CN105469084A - 一种靶标中心点快速提取方法及*** - Google Patents

Abstract

本发明提供的靶标中心点快速提取方法和***，对获取二值化图像中所有连通域进行标记，再根据标记的所述连通域检测靶标连通域，根据所述靶标连通域确定外接矩形区域，从而获取所述外接矩形区域中靶标中心点坐标，相对于现有技术中采用的边缘检测、Hessian矩阵、Hough变换、拟合等算法均要进行大量的乘除运算，而本发明中的图像二值化、连通域标记和质心法的运算大部分属于是逻辑运算和加减运算，因此执行效率较高。

Description

一种靶标中心点快速提取方法及***

技术领域

本发明涉及图像处理技术领域，特别涉及一种靶标中心点快速提取方法及***。

背景技术

靶标的特征点是指便于利用图像处理的方法获得坐标的点。特征点具有与目标相同的运动特征，因此，在进行目标跟踪定位时，靶标特征点提取是关键步骤。靶标因几何形状的不同而具有不同的特征点，如圆形的特征点是圆心、线状和条形状的特征点是中心点、棋盘格状的特征点是角点等等。用于光学定位的靶标往往以中心点作为特征点，因此，中心点提取是一种最常见的特征点提取方法。

靶标中心点提取算法有多种，主要分为以下三类：

第一类：基于边缘检测与拟合的中心提取算法。该类算法的流程是：首先，通过边缘检测(实际上是求解一阶导数)，获取包含靶标边界的二值化图像；然后，通过形态学方法去除非靶标边界；最后，利用拟合算法对靶标边界上的坐标序列进行拟合，获取中心点坐标。

如殷永凯等人在发表的论文《圆形标志点的亚像素定位及其应用》中，圆形标志点是靶标。首先，利用Canny边缘检测算法获得二值化边缘图像；其次，利用几个判据识别标志点边缘(实际上是去除非圆形标志点边缘)；其次，对获取的边缘进行亚像素处理，获取边缘的精确坐标；最后，利用椭圆拟合方法获取圆形标志点的中心坐标。

但是，边缘检测的实质是求一阶导数，有灰度变化的区域均能检测出边界。利用经实验总结出的几种判据，可以将二值化图像中的背景剔除。但在背景发生变化时，这些判据会变得不可靠，往往会检测出伪边缘或者真实边缘被剔除掉。

第二类：基于Hessian矩阵和泰勒展开的中心提取算法。该类算法的流程是：先求解图像的Hessian矩阵(实际上是求解二阶导数)；然后，求解Hessian矩阵的特征值，以确定靶标中心点的像素位置；最后，在中心区域将灰度分布函数进行二阶泰勒展开，求解极值获得精确位置。

如申请号是200810222666.6，名称为“一种圆形光斑亚像素中心提取方法及装置”的发明方案中，圆形光斑是靶标。首先，利用质心法确定圆形光斑中心的初始位置；然后，再以该初始位置为中心的一个窗口内，根据Hessian矩阵的特征值确定圆形光斑中心的像素位置；最后，利用二阶泰勒展开式确定圆形光斑中心的像素位置领域内连续分布的图像灰度函数，求解该图像灰度函数的极值点位置即为圆形光斑中心的亚像素位置。

但是，当Hessian矩阵尺寸较大且奇异时，求解特征值会非常困难，甚至无法得到特征值。

第三类：基于Hough变换的中心提取算法。在图像处理中，Hough变换常被用于直线及圆的检测。在利用Hough变换进行圆中心提取时，需要给出圆的半径范围，经变换后可以直接给出圆中心坐标。Hough变换过程实际上是一个积分过程。

如焦圣喜等人在发表的论文《霍夫变换算法在圆心视觉定位中的应用研究》中，提出了一种改进的Hough变换快速圆检测算法，通过分析圆周点与领域内其他点的位置关系，判断出圆周边缘的凸凹性及圆心方向；并以圆弧中心线的累加结果确定了圆周的圆心。

但是，Hough变换是在一个参数空间中通过计算累计结果(即积分)的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。如果不能给出关键参数(如半径)的准确范围，变换过程会非常耗时，且容易检测出大量伪靶标(如圆形)。

发明内容

本发明的目的在于：提供一种执行效率(或速度)、可靠性，以及精度均较高的靶标中心点快速提取方法。

为了实现上述发明的目的，本发明采用下述技术方案：

一种靶标中心点快速提取方法，包括下述步骤：

获取二值化图像；

对所述二值化图像中所有连通域进行标记；

根据标记的所述连通域检测靶标连通域；

根据所述靶标连通域确定外接矩形区域；

获取所述外接矩形区域中靶标中心点坐标。

作为本发明靶标中心点快速提取方法的一种改进，其中，对所述二值化图像中所有连通域进行标记，包括：

采用4连通域标记方法和/或8连通域标记方法对所述二值化图像进行标记。

作为本发明靶标中心点快速提取方法的一种改进，所述4连通域标记方法对当前像素的上、下、左、右共4个方向上连通的像素赋予特定值；所述8连通域标记方法对当前像素的上、下、左、右、左上、左下、右上、右下共8个方向上连通的像素赋予特定值。

作为本发明靶标中心点快速提取方法的一种改进，其中，根据标记的所述连通域检测靶标连通域，具体为：

根据检测判据确定靶标连通域，所述检测判据是根据靶标的特征给出，所述靶标的特征包括几何形状、几何尺寸、灰度分布特征。

所述几何形状包括圆形靶标，几何形状判据是连通域内像素的行数和列数接近1:1；所述几何尺寸判据是连通域内像素的行数和列数均大于2，所述灰度分布判据是在连通域所对应的灰度呈高斯分布。

作为本发明靶标中心点快速提取方法的一种改进，其中，根据所述靶标连通域确定外接矩形区域，具体为：

根据下述公式确定所述靶标连通域的横坐标、纵坐标的极值，分别记为：x_min、x_max、y_min、y_max，其中(x_i,y_i)是所述靶标连通域内的坐标点，N是连通域内的点数

$\left\{\begin{array}{c}{x}_{\min }=\min \{x_i,i=1,\mathrm{...},N\}\\ x_{\max }=\max \{x_i,i=1,\mathrm{...},N\}\\ y_{\min }=\min \{y_i,i=1,\mathrm{...},N\}\\ y_{\max }=\max \{y_i,i=1,\mathrm{...},N\}\end{array}\right.;$

(x_min，y_min)、(x_min，y_max)、(x_max，y_max)、(x_max，y_min)四点连接形成所述外接矩形区域。

作为本发明靶标中心点快速提取方法的一种改进，其中，获取所述外接矩形区域中靶标中心点坐标，具体为：

采用下述公式，利用灰度质心法获取所述外接矩形区域中靶标中心点坐标；

$\left\{\begin{array}{c}{x}_c=\frac{{\Σ}_1^M{x}_j\·f(x_j,x_j)}{{\Σ}_1^{M}f(x_j,y_j)}\\ y_c=\frac{{\Σ}_1^M{y}_j\·f(x_j,y_j)}{{\Σ}_1^{M}f(x_j,y_j)}\end{array}\right.$

其中，(x_c,y_c)为靶标中心点坐标，(x_j,y_j)是矩形区域内的坐标点，M是矩形区域内的点数，f(x,y)表示当前点的灰度值。

本发明还提供了一种靶标中心点快速提取***，包括：

图像获取模块，用于获取二值化图像；

标记模块，用于对所述二值化图像中所有连通域进行标记；

检测模块，用于根据标记的所述连通域检测靶标连通域；

定位模块，用于根据所述靶标连通域确定外接矩形区域；

坐标输出模块，用于获取所述外接矩形区域中靶标中心点坐标。

本发明采用上述技术方案，具有下述有益效果：

本发明提供的靶标中心点快速提取方法和***，对获取二值化图像中所有连通域进行标记，再根据标记的所述连通域检测靶标连通域，根据所述靶标连通域确定外接矩形区域，从而获取所述外接矩形区域中靶标中心点坐标，相对于现有技术中采用的边缘检测、Hessian矩阵、Hough变换、拟合等算法均要进行大量的乘除运算，而本发明中的图像二值化、连通域标记和质心法的运算大部分属于是逻辑运算和加减运算，因此执行效率较高。

另外，本发明提供的靶标中心点快速提取方法和***，在区域定位方面采用了连通域标记，没有靶标数量限制；同时，采用的连通域标记和质心法不容易受靶标几何参数变化，适应性好。

此外，相对于现有技术而言，在进行目标跟踪定位时，因受到气流、光线等干扰，靶标有时在图像中会发生一定的几何尺寸、亮度等变化，而本发明所使用的连通域标记和质心法影响较小，可靠性高。

再次，由于发光靶标的灰度分布均满足高斯分布，而中心对称靶标的灰度质心即是几何中心，因此本发明通过提取靶标中心点坐标，提高了精度。

附图说明

下面结合附图和具体实施方式，对本发明实施例提供的靶标中心点快速提取方法、及其有益效果进行详细说明。

图1为本发明一种实施例提供的一种靶标中心点快速提取方法的步骤流程图；

图2中(a)为采用4连通域标记方法的原理示意图；

图2中(b)为采用8连通域标记方法的原理示意图；

图3为本发明实施例提供的靶标的连通域标记示意图；

图4为本发明实施例提供的二维高斯分布示意图；

图5为本发明提供的靶标中心点快速提取***的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及其有益技术效果更加清晰，以下结合附图和具体实施方式，对本发明进行进一步详细说明。应当理解的是，本说明书中描述的具体实施方式仅仅是为了解释本发明，并非为了限定本发明。

请参阅图1，本发明一种实施例提供了一种靶标中心点快速提取方法100，包括下述步骤：

步骤S110：获取二值化图像；

在本实施例中，对输入的图像进行二值化处理。在实际应用中，为了提高图像二值化的处理速度，阈值需要给出经验值。阈值的经验值可以利用阈值求取算法(如Otu算法)提前算出并进行一定的人为调整获取，或者人为给出并通过实验寻找出合适的阈值。对阈值的经验值的要求是，在获得的二值化图像中靶标要具有足够数量的像素。可以理解，由于靶标区域的像素数量要远大于靶标边缘的像素数量，且靶标灰度一般与背景灰度有较大差距，该阈值具有较大的选择区间。

步骤S120：对所述二值化图像中所有连通域进行标记；

在本实施例中，对获得的二值化图像进行连通域标记，即将不同连通域的像素值赋予特定值。

优选地，采用4连通域标记方法和/或8连通域标记方法对所述二值化图像进行标记。

请参阅图2，其中(a)为采用4连通域标记方法的原理示意图，(b)为采用8连通域标记方法的原理示意图。其中，4连通域标记方法要考虑当前像素的上、下、左、右共4个方向上的相邻像素；8连通域标记方法要考虑上、下、左、右、左上、左下、右上、右下共8个方向上的相邻像素。其中，(i，j)表示当前像素。

步骤S130：根据标记的所述连通域检测靶标连通域；

优选地，根据检测判据确定靶标连通域，所述检测判据是根据靶标的特征给出，所述靶标的特征包括几何形状、几何尺寸、灰度分布特征。

所述几何形状包括圆形靶标，几何形状判据是连通域内像素的行数和列数接近1:1；所述几何尺寸判据是连通域内像素的行数和列数均大于2，所述灰度分布判据是在连通域所对应的灰度呈高斯分布。

可以理解，靶标连通域检测判据可以根据靶标的特征给出，如靶标一般具有中心对称特征，连通域内像素的行数和列数较接近，因此可以根据二者的比值(接近1:1)来判断靶标连通域。

请参阅图3，为本发明实施例提供的靶标的连通域标记示意图。其中，灰色部分表示为连通域。

步骤S140：根据所述靶标连通域确定外接矩形区域；

优选地，根据下述公式确定所述靶标连通域的横坐标、纵坐标的极值，分别记为：x_min、x_max、y_min、y_max，其中(x_i,y_i)是所述靶标连通域内的坐标点，N是连通域内的点数

$\left\{\begin{array}{c}{x}_{\min }=\min \{x_i,i=1,\mathrm{...},N\}\\ x_{\max }=\max \{x_i,i=1,\mathrm{...},N\}\\ y_{\min }=\min \{y_i,i=1,\mathrm{...},N\}\\ y_{\max }=\max \{y_i,i=1,\mathrm{...},N\}\end{array}\right.;$

(x_min，y_min)、(x_min，y_max)、(x_max，y_max)、(x_max，y_min)四点连接形成所述外接矩形区域。

可以理解，通过上述步骤，可以确定所述靶标连通域的外接矩形区域。

步骤S150：获取所述外接矩形区域中靶标中心点坐标。

优选地，采用下述公式，利用灰度质心法获取所述外接矩形区域中靶标中心点坐标；

$\left\{\begin{array}{c}{x}_c=\frac{{\Σ}_1^M{x}_j\·f(x_j,y_j)}{{\Σ}_1^{M}f(x_j,y_j)}\\ y_c=\frac{{\Σ}_1^M{y}_j\·f(x_j,y_j)}{{\Σ}_1^{M}f(x_j,y_j)}\end{array}\right.$

其中，(x_c,y_c)为靶标中心点坐标，(x_j,y_j)是矩形区域内的坐标点，M是矩形区域内的点数，f(x,y)表示当前点的灰度值。

可以理解，由于外接矩形区域的面积一般大于连通域，可知M>N。这里之所以在矩形区域而非连通域内计算灰度质心，是因为矩形区域包含了靶标较完整的灰度变化，保证了计算结果的精度。

此外，由于采用灰度质心法获取外接矩形区域中靶标中心点坐标，这样发光(包括主动发光和被动发光)靶标的灰度一般满足了二维高斯分布(如图4所示)，可知，灰度质心即是靶标中心，从而提高了精度。

请参阅图5，为本发明提供的靶标中心点快速提取***的结构示意图，包括：图像获取模块110、标记模块120、检测模块130、定位模块140及坐标输出模块150。其中，图像获取模块110用于获取二值化图像；标记模块120用于对所述二值化图像中所有连通域进行标记；检测模块130用于根据标记的所述连通域检测靶标连通域；定位模块140用于根据所述靶标连通域确定外接矩形区域；坐标输出模块150用于获取所述外接矩形区域中靶标中心点坐标。

本发明提供的靶标中心点快速提取方法和***，对获取二值化图像中所有连通域进行标记，再根据标记的所述连通域检测靶标连通域，根据所述靶标连通域确定外接矩形区域，从而获取所述外接矩形区域中靶标中心点坐标，相对于现有技术中采用的边缘检测、Hessian矩阵、Hough变换、拟合等算法均要进行大量的乘除运算，而本发明中的图像二值化、连通域标记和质心法的运算大部分属于是逻辑运算和加减运算，因此执行效率较高。

另外，本发明提供的靶标中心点快速提取方法和***，在区域定位方面采用了连通域标记，没有靶标数量限制；同时，采用的连通域标记和质心法不容易受靶标几何参数变化，适应性好。

此外，相对于现有技术而言，在进行目标跟踪定位时，因受到气流、光线等干扰，靶标有时在图像中会发生一定的几何尺寸、亮度等变化，而本发明所使用的连通域标记和质心法影响较小，可靠性高。

再次，由于发光靶标的灰度分布均满足高斯分布，而中心对称靶标的灰度质心即是几何中心，因此本发明通过提取靶标中心点坐标，提高了精度。

根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行适当的变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (8)

1.一种靶标中心点快速提取方法，其特征在于，包括下述步骤：

获取二值化图像；

对所述二值化图像中所有连通域进行标记；

根据标记的所述连通域检测靶标连通域；

根据所述靶标连通域确定外接矩形区域；

获取所述外接矩形区域中靶标中心点坐标。

2.根据权利要求1所述的靶标中心点快速提取方法，其特征在于，其中，对所述二值化图像中所有连通域进行标记，包括：

采用4连通域标记方法和/或8连通域标记方法对所述二值化图像进行标记。

3.根据权利要求2所述的靶标中心点快速提取方法，其特征在于，所述4连通域标记方法对当前像素的上、下、左、右共4个方向上连通的像素赋予特定值；所述8连通域标记方法对当前像素的上、下、左、右、左上、左下、右上、右下共8个方向上连通的像素赋予特定值。

4.根据权利要求3所述的靶标中心点快速提取方法，其特征在于，其中，根据标记的所述连通域检测靶标连通域，具体为：

根据检测判据确定靶标连通域，所述检测判据是根据靶标的特征给出，所述靶标的特征包括几何形状、几何尺寸、灰度分布特征。

5.根据权利要求4所述的靶标中心点快速提取方法，其特征在于，所述几何形状包括圆形靶标，几何形状判据是连通域内像素的行数和列数接近1:1；所述几何尺寸判据是连通域内像素的行数和列数均大于2，所述灰度分布判据是在连通域所对应的灰度呈高斯分布。

6.根据权利要求4所述的靶标中心点快速提取方法，其特征在于：其中，根据所述靶标连通域确定外接矩形区域，具体为：

根据下述公式确定所述靶标连通域的横坐标、纵坐标的极值，分别记为：x_min、x_max、y_min、y_max，其中(x_i,y_i)是所述靶标连通域内的坐标点，N是连通域内的点数

$\left\{\begin{array}{c}{x}_{min}=min\{x_i,i=1,...,N\}\\ x_{\max }=max\{x_i,i=1,...,N\}\\ y_{\min }=\min \{y_i,i=1,...,N\}\\ y_{max}=max\{y_i,i=1,...,N\}\end{array}\right.$

(x_min，y_min)、(x_min，y_max)、(x_max，y_max)、(x_max，y_min)四点连接形成所述外接矩形区域。

7.根据权利要求6所述的靶标中心点快速提取方法，其特征在于：其中，获取所述外接矩形区域中靶标中心点坐标，具体为：

采用下述公式，利用灰度质心法获取所述外接矩形区域中靶标中心点坐标；

$\left\{\begin{array}{c}{x}_c=\frac{{\mathrm{\Σ}}_1^M{x}_j\·f\left(x_j,y_j\right)}{{\mathrm{\Σ}}_1^{M}f\left(x_j,y_j\right)}\\ y_c=\frac{{\mathrm{\Σ}}_1^M{y}_j\·f\left(x_j,y_j\right)}{{\mathrm{\Σ}}_1^{M}f\left(x_j,y_j\right)}\end{array}\right.$

其中，(x_c,y_c)为靶标中心点坐标，(x_j,y_j)是矩形区域内的坐标点，M是矩形区域内的点数，f(x,y)表示当前点的灰度值。

8.一种靶标中心点快速提取***，其特征在于，包括：

图像获取模块，用于获取二值化图像；

标记模块，用于对所述二值化图像中所有连通域进行标记；

检测模块，用于根据标记的所述连通域检测靶标连通域；

定位模块，用于根据所述靶标连通域确定外接矩形区域；

坐标输出模块，用于获取所述外接矩形区域中靶标中心点坐标。