【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于圆弧拟合的畸变图像线段提取新方法。
技术介绍
1、图像中线段的检测是计算机视觉中需要解决的一个重要问题，该问题的解决可广泛应用于视觉导航、机器人定位和现实增强领域。
2、目前，现有的线段检测方法主要集中于无畸变图像中的直线段检测，可以粗略分为：hough变换法、边缘连接法、基于梯度方向和梯度幅度的方法(例如lsd方法)。hough变换法将图像坐标转换到参数空间并采用累加投票的方式检测直线，具有检测精度和可靠性高的特点，但hough变换检测过程中需要对图像的每个边缘像素点计算参数，计算量大、实时性差。边缘连接法通常利用图像边缘灰度变化的特点通过遍历像素提取直线段，具有抗噪性好、效率高的优点。基于梯度方向和梯度幅度的方法(lsd方法)选取梯度幅度极值处的像素为种子点，通过区域生长算法生成候选直线段区域，并结合假设验证的方式提取直线段，具有检测准确率高的特点。
3、现有线段检测方法只能应用于无畸变或小畸变图像中的直线段检测，无法直接应用于畸变图像中的弧线段检测。要对畸变图像使用现有线段检测方法，则需要对将畸变图像进行预先矫正，将其转换为无畸变图像，这无疑增加了视觉任务的复杂度和额外工作量。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于圆弧拟合的畸变图像线段提取新方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于圆弧拟合的畸变图像线段提取新方
4、s1：采用除法模型表示相机镜头的畸变，利用三维空间直线投影到二维图像平面仍为直线的特性，得到畸变图像下边缘线段的圆弧方程；
5、s2：采用canny算子检测畸变图像的边缘特征，通过moore-neighbor算法查找边缘轮廓，并将长度小于图像尺寸十分之一的边缘轮廓剔除；
6、s3：对于某条边缘轮廓ci，从中随机选择三个像素点，并将其带入s1中的圆弧方程，计算得到该圆弧方程的系数；
7、s4：利用s3中得到的圆弧方程在边缘轮廓ci中寻找连续且能够最长满足该方程的像素点序列l，则其为一条在ci中搜索到的线段；
8、s5：由于s3中像素点的选择是随机的，因此单次计算无法得到最佳的圆弧方程使得通过该方程找到的l在ci中是最长的，为了在ci中找到连续且最长的l，需重复s3到s4中的步骤n次；
9、s6：通过步骤s3到s5在ci中找到连续且最长的l后，将其作为从ci中提取到的一条线段存储于线段集合ai，同时为了避免提取线段重合的问题，将l从ci中删除，余下像素构成新的边缘轮廓存储于集合ri；
10、s7：将ri中的边缘轮廓作为新的ci，重复步骤s3到s6，直至余下像素能够构成的边缘轮廓集合ri为空，表明ci中能够满足条件的线段已经提取完毕；
11、s8：采用最小二乘法计算线段集合ai中每条线段所代表的圆弧半径，通过设定阈值对ai中的线段进行合并；
12、s9：假设通过步骤s2在整个畸变图像中检测到的边缘轮廓集合为c＝{ci|i＝1,2,...,m}，重复s3到s8的步骤直至遍历完m条轮廓，得到从整个畸变图像中提取到的完整线段集合a＝{ai|i＝1,2,...,m}。
13、作为本专利技术的进一步技术方案，所述s1中,得到畸变图像下边缘线段圆弧模型的具体过程为：
14、s1.1：采用单参数的除法模型，相机镜头的畸变表示为：
15、
16、其中(xu,yu)表示无畸变像素点，(xd,yd)表示畸变像素点，λ表示畸变系数且
17、s1.2：三维空间直线在二维图像平面上的理想方程为：
18、axu+byu+c＝0 (2)
19、s1.3：将式(1)带入式(2)可以得到畸变图像下边缘线段的圆弧模型：
20、
21、其中和为圆弧方程系数。
22、作为本专利技术的进一步技术方案，所述s3中，计算圆弧方程系数的过程为：
23、s3.1：假设边缘轮廓ci由n个像素点构成，记为：ci＝{(xj,yj)|j＝1,2,...,n}，从ci中随机选择3个像素点(x1,y1)，(x2,y2)和(x3,y3)；
24、s3.2：将(x1,y1)，(x2,y2)和(x3,y3)带入式(3)计算得到圆弧方程系数：
25、x＝(ata)-1atb (4)
26、其中
27、作为本专利技术的进一步技术方案，所述s4中，寻找连续且能够最长满足圆弧方程像素点序列的过程为：
28、s4.1：利用式(4)中求解得到的圆弧系数定义误差函数：
29、
30、当ci中的像素点能够满足式(5)时，e的值越小，反之则越大；
31、s4.2：定义变量ps＝0和pe＝0用于存储连续像素序列的起点和终点，定义变量count＝0用于连续像素的计数，定义标志位flag＝0判断连续像素区域的起始位置，定义变量psl＝0，pel＝0和countl＝0分别用于存储连续且最长像素序列的起点、终点和像素数量；
32、s4.3：对于ci中的每一个像素，将其带入式(5)计算误差e，如果误差e小于给定的阈值，则连续计数变量count增加1；
33、s4.4：判断标志位flag的值，如果flag＝0，则ps存储当前像素点的位置，否则pe存储当前像素点的位置，并且flag设置为1；
34、s4.5：如果e大于给定的阈值，count设置为0，flag设置为0；
35、s4.6：判断count是否大于countl，如果大于，则psl设置为ps，pel设置为pe，countl设置为count，否则，带入ci中的下一个像素点重复s4.3到s4.6中的步骤。
36、作为本专利技术的进一步技术方案，所述s5中，重复次数n的确定过程为：
37、s5.1：假设轮廓ci中能够寻找到的连续且最长的图像序列为l，其长度为k，单次未能选择到l的概率是：
38、
39、s5.2：假设经n次重复选择后仍未能选中序列l的概率小于0.5％，
40、
41、则重复采样的次数n大于时，就有99.5％的概率能够在ci中寻找到连续且最长的图像序列l，其中lg表示以10为底的对数，ceil表示向上取整。
42、作为本专利技术的进一步技术方案，所述s6中，从ci中删除l的具体过程为：
43、s6.1：当l在ci中的分布从起始位置开始到中间位置n2时，n2到终点n的像素序列构成边缘轮廓，存入r中；
44、s6.2：当l在ci中的分布从中间位置n1到终点位置n时，起始位置到n1的像素序列构成边缘轮廓，存入r中；
45、s6.3：当本文档来自技高网...
【技术保护点】
1.一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述S1中,得到畸变图像下边缘线段圆弧模型的具体过程为：
3.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述S3中，计算圆弧方程系数的过程为：
4.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述S4中，寻找连续且能够最长满足圆弧方程像素点序列的过程为：
5.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述S5中，重复次数N的确定过程为：
6.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述S6中，从Ci中删除L的具体过程为：
7.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述S8中，对Ai中的线段进行合并的具体过程为：
【技术特征摘要】
1.一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述s1中,得到畸变图像下边缘线段圆弧模型的具体过程为：
3.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述s3中，计算圆弧方程系数的过程为：
4.根据权利要求1所述的一种基于圆弧拟合的畸变图像线段提取新方法，其特征在于，所述s4...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。