[發明專利]一種數字圖像輪廓形態的識別方法

無效

• 申請號: 200710043659.5
• 申請日: 2007-07-11
• 公開（公告）號: CN101093546A
• 公開（公告）日: 2007-12-26
• 發明（設計）人: 孫涌;崔志明;管淼
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/48
• 分類號: G06K9/48;G06T7/60
• 代理公司: 蘇州創元專利商標事務所有限公司
• 代理人: 陶海鋒

技術領域

本發明涉及一種數字圖像輪廓形態的識別方法，屬于計算機模式識別技術領域。

背景技術

圖像識別廣泛地應用于各個領域，并越來越多地用于微小物體的識別分撿、定級工作中，如工業中螺絲釘、電阻、電容的外觀分撿；農業中對小麥、谷物質量檢測等。圖像識別在物體分撿領域的應用在大幅度降低人工成本的同時使得分撿效率成倍提高，并且最大限度降低了誤選率。然而，由于處理技術上的原因，對扁平狀顆粒體，尤其是對形狀輪廓具有一定要求的物體的分撿研究，目前在國內外尚未見到相關的報道。

一般認為，物體的長軸長度、短軸長度和長寬比在圖像識別中是三項重要的特征值，其定義為：長軸為在物體圖像輪廓上相距最遠的兩點連線，此兩點間距離長度定義為長軸長度；短軸定義為所有與長軸垂直的直線在物體圖像輪廓上所截得的線段中長度最大的線段，其長度即為短軸長度；長軸長度與短軸長度之比為長寬比。它們不僅能反映物體的輪廓尺寸，也能反映出物體形狀的規則程度，對物體的合格判定有著重要的參考價值。

在本發明作出之前，《中國農業科學》([j].2005，38(9)：1869-1875)“基于圖像識別的小麥品種分類研究”一文中，公開了一種對小麥、谷物品種進行分類的圖像識別方法，其提取的形態特征分別為籽粒面積、周長、圓形度、長軸長、短軸長、最大/最小半徑、半徑比、半徑均值等，這些形態特征作為分類的特征判據，對物體的合格判定有著重要的參考價值。在對物體圖像的長軸長度、短軸長度進行計算時，常規的求解技術方法是：取出物體的數字圖像輪廓，以圖像輪廓上像素點的任一點作為起始點，用兩點間距離公式求得輪廓上任意兩像素點之間的最大距離，并最終得出所有距離中的最大值，此即為長軸長度，圖像上過長軸中點且垂直于長軸的直線間距離即為短軸長度。

在利用圖像識別技術對物體進行分撿處理時，這種方法可用于小麥、谷物分類和質量檢測，因為小麥、谷物的分類和質量檢測偏重于飽和度，僅需了解幾何尺寸的大小即可，不需對每一顆粒的形態進行判定；同樣，它也可用于螺絲釘的分撿和谷物質量檢測，因為螺絲釘為規則物體，有嚴格的尺寸指標，然而，對于扁平狀顆粒體(如西瓜子)這類的物體在大批量的分撿判定中，其外觀常常是作為合格與否的特征值之一，這類物體形狀大多不規則，判定時對尺寸要求嚴格，且對每一個被測物體都要進行特征值提取，而上述常規算法在計算長軸長度時耗時多，求解短軸時精度低，因此，不能適用于對批量大、物體為扁平狀顆粒體進行分撿判定時特征值的提取工作。

發明內容

本發明的目的在于克服現有技術存在的不足，提供一種精確、高效、適用于大批量設別形狀不規則物體的數字圖像輪廓形態特征值的提取方法。

為達到以上目的，本發明采用的技術方案是：提供一種數字圖像輪廓形態的識別方法，它的處理步驟如下：

(1)以獲取的數字圖像中心為原點，在圖像的輪廓線上取n點，將圖像輪廓分為n部分，使任意相鄰兩點與原點連線的夾角為360/n度，其中n是大于或等于4的整數；

(2)以輪廓線上所取的某一點為起始端點，分別與其余各點連接，得到各線段的長度值，以長度值最大的線段為局部長軸；

(3)以上述局部長軸線段端點中的起始端點相鄰點范圍內的象素點為起始點，對該局部長軸線段另一端點兩側相鄰點形成的輪廓上的所有象素點掃描，得到各線段的長度；

(4)分別以輪廓線上所取的其余各點為起始端點，重復上述(2)、(3)步驟；

(5)將每次掃描得到的最大值相比較，長度最長的線段即為長軸；

(6)長軸將圖像分成左、右兩部分，在長軸的兩個端點范圍內，依次以輪廓段上的像素點進行逐行掃描，從左、右兩部分的圖像輪廓上分別得到到長軸距離最長的左短軸、右短軸及其它們的長度值；

(7)以長軸長度、左短軸長度、右短軸長度、左右短軸間的距離和左右短軸長度差的絕對值為數字圖像輪廓形態的識別特征值輸入計算機進行數據處理，完成數字圖像輪廓形態的識別。

進一步的技術方案，在圖像的輪廓線上取n點，n為4的整數倍。

或者，在圖像的輪廓線上取n點，n＝8～16。

本發明所依據的原理是：在Sobel等微分算子法的基礎上，通過構造閾值和輪廓提取結合提取待測物體圖像輪廓。本發明技術方案先利用閾值構造法將目標物體的基本輪廓與背景分割出來，再利用輪廓提取的算法進一步細化物體的輪廓。Sobel等微分算子法本身運行速度快，可以濾除一些噪聲，去掉部分偽邊緣，并在檢測斜向階躍邊緣時具有較好的效果，這幾種方法相互結合可以精確的提取待測物體的圖像輪廓。