本發(fā)明涉及視覺(jué)測(cè)量技術(shù)領(lǐng)域，尤其涉及一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法及系統(tǒng)。

背景技術(shù)：

在工業(yè)4.0智能化自動(dòng)化生產(chǎn)中，智能生產(chǎn)是核心，涉及到零件在加工過(guò)程中各種各樣的檢查、測(cè)量等領(lǐng)域。智能生產(chǎn)通常是連續(xù)大批量生產(chǎn)，對(duì)零件尺寸的測(cè)量精度和測(cè)量速度要求很高。

現(xiàn)有技術(shù)中，對(duì)手機(jī)(圓角矩形)的尺寸測(cè)量，主要是利用最小外接矩形的方法，轉(zhuǎn)化求得矩形的四個(gè)頂點(diǎn)坐標(biāo)，進(jìn)而求得手機(jī)尺寸。

本申請(qǐng)發(fā)明人在實(shí)現(xiàn)本發(fā)明的技術(shù)方案時(shí)，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問(wèn)題：

現(xiàn)有技術(shù)中一般通過(guò)最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸，但是通過(guò)最小外接矩形的方法往往測(cè)量精度不夠。

可見(jiàn)，現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題，因此如何提高手機(jī)尺寸測(cè)量方法的精度是重要研究課題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

本發(fā)明公開(kāi)了一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法，所述方法包括：

采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；

采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；

采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；

根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；

獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；

基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

可選地，所述采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，包括：

獲取所述被測(cè)手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對(duì)所述高斯模糊后的圖像通過(guò)canny算子進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對(duì)所述第一輪廓邊緣重新定位，獲得所述被測(cè)手機(jī)的輪廓邊緣。

可選地，所述對(duì)所述高斯模糊后的圖像進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣，包括：

采用sobel水平算子和sobel垂直算子分別對(duì)所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對(duì)所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

可選地，所述根據(jù)所述灰度圖像，獲得高斯模糊后的圖像，包括：

采用二維高斯核對(duì)所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像。

可選地，所述采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)，包括：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點(diǎn)到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點(diǎn)作為迭代點(diǎn)集，其中，

t＝d*tan(1/2),d為所拍圖像對(duì)角線的像素距離；

在所述迭代點(diǎn)集中，選取兩點(diǎn)確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對(duì)應(yīng)于圖像原點(diǎn)到第二直線的垂線像素距離，θ1對(duì)應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點(diǎn)為所述第二直線的內(nèi)點(diǎn)，并統(tǒng)計(jì)內(nèi)點(diǎn)個(gè)數(shù)；否則重新選取兩點(diǎn)確定第三直線；

選取內(nèi)點(diǎn)數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測(cè)手機(jī)的直線，確定所述直線的內(nèi)點(diǎn)。

基于同樣的發(fā)明構(gòu)思，本發(fā)明第二方面提供了一種基于視覺(jué)的手機(jī)尺寸的測(cè)量系統(tǒng)，所述系統(tǒng)包括：

第一獲取模塊，用于采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；

第二獲取模塊，用于采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；

確定模塊，用于采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；

第三獲取模塊，用于根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；

第四獲取模塊，用于獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；

獲得模塊，用于基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

可選地，所述第一獲取模塊還用于：

獲取所述被測(cè)手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對(duì)所述高斯模糊后的圖像通過(guò)canny算子進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對(duì)所述第一輪廓邊緣重新定位，獲得所述被測(cè)手機(jī)的輪廓邊緣。

可選地，所述第一獲取模塊還用于：

采用sobel水平算子和sobel垂直算子分別對(duì)所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對(duì)所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

可選地，采用二維高斯核對(duì)所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像。

可選地，所述確定模塊還用于：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點(diǎn)到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點(diǎn)作為迭代點(diǎn)集，其中，

t＝d*tan(1/2),d為所拍圖像對(duì)角線的像素距離；

在所述迭代點(diǎn)集中，選取兩點(diǎn)確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對(duì)應(yīng)于圖像原點(diǎn)到第二直線的垂線像素距離，θ1對(duì)應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點(diǎn)為所述第二直線的內(nèi)點(diǎn)，并統(tǒng)計(jì)內(nèi)點(diǎn)個(gè)數(shù)；否則重新選取兩點(diǎn)確定第三直線；

選取內(nèi)點(diǎn)數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測(cè)手機(jī)的直線，確定所述直線的內(nèi)點(diǎn)。

本發(fā)明實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

本申請(qǐng)實(shí)施例提供的一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法，采用邊緣聚焦方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；并采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；然后根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；通過(guò)獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；并基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。由于本申請(qǐng)采用邊緣聚焦方法獲取被測(cè)手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例中的基于視覺(jué)的手機(jī)尺寸的測(cè)量方法的流程圖；

圖2為本發(fā)明實(shí)施例中提供的基于視覺(jué)的手機(jī)尺寸的測(cè)量系統(tǒng)的邏輯結(jié)構(gòu)圖；

圖3為本發(fā)明實(shí)施例中提供的方法中獲得細(xì)化的第一邊緣圖的原理圖；

圖4為本發(fā)明實(shí)施例中提供的方法中采用霍夫直線檢測(cè)方法提取直線的相關(guān)參數(shù)的幾何解釋圖；

圖5為圖4中不同方向的直線的θ值；

圖6為圖4中不同方向直線的ρ值；

圖7為本發(fā)明實(shí)施例中提供的基于視覺(jué)的手機(jī)尺寸方法獲取的手機(jī)輪廓圖。

具體實(shí)施方式

本發(fā)明實(shí)施例提供一種手機(jī)尺寸的測(cè)量方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

本申請(qǐng)實(shí)施例中的技術(shù)方案，總體思路如下：

一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法，所述方法包括：采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；并采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；然后采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；再根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中，所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；最后基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

上述方法中，由于canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例一

本實(shí)施例提供了一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法，請(qǐng)參見(jiàn)圖1，所述方法包括：

步驟s101：采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；

步驟s102：采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；

步驟s103：采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；

步驟s104：根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；

步驟s105：獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；

步驟s106：基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

上述方法中，由于canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

下面，結(jié)合圖1對(duì)本申請(qǐng)?zhí)峁┑幕谝曈X(jué)的手機(jī)尺寸的測(cè)量方法進(jìn)行詳細(xì)介紹：

首先，執(zhí)行步驟s101，采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)。

具體地，上述采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，具體包括：

獲取所述被測(cè)手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對(duì)所述高斯模糊后的圖像通過(guò)canny算子進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對(duì)所述第一輪廓邊緣重新定位，獲得所述被測(cè)手機(jī)的輪廓邊緣。

在具體的實(shí)現(xiàn)過(guò)程中，獲取所述被測(cè)手機(jī)的灰度圖像，可以通過(guò)對(duì)采集的圖像進(jìn)行圖像灰度化來(lái)實(shí)現(xiàn)，具體的方法為：gray＝r*0.299+g*0.587+b*0.114，式中r、g、b為彩色圖像的紅綠藍(lán)三通道，數(shù)值分別為0-255，gray則為得到的灰度圖像。

更為具體地，所述根據(jù)所述灰度圖像，獲得高斯模糊后的圖像，包括：

采用二維高斯核對(duì)所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像，舉例來(lái)說(shuō)可以采用初始寬度σ＝σ0和尺寸為(2σ+1)×(2σ+1)的二維高斯核對(duì)灰度圖像進(jìn)行卷積。

具體地，所述對(duì)所述高斯模糊后的圖像進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣，包括：

采用sobel水平算子和sobel垂直算子分別對(duì)所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對(duì)所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

具體來(lái)說(shuō)，利用sobel水平算子和sobel垂直算子分別對(duì)高斯模糊后的圖像進(jìn)行卷積，可以得到圖像在x方向上和y方向上的梯度分量，即第一梯度分量和第二梯度分量。然后可以通過(guò)計(jì)算對(duì)應(yīng)位置第一梯度分量和第二梯度分量的算術(shù)平方根，得到梯度圖像，再通過(guò)計(jì)算對(duì)應(yīng)位置第一梯度分量和第二梯度分量商的反正切得到梯度方向。下一步就是通過(guò)非最大抑制細(xì)化邊緣，具體實(shí)施步驟如圖3所示，圖3中的四個(gè)圖表示非最大抑制的原理圖，o表示中心位置點(diǎn)，斜的直線表示梯度方向，gx和gy分別對(duì)應(yīng)x第一梯度分量和y的第二梯度分量，左上角的圖對(duì)應(yīng)于gy的絕對(duì)值大于gx的絕對(duì)值且gx與gy方向相同的情況，a1,a2,a3,a4為待差值的四個(gè)梯度點(diǎn)，d1和d2是根據(jù)權(quán)重分別通過(guò)a1和a2，a3和a4計(jì)算得到的差值梯度，權(quán)重為gx和gy的絕對(duì)商值，然后用處于中心位置o處的梯度值與沿著梯度方向的兩個(gè)梯度差值d1和d2進(jìn)行比較，若比它們都大則將中心點(diǎn)的梯度值置為1，否知置為0，遍歷整個(gè)梯度圖得到非極大抑制后細(xì)化的邊緣圖，即第一邊緣圖。然后對(duì)得到的第一邊緣圖進(jìn)行雙閾值處理，具體來(lái)說(shuō)可以通過(guò)以下步驟實(shí)現(xiàn)：首先設(shè)定高低閾值，高閾值設(shè)定標(biāo)準(zhǔn)為：用高閾值處理后，對(duì)保留的邊緣點(diǎn)不超過(guò)圖像的20％。低閾值設(shè)置為0。用高閾值處理圖像，得到的邊緣為強(qiáng)邊緣，用低閾值處理圖像，得到的邊緣去除包含在強(qiáng)邊緣中的點(diǎn)，剩下的即為弱邊緣。采用8連通性的連接方法將弱邊緣連接到強(qiáng)邊緣，即為canny算子得出的邊緣圖，即第二邊緣圖。

具體地，采用邊緣聚焦方法對(duì)所述第一輪廓邊緣重新定位，獲得所述被測(cè)手機(jī)的輪廓邊緣。

在具體的實(shí)現(xiàn)過(guò)程中，可以將初始σ減小0.5，然后重復(fù)執(zhí)行灰度圖像卷積，得到高斯模糊后的圖像、并糊后的圖像運(yùn)用改進(jìn)的canny算子進(jìn)行邊緣檢測(cè)步驟，需要注意的是，在用canny算子邊緣檢測(cè)時(shí)，只需對(duì)所述第一邊緣圖進(jìn)行雙閾值處理后獲得第二邊緣圖的邊緣區(qū)域進(jìn)行重新定位邊緣，在σ每次迭代減小的情況下，重新檢測(cè)的新邊緣與舊邊緣會(huì)產(chǎn)生不超過(guò)一個(gè)像素的偏移且會(huì)在產(chǎn)生額外的邊緣，對(duì)新舊邊緣采用8連通方法，符合條件的新邊緣將取代舊邊緣保留，不符合條件的新邊緣以及全部的舊邊緣均舍棄。

然后執(zhí)行步驟s102：采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；

在具體的實(shí)現(xiàn)過(guò)程中，直線的法線方程為：xcosθ+ysinθ＝ρ，圖4表示了參數(shù)ρ和θ的幾何解釋?zhuān)褜?duì)應(yīng)于正的x軸截距，θ對(duì)應(yīng)直線的垂線與x軸正方向夾角。圖5表示了不同方向的直線的θ值，圖6表示了不同方向直線的ρ值。將ρθ參數(shù)空間劃分為累加單元，設(shè)定參數(shù)范圍：-90°≤θ≤90°，-d≤ρ≤d，d為圖像中對(duì)角之間的最大距離。

從所述邊緣點(diǎn)中獲取四條直線具體可以通過(guò)以下步驟實(shí)現(xiàn)：

1)將這些累加單元的初始值設(shè)為0。

2)對(duì)于xy平面上每個(gè)非背景點(diǎn)令θ等于θ軸上每個(gè)允許的細(xì)分值，同時(shí)使用直線的法線方程解出對(duì)應(yīng)的ρ，經(jīng)四舍五入后，得到沿ρ軸最接近的允許單元值，則對(duì)應(yīng)的ρθ細(xì)分單元將增加1。

3)重復(fù)步驟2)直到所有的背景點(diǎn)均計(jì)算完畢。

4)依次定位累加單元中最大值，標(biāo)記其ρθ值，并將其周?chē)睦奂訂卧昧恪?/p>

5)重復(fù)步驟4)，直到找到累加單元中4個(gè)最大值對(duì)應(yīng)的ρθ值，即為手機(jī)輪廓所在四條直線的初始參數(shù)值。

為了方便區(qū)分四條直線，請(qǐng)參見(jiàn)圖7，l1、l2、l3和l4表示手機(jī)輪廓所在的四條直線，不管手機(jī)在水平方向上怎樣旋轉(zhuǎn)放置，手機(jī)輪廓所在的四條邊均可以按指定的方法歸類(lèi)標(biāo)號(hào)，方便后續(xù)程序調(diào)用處理。舉例來(lái)說(shuō)，具體歸類(lèi)方法為：四條邊線中，靠近圖像原點(diǎn)且斜率為正的為l1邊，然后順時(shí)針旋轉(zhuǎn)，依次為l2邊、l3邊和l4邊。判別方法如下：手機(jī)輪廓所在的四條邊對(duì)應(yīng)四對(duì)ρ和θ，其中ρ3>ρ1且θ1、θ3≥0，ρ2>ρ4且θ2、θ2<0。當(dāng)θ≥0時(shí)，較小的ρ對(duì)應(yīng)的即為l1邊；當(dāng)θ<0時(shí)，較大的ρ對(duì)應(yīng)的即為l2邊；當(dāng)θ≥0時(shí)，較大的ρ對(duì)應(yīng)的即為l3邊；當(dāng)θ<0時(shí)，較小的ρ對(duì)應(yīng)的即為l4邊。

接下來(lái)執(zhí)行步驟s103：采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；

具體地，所述采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)，包括：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點(diǎn)到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點(diǎn)作為迭代點(diǎn)集，其中，t＝d*tan(1/2),d為所拍圖像對(duì)角線的像素距離；

在所述迭代點(diǎn)集中，選取兩點(diǎn)確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對(duì)應(yīng)于圖像原點(diǎn)到第二直線的垂線像素距離，θ1對(duì)應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點(diǎn)為所述第二直線的內(nèi)點(diǎn)，并統(tǒng)計(jì)內(nèi)點(diǎn)個(gè)數(shù)；否則重新選取兩點(diǎn)確定第三直線；

選取內(nèi)點(diǎn)數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測(cè)手機(jī)的直線，確定所述直線的內(nèi)點(diǎn)。

再執(zhí)行步驟s104：根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；

然后執(zhí)行步驟s105：獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；

最后執(zhí)行步驟s106：基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

具體地，可以根據(jù)相機(jī)標(biāo)定數(shù)據(jù)的坐標(biāo)尺寸換算即可得到手機(jī)輪廓實(shí)際尺寸，從而實(shí)現(xiàn)基于視覺(jué)的手機(jī)尺寸的測(cè)量方法。

實(shí)施例二

基于與實(shí)施例一同樣的發(fā)明構(gòu)思，本發(fā)明實(shí)施例二提供了一種基于視覺(jué)的手機(jī)尺寸的測(cè)量系統(tǒng)，所述系統(tǒng)包括：

第一獲取模塊，用于采用canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；

第二獲取模塊，用于采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；

確定模塊，用于采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；

第三獲取模塊，用于根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；

第四獲取模塊，用于獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；

獲得模塊，用于基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

在上述系統(tǒng)中，所述第一獲取模塊還用于：

獲取所述被測(cè)手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對(duì)所述高斯模糊后的圖像通過(guò)canny算子進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對(duì)所述第一輪廓邊緣重新定位，獲得所述被測(cè)手機(jī)的輪廓邊緣。

在上述系統(tǒng)中，所述第一獲取模塊還用于：

采用sobel水平算子和sobel垂直算子分別對(duì)所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對(duì)所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

在上述系統(tǒng)中，采用二維高斯核對(duì)所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像。

在上述系統(tǒng)中，所述確定模塊還用于：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點(diǎn)到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點(diǎn)作為迭代點(diǎn)集，其中，t＝d*tan(1/2),d為所拍圖像對(duì)角線的像素距離；

在所述迭代點(diǎn)集中，選取兩點(diǎn)確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對(duì)應(yīng)于圖像原點(diǎn)到第二直線的垂線像素距離，θ1對(duì)應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點(diǎn)為所述第二直線的內(nèi)點(diǎn)，并統(tǒng)計(jì)內(nèi)點(diǎn)個(gè)數(shù)；否則重新選取兩點(diǎn)確定第三直線；

選取內(nèi)點(diǎn)數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測(cè)手機(jī)的直線，確定所述直線的內(nèi)點(diǎn)。

實(shí)施例一中的基于視覺(jué)的手機(jī)尺寸的測(cè)量方法的各種變化方式和具體實(shí)例同樣適用于本實(shí)施例的基于視覺(jué)的手機(jī)尺寸的測(cè)量系統(tǒng)，通過(guò)前述對(duì)基于視覺(jué)的手機(jī)尺寸的測(cè)量方法的詳細(xì)描述，本領(lǐng)域技術(shù)人員可以清楚的知道本實(shí)施例中的基于視覺(jué)的手機(jī)尺寸的測(cè)量系統(tǒng)，所以為了說(shuō)明書(shū)的簡(jiǎn)潔，在此不再詳述。

本申請(qǐng)實(shí)施例提供的一種基于視覺(jué)的手機(jī)尺寸的測(cè)量方法，采用邊緣聚焦方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；并采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；然后根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；通過(guò)獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；并基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。由于本申請(qǐng)采用邊緣聚焦方法獲取被測(cè)手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對(duì)這些實(shí)施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明實(shí)施例進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明實(shí)施例的精神和范圍。這樣，倘若本發(fā)明實(shí)施例的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。