本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法，具體是一種在hough變換的基礎(chǔ)上，利用改進(jìn)的ransac算法擬合多條直線求得橢圓中心點，進(jìn)而進(jìn)行降維減少計算量的橢圓檢測方法。

背景技術(shù)：

在工業(yè)生產(chǎn)中，有許多工件存在圓或者橢圓的形狀。采用雙目視覺測量過程中，空間圓的形狀在單個相機的拍攝下，投影到一個平面會形成橢圓，橢圓的檢測對后續(xù)的點的正確匹配產(chǎn)生重要影響。直接最小二乘法是一種有效的基于參數(shù)擬合進(jìn)行橢圓檢測的方法，這種方法對于理想數(shù)據(jù)點的橢圓擬合精度高，然而它對于噪聲非常敏感，并且不能夠在一幅圖像中檢測多個橢圓。hough變換是解決橢圓擬合的一種有效途徑。由于定義一個橢圓需要五個參數(shù)，hough變換需要五維累加器陣列來構(gòu)造參數(shù)空間，因此這種方法需要占用大量的內(nèi)存，計算速度慢，而且精度很低，甚至出現(xiàn)不正確的解。

為了有效降低hough變換中參數(shù)空間累加器的維數(shù)和hough變換的存儲需求以盡可能加快橢圓檢測的速度，許多研究者進(jìn)行了大量的嘗試。一種改進(jìn)的基于隨機hough變換的橢圓檢測算法(rht)，其基本原理是從圖像中隨機選取三個邊緣像素點，在每一個點周圍定義一個鄰域，并利用最小二乘法在每個鄰域內(nèi)找出一條最佳擬合的直線，這條直線就是橢圓上所選取點的切線。這種算法存在嚴(yán)重的缺陷，因為任何邊緣點的切線都會由于所選取鄰域窗口大小的不同而產(chǎn)生敏感變化，從而導(dǎo)致所求得的參數(shù)不穩(wěn)定或者精度較低。部分學(xué)者發(fā)展了隨機hough變換的理論，每次隨機選擇5個點進(jìn)行迭代，利用它們對橢圓的參數(shù)進(jìn)行投票。該算法的準(zhǔn)確性和速度取決于符合該模型的點的比例，如果用于擬合橢圓的點的比例較小，隨機抽樣次數(shù)就要很多，因此計算量就會很大。

技術(shù)實現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，利用降維的思想，首先確定橢圓中心，進(jìn)而確定其他參數(shù)。為保證橢圓中心求得的正確性，本文利用改進(jìn)的ransac算法擬合多條直線確定橢圓的中心。在確保橢圓中心的正確求取后，再利用橢圓對稱性，找出基于橢圓中心的對稱點，在對稱點上利用hough變換最終確立檢測到的橢圓。本發(fā)明一方面縮短了hough變換檢測的時間，同時還提高了橢圓檢測的準(zhǔn)確性。發(fā)明內(nèi)容流程圖如圖1所示。

在求得橢圓平行弦中點后，傳統(tǒng)的ransac算法只能擬合1條直線，本發(fā)明在傳統(tǒng)ransac算法的基礎(chǔ)上，提出了一種改進(jìn)的ransac算法，用于擬合多條線。具體的擬合流程總結(jié)如下：

第一步，將求得的中點信息存儲在i2中。

第二步，確定ransac算法的最大循環(huán)次數(shù)n和殘差閾值λ。

第三步，在i2中隨機選取2個不同的點，構(gòu)建直線l。計算i2中剩余點到直線l的距離，記作di(i＝1,…,n-2)，若di<λ，則該點為內(nèi)點，否則為外點，統(tǒng)計內(nèi)點的數(shù)目，記作k。

第四步，重復(fù)第三步，直至達(dá)到最大循環(huán)次數(shù)n。該過程可以得到多個k值，找出其中最大的k值，記作kmax。則獲得kmax所對應(yīng)的2個隨機點所確定的直線模型，即為最優(yōu)擬合直線。

第五步，將最優(yōu)擬合直線的所有內(nèi)點，都從i2中剔除。

第六步，確定所需擬合直線的數(shù)量，記作a，重復(fù)a次第三步到第五步，即可找到a條擬合直線(a由橢圓數(shù)量決定，是已知條件)。

在已知橢圓中心點(p，q)的情況下，確定橢圓方程e還需要知道的參數(shù)是θ、a、b即為橢圓的轉(zhuǎn)角、半長軸和半短軸。在確定轉(zhuǎn)角和長短軸之前，首先要進(jìn)行正確橢圓中心的確定，改進(jìn)的ransac算法得到了全部交叉點。但在檢測多個橢圓時，檢測到的線過多，可能會存在錯檢的點。針對這種情況本發(fā)明采取的方案如下：

第一步，若求得的橢圓中心有n個，設(shè)定n個空白圖像，分別為g1、g2…gn。

第二步，對邊緣檢測圖像i1進(jìn)行行掃描，對于檢測到的點分別對各個橢圓中心求對稱點。

第三步，若掃描點關(guān)于第n個中心求得的對稱點在i1中真實存在，則將對稱點同時存儲在gn中。

第四步，求得的對稱點較多的橢圓中心擬定為正確的橢圓中心，并將對應(yīng)的gn保留，其他則剔除。

附圖說明

圖1發(fā)明內(nèi)容流程圖；

圖2橢圓擬合圖像。

具體實施方式

下面對本發(fā)明的實施例作詳細(xì)說明。本實施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實施，給出了詳細(xì)的實施方式和過程，但本發(fā)明的保護(hù)范圍不限于下述的實施例。

首先，需求的橢圓平行弦中點，求得橢圓平行弦中點的具體步驟如下：

第一步，首先采用sobel算子對預(yù)處理后的橢圓圖像進(jìn)行邊緣檢測，得到邊緣輪廓信息。令邊緣檢測圖像為i1，i2為初始化的空白圖像。

第二步，對圖像i1進(jìn)行逐行掃描時，找到每行橢圓輪廓的兩點，連接兩點求得水平弦的中點，并將求出中點坐標(biāo)存儲圖像i2中。

第三步，同理對圖像進(jìn)行列掃描，找到每列橢圓輪廓豎直弦中點，并存儲在i2中。

其次，在求得橢圓平行弦中點后，傳統(tǒng)的ransac算法只能擬合1條直線，本發(fā)明在傳統(tǒng)ransac算法的基礎(chǔ)上，提出了一種改進(jìn)的ransac算法，用于擬合多條線。具體的擬合流程總結(jié)如下：

第一步，將求得的中點信息存儲在i2中。

第二步，確定ransac算法的最大循環(huán)次數(shù)n和殘差閾值λ。

第三步，在i2中隨機選取2個不同的點，構(gòu)建直線l。計算i2中剩余點到直線l的距離，記作di(i＝1,…,n-2)，若di<λ，則該點為內(nèi)點，否則為外點，統(tǒng)計內(nèi)點的數(shù)目，記作k。

第四步，重復(fù)第三步，直至達(dá)到最大循環(huán)次數(shù)n。該過程可以得到多個k值，找出其中最大的k值，記作kmax。則獲得kmax所對應(yīng)的2個隨機點所確定的直線模型，即為最優(yōu)擬合直線。

第五步，將最優(yōu)擬合直線的所有內(nèi)點，都從i2中剔除。

第六步，確定所需擬合直線的數(shù)量，記作a，重復(fù)a次第三步到第五步，即可找到a條擬合直線(a由橢圓數(shù)量決定，是已知條件)。

最后，在已知橢圓中心點(p，q)的情況下，確定橢圓方程e還需要知道的參數(shù)是θ、a、b即為橢圓的轉(zhuǎn)角、半長軸和半短軸。在確定轉(zhuǎn)角和長短軸之前，首先要進(jìn)行正確橢圓中心的確定，改進(jìn)的ransac算法得到了全部交叉點。但在檢測多個橢圓時，檢測到的線過多，可能會存在錯檢的點。針對這種情況本發(fā)明采取的方案如下：

第一步，若求得的橢圓中心有n個，設(shè)定n個空白圖像，分別為g1、g2…gn。

第二步，對邊緣檢測圖像i1進(jìn)行行掃描，對于檢測到的點分別對各個橢圓中心求對稱點。

第三步，若掃描點關(guān)于第n個中心求得的對稱點在i1中真實存在，則將對稱點同時存儲在gn中。

第四步，求得的對稱點較多的橢圓中心擬定為正確的橢圓中心，并將對應(yīng)的gn保留，其他則剔除。

本實施對機器視覺中的橢圓檢測方法做出分析。首先對邊緣檢測后的圖像進(jìn)行橫向及縱向掃描，找到橢圓水平弦及豎直弦中點集合。其次，利用改進(jìn)的ransac算法對多條直線進(jìn)行擬合，進(jìn)而找到橢圓中心點。最后利用橢圓對稱性，將hough變換在對稱點上對參數(shù)空間進(jìn)行投票，減少計算量的同時增強準(zhǔn)確性。最終擬合出的橢圓圖像如圖2所示，有效擬合出了工件最外面一圈邊緣輪廓。