一种区分互为轴对称的不同类物件的通用方法技术

本发明专利技术属于机器视觉和模式识别领域，具体涉及一种区分互为轴对称(也称镜像对称)的不同类别的物件的通用方法，包括如下步骤：输入参数K值；输入目标形状的二值图；在图像中计算外接圆中心到重心的距离D和外接圆半径R；判断D/R是否小于给定阈值；如果小于则设置对称性特征T(K)＝0；否则以中心和重心的连线为Y轴，Y轴上离中心距离为KR的位置为原点建立新坐标系，计算目标形状在新坐标系下的一、三象限的面积和SP，在二、四象限的面积和SN，然后设置对称性特征T(K)＝(SP‑SN)/(SP+SN)。参数K可手动设置或根据样本自动生成。该方法能稳定区分大多数互为轴对称的不同类别的物件。

【技术实现步骤摘要】
一种区分互为轴对称的不同类物件的通用方法
本专利技术属于机器视觉和模式识别领域，具体涉及一种区分互为轴对称的不同类物件的通用方法。
技术介绍
工业中常需要利用机器视觉一些零件或线路板上的元件进行识别分类，在现有技术中，当待识别的物件方向可任意时，最简单的方式是通过用一些旋转不变的特征来输入到分类器里去识别。在这个过程中，常常会有一些互为轴对称(也称镜像对称)的两种物件是作为不同的类来对待，这些物件自身不是镜像对称的，否则它的镜像也是它本类的形状。一般情况下，很难找到一种区分互为镜像对称的不同类物件的通用特征。针对个别类的专用特征相对而言比较容易定义，但不通用，比如到重心的最短边和最长边之间的旋转夹角，如果最短边和最长边都存在且唯一，并且其夹角不是180度时，是可以区分的；如果最短边或最长边在多个方向都存在，或者提取到的形状外圈有噪声，最长边的位置可能就改变了而引起夹角值的大变化，从而导致无法区分或误分。如果待分类的物件中有很多对互为轴对称的但不属于同一类时，每一对都找一个专用特征就很麻烦，所以能有一种通用特征来区分轴对称性就会很方便和实用。
技术实现思路
本专利技术的目的在于：针对现有技术的不足，而提供一种区分互为轴对称的不同类的物件的通用方法，该方法能稳定区分大多数互为轴对称的不同类物件。为实现上述目的，本专利技术采用如下技术方案：一种区分互为轴对称的不同类物件的通用方法，包括如下步骤：S1、给定若干个对称性参数K，值都位于区间(-1，1)内；S2、输入目标形状的二值图；S3、计算外接圆的半径R和外接圆中心到重心的距离D；S4、判断D/R是否小于给定阈值det；S5、对于肯定的判断，则设置所有对称性特征T(K)＝0；S6、对于否定的判断，则以中心到重心的连线为Y轴，Y轴上离中心的距离为KR的点做为原点建立坐标系，计算目标形状在新坐标系下一、三象限的面积和SP，在二、四象限的面积和SN，然后设置对称性特征T(K)＝(SP-SN)/(SP+SN)；S7、一个参数K对应一个对称性特征T(K)，如果使用不止一个对称性特征时，重复步骤S6直到遍历完所有的参数K；S8、将所有使用的对称性特征T(K)当作一种普通特征和其它特征一起输入分类器进行训练和分类即可；S9、对所有的目标重复步骤S2到S8；在工作时，步骤S5和S6-S7同时执行。进一步地，步骤S1中的若干个参数K可以通过三种方式得到，一是可以通过缺省设置一个为0；二是通过手动设定一个或几个；三是通过自动筛选得到，包括如下步骤：T1、设定最终选用的T(K)的个数上限，最多M个，其中M≥1；T2、给定步长，等距分割区间(-1，1)得到一组候选参数，或者通过手动设置多个候选参数；T3、对所有要区分轴对称的类的样本，计算在每个参数K下的对称性特征值T(K)；T4、对于某个K，如果一个类的所有样本都满足T(K)≥0.1或者都满足T(K)≤-0.1，则认为该T(K)对该类的对称性特征是可区分的；对所有候选的T(K)，每次选取一个，能够和已选的T(K)一起区分最多类别的对称性的；T5、逐个增加选取的T(K)，直到所有D/R≥det的目标类都可区分对称性，或者达到数目上限M，或者所有候选T(K)都已选上，就停止增加。进一步地，要得到目标的二值图，步骤S2还包括如下具体步骤：S2-1、获取目标物体的灰度图像；S2-2、对图像进行二值化处理，得到前景和背景，前景为待区分的物体；S2-3、去除S2-2得到的前景中的小面积区，排除噪声干扰；S2-4、输入目标物体形状的二值图。作为一种改进，步骤S2中的二值图可以选择用形态学方法排除毛刺的干扰，使中心和重心的提取更稳定。进一步地，步骤S3中可以提取物体的边缘轮廓点序列，并根据非线性最大值最小化原理，利用轮廓点求取物体的最小外接圆中心中心(cx，cy)和外接圆半径R；重心(bx，by)是所有前景点的位置平均，也即bx＝N-1∑ixi，by＝N-1∑iyi，其中N是前景总像素数，x为前景点所在的列数，y为前景点所在的行数，i是前景点的序号；外接圆中心到重心的距离进一步地，步骤S3所述的外接圆中心可以用外接正矩形中心或外接多边形中心替代，外接圆半径R可以用目标区域的其它外围尺寸替代。进一步地，步骤S4中阈值det的推荐范围是[0.1，0.2]。进一步地，步骤S6中的Y轴的正向只能为二者之一：要么以从中心指向重心的方向为Y轴正向；要么从重心指向中心的方向为Y轴正向。进一步地，如果对所有使用的K，计算的对称性特征T(K)均为0或接近0时，表明物体本身是轴对称的或者其对称极性无法区分；如果是对称极性无法区分时，可将互为轴对称的两个类作为一个类识别出来，再针对这两个类的物件上特殊点线的相对位置关系增加一个特征来区分，即用专用特征来区分。本专利技术的有益效果在于：可以很容易地得到一个或几个能区分很多对互为轴对称的不同类物件的通用特征，不需要对每一对互为轴对称的类都去找一个专用特征，并且可以很稳定地正确区分。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为互为轴对称的不同类的两个物件的一个例子，显示了它们的二值图和新坐标系，其中中心用×表示，重心用O表示并作为新坐标系的原点；图2为统计图1中面积SP和SN时，某一行的三段区间的正负示意图，+表示属于一三象限的，－表示属于二四象限的；图3为本专利技术的对称性特征的计算流程图；图4为自动筛选合适的对称性参数K的流程图。具体实施方式如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分方式，而是以功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。在本专利技术的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、水平”等指示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的图像内容具有特定的方位，因此不能理解为对本专利技术的限制。以下结合附图和例子对本专利技术的实施方式做更详细的说明，但不作为对本专利技术的限定。首先根据前面
技术实现思路
里所说的获取目标的图像，用二值化或区域分割得到目标区域的二值图，可以选择对二值图进行形态学运算腐蚀一薄层，一般形态学腐蚀采用的结构元素为3×3或5×5。然后将二值图的外围轮廓点输入到OpenCV的minEnclosingCircle函数计算外接圆中心(cx，cy)和半径R，再根据前面
技术实现思路
的重心的计算方式得到重心的位置(bx，by)以及重心离中心的距离D，如果D/R<det，则直接设置T＝0；否则就建立新坐标系计算其对称性。对称性特征的计算流程参看图3。图1显示了互为轴对称的不同类的两个物件的二值图的一个例子；这里以重心为原点，中心到重心的指向为Y轴正向建立新坐标系；这里可以很容易得到K＝D/R，实际计算得到的K值为0.21；从图1可以看出，左图的前本文档来自技高网...

【技术保护点】
1.一种区分互为轴对称的不同类物件的通用方法，其特征在于，包括如下步骤：S1、给定若干个对称性参数K，值都位于区间(‑1，1)内；S2、输入目标物体的二值图；S3、计算外接圆的半径R和外接圆中心到重心的距离D；S4、判断D/R是否小于给定阈值det；S5、对于肯定的判断，则设置所有的对称性特征T(K)＝0；S6、对于否定的判断，则以中心到重心的连线为Y轴，Y轴上离中心的距离为KR的点作为原点建立坐标系，计算目标形状在新坐标系下一、三象限的面积和SP，在二、四象限的面积和SN，然后设置对称性特征T(K)＝(SP‑SN)/(SP+SN)；S7、一个参数K对应一个对称性特征T(K)，如果使用不止一个对称性特征时，重复步骤S6直到遍历完所有的参数K；S8、将所有使用的对称性特征T(K)当作一种普通特征和其它特征一起输入分类器进行训练和分类即可；S9、对所有的目标重复步骤S2到S8；在工作时，步骤S5和S6‑S7同时执行。

【技术特征摘要】
1.一种区分互为轴对称的不同类物件的通用方法，其特征在于，包括如下步骤：S1、给定若干个对称性参数K，值都位于区间(-1，1)内；S2、输入目标物体的二值图；S3、计算外接圆的半径R和外接圆中心到重心的距离D；S4、判断D/R是否小于给定阈值det；S5、对于肯定的判断，则设置所有的对称性特征T(K)＝0；S6、对于否定的判断，则以中心到重心的连线为Y轴，Y轴上离中心的距离为KR的点作为原点建立坐标系，计算目标形状在新坐标系下一、三象限的面积和SP，在二、四象限的面积和SN，然后设置对称性特征T(K)＝(SP-SN)/(SP+SN)；S7、一个参数K对应一个对称性特征T(K)，如果使用不止一个对称性特征时，重复步骤S6直到遍历完所有的参数K；S8、将所有使用的对称性特征T(K)当作一种普通特征和其它特征一起输入分类器进行训练和分类即可；S9、对所有的目标重复步骤S2到S8；在工作时，步骤S5和S6-S7同时执行。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中的若干个参数K可以通过缺省设置一个为0，或者通过手动设定一个或几个。3.根据权利要求1所述的方法，其特征在于，所述步骤S1中的若干个参数K也可以通过自动筛选获得，包括如下步骤：T1、设定最终选用的T(K)的个数上限，最多M个，其中M≥1；T2、给定步长，等距分割区间(-1，1)得到一组候选参数，或者通过手动设置多个候选参数；T3、对所有要区分轴对称的类的样本，计算在每个参数K下的对称性特征值T(K)；T4、对于某个K，如果一个类的所有样本都满足T(K)≥0.1或者都满足T(K)≤-0.1，则认为该T(K)对该类的对称性特征是可区分的；对所有候选的T(K)，每次选取一个，能够和已选的T(K)一起区分最多类别的对称性的；T5、逐个增加选取的T(K)，直到所有D/R≥det的目标类都...

【专利技术属性】
技术研发人员：朱杰英，卢盛林，
申请(专利权)人：广东奥普特科技股份有限公司，
类型：发明
国别省市：广东,44