CN113012181A - 一种基于Hough变换的新型类圆形检测方法 - Google Patents

Abstract

本发明公开了一种基于Hough变换的新型类圆形检测方法，将霍夫变换分别与基于圆周角的类圆检测算法以及基于圆半径的类圆检测算法相结合，对一维图像中的类圆形进行判定，运行速度快，占用内存小，在图像清晰度较高的情况下，检测精度较高，具有较高的实用价值及较强的普遍适用性。

Description

一种基于Hough变换的新型类圆形检测方法

技术领域

本发明涉及图像识别领域，特别涉及一种基于Hough变换的新型类圆形检测方法。

背景技术

目前有许多目标需要先进行迅速准确的类圆形检测，因此，从一张图片中快速准确的检测出类圆，这是一个必要的研究问题，但在图片数据量日益增大的情况下，所有现有的圆形或椭圆形检测方法在不同的方面均存在一些问题。

在各种研究中，常用的算法有经典霍夫算法、随机霍夫算法和广义霍夫算法。有学者利用椭圆的闭合边界的特点，给出了一种高效检测椭圆的方法，提出椭圆边界链码的概念对椭圆进行边缘检测和跟踪，并使用滤波消除噪声及非闭合的数据使得边缘检测更加清晰，以形成椭圆边界链码，在链码上寻找对偶点并进行Hough变换，从而精确检测出椭圆。但是该算法的时间复杂度为O(n*n)，运行速度较慢。尚璐提出从椭圆的弧长着手，椭圆的一般方程及参数通过同一段弧长的边缘点的位置信息和梯度信息确定，该算法的有效性和检测时间均优于一般的检测算法。但是对于不是标准椭圆而言，该算法的识别准确度较低。

本发明结合类圆形状的具体特征，应用几何概念，对所要识别的图像进行灰度转换及二值化，依次获取图像的边缘，舍弃较为分散的点，构成图形边缘，除此之外，使用霍夫变换进行类圆参数的提取，得到该类圆形的中心。

发明内容

为了克服现有技术中的不足，运行速度较慢，对于类似圆形的检测成功率较低，本发明提供一种基于Hough变换的新型类圆形检测方法，并将其应用到月表陨坑的检测上，以满足月球车的避障要求。

为了达到上述发明目的，解决其技术问题所采用的技术方案如下：

本发明公开了一种基于Hough变换的新型类圆形检测方法，与基于圆周角的类圆检测法相结合，包括以下步骤：

步骤1：类圆圆心的获取，需要对已经获取的图像边界点进行过滤，以获取一种连续边界，假设类圆圆心为O点，在该图像所在的平面建立一条水平扫描线，依次从该类圆形的边缘向下扫描，在一维空间中，中点计数采用Hough变换的方法，计数最大值对应的中点即可看作类圆心0；

步骤2：类圆半径的获取，通过边缘检测查找出该目标图形的轮廓，依次遍历轮廓上的每一个点，进行数值比对以获得轮廓上最远距离的两个点，取圆上除这两点之外的任意一点，最远距离的两点的连线视为该类圆形的直径；

步骤3：判断该直径所对的角度范围是否在80-100度左右，若是，则对该边缘进行描绘并给出中心点O。

进一步的，步骤2中边缘检测步骤如下：

步骤21：使用高斯滤波去除噪声达到平滑图像的目的；

步骤22：寻找该类圆形边界的强度梯度，即根据不同像素值对图像进行划分；

步骤23：用非最大抑制技术沿边缘方向追踪边缘点来消除边缘误检；

步骤24：使用双阈值的方法来决定可能的边界，并绘出边界。

本发明还公开了一种基于Hough变换的新型类圆形检测方法，与基于圆半径的类圆检测法相结合，包括以下步骤：

步骤A：类圆圆心的获取，需要对已经获取的图像边界点进行过滤，以获取一种连续边界，假设类圆圆心为O点，在该图像所在的平面建立一条水平扫描线，依次从该类圆形的边缘向下扫描，在一维空间中，中点计数采用Hough变换的方法，计数最大值对应的中点即可看作类圆心O；

步骤B：类圆半径的获取，通过边缘检测识别出该图像轮廓，依次遍历该轮廓上的点，得到轮廓上距离最远的两个点，设为AB，AB的中点O假定为圆心，则该两点间距离可假设为直径；

步骤C：若在识别出的边缘上每个点到这个中点的距离在这个半径数值附近波动，并对该半径数据做归一化处理，以解决直径大的和直径小的波动范围不一致问题，则可判断该图形类圆。

本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：

1、本发明针对霍夫变换在圆检测中的不稳定性及时间、空间耗费较大等问题，提出了根据类圆轮廓进行检测的类圆形检测方法，本方法是通过圆的基本特征来判定一些类似圆形并使用Canny算法进行边缘检测，在应用到各种类圆形的目标检测上时的检测成功率比霍夫变换高，对于内存的需求较低，算法运行效率较高。

2、本发明将霍夫变换与其他两种类圆检测方法(基于圆周角的类圆检测方法和基于圆半径的类圆检测方法)相结合，并将其应用到陨石坑的检测中，对该一维图像中的类圆形进行判定，运行速度快，占用内存小，在图像清晰度较高的情况下，检测精度较高，具有较高的实用价值及较强的普遍适用性。在复杂的月表地形上有着良好的识别效果，为之后的月球车避障奠定了重要的理论基础。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：

图1是本发明检测方法的具体框架图；

图2是本发明中圆周角判断模拟图；

图3是本发明中圆半径判断模拟图；

图4是本发明中陨石坑原图；

图5是本发明中陨石坑检测图；

图6是传统算法运行结果图；

图7是本发明算法运行结果图。

具体实施方式

以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

实施例一

如图1所示，本发明公开了一种基于Hough变换的新型类圆形检测方法，与基于圆周角的类圆检测法相结合，包括以下步骤：

步骤1：类圆圆心的获取，需要对已经获取的图像边界点进行过滤，以获取一种连续边界，假设类圆圆心为O点，在该图像所在的平面建立一条水平扫描线，依次从该类圆形的边缘向下扫描，在一维空间中，中点计数采用Hough变换的方法，计数最大值对应的中点即可看作类圆心O；

步骤2：类圆半径的获取，通过边缘检测查找出该目标图形的轮廓，依次遍历轮廓上的每一个点，进行数值比对以获得轮廓上最远距离的两个点，取圆上除这两点之外的任意一点，最远距离的两点的连线视为该类圆形的直径；

步骤3：判断该直径所对的角度范围是否在80-100度左右，若是，则对该边缘进行描绘并给出中心点O，具体参数如图2所示。

在该检测方法中，首先需要对原图进行边缘检测，在保留原有图像属性的情况下，显著减少图像的数据规模，具体边缘检测步骤如下：

步骤21：使用高斯滤波去除噪声达到平滑图像的目的；

步骤22：寻找该类圆形边界的强度梯度，即根据不同像素值对图像进行划分；

步骤23：用非最大抑制技术沿边缘方向追踪边缘点来消除边缘误检；

步骤24：使用双阈值的方法来决定可能的边界，并绘出边界。

在边缘检测成功之后查找图片中所需要判断点的轮廓，依次遍历轮廓上的每一个点来得到轮廓上最远的两个点，如图2所示的AB，在圆上任取一点(除这两点之外)，判断AB边所对应的角a是否在80度到100度之间，若该角度在该范围内，则可以对该图形进行标记，可用于进一步的识别。

实施例二

继续参考图1，本发明还公开了一种基于Hough变换的新型类圆形检测方法，与基于圆半径的类圆检测法相结合，该检测方法基于圆半径的特点，从其中心到其周边的任何线段都相等，提出若某一图形上的任何一点到判定后的中点都在该半径内波动，则该图形可近似看成圆形，具体包括以下步骤：

步骤A：类圆圆心的获取，需要对已经获取的图像边界点进行过滤，以获取一种连续边界，假设类圆圆心为O点，在该图像所在的平面建立一条水平扫描线，依次从该类圆形的边缘向下扫描，在一维空间中，中点计数采用Hough变换的方法，计数最大值对应的中点即可看作类圆心O；

步骤B：类圆半径的获取，通过边缘检测识别出该图像轮廓，依次遍历该轮廓上的点，得到轮廓上距离最远的两个点，如图3中AB所示，AB的中点O假定为圆心，则该两点间距离可假设为直径；

步骤C：若在识别出的边缘上每个点到这个中点的距离在这个半径数值附近波动，即m和n的长度可近似相等，在此还需对该半径数据做归一化处理，以解决直径大的和直径小的波动范围不一致问题，则可判断该图形类圆，具体参数如图3所示。

本发明的实施分为三个阶段完成，如下：

第一阶段：算法的具体实现

首先需要对原图像进行边缘检测，二值化操作后确定该类圆形的边缘。对于图像边缘的任意一个非零点都需要采用Sobel算子，对于参数指定的每一个像素都需要在累加器中叠加并做出标记。累加器图像的反比分辨＝1，Canny边缘函数的高阈值设置为60，圆心检测阈值设置为26。圆心检测阈值需要根据图像中的圆大小设置，当这张图片中的圆越小，那么此值就应该被设置的越小，避免噪声的产生。

圆周角算法实现步骤如下：

1.通过边缘检测查找出该目标图形的轮廓；

2.依次遍历轮廓上的每一个点；

3.进行数值比对以获得轮廓上最远距离的两个点；

4.取圆上任意一点(除这两点之外)，最远距离的两点的连线视为该类圆形的直径；

5.判断该直径所对的角度范围是否在80-100度左右。

圆半径算法实现步骤如下：

1.通过边缘检测识别出该图像轮廓；

2.依次遍历该轮廓上的点；

3.判断得到轮廓上距离最远的两个点为直径；

4.判断识别出的边缘上每个点到这个中点的距离是否在这个半径数值附近波动。

第二阶段：算法的具体应用

类圆形的识别与检测的方法在工业检测线、生物医学监测设备以及自动化装配线上，都有广泛的应用。

月球车避障的相关研究最不能忽视的问题就是对复杂地形的研究，本发明将两种类圆形检测算法应用于月表陨石坑的识别上，并得到了很好的效果。在月球车的路径规划方面，对于陨石坑的识别与检测可以给路径规划提供较好的数据依据以规避障碍，具体应用图4和5所示。

第三阶段：类圆识别的精确度分析

本发明对于类圆形的识别精确度由具体实现图展示，根据图6和7可知，传统算法对于类圆形检测的准确度在本发明所提出算法的准确度之下。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种基于Hough变换的新型类圆形检测方法，与基于圆周角的类圆检测法相结合，其特征在于，包括以下步骤：

步骤1：类圆圆心的获取，需要对已经获取的图像边界点进行过滤，以获取一种连续边界，假设类圆圆心为O点，在该图像所在的平面建立一条水平扫描线，依次从该类圆形的边缘向下扫描，在一维空间中，中点计数采用Hough变换的方法，计数最大值对应的中点即可看作类圆心O；

步骤2：类圆半径的获取，通过边缘检测查找出该目标图形的轮廓，依次遍历轮廓上的每一个点，进行数值比对以获得轮廓上最远距离的两个点，取圆上除这两点之外的任意一点，最远距离的两点的连线视为该类圆形的直径；

步骤3：判断该直径所对的角度范围是否在80-100度左右，若是，则对该边缘进行描绘并给出中心点O。

2.根据权利要求1所述的一种基于Hough变换的新型类圆形检测方法，其特征在于，步骤2中边缘检测步骤如下：

步骤21：使用高斯滤波去除噪声达到平滑图像的目的；

步骤22：寻找该类圆形边界的强度梯度，即根据不同像素值对图像进行划分；

步骤23：用非最大抑制技术沿边缘方向追踪边缘点来消除边缘误检；

步骤24：使用双阈值的方法来决定可能的边界，并绘出边界。

3.一种基于Hough变换的新型类圆形检测方法，与基于圆半径的类圆检测法相结合，其特征在于，包括以下步骤：

步骤A：类圆圆心的获取，需要对已经获取的图像边界点进行过滤，以获取一种连续边界，假设类圆圆心为O点，在该图像所在的平面建立一条水平扫描线，依次从该类圆形的边缘向下扫描，在一维空间中，中点计数采用Hough变换的方法，计数最大值对应的中点即可看作类圆心O；

步骤B：类圆半径的获取，通过边缘检测识别出该图像轮廓，依次遍历该轮廓上的点，得到轮廓上距离最远的两个点，设为AB，AB的中点O假定为圆心，则该两点间距离可假设为直径；

步骤C：若在识别出的边缘上每个点到这个中点的距离在这个半径数值附近波动，并对该半径数据做归一化处理，以解决直径大的和直径小的波动范围不一致问题，则可判断该图形类圆。

Images