一種適用于低質(zhì)量圖像的棋盤格角點檢測方法及裝置制造方法
【專利摘要】本發(fā)明屬于圖像識別領域，提供了一種棋盤格角點檢測方法和裝置，該方法包括以下步驟：獲取棋盤格圖像；將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像；在增強后的棋盤格圖像中確定角點所在的目標區(qū)域；確定每個目標區(qū)域中角點的坐標。本發(fā)明采用基于極坐標形狀描述子和模式自動識別的方法進行棋盤格角點檢測，有效解決了經(jīng)典角點檢測方法對圖像質(zhì)量要求高、抗噪聲性能差、角點檢測精度低的問題。
【專利說明】一種適用于低質(zhì)量圖像的祺盤格角點檢測方法及裝置
【技術領域】
[0001]本發(fā)明屬于圖像識別領域，尤其涉及一種棋盤格角點檢測的方法及其裝置。
【背景技術】
[0002]相機標定是計算機視覺領域從二維圖像獲取三維信息的一個基本步驟，被廣泛應用于三維重建、視覺檢測和監(jiān)控等領域。相機標定的精度直接影響后續(xù)計算機視覺任務的精度，而相機標定的精度在很大程度上取決于標定板控制點的圖像定位精度。因此，提高標定板控制點的圖像定位精度是計算機視覺領域重要的研究課題。如圖1所示為棋盤格標定板，是在相機標定過程中應用最為廣泛的一種標定板，所以針對棋盤格的角點檢測目前已有較多的方法，如比較經(jīng)典的方法有harris法、susan法等,發(fā)明專利CN201010105470.6提出了一種利用灰度模板匹配的方法進行“X”型角點，也就是棋盤格角點的檢測方法，但目前的方法需要進行像素級的模板匹配，對圖像的質(zhì)量要求相對較高，圖2為在圖像質(zhì)量不高的情況下harris法的角點識別結果，從圖2中可以看出該方法的識別結果正確率很低，抗噪聲性能差。圖3為在圖像質(zhì)量不高的情況下susan法的角點識別結果，同上從圖3中可以看出該方法也存在同樣的問題。因此需要一種在圖像質(zhì)量不高的情況下，可以精確識別棋盤格角點的方法。

【發(fā)明內(nèi)容】

[0003]本發(fā)明旨在提供一種抗噪性能好，能夠適用于低質(zhì)量棋盤格圖像的角點自動檢測方法。
[0004]本發(fā)明實施例是這樣實現(xiàn)的，一種棋盤格角點檢測方法，所述方法包括以下步驟:
[0005]獲取棋盤格圖像；
[0006]將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像；
[0007]在增強后的棋盤格圖像中確定角點所在的目標區(qū)域；
[0008]確定每個目標區(qū)域中角點的坐標。
[0009]本發(fā)明實施例的另一圖像識別方法，一種棋盤格角點檢測方法，確定每個目標區(qū)域中角點的坐標；步驟中，確定一個目標區(qū)域中角點的坐標的具體步驟為:
[0010]在第一濾波圖像中搜索該目標區(qū)域灰度值最大的點作為角點，輸出該角點的坐標。
[0011]本發(fā)明實施例的另一目的在于提供一種棋盤格角點檢測裝置，包括:棋盤格圖像獲取模塊、增強濾波模塊、二值化與膨脹腐蝕模塊、目標區(qū)域確定模塊和角點確定模塊；其中:
[0012]棋盤格圖像獲取模塊:用于獲取棋盤格圖像；
[0013]增強濾波模塊:用于將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像；[0014]二值化與膨脹腐蝕模塊:用于對增強后的棋盤格圖像進行二值化與膨脹腐蝕處理。得到二值化與膨脹腐蝕處理后的棋盤格圖像；
[0015]目標區(qū)域確定模塊:用于在二值化與膨脹腐蝕處理后的棋盤格圖像中確定角點所在的目標區(qū)域；
[0016]角點確定模塊:用于確定每個目標區(qū)域中角點的坐標。
[0017]本發(fā)明提供的方法和裝置適用于低質(zhì)量棋盤格圖像，無需人工交互，魯棒性高。本發(fā)明設計了一種能夠增強棋盤格角點的雙層濾波器，并采用基于極坐標形狀描述子和模式自動識別的方法進行棋盤格角點檢測，有效解決了經(jīng)典角點檢測方法對圖像質(zhì)量要求高、抗噪聲性能差、角點檢測精度低的問題。
【專利附圖】

【附圖說明】
[0018]圖1是采用數(shù)碼相機拍攝的黑白棋盤格標定板；
[0019]圖2是在圖像質(zhì)量不高的情況下harris法的角點識別結果；
[0020]圖3是在圖像質(zhì)量不高的情況下susan法的角點識別結果；
[0021]圖4是本發(fā)明一種棋盤格角點檢測方法的實施例一提供的流程圖；
[0022]圖5是本發(fā)明一種棋盤格角點檢測方法的實施例一提供的第一濾波器像素位置分布示意圖；
[0023]圖6是本發(fā)明一種棋盤格角點檢測方法的實施例一提供的第一濾波后的圖像示意圖；
[0024]圖7是本發(fā)明一種棋盤格角點檢測方法的實施例一提供的增強后的棋盤格圖像示意圖；
[0025]圖8是本發(fā)明一種棋盤格角點檢測方法的實施例一提供的方法的角點識別結果；
[0026]圖9是本發(fā)明一種棋盤格角點檢測方法的實施例二提供的流程圖；
[0027]圖10是本發(fā)明一種棋盤格角點檢測裝置的實施例三提供的模塊圖。
【具體實施方式】
[0028]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0029]除非另有定義，本文所使用的所有的技術和科學術語與屬于本發(fā)明的【技術領域】的技術人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在于限制本發(fā)明。
[0030]實施例一
[0031]本發(fā)明實施例一提出了一種適用于低質(zhì)量圖像的棋盤格角點檢測方法，如圖4所示，包括:
[0032]SI 1、獲取棋盤格圖像。
[0033]獲取棋盤格圖像可以使用常見的各種數(shù)字圖像獲取方式，例如利用數(shù)碼相機拍攝的黑白棋盤格標定板。圖1為采用數(shù)碼相機拍攝的黑白棋盤格標定板。
[0034]黑白棋盤格標定板的角點是指棋盤格中黑白格交界處的臨界點，且與四個黑白格相鄰。
[0035]S12、將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像。
[0036]由于棋盤格圖像為黑白格子突變區(qū)域，所以欲準確提取角點，需要首先增強棋盤格圖像的角點。
[0037]S12、將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像，的具體步驟為:
[0038]S121、通過第一濾波器對獲取的棋盤格圖像進行角點區(qū)域增強，得到第一濾波圖像。
[0039]角點是棋盤格黑白交界的臨界點，該點沿對角線方向的灰度值呈對稱性分布，所以設計第一濾波器進行圖像角點區(qū)域增強。
[0040]第一濾波器為:假設i為橫坐標、j為縱坐標，圖像中(i，j)位置的圖像灰度值表示為f (i, j)，設計7X7像素大小的濾波模板，濾波后的灰度值表示為Value (i, j)，圖像的像素位置分布如圖5所示，進行圖像增強時按公式I進行處理。
【權利要求】
1.一種棋盤格角點檢測方法，其特征在于，所述方法包括以下步驟: 獲取棋盤格圖像； 將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像； 在增強后的棋盤格圖像中確定角點所在的目標區(qū)域； 確定每個目標區(qū)域中角點的坐標。
2.如權利要求1所述的一種棋盤格角點檢測方法，其特征在于，將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像，包括以下步驟: 通過第一濾波器對獲取的棋盤格圖像進行角點區(qū)域增強，得到第一濾波圖像； 通過第二濾波器對，第一濾波圖像進行十字狀增強濾波，得到增強后的棋盤格圖像。
3.如權利要求1所述的一種棋盤格角點檢測方法，其特征在于，在增強后的棋盤格圖像中確定角點所在的目標區(qū)域，包括以下步驟: 構造增強后的棋盤格圖像中的每個連通區(qū)域的形狀描述特征序列； 對每個連通區(qū)域形狀描述的特征序列進行篩選； 識別增強后的棋盤格圖像中每個連通區(qū)域是否為目標區(qū)域。
4.如權利要求3所述的一種棋盤格角點檢測方法，其特征在于，構造增強后的棋盤格圖像中的每個連通區(qū)域的形狀描述特征，包括以下步驟: 給增強后的棋盤格圖像中的每個連通區(qū)域貼標簽； 提取增強后的棋盤格圖像中的每個連通區(qū)域的形狀描述特征。
5.如權利要求4所述的一種棋盤格角點檢測方法，其特征在于，提取增強后的棋盤格圖像中的每個連通區(qū)域的形狀描述特征；步驟中對于一個連通區(qū)域進行形狀描述特征提取的具體步驟為: 計算該連通區(qū)域的質(zhì)心； 將該連通區(qū)域內(nèi)的所有像素的直角坐標轉(zhuǎn)換為以質(zhì)心為原點的極坐標。
6.如權利要求3所述的一種棋盤格角點檢測方法，其特征在于，識別增強后的棋盤格圖像中每個連通區(qū)域是否為目標區(qū)域；步驟中，識別一個連通區(qū)域是否為目標區(qū)域，的具體步驟為: 從該連通區(qū)域的篩選后的連通區(qū)域形狀特征序列中，提取出每個像素點的角度特征形成序列，作為識別該區(qū)域的角度特征序列； 采用最小類內(nèi)方差法確定分類第二閾值； 用第二閾值，將該區(qū)域的角度特征序列劃分為Pl和P2兩個特征集合，并計算這兩個特征集合的均值meanl和mean2 ； 若該區(qū)域Pl和P2兩個特征集合的均值meanl和mean2近似為90度時，則認定該連通區(qū)域為目標區(qū)域。
7.如權利要求1所述的一種棋盤格角點檢測方法，其特征在于，確定每個目標區(qū)域中角點的坐標；步驟中，確定一個目標區(qū)域中角點的坐標的具體步驟為: 在第一濾波圖像中搜索該目標區(qū)域灰度值最大的點作為角點，輸出該角點的坐標。
8.一種棋盤格角點檢測方法，其特征在于，所述方法包括以下步驟: 獲取棋盤格圖像； 將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像；對增強后的棋盤格圖像進行二值化與膨脹腐蝕處理； 在二值化與膨脹腐蝕處理后的棋盤格圖像中確定角點所在的目標區(qū)域； 確定每個目標區(qū)域中角點的坐標。
9.如權利要求8所述的一種棋盤格角點檢測方法，其特征在于，對增強后的棋盤格圖像進行二值化與膨脹腐蝕處理；的具體步驟為: 設定灰度圖像的第三閾值為Th，若圖像中某一像素的灰度值大于Th時，將其值賦為1，否則為O ; 對二值化后的圖像進行多次膨脹腐蝕運算。
10.一種棋盤格角點檢測裝置，其特征在于，包括:棋盤格圖像獲取模塊、增強濾波模塊、二值化與膨脹腐蝕模塊、目標區(qū)域確定模塊和角點確定模塊；其中: 棋盤格圖像獲取模塊:用于獲取棋盤格圖像； 增強濾波模塊:用于將獲取的棋盤格圖像進行角點增強濾波，得到增強后的棋盤格圖像； 二值化與膨脹腐 蝕模塊:用于對增強后的棋盤格圖像進行二值化與膨脹腐蝕處理。得到二值化與膨脹腐蝕處理后的棋盤格圖像； 目標區(qū)域確定模塊:用于在二值化與膨脹腐蝕處理后的棋盤格圖像中確定角點所在的目標區(qū)域； 角點確定模塊:用于確定每個目標區(qū)域中角點的坐標。
【文檔編號】G06K9/00GK104036244SQ201410252718
【公開日】2014年9月10日 申請日期:2014年6月9日 優(yōu)先權日:2014年6月9日
【發(fā)明者】鄧穎娜, 鞏稼民, 袁立行, 湯琦, 孫宇航, 徐軍華, 王鳳利, 趙德勝, 喬琳 申請人:西安郵電大學