一种利用改进霍夫变换进行类圆形检测的图像处理方法，本发明专利技术分为以下七个步骤：图像预处理、边缘提取和噪声滤除、梯度方向加权霍夫变换投影、投影空间低通平滑滤波、收缩处理及二值化、圆心定位和半径估计。与传统霍夫变换检测圆形的方法相比，本方法一方面降低了算法对内存的需求，提高了算法效率；另一方面改进了算法对不规则类圆形物体检测的性能；同时，也提高了算法在圆形半径变化区间较大情况下的检测精度。
【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
快速而准确的检测圆形和类圆形物体在计算机视觉和模式识别领域有着广泛的应用前景。例如，在工业检测线，生物医学监测设备，自动化装配线上，都涉及到应用计算机视觉技术进行圆形和类圆形检测的技术。一直以来，霍夫变换都是检测直线/圆/椭圆的一种实用有效的方法，但是对于检测圆形来说，霍夫变换也存在几个较大的缺点1、占用内存多；2、不能检测不规则的类圆物体(如气泡，细胞等)；3、抗干扰性能差；Xu等人提出了随机霍夫变换(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.)，用来检测椭圆。 随机霍夫变换在图像控件随机地选取检测空间上的几个点，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。虽然随机霍夫变换降低了算法的复杂度和内存需求，但是，它也存在着一下几个不足1、处理检测同一幅图像上的多个圆或椭圆的情况下检测性能不佳；2、不能检测不规则的类圆物体(如气泡，细胞)；3、随着图像噪声的增加，算法的性能大大降低。
技术实现思路
本专利技术针对现有技术的不足，提出一种改进的霍夫变换进行类圆形物体检测的图像处理方法。用来高效，准确地检测一幅图像中多个位置和尺寸不同的不规则类圆形物体。本专利技术包含如下步骤步骤一，图像预处理，在执行后续算法之前，对待处理图像进行自适应的灰度化和亮度/对比度均衡。首先，根据各色彩分量动态范围的不同，自适应地选取图像灰度化的权重参数，给动态范围大的色彩分量以更高的权重。其次，灰度图像进行分块的直方图均衡， 使得图像各块的亮度基本一致，对比度最大化；步骤二，边缘提取和噪声滤除对步骤一得到的图像，计算一阶梯度场。得到的结果是一个二维的向量场，向量的方向为梯度方向，向量的绝对值为边缘的强度。然后，对此二维向量场进行去噪声滤波，将梯度绝对值小于滤波阈值之下的梯度数据设为零。此处的阈值可以默认设为梯度场的平均绝对值，或是作为算法的参数之一供用户调整；步骤三，梯度方向加权霍夫变换投影，对步骤二得到的结果，在梯度方向上，按照不同的半径(半径检测区间内)，向二维的参数空间(圆心XY坐标)上投影。对得到的投影点进行加权处理。权重分为两个部分投影点的梯度绝对值和投影半径对数的倒数。第一部分起到了弱化微小边界和干扰的作用，提高了算法的抗干扰性能；第二部减小了不同半径的圆在圆心上的投影强度，改进了算法在检测圆形半径变化区间较大情况下的检测精步骤四，投影空间低通平滑滤波，对于图像中不规则形状的类圆物体，经过步骤三的投影之后，圆心未必汇聚成一点，增加了后续圆心定位算法的难度。在圆心定位之前，对投影空间的图像做低通平滑滤波，使得位置相近的投影点模糊化，汇聚成团；步骤五，收缩处理及二值化，为了检测多个相连的圆形，需要对步骤四得到的结果做形态学的收缩处理。使得投影空间上多个相连或接近的圆形相互分离。然后进行自适应阈值的二值化；步骤六，圆心定位，对步骤五得到的结果进行连通区域判断。面积和投影强度大于一定阈值的区域被判断为一个圆，投影区域的质心即为这个圆的圆心坐标；步骤七，半径估计，查找在步骤六定位得出的每个圆心位置周围的梯度场数据，计算步骤二得出的大于阈值的梯度与圆心的距离分布。其中距离分布的峰值即为该圆的半径。与传统霍夫变换检测圆形的方法相比，本方法一方面降低了算法对内存的需求， 提高了算法效率；另一方面改进了算法对不规则类圆形物体检测的性能；同时，也提高了算法在圆形半径变化区间较大情况下的检测精度。附图说明图1是本专利技术的流程2是本专利技术实例中图片数据输入，内容为彩色显微细胞照片；图3是本专利技术实例中经过步骤2图像预处理后的灰度图像；图4是本专利技术实例中边缘增强的梯度场的强度图；图5是本专利技术实例中改进的霍夫变换投影后的结果；图6是本专利技术实例中投影空间低通平滑滤波之后的结果；图7经本专利技术实例中过形态学收缩和二值化处理的投影空间；图8是本专利技术实例中最终的检测效果。具体实施例方式下面结合附图对本专利技术的实施例作详细说明本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。本实施例基于细胞检测的实现，输入图像为细胞的显微镜照片图像。如图1所示，本实施例提供了一种，包括如下步骤步骤一，图像预处理，由于光照或成像系统的缺陷，获取的待处理图像各处的亮度和对比度不均勻，导致同一套算法和参数对于图像各个部分的处理效果不一致(如图2所示)。所以，在执行后续算法之前，对待处理图像进行自适应的灰度化和亮度/对比度均衡。 首先，根据各色彩分量动态范围的不同，自适应地选取图像灰度化的权重参数，给动态范围大的色彩分量以更高的权重。其次，灰度图像进行分块的直方图均衡，使得图像各块的亮度基本一致，对比度最大化(如图3所示)；步骤二，边缘提取和噪声滤除，对步骤一得到的图像，计算一阶梯度场。得到的结果是一个二维的向量场，向量的方向为梯度方向，向量的绝对值为边缘的强度。然后，对此二维向量场进行去噪声滤波，将梯度绝对值小于滤波阈值之下的梯度数据设为零。此处的阈值可以默认设为梯度场的平均绝对值，或是作为算法的参数之一供用户调整。得到图4 所示的结果；步骤三，梯度方向加权霍夫变换投影，此步骤在传统霍夫变换检测圆形的算法基础上，进行了三项重要的改进。一方面降低了算法对内存的需求，提高了算法效率；另一方面改进了算法对不规则类圆形物体检测的性能；同时，也提高了算法在圆形半径变化区间较大情况下的检测精度。经典的霍夫变换检测圆形的算法，每个待投影点需要向所有方向上在三维的参数空间(圆心XY坐标和半径)上投影。本算法对其进行了改进，在投影过程中去掉半径参数，并且，只向梯度方向进行投影。即，在梯度方向上，按照不同的半径(半径检测区间内)，向二维的参数空间(圆心XY坐标)上投影。另外，算法还对投影点进行了加权处理。权重分为两个部分投影点的梯度绝对值和投影半径对数的倒数。第一部分起到了弱化微小边界和干扰的作用，提高了算法的抗干扰性能；第二部减小了不同半径的圆在圆心上的投影强度，改进了算法在检测圆形半径变化区间较大情况下的检测精度。得到结果如图5所示；步骤四，投影空间低通平滑滤波，对于图像中不规则形状的类圆物体，经过步骤三的投影之后，圆心未必汇聚成一点，增加了后续圆心定位算法的难度。所以，在圆心定位之前，对投影空间的图像做低通平滑滤波，使得位置相近的投影点模糊化，汇聚成团。处理结果如图6所示；步骤五，图像形态学收缩处理及二值化，为了检测多个相连的圆形，需要对步骤4 得到的结果做形态学的收缩处理。使得投影空间上多个相连或接近的圆形相互分离。然后进行自适应阈值的二值化。处理结果如图7所示；步骤六，圆心定位，对步骤五得到的结果进行连通区域判断。面积和投影强度大于一定阈值的区域被判断为一个圆，投影区本文档来自技高网...
【技术保护点】
【技术特征摘要】
...
【专利技术属性】
技术研发人员：黄海清，
申请(专利权)人：黄海清，
类型：发明
国别省市：
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。