CN113888456A - 一种基于轮廓的角点检测算法 - Google Patents
一种基于轮廓的角点检测算法 Download PDFInfo
- Publication number
- CN113888456A CN113888456A CN202010619850.5A CN202010619850A CN113888456A CN 113888456 A CN113888456 A CN 113888456A CN 202010619850 A CN202010619850 A CN 202010619850A CN 113888456 A CN113888456 A CN 113888456A
- Authority
- CN
- China
- Prior art keywords
- point
- corner
- points
- candidate
- contour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000002187 spin decoupling employing ultra-broadband-inversion sequences generated via simulated annealing Methods 0.000 claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005316 response function Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 4
- 230000001629 suppression Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000006835 compression Effects 0.000 abstract 1
- 238000007906 compression Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
在数字图像处理中,角点检测作为图像特征提取的一部分被广泛用于形状提取与分析、目标配准与匹配、图像压缩等领域,与工业现场的工件的测量、识别与定位有着密不可分的关系。针对目前工业上对工件进行角点提取时定位准确度低、检测时间长等问题,本文提出一种基于轮廓的角点检测算法,采用八邻域轮廓跟踪法对预处理后的图像进行轮廓提取,计算轮廓点的尖锐度,通过非极大值抑制得到候选角点,采用SUSAN圆形模板和支撑区域自适应方法对候选角点进行优化。实验结果表明,该算法抗干扰性高,定位精确,速度较快。
Description
技术领域
本发明涉及一种图像角点提取方法,可用于工业测量等方面。属于图像处理技术领域。
背景技术
图像的角点是表征图像的一种重要特征,图像的角点检测(Corner Detection)作为工业现场中工件的自动检测等过程中很重要的一环,其提取角点的能力和速度会直接影响工业自动化检测的精度和效率。
现阶段的角点检测算法主要有基于灰度图像、二值图像和轮廓曲线的角点检测算法三类,而在轮廓曲线上进行角点提取时,因其计算量较少、检测的准确性较高,且工业检测在保证精度的同时对速度也有很大的要求,因此该类算法被广泛的应用在工业检测现场。
基于轮廓尖锐度的角点检测算法首先对轮廓曲线在最佳尺度下进行高斯平滑,然后通过轮廓线中心点两侧支撑区域夹角的近似计算提取角点,最后进行非极大值抑制获取最终角点,该算法能较好的检测角点并抑制伪角点,但高斯平滑使算法复杂并且使检测精度降低。
SUSAN算法采用圆形模板检测图像的角点,直接通过对像素邻域灰度值进行比较即可判断出角点,优点是角点检测时不用计算梯度、不用插值且不依赖于前期图像预处理的结果,缺点是定位精度较差、对噪声敏感并且可能漏检角点。
发明内容
本发明的目的在于针对现有方法的不足,提出一种基于轮廓的角点检测算法,提高角点检测的准确性。
本发明的技术方案:首先采用八邻域轮廓跟踪法对预处理后的图像进行轮廓提取;然后计算轮廓点的尖锐度,通过非极大值抑制得到候选角点;最后采用SUSAN圆形模板和支撑区域自适应方法对候选角点进行优化。
本发明的方法通过以下几个步骤实现:
(1)对图像预处理得到二值图像,将目标与背景分离;
(2)采用八邻域轮廓跟踪法提取目标的轮廓;
(3)计算轮廓上每个点的尖锐度,获取候选角点;
(4)针对候选角点应用改进的SUSAN模板二次遍历,去除边缘伪角点;
(5)利用支撑区域自适应方法去除邻接伪角点。
与现有方法相比,本方法的优越性体现在:
1.直接对二值图像使用八邻域轮廓跟踪法进行轮廓提取,定位准确;
2.与传统的基于轮廓尖锐度的角点检测算法相比,本发明鲁棒性更好;
3.与传统的SUSAN角点检测算法相比,本发明速度更快,误检率更低;
4.算法实现简单,计算效率较高;
5.可应用于工件尺寸测量、特征匹配以及识别定位等方面。
如上所述的方法,其特征在于,所述步骤2采用8邻域轮廓追踪算法直接对二值图像进行轮廓的提取,避免了轮廓出现断点的问题,精度更高、速度更快。
八邻域轮廓跟踪算法的主要步骤如下:
step1:根据二值图像轮廓的性质,先对图像进行扫描寻找轮廓的起始边界点O并存储到容器中;
step2:按照预先设定的跟踪方向(顺时针),以O点为中心进行八邻域搜索,定位到下一个像素点N;
step3:检测N点是否与轮廓的起始边界点O重合,若不是,则存储N点并从N点开始重复执行step2,若是则停止搜索。
如上所述的方法,其特征在于,所述步骤4采用如下的SUSAN圆形模板去除边缘伪角点:实际检测时,角点即核心点一定在轮廓上,故USAN的典型区域为三种情况:核心在轮廓的边缘上时, 核心点的USAN区域为圆形模板的一半;当核心在角点上时, 核心点的USAN区域为两种情况,一种为核心点在外角点上一种为核心点在轮廓内角点上。SUSAN算法优化的主要步骤如下:
1)在候选角点上放置一个具有37个像素大小的圆形模板,在预处理后的二值图像上,依次比较圆形模板内37个像素点的灰度值与候选角点的灰度值,设置阈值判断是否属于USAN区域,判别函数如下:
3)由于候选角点都在目标轮廓上,既有内角点也有外角点,故构建角点响应函数如下式,
如上所述的方法,其特征在于,所述步骤5利用支撑区域自适应方法去除邻接伪角点,由于在复杂的轮廓变化较快的部分,会有多个点被判定为候选角点,这些候选角点互相邻接,去除邻接伪角点的步骤如下:
附图说明
图1为本发明八邻域轮廓跟踪示意图。
图2为本发明SUSAN圆形模板示意图。
图3为本发明轮廓上SUSAN典型区域示意图。
图4为本发明标准原始图像角点检测过程示意图。
图5为本发明工件原始图像角点检测过程示意图。
具体实施方式
为了更好地理解本发明的技术方案,以下结合附图和实施例,作进一步的详细描述。
采用本发明方法进行轮廓角点提取,具体按如下步骤进行。
1.对图像进行预处理
首先对图像进行增强,然后滤波,最后二值化将目标与背景分割开来。
2.提取目标轮廓信息
step1:根据二值图像轮廓的性质,先对图像进行扫描寻找轮廓的起始边界点O并存储到容器中;
step2:按照预先设定的跟踪方向(顺时针),以O点为中心进行八邻域搜索,定位到下一个像素点N;
step3:检测N点是否与轮廓的起始边界点O重合,若不是,则存储N点并从N点开始重复执行step2,若是则停止搜索;
图1为本发明八邻域轮廓跟踪示意图。
3.获取候选角点
4.获取真实角点
采用如下的SUSAN圆形模板去除边缘伪角点:实际检测时,角点即核心点一定在轮廓上,故USAN的典型区域为三种情况:核心在轮廓的边缘上时, 核心点的USAN区域为圆形模板的一半;当核心在角点上时, 核心点的USAN区域为两种情况,一种为核心点在外角点上一种为核心点在轮廓内角点上,图2为本发明SUSAN圆形模板示意图,图3为本发明轮廓上SUSAN典型区域示意图。
SUSAN算法优化的主要步骤如下:
1)在候选角点上放置一个具有37个像素大小的圆形模板,在预处理后的二值图像上,依次比较圆形模板内37个像素点的灰度值与候选角点的灰度值,设置阈值判断是否属于USAN区域,判别函数如下:
3)由于候选角点都在目标轮廓上,既有内角点也有外角点,故构建角点响应函数如下式,
如上所述的方法,其特征在于,所述步骤5利用支撑区域自适应方法去除邻接伪角点,由于在复杂的轮廓变化较快的部分,会有多个点被判定为候选角点,这些候选角点互相邻接,去除邻接伪角点的步骤如下:
通过以上步骤最终获得图像轮廓上的真实角点,图4为本发明标准原始图像角点检测过程示意图,图5为本发明工件原始图像角点检测过程示意图。
Claims (3)
1.一种基于轮廓的角点检测算法,其特征在于包括以下步骤:
步骤1:采用八邻域轮廓跟踪法提取二值图像轮廓;
步骤2:计算轮廓尖锐度,获取候选角点;
步骤3:针对候选角点应用改进的SUSAN模板二次遍历,去除边缘伪角点;
步骤4:利用支撑区域自适应方法去除邻接伪角点。
2.如权利要求1所述的方法,其特征在于采用如下的SUSAN圆形模板去除边缘伪角点:实际检测时,角点即核心点一定在轮廓上,故核值相似区(Univalue Segment-Assimilating Nucleus,USAN)的典型区域为三种情况:核心在轮廓的边缘上时, 核心点的USAN区域为圆形模板的一半;当核心在角点上时, 核心点的USAN区域为两种情况,一种为核心点在外角点上一种为核心点在轮廓内角点上,SUSAN角点优化的主要步骤如下:
1)在候选角点上放置一个具有37个像素大小的圆形模板,在预处理后的二值图像上,依次比较圆形模板内37个像素点的灰度值与候选角点的灰度值,设置阈值判断是否属于USAN区域,判别函数如下:
3)由于候选角点都在目标轮廓上,既有内角点也有外角点,故构建角点响应函数如下式,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010619850.5A CN113888456B (zh) | 2020-07-01 | 2020-07-01 | 一种基于轮廓的角点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010619850.5A CN113888456B (zh) | 2020-07-01 | 2020-07-01 | 一种基于轮廓的角点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113888456A true CN113888456A (zh) | 2022-01-04 |
CN113888456B CN113888456B (zh) | 2024-05-24 |
Family
ID=79012441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010619850.5A Active CN113888456B (zh) | 2020-07-01 | 2020-07-01 | 一种基于轮廓的角点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888456B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115564728A (zh) * | 2022-09-30 | 2023-01-03 | 苏州大学 | 一种图像角点检测方法、装置、设备及应用 |
CN115830049A (zh) * | 2022-07-18 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100591608B1 (ko) * | 2005-03-18 | 2006-06-20 | 전남대학교산학협력단 | 영상 정합시 대응점 검색방법 |
CN101794446A (zh) * | 2010-02-11 | 2010-08-04 | 东南大学 | 一种图像角点的线搜索式检测方法 |
CN101887586A (zh) * | 2010-07-30 | 2010-11-17 | 上海交通大学 | 基于图像轮廓尖锐度的自适应角点检测方法 |
CN106652048A (zh) * | 2016-12-30 | 2017-05-10 | 杭州电子科技大学 | 基于3d‑susan算子的三维模型感兴趣点提取方法 |
WO2017193414A1 (zh) * | 2016-05-12 | 2017-11-16 | 惠州学院 | 一种基于转弯半径的图像角点检测方法 |
CN108765441A (zh) * | 2018-06-05 | 2018-11-06 | 哈尔滨理工大学 | 基于高斯变换的多尺度susan角点检测方法 |
-
2020
- 2020-07-01 CN CN202010619850.5A patent/CN113888456B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100591608B1 (ko) * | 2005-03-18 | 2006-06-20 | 전남대학교산학협력단 | 영상 정합시 대응점 검색방법 |
CN101794446A (zh) * | 2010-02-11 | 2010-08-04 | 东南大学 | 一种图像角点的线搜索式检测方法 |
CN101887586A (zh) * | 2010-07-30 | 2010-11-17 | 上海交通大学 | 基于图像轮廓尖锐度的自适应角点检测方法 |
WO2017193414A1 (zh) * | 2016-05-12 | 2017-11-16 | 惠州学院 | 一种基于转弯半径的图像角点检测方法 |
CN106652048A (zh) * | 2016-12-30 | 2017-05-10 | 杭州电子科技大学 | 基于3d‑susan算子的三维模型感兴趣点提取方法 |
CN108765441A (zh) * | 2018-06-05 | 2018-11-06 | 哈尔滨理工大学 | 基于高斯变换的多尺度susan角点检测方法 |
Non-Patent Citations (2)
Title |
---|
刘晨;于微波;杨宏韬;王国秀;谢家欣;: "工件图像轮廓角点特征提取算法", 长春工业大学学报, no. 05, 15 October 2019 (2019-10-15) * |
卢军;谭智仁;: "结合Mahalanobis距离的SUSAN彩色边缘检测方法研究", 陕西科技大学学报(自然科学版), no. 06, 25 December 2013 (2013-12-25) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830049A (zh) * | 2022-07-18 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
WO2024016686A1 (zh) * | 2022-07-18 | 2024-01-25 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
CN115564728A (zh) * | 2022-09-30 | 2023-01-03 | 苏州大学 | 一种图像角点检测方法、装置、设备及应用 |
CN115564728B (zh) * | 2022-09-30 | 2023-08-11 | 苏州大学 | 一种图像角点检测方法、装置、设备及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN113888456B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
WO2022007431A1 (zh) | 一种Micro QR二维码的定位方法 | |
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN107369136B (zh) | 聚晶金刚石复合片表面裂纹视觉检测方法 | |
CN109727244B (zh) | 一种磁瓦表面裂纹检测方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN113888456B (zh) | 一种基于轮廓的角点检测方法 | |
Xu | Robust traffic sign shape recognition using geometric matching | |
CN110717872A (zh) | 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取*** | |
CN110569857A (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
CN115131359B (zh) | 一种金属加工件表面麻点缺陷检测方法 | |
CN114693610A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 | |
CN108921831B (zh) | 一种基于图像处理技术的污损硬币识别方法 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN111652825A (zh) | 基于梯度方向约束的边缘跟踪直线段快速检测装置及方法 | |
CN106529551B (zh) | 面向包装行业的类圆对象智能识别计数检测方法 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 | |
CN107808165B (zh) | 一种基于susan角点检测的红外图像匹配方法 | |
CN116823827B (zh) | 一种基于图像处理的矿石粉碎效果评价方法 | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN110956200A (zh) | 一种轮胎花纹相似度检测方法 | |
Yu et al. | An algorithm for corner detection based on Contour | |
Sun et al. | Research on image segmentation and extraction algorithm for bicolor water level gauge | |
CN110689538B (zh) | 隧道衬砌裂缝图像检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |