本发明专利技术公开了一种圆检测方法，包括：对图像进行边缘检测得到该图像的边缘点集；对图像的边缘点集进行分析，得到图像质量分析结果；根据图像质量分析结果选择圆检测算法；以及使用所选择的圆检测算法对图像进行圆检测。本发明专利技术还公开了执行上述圆检测方法的装置。本发明专利技术通过在进行圆检测之前先对图像的质量进行分析，并根据图像的质量选择不同的圆检测算法进行圆检测，可以有效地平衡圆检测效率以及圆检测精确度两个指标，一方面保证圆检测的精确度，而另一方面提高圆检测的效率，从而实现快速且高精度的圆检测。
【技术实现步骤摘要】
本专利技术涉及自动检测和生物特征识别
，特别涉及工业以及医疗图像应用中的圆检测方法。
技术介绍
圆检测是在诸如自动检测和生物特征识别等工业以及医疗图像应用的关键技术之一。现有的圆检测方法多数通过在图像中寻找圆的半径以及圆心来实现圆检测。例如，霍夫变换(HT，Hough Transform)是一种常用的分析特征提取算法，HT算法可以用于在图像中提取直线，圆以及椭圆等分析特征，并且HT算法对噪声，干扰，形变等具有较好鲁棒性。 圆霍夫变换(CHT，Circle Hough Transform)是一种常用的圆检测算法，其目标是在图像中检测出给定半径的圆。然而如果圆的半径是未知的，在使用CHT算法进行圆检测时，则需要对所有可能的半径分别运行CHT算法，建立一个三维(3D)参数空间，其中使用二维参数代表圆心的位置，使用第三个参数代表半径。由于计算的复杂度随着参数空间的维数呈几何增长，因此，CHT算法的计算复杂度较高，计算速度慢而且需要较大的存储空间。
技术实现思路
为了解决上述问题，本专利技术的实施例提供了一种圆检测方法及装置，可以实现快速且高精度的圆检测。本专利技术实施例所述的圆检测方法包括对图像进行边缘检测得到图像的边缘点集；对图像的边缘点集进行分析，得到图像质量分析结果；根据图像质量分析结果选择圆检测算法；以及使用所选择的圆检测算法对图像进行圆检测。其中，对图像进行边缘检测得到该图像的边缘点集包括使用坎尼算子对图像进行过滤获得图像的边缘点集；以及根据先验知识以及连通规则从获得的图像的边缘点集中剔除噪声灰度点，获得优化的边缘点集。根据图像质量分析结果选择圆检测算法包括设定表征图像质量的至少两个阈值范围；选择至少两种具有不同鲁棒性的圆检测算法；设定圆检测算法选择条件；以及根据图像质量分析结果以及设定的圆检测算法选择条件选择进行圆检测的圆检测算法。设定圆检测算法选择条件包括分别设定在图像质量属于每个阈值范围时所对应采用的圆检测算法，其中在图像的质量较好时设定选择鲁棒性相对较差但是计算复杂度相对较低的圆检测算法；而在图像质量较差时设定选择鲁棒性较好的圆检测算法。具体而言，设定表征图像质量的至少两个阈值范围包括设置四个阈值范围Tl， T2，T3以及T4，其中，图像质量属于Tl时，代表图像质量非常好；图像质量属于T2时，代表图像质量一般好；图像质量属于T3时，代表图像质量较差；以及图像质量属于T4时，代表图像质量非常差。选择至少两种具有不同鲁棒性的圆检测算法包括选择梯度对向量检测算法，随机圆检测RCD算法以及积分差分算子算法。此时，分别设定在图像质量属于每个阈值范围时所对应采用的圆检测算法包括设定当图像质量属于Tl时选择梯度对向量检测算法进行圆检测；当图像质量属于T2时选择梯度对向量检测算法与RCD算法相结合的圆检测算法；当图像质量属于T3时选择RCD算法进行圆检测；以及当图像质量属于T4时选择 RCD算法与积分差分算子相结合的圆检测算法；而根据图像质量分析结果以及设定的圆检测算法选择条件选择进行圆检测的圆检测算法包括若图像质量分析结果显示图像质量属于阈值范围Tl，则选择梯度对向量检测算法；若图像质量分析结果显示图像质量属于阈值范围T2，则选择梯度对向量检测算法与RCD算法相结合的圆检测算法；若图像质量分析结果显示图像质量属于阈值范围T3，则选择RCD算法；以及若图像质量分析结果显示图像质量属于阈值范围T4，则选择RCD算法与积分差分算子相结合的圆检测算法；且使用所选择的圆检测算法对图像进行圆检测包括若选择梯度对向量检测算法，则对图像的边缘点集执行梯度对向量检测算法，并将梯度对向量检测算法的执行结果作为圆检测的结果；若选择梯度对向量检测算法与RCD算法相结合的圆检测算法，则先对图像的边缘点集执行梯度对向量检测算法，得到圆的半径以及圆心的参考范围，再根据圆的半径以及圆心的参考范围对图像的边缘点集执行RCD算法；若选择RCD算法，则对图像的边缘点集执行RCD算法， 并将RCD算法的执行结果作为圆检测结果；若选择RCD算法与积分差分算子相结合的圆检测算法，则先对图像的边缘点集执行RCD算法，再对RCD算法的执行结果执行积分差分算子算法完成圆的精确定位。本专利技术实施例所述的圆检测装置包括图像边缘化单元，用于对待检测图像进行边缘检测得到该图像的边缘点集；图像质量分析单元，用于对图像的边缘点集进行分析，得到表征图像质量好坏的图像质量分析结果；圆检测算法选择单元，用于根据图像质量分析单元输出的图像质量分析结果选择圆检测算法；以及圆检测单元，用于用所选择的圆检测算法对图像进行圆检测。其中，图像边缘化单元进一步用于根据先验知识以及连通规则从获得的图像的边缘点集中剔除噪声灰度点，获得优化的边缘点集。上述圆检测算法选择单元包括阈值与圆检测算法设定模块，用于设定表征图像质量的至少两个阈值范围，以及选择至少两种具有不同鲁棒性的圆检测算法；圆检测算法选择条件设定模块，用于分别设定在图像质量属于每个阈值范围时所对应采用的圆检测算法；圆检测算法选择模块，用于根据图像质量分析结果以及设定的圆检测算法选择条件选择进行圆检测的圆检测算法。本专利技术给出的圆检测的方法以及装置通过在进行圆检测之前先对图像的质量进行分析，并根据图像的质量选择不同的圆检测算法进行圆检测，可以有效地平衡圆检测效率以及圆检测精确度两个指标，一方面保证圆检测的精确度，而另一方面提高圆检测的效率。因此，本专利技术实施例所述的圆检测的方法可以实现快速且高精度的圆检测，可实现虹膜定位、肿瘤检测以及识别圆形器官等应用。附图说明图1为本专利技术实施例所述的圆检测方法流程图；图2为本专利技术实施例所述的根据对图像边缘点集的分析结果选择圆检测算法进行圆检测的方法；图3为本专利技术实施例所述的圆检测装置内部结构示意图。 具体实施例方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对专利技术进行详细描述。本专利技术的实施例提出了一种新的圆检测方法，根据待检测图像的质量选择适合的圆检测算法进行圆检测，在保证检测精度的同时减少圆检测所需的时间，即可以实现快速且高精度的圆检测。图1显示了本专利技术实施例所述圆检测方法，主要包括如下步骤步骤101 对待检测图像进行边缘检测得到该图像的边缘点集。在本步骤中，可以使用传统的图像边缘检测算法，例如，坎尼算子 (CannyOperator)对图像进行过滤以获得图像的边缘点集。更进一步，在得到图像的边缘点集之后，还可以根据先验知识以及连通规则、边缘点分布密度等方法从获得的图像的边缘点集中剔除噪声灰度点，以获得优化的边缘点集。在这里，先验知识具体是指预先知道的待检测的圆的大小范围，这样，根据先验知识就可以首先在通过边缘检测得到的边缘点集内保留该大小范围内的边缘点，而剔除不属于该大小范围内的边缘点，然后还可以进一步根据连通规则从这些边缘点中剔除噪声灰度点，从而对图像的边缘点集进行优化，获得一个优化的边缘点集。具体而言，连通规则是指通过判断在一个孤立点八个方向的2点像素距离内是否存在点来确定该孤立点是否为噪声灰度点，如果该孤立点八个方向的2点像素距离内不存在点，则认为该孤立点为噪声灰度点，应当从边缘点集中剔除。步骤102 对图像的边缘点集进行分析，得到表征图像质量好坏的图像质量分析结本文档来自技高网...
【技术保护点】
１．一种圆检测方法，包括：对图像进行边缘检测得到该图像的边缘点集；对所述图像的边缘点集进行分析，得到图像质量分析结果；根据所述图像质量分析结果选择圆检测算法；以及使用所选择的圆检测算法对所述图像进行圆检测。
【技术特征摘要】
【专利技术属性】
技术研发人员：张鹏飞，
申请(专利权)人：西门子公司，
类型：发明
国别省市：DE
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。