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)。