利用限制性随机霍夫变换进行椭圆检测的图像处理方法技术

一种利用限制性随机霍夫变换进行椭圆检测的图像处理方法，首先将待检测图像通过中值滤波去除噪声影响和采用Ｃａｎｎｙ算子提取图像边缘，并采用基于模板的细化方法对图像细化使其只包含单像素宽度，然后将图像转化为矢量图形，得到图像上每条闭合曲线或任意独立曲线的详细信息，利用这些信息，同时运用限制性随机霍夫变换对图像中的曲线进行逐个检测和验证是否为椭圆。在检测过程中，只在每条曲线上的点的范围内来进行随机选择采样，由此得到所有检测出来的椭圆参数集，最后从参数集中取出每个有效椭圆的参数。本发明专利技术有针对性地在各个曲线段内采样，既减少采样点的范围，又可降低椭圆检测时的各方面阈值，从而有利于快速准确检测椭圆。

【技术实现步骤摘要】

本专利技术涉及一种，用于图像处理、计算机视觉和工业自动化检验。属于计算机信息图像处理

技术介绍
快速而准确地检测椭圆在计算机视觉和模式识别领域，特别是工业制造，生物医学，自动化检验和装配等方面有着广泛的应用前景。自从霍夫于1962年提出霍夫变换以来，它就很快发展为可检测直线和圆/椭圆等其它图形的一种方法。但传统的霍夫变换有几个较大的缺陷1、计算量大；2、占用内存大；3、提取的参数受参数空间的量化间隔制约。若将霍夫变换直接用于椭圆检测，由于椭圆有5个自由参数，需在五维参数空间进行累积，致使这种做法因计算量和内存需求量过大而不合实际。为了克服上述缺陷，Xu等提出了随机霍夫变换(Xu L，O ja E.Randomizedhough transform(RHT)basic mechanisms，algorithms and computationalcomplexities，Computer Vision Graphic Image ProcessImage understanding，1993，57(2)131-154.)。随机霍夫变换在图像空间随机地选取不在一条直线上的几个点映射成参数空间的一个点，构成多到一的映射，然后计算满足所选择点的椭圆参数。此方法避免了标准霍夫变换一到多映射的巨大计算量，具有一定的优越性。然而随机霍夫变换在处理有多个圆或椭圆时检测性能不佳，对于复杂图像时，特别是受到噪声干扰的图像时，由于无目标的随机采样会引入大量的无效采样与无用累积，检测结果的随机性很大，时间消耗过多，使算法性能大大降低。
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，提出一种，有效减少无效点的采样，提高图像中椭圆的检测精度，同时大幅降低处理时间。为实现这样的目的，本专利技术的技术方案中，首先进行图像预处理，将待检测图像通过中值滤波去除噪声影响和采用Canny算子提取图像边缘，并采用基于模板的细化方法对图像细化使其只包含单像素宽度；然后将细化后的图像采用聚类方法转化为矢量图形，矢量图形记录图像上每条闭合曲线或任意独立曲线的信息和曲线总数，包括每条曲线起止点，每条曲线上结点数，结点坐标，结点连接表等信息；在矢量图形中应用限制性随机霍夫变换，来对图像中的每条曲线进行逐个检测和验证是否满足椭圆方程，在检测过程中，只在图像中每条曲线上的点的范围内来进行随机选择采样，用于椭圆检测处理。检测完所有曲线，得到全部检测出来的椭圆参数集，最后从椭圆参数集中得到最终检测出来的每个椭圆的参数。本专利技术的椭圆检测方法主要包括以下几个具体步骤1.图像预处理本专利技术首先进行图像预处理。对于原图像是灰度图像的情况，先对其进行中值滤波处理，然后采用Canny算子进行边缘检测，从而使其成为二值图，即边缘上的像素值为1(白色)，其它像素值为0(黑色)。如果原图像本身就是二值的，那么对其只进行滤波处理。然后对滤波处理后得到的干净二值图像再进行基于模板的细化操作，使细化后图像只具有单像素宽度。2.转化图像为矢量图形对细化后的图像采用图形聚类方法，从上到下，从左到右，将每个像素点转化成为预定义的图形节点。图形节点用七个属性来描述像素的位置及与其它像素的关系。这些属性包括节点序号，节点所在曲线号，节点位置(x，y)，类型，链接表，删除标志，链接曲线表。节点序号是表示节点集中节点序列号，节点所在曲线号记录节点所在的曲线，节点位置是节点在图像中的x、y坐标，节点类型属性记录与此节点相连接的其它节点的数目，链接表则记录节点与其它节点的相连情况，删除标志表示此节点在下一步处理中是否有效，如果它为1，表示无用的，直接删除即可。链接曲线表则表示了当节点类型属型值大于2时，在节点处相交的曲线号，它用于处理曲线相交情况。然后进一步合并和分析图形节点，将属于同一独立或离散曲线的节点归为一组，以此将整个图像以一组组曲线表示。通过以上处理，得到图像上每条曲线的详细信息及整个图像的综合信息，即得到图像的矢量图形。3.在矢量图形中应用限制性随机霍夫变换检测图像中的椭圆根据得到的矢量图形数据，对矢量图形中的每条曲线按顺序逐个利用限制性随机霍夫变换检测此曲线是否为椭圆，其具体方法为在给定的每条曲线所在的坐标范围内随机选取三点来拟合参数化曲线，即拟合椭圆方程。如果这三点满足椭圆方程，就把它们添加到累加器中，并根据拟合程度赋予某一权值。重复选择三点执行拟合过程直到检测到满足椭圆方程的像素点集数超过预定阈值，然后从累加器中选择出具有最好权值的参数集用以表示图像中的这条曲线。如果累加器中的参数集与正在检测得到的参数集相似，则平均此参数集的值，用此新参数集代替累加器中的原参数集。找出参数集以后，还需要将参数集拿到图像中去验证，即到原图像中去计算有多少点确实落在由这个参数集定义的椭圆上，如果满足预定阈值，则为有效参数，否则为无效。按上述方法检测完一条曲线后，迅速移至下一条曲线范围内进行下一轮检测。通过这种不断移动地在小范围内检测方法，而完成对整个图像的椭圆检测，得到检测出来的所有椭圆的参数集。4.从参数集中得到最终检测出来的每个椭圆的参数每个椭圆参数包括p，q，r1，r2和θ五个参数，其中p，q为椭圆由原心偏移后的坐标，r1是椭圆x轴半径，r2是椭圆y轴半径，θ是椭圆沿x轴顺时针偏转角度，由这五个参数就确定了每个椭圆的位置及形状。本专利技术的方法简单有效，它的关键在于通过对待检测图像的预处理，掌握图像的全局信息，然后再采用改进过的随机霍夫变换进行快速检测。利用本专利技术进行椭圆检测，有针对性地在各个曲线段内采样，而避免了在全局范围内盲目进行随机采样点检测，因而减少了无效点的选取，减少了计算时间，同时提高了检测精度。本专利技术的方法在医学图像中检测细胞的实验应用表明，可以在较短的时间内成功检测出图像中的椭圆形细胞，其检测成功率优于传统方法，误检率也大大降低。附图说明图1为本专利技术实施例采用的原始待检测医学图像。图2为本专利技术在进行图像细化操作时定义的连通像素数。图3为本专利技术在进行图像细化操作时定义的模板。图4为利用随机霍夫变换计算椭圆中心示意图。图5为利用随机霍夫变换检测原始图像中椭圆形细胞的结果图。具体实施例方式为了更好地理解本专利技术的技术方案，以下结合附图作进一步的详细描述。以图1为例，本专利技术对医学图像中的椭圆形细胞进行检测，按如下具体步骤进行1、图像预处理。图像1为灰度图像，先对其进行中值滤波处理，然后采用Canny算子进行边缘检测，从而使其成为二值图，即边缘上的像素值为1(白色)，其它像素值为0(黑色)。如果原图像不是灰度图像，是二值的，那么对其只进行滤波处理。接着进行基于模板的细化操作，细化需要用到像素连通数这个定义一个像素的连通数定义为顺时针访问它的8邻域时数值的改变数(从1到0)，参见图2，模板参见图3，其细化步骤如下(1)在原图像中找到匹配模板M1的像素；(2)如果中心像素不是一个终点，并且具有连通数为1，则标记此像素点以备后用；(3)重复(1)，(2)步骤使所有像素点都进行M1模板匹配；(4)重复(1)，(2)，(3)步骤使其对M2，M3，M4模板均采取相同处理方法；(5)如果任何像素点被标记为后用，则改变其像素值为0；(6)如果在(5)步中有任何像素值发生过改变，则从第一步开始重复本文档来自技高网...

【技术保护点】
一种利用限制性随机霍夫变换进行椭圆检测的图像处理方法，其特征在于包括如下具体步骤：１）图像预处理：对于灰度图像，先进行中值滤波并进行Ｃａｎｎｙ算子边缘检测，使图像成为二值图，对于二值图像，只进行中值滤波。然后采用基于模板的方法对二值图像进行细化，使细化后图像只有单像素宽度；２）转化细化后的图像为矢量图形：采用聚类方法，将细化后的图像每个像素点转化成为图形节点，图形节点用节点序号、节点所在曲线号、节点位置、类型、链接表、删除标志及链接曲线表七个属性来描述像素的位置及与其它像素的关系，然后进一步合并和分析图形节点，将属于同一独立或离散曲线的节点归为一组，以此将整个图像以一组组曲线表示，得到图像上每条曲线的详细信息及整个图像的综合信息，即得到图像的矢量图形；３）在矢量图形中应用限制性随机霍夫变换检测图像中的椭圆：根据得到的矢量图形数据，在给定的每条曲线所在的坐标范围内随机选取三点来拟合参数化曲线，如果这三点满足椭圆方程，就把它们添加到累加器中，并根据拟合程度赋予某一权值，重复选择三点执行拟合过程直到检测到满足椭圆方程的像素点集数超过预定阈值，然后从累加器中选择出具有最好权值的参数集用以表示图像中的这条曲线，如果累加器中的参数集与正在检测得到的参数集相似，则平均此参数集的值，用此新参数集代替累加器中的原参数集，最后将找出的参数集拿到图像中去验证；按上述方法检测完一条曲线后，迅速移至下一条曲线范围内进行下一轮检测，通过这种不断移动地在小范围内检测方法，完成对整个图像的椭圆检测，得到检测出来的所有椭圆的参数集；４）从参数集中得到最终检测出的ｐ，ｑ，ｒ１，ｒ２和θ五个椭圆参数，从而确定每个椭圆的位置及形状，其中ｐ，ｑ为椭圆由原心偏移后的坐标，ｒ１是椭圆ｘ轴半径，ｒ２是椭圆ｙ轴半径，θ是椭圆沿ｘ轴顺时针偏转角度。...

【技术特征摘要】

【专利技术属性】
技术研发人员：程治国，刘允才，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]