利用改進霍夫變換進行類圓形檢測的圖像處理方法
2023-12-03 03:58:51
專利名稱：利用改進霍夫變換進行類圓形檢測的圖像處理方法
技術領域：
本發明涉及一種利用改進霍夫變換進行類圓形檢測的圖像處理方法，用於圖像處理，計算機視覺和工業自動化檢驗。屬於計算機信息圖像處理技術領域。
背景技術：
快速而準確的檢測圓形和類圓形物體在計算機視覺和模式識別領域有著廣泛的應用前景。例如，在工業檢測線，生物醫學監測設備，自動化裝配線上，都涉及到應用計算機視覺技術進行圓形和類圓形檢測的技術。一直以來，霍夫變換都是檢測直線/圓/橢圓的一種實用有效的方法，但是對於檢測圓形來說，霍夫變換也存在幾個較大的缺點1、佔用內存多；2、不能檢測不規則的類圓物體(如氣泡，細胞等)；3、抗幹擾性能差；Xu等人提出了隨機霍夫變換(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。 隨機霍夫變換在圖像控制項隨機地選取檢測空間上的幾個點，映射成參數空間的一個點，構成多到一的映射，然後計算滿足所選擇點的橢圓參數。雖然隨機霍夫變換降低了算法的複雜度和內存需求，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、不能檢測不規則的類圓物體(如氣泡，細胞)；3、隨著圖像噪聲的增加，算法的性能大大降低。
發明內容
本發明針對現有技術的不足，提出一種改進的霍夫變換進行類圓形物體檢測的圖像處理方法。用來高效，準確地檢測一幅圖像中多個位置和尺寸不同的不規則類圓形物體。本發明包含如下步驟步驟一，圖像預處理，在執行後續算法之前，對待處理圖像進行自適應的灰度化和亮度/對比度均衡。首先，根據各色彩分量動態範圍的不同，自適應地選取圖像灰度化的權重參數，給動態範圍大的色彩分量以更高的權重。其次，灰度圖像進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，計算一階梯度場。得到的結果是一個二維的向量場，向量的方向為梯度方向，向量的絕對值為邊緣的強度。然後，對此二維向量場進行去噪聲濾波，將梯度絕對值小於濾波閾值之下的梯度數據設為零。此處的閾值可以默認設為梯度場的平均絕對值，或是作為算法的參數之一供用戶調整；步驟三，梯度方向加權霍夫變換投影，對步驟二得到的結果，在梯度方向上，按照不同的半徑(半徑檢測區間內)，向二維的參數空間(圓心XY坐標)上投影。對得到的投影點進行加權處理。權重分為兩個部分投影點的梯度絕對值和投影半徑對數的倒數。第一部分起到了弱化微小邊界和幹擾的作用，提高了算法的抗幹擾性能；第二部減小了不同半徑的圓在圓心上的投影強度，改進了算法在檢測圓形半徑變化區間較大情況下的檢測精
步驟四，投影空間低通平滑濾波，對於圖像中不規則形狀的類圓物體，經過步驟三的投影之後，圓心未必匯聚成一點，增加了後續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模糊化，匯聚成團；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果做形態學的收縮處理。使得投影空間上多個相連或接近的圓形相互分離。然後進行自適應閾值的二值化；步驟六，圓心定位，對步驟五得到的結果進行連通區域判斷。面積和投影強度大於一定閾值的區域被判斷為一個圓，投影區域的質心即為這個圓的圓心坐標；步驟七，半徑估計，查找在步驟六定位得出的每個圓心位置周圍的梯度場數據，計算步驟二得出的大於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存的需求， 提高了算法效率；另一方面改進了算法對不規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間較大情況下的檢測精度。
圖1是本發明利用改進霍夫變換進行類圓形檢測的圖像處理方法的流程2是本發明實例中圖片數據輸入，內容為彩色顯微細胞照片；圖3是本發明實例中經過步驟2圖像預處理後的灰度圖像；圖4是本發明實例中邊緣增強的梯度場的強度圖；圖5是本發明實例中改進的霍夫變換投影后的結果；圖6是本發明實例中投影空間低通平滑濾波之後的結果；圖7經本發明實例中過形態學收縮和二值化處理的投影空間；圖8是本發明實例中最終的檢測效果。
具體實施例方式下面結合附圖對本發明的實施例作詳細說明本實施例在以本發明技術方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護範圍不限於下述的實施例。本實施例基於細胞檢測的實現，輸入圖像為細胞的顯微鏡照片圖像。如圖1所示，本實施例提供了一種利用改進霍夫變換進行類圓形檢測的圖像處理方法，包括如下步驟步驟一，圖像預處理，由於光照或成像系統的缺陷，獲取的待處理圖像各處的亮度和對比度不均勻，導致同一套算法和參數對於圖像各個部分的處理效果不一致(如圖2所示)。所以，在執行後續算法之前，對待處理圖像進行自適應的灰度化和亮度/對比度均衡。 首先，根據各色彩分量動態範圍的不同，自適應地選取圖像灰度化的權重參數，給動態範圍大的色彩分量以更高的權重。其次，灰度圖像進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，計算一階梯度場。得到的結果是一個二維的向量場，向量的方向為梯度方向，向量的絕對值為邊緣的強度。然後，對此二維向量場進行去噪聲濾波，將梯度絕對值小於濾波閾值之下的梯度數據設為零。此處的閾值可以默認設為梯度場的平均絕對值，或是作為算法的參數之一供用戶調整。得到圖4 所示的結果；步驟三，梯度方向加權霍夫變換投影，此步驟在傳統霍夫變換檢測圓形的算法基礎上，進行了三項重要的改進。一方面降低了算法對內存的需求，提高了算法效率；另一方面改進了算法對不規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間較大情況下的檢測精度。經典的霍夫變換檢測圓形的算法，每個待投影點需要向所有方向上在三維的參數空間(圓心XY坐標和半徑)上投影。本算法對其進行了改進，在投影過程中去掉半徑參數，並且，只向梯度方向進行投影。即，在梯度方向上，按照不同的半徑(半徑檢測區間內)，向二維的參數空間(圓心XY坐標)上投影。另外，算法還對投影點進行了加權處理。權重分為兩個部分投影點的梯度絕對值和投影半徑對數的倒數。第一部分起到了弱化微小邊界和幹擾的作用，提高了算法的抗幹擾性能；第二部減小了不同半徑的圓在圓心上的投影強度，改進了算法在檢測圓形半徑變化區間較大情況下的檢測精度。得到結果如圖5所示；步驟四，投影空間低通平滑濾波，對於圖像中不規則形狀的類圓物體，經過步驟三的投影之後，圓心未必匯聚成一點，增加了後續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模糊化，匯聚成團。處理結果如圖6所示；步驟五，圖像形態學收縮處理及二值化，為了檢測多個相連的圓形，需要對步驟4 得到的結果做形態學的收縮處理。使得投影空間上多個相連或接近的圓形相互分離。然後進行自適應閾值的二值化。處理結果如圖7所示；步驟六，圓心定位，對步驟五得到的結果進行連通區域判斷。面積和投影強度大於一定閾值的區域被判斷為一個圓，投影區域的質心即為這個圓的圓心坐標。步驟七，半徑估計，查找在步驟六定位得出的每個圓心位置周圍的梯度場數據，計算步驟二得出的大於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。輸出的最終結果如圖8所示。本實例在進行細胞檢測時，一方面降低了算法對內存的需求，提高了算法效率；另一方面改進了算法對不規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間較大情況下的檢測精度。
權利要求
1.一種利用改進霍夫變換進行類圓形檢測的圖像處理方法，其特徵在於，包括以下步驟步驟一，圖像預處理，在執行後續算法之前，對待處理圖像進行自適應的灰度化和亮度 /對比度均衡。首先，根據各色彩分量動態範圍的不同，自適應地選取圖像灰度化的權重參數，給動態範圍大的色彩分量以更高的權重。其次，灰度圖像進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，計算一階梯度場。得到的結果是一個二維的向量場，向量的方向為梯度方向，向量的絕對值為邊緣的強度。然後，對此二維向量場進行去噪聲濾波，將梯度絕對值小於濾波閾值之下的梯度數據設為零。此處的閾值可以默認設為梯度場的平均絕對值，或是作為算法的參數之一供用戶調整；步驟三，梯度方向加權霍夫變換投影，對步驟二得到的結果，在梯度方向上，按照不同的半徑(半徑檢測區間內)，向二維的參數空間(圓心XY坐標)上投影。步驟四，投影空間低通平滑濾波，對於圖像中不規則形狀的類圓物體，經過步驟三的投影之後，圓心未必匯聚成一點，增加了後續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模糊化，匯聚成團；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果做形態學的收縮處理。使得投影空間上多個相連或接近的圓形相互分離。然後進行自適應閾值的二值化；步驟六，圓心定位，對步驟五得到的結果進行連通區域判斷。面積和投影強度大於一定閾值的區域被判斷為一個圓，投影區域的質心即為這個圓的圓心坐標；步驟七，半徑估計，查找在步驟六定位得出的每個圓心位置周圍的梯度場數據，計算步驟二得出的大於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.根據權利要求1所述的一種利用改進霍夫變換進行類圓形檢測的圖像處理方法，其特徵在是，步驟三所述梯度方向加權霍夫變換投影，對得到的投影點進行加權處理。權重分為兩個部分投影點的梯度絕對值和投影半徑對數的倒數。第一部分起到了弱化微小邊界和幹擾的作用，提高了算法的抗幹擾性能；第二部減小了不同半徑的圓在圓心上的投影強度，改進了算法在檢測圓形半徑變化區間較大情況下的檢測精度。
全文摘要
一種利用改進霍夫變換進行類圓形檢測的圖像處理方法，本發明分為以下七個步驟圖像預處理、邊緣提取和噪聲濾除、梯度方向加權霍夫變換投影、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。與傳統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存的需求，提高了算法效率；另一方面改進了算法對不規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 優先權日2011年3月22日
發明者黃海清 申請人:黃海清