數(shù)據(jù)采集窗口內(nèi)的邊沿點進行標記，避免其重復(fù)參與計算，然后根據(jù)移動數(shù)據(jù)收集窗口收集到的邊沿點進行第一次圓擬合。
[0045]第六步，以第一次圓擬合得到的圓為基礎(chǔ)，根據(jù)第一次圓擬合得到的圓的圓心以及預(yù)設(shè)的識別精度R，建立新的邊沿數(shù)據(jù)的識別范圍(該范圍為一圓環(huán)，圓環(huán)中兩圓半徑差為預(yù)設(shè)識別精度R)，若新的邊沿數(shù)據(jù)的識別范圍內(nèi)邊沿點分布均勻(以圓環(huán)圓心為原點建立平面坐標系，若四個象限內(nèi)均有邊沿點分布，則認為分布均勻)，則記錄該新的邊沿數(shù)據(jù)的識別范圍內(nèi)的邊沿點數(shù)量和分布情況(如圖6所示)。
[0046]第七步，判斷第i個連通區(qū)域內(nèi)的邊沿點是否全部被標記，若未全部被標記，則將移動數(shù)據(jù)采集窗口進行移動，然后轉(zhuǎn)第五步。經(jīng)過多輪迭代后，若第i個連通區(qū)域內(nèi)的邊沿點全部被標記，則進行第八步處理。
[0047]第八步，選擇第六步中記錄邊沿點數(shù)量最多的移動數(shù)據(jù)采集窗口的位置為最優(yōu)的圓識別位置。
[0048]第九步，以最優(yōu)的圓識別位置為基礎(chǔ)，通過第六步記錄的對應(yīng)的邊沿點數(shù)據(jù)進行精確圓擬合。精確圓擬合的步驟包括:對邊沿點數(shù)據(jù)采用上至下、左至右、西北至東南以及東北至西南四個方向進行灰度梯度統(tǒng)計計算(如表I以及表2所示)，計算出灰度梯度最大的方向設(shè)置為該點亞像素分析矢量計算方向，然后借助細分插值數(shù)學(xué)方法，得到精確的邊沿數(shù)據(jù)，進一步進行圓擬合即得到準確圓要素(圖7為本發(fā)明方法處理后最終得到的群圓的準確圓要素)，將準確圓要素進行輸出。
[0049]表1邊沿點數(shù)據(jù)
[0050]
【權(quán)利要求】
1.一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，其特征在于，包括以下步驟:對采集的群圓圖像進行二值化預(yù)處理，然后對圖像進行連通分割，在連通分割所形成的各個連通區(qū)域內(nèi)依次建立數(shù)據(jù)采集窗口，通過在連通區(qū)域內(nèi)移動數(shù)據(jù)采集窗口進行多次數(shù)據(jù)收集和圓擬合，在圓擬合結(jié)果的基礎(chǔ)上并結(jié)合識別精度確定對應(yīng)連通區(qū)域內(nèi)最優(yōu)的圓識別位置，在最優(yōu)的圓識別位置進行精確圓擬合，得到圓要素。
2.如權(quán)利要求1所述一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，其特征在于，所述二值化預(yù)處理的具體步驟為:采用Sobel梯度計算模型對采集的群圓圖像進行處理，并采用梯度均值作為圖像二值化處理閾值。
3.如權(quán)利要求1所述一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，其特征在于，所述數(shù)據(jù)采集窗口是一個以預(yù)設(shè)值為半徑、以連通區(qū)域的邊沿數(shù)據(jù)中的一點為中心的圓區(qū)域，該圓區(qū)域包含邊沿點所對應(yīng)的目標圓的弧長不少于目標圓周長的1/6。
4.如權(quán)利要求3所述一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，其特征在于，對參與完成目標圓計算的數(shù)據(jù)采集窗口內(nèi)的邊沿點進行標記，避免數(shù)據(jù)采集窗口在不同的位置上重復(fù)利用相同的邊沿點計算目標圓。
5.如權(quán)利要求1所述一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，其特征在于，在圓擬合結(jié)果的基礎(chǔ)上并結(jié)合識別精度確定對應(yīng)連通區(qū)域內(nèi)最優(yōu)的圓識別位置的具體步驟為: 1)根據(jù)數(shù)據(jù)采集窗口收集到的邊沿點進行圓擬合； 2)以圓擬合得到的圓為基礎(chǔ)，根據(jù)圓擬合得到的圓的圓心以及預(yù)設(shè)的識別精度，建立新的邊沿數(shù)據(jù)的識別范圍，若新的邊沿數(shù)據(jù)的識別范圍內(nèi)邊沿點分布均勻，則記錄該新的邊沿數(shù)據(jù)的識別范圍內(nèi)的邊沿點數(shù)量和分布情況； 3)將數(shù)據(jù)采集窗口進行移動，并在每次移動后重復(fù)步驟1)-2); 4)經(jīng)過步驟3)后，選擇記錄邊沿點數(shù)量最多的數(shù)據(jù)采集窗口的位置為最優(yōu)的圓識別位置。
6.如權(quán)利要求1或5所述一種基于區(qū)域移動的批量群圓矢量亞像素快速識別方法，其特征在于，所述精確圓擬合的具體步驟為:對邊沿點數(shù)據(jù)采用上至下、左至右、西北至東南以及東北至西南四個方向進行灰度梯度統(tǒng)計計算，計算出灰度梯度最大的方向設(shè)置為該點亞像素分析矢量計算方向，然后借助細分插值數(shù)學(xué)方法，得到精確的邊沿數(shù)據(jù)，進一步進行圓擬合即得到圓要素，將圓要素進行輸出。
【文檔編號】G06K9/34GK103530630SQ201310465065
【公開日】2014年1月22日 申請日期:2013年9月29日 優(yōu)先權(quán)日:2013年9月29日
【發(fā)明者】丁建軍, 劉陽鵬, 王豐東, 馬福祿, 李兵, 蔣莊德 申請人:西安交通大學(xué)