摘 要：基于機(jī)器視覺的二維復(fù)雜平面尺寸測量中，邊緣角點(diǎn)包含豐富的圖像目標(biāo)特征信息，其檢測精度對后續(xù)圖像分析及參數(shù)計(jì)算精度有著至關(guān)重要的影響。本文提出了一種邊緣輪廓角點(diǎn)的高精度定位方法，該方法先利用角點(diǎn)處的曲率變化及相鄰兩角點(diǎn)線段與x軸正向的夾角變化，初步確定角點(diǎn)的位置坐標(biāo)，然后利用優(yōu)化方法去除偽角點(diǎn)，以實(shí)現(xiàn)對真實(shí)角點(diǎn)的高精度定位。研究表明，該方法便捷、高效，在服裝衣片的樣片邊緣測量中取得了理想的結(jié)果。 關(guān)鍵詞：平面邊緣;角點(diǎn)檢測;曲率;夾角;閾值 Abstract: Graphic two-dimensional complex size measurement on machine vision, the corners of edge contain rich goal information of image, the detection accuracy of the corner is important to affect follow-up image analysis and precision of parameter. This paper provides a high-precision positioning method of corner in edge contour, the method uses that the curvature changes in the corner and the angle changes between segment of two adjacent corners with positive direction of x-axis, initially set position coordinates of corners, and then remove pseudo-corners to achieve high-precision positioning of real corners through optimization method. Research has shown that the method is convenient, efficient, and it makes desired result in the measurement of the clothing films’ edge contour. Keywords: horizontal edge, corner detection, curvature, angle, threshold 1 引 言 　　邊緣是指圖像局部亮度變化最顯著的部分。邊緣角點(diǎn)的提取和檢測是數(shù)字圖像處理和機(jī)器視覺的一個(gè)基本問題，邊緣角點(diǎn)包含豐富的圖像目標(biāo)特征信息，即被識別目標(biāo)的重要幾何參數(shù)信息,也是二維平面邊緣識別的重要特征。特別是對邊界沒有已知數(shù)學(xué)模型的二維復(fù)雜平面邊緣，通過對邊緣輪廓線特征角點(diǎn)的檢測,可對目標(biāo)線型進(jìn)行有效地描述和建模，以獲取目標(biāo)邊界的全部信息。角點(diǎn)檢測精度對后續(xù)圖像分析及參數(shù)計(jì)算精度有著至關(guān)重要的影響，由于平面角點(diǎn)的數(shù)學(xué)描述較為復(fù)雜，目前還沒有一種通用的檢測方法。因此，本文研究復(fù)雜平面邊緣角點(diǎn)的高精度檢測方法具有重要的理論意義和實(shí)用價(jià)值。 2 邊緣輪廓角點(diǎn)的基本檢測算法及存在的問題 　　在機(jī)器視覺領(lǐng)域中，二維復(fù)雜平面邊緣角點(diǎn)的含義比較模糊，存在多種數(shù)學(xué)描述方法。目前關(guān)于角點(diǎn)的定義和描述主要有如下幾種：1）角點(diǎn)是一階導(dǎo)數(shù)（即灰度的梯度）的局部最大所對應(yīng)的象素點(diǎn);2）角點(diǎn)是指兩條邊以上邊緣的交點(diǎn);3）角點(diǎn)指示了物體邊緣變化不連續(xù)的方向;4）角點(diǎn)處的一階導(dǎo)數(shù)最大，而且二階導(dǎo)數(shù)為零;5）角點(diǎn)處不僅梯度的數(shù)值大，而且梯度方向的變化率也很大。 　　對于不同的角點(diǎn)檢測方法，其區(qū)別在于如何來定義角點(diǎn)。目前，角點(diǎn)檢測算法主要分為兩大類：一類是直接基于圖像灰度的角點(diǎn)檢測算法，另一類是基于邊緣提取的角點(diǎn)提取算法。基于圖像灰度的角點(diǎn)檢測算法由于不需要進(jìn)行邊緣提取工作，在實(shí)際中得到了一定的應(yīng)用，如Moravec“興趣算子”，Susan角點(diǎn)提取算子和Plessey角點(diǎn)算子。但該類方法只對強(qiáng)邊界敏感，角點(diǎn)定位性能差，穩(wěn)定性不好，且算法較為復(fù)雜。基于邊緣提取的角點(diǎn)檢測算法的基本思想是：角點(diǎn)是兩條邊界或多條邊界的交點(diǎn)。所以角點(diǎn)檢測可以通過以下四種方式得到：一、抽取出邊界并用鏈碼表示，計(jì)算邊界曲率，然后取局部極大值點(diǎn);二、用多邊型近似邊界，搜索線與線的交點(diǎn);三、對邊界點(diǎn)利用形態(tài)學(xué)的腐蝕和膨脹算子搜索凸點(diǎn)和凹點(diǎn)，近而確定出角點(diǎn);四、利用亞象素邊界檢測算子檢測出邊界，用聚類法擬合直線，然后求交點(diǎn)。 　　上述方法均采用單一特征進(jìn)行角點(diǎn)檢測，各自具有不同的應(yīng)用背景，并不具備通用性。例如，較之簡單直觀的曲線，服裝衣片中的曲線千變?nèi)f化，如上裝的袖窿、袖山弧線、領(lǐng)圈弧線、下裝的褲后檔以及下檔縫等衣片輪廓線等，其檢測與加工精度直接決定著服裝加工質(zhì)量及合體程度，對服裝成品的外觀質(zhì)量起著至關(guān)重要的作用，采用單一特征角點(diǎn)檢測方法具有較大的局限性。為解決這一難題，本文提出了一種采用“2+1”次邊緣輪廓角點(diǎn)的檢測方法。實(shí)踐表明，該方法能有效地實(shí)現(xiàn)高精度的角點(diǎn)定位。 3 “2+1”次邊緣輪廓角點(diǎn)檢測方法 3.1第一次尋角點(diǎn) 　　步驟一、拍攝樣片圖像，處理成單像素寬的邊緣輪廓線（如圖二），并將點(diǎn)信息存儲在數(shù)組中。存儲數(shù)組記錄了每個(gè)象素點(diǎn)所在行和列的位置、鏈碼方向、x和y單位矢量坐標(biāo)。如圖一a和b及表一所示。 　　表一 單位矢量坐標(biāo)定義 　　步驟二、x和y單位矢量坐標(biāo)分別累加求和 　　累加求和是對表示方向的單位矢量的分量進(jìn)行相加，相加時(shí)采用的累加求和步長是三個(gè)鏈碼，前進(jìn)步長是一個(gè)鏈碼。類似于一個(gè)一次只能求三個(gè)鏈碼的單位矢量和模板，并將結(jié)果存儲于另一數(shù)組中。對于鏈碼局部的連續(xù)環(huán)，x和y方向單位矢量坐標(biāo)=l（i）+ l（i+1）+ l（i+2）（l（i）是與i對應(yīng)的單個(gè)鏈碼的矢量坐標(biāo)分量），L（i）x 和L（i）y是鏈碼第i環(huán)在水平和垂直方向的分量長度,分別求之并將結(jié)果存儲于數(shù)組中。對于封閉輪廓邊緣的最后兩個(gè)象素點(diǎn)，求其單位矢量和時(shí)，可令l（i+1）= l（1），l（i+2）= l（2）。 　　步驟三、建立角度分量 　　利用x和y的單位矢量坐標(biāo)L（i）x, y，求出鏈碼第i環(huán)與x 軸正方向的夾角 θ（i）。 　　當(dāng)abs（L（i）x ）>= abs（L（i）y）時(shí)， θ（i）=atan（L（i）y / L（i）x）; 　　當(dāng)abs（L（i）x ） < abs（L（i）y）時(shí)， θ（i）= -atan（L（i）y / L（i）x）。 　　步驟四、求曲率 　　L（i）在i 點(diǎn)的曲率為δ（i）=abs[ θ（ i+1）- θ（i-1）]。在整條鏈上首先設(shè)定一閾值，δ（i）大于該閾值時(shí)先確定為角點(diǎn)。方法如下: 　　（1） 當(dāng)封閉輪廓在邊緣i處象素點(diǎn)的曲率δ（i）取最大值時(shí)，記下其象素坐標(biāo)（u（i），v（i）），并存入數(shù)組。 　　（2） 當(dāng)i處在封閉輪廓邊緣的前五個(gè)象素點(diǎn)時(shí)，令δ（j）=0，j [i，i+3];當(dāng)i處在封閉輪廓邊緣的后五個(gè)象素點(diǎn)時(shí)，令δ（j）=0， j [i-3，i];當(dāng)i處中間位置時(shí)，令δ（j）=0，j [i-5，i+5]; 　　（3） 循環(huán)（1）（2）步驟,直至δ（i）不小于該設(shè)定的閾值時(shí)停止。 　　此時(shí)，所得角點(diǎn)是按曲率大小在數(shù)組中排列，然后再將角點(diǎn)按在封閉鏈碼中出現(xiàn)的先后位置進(jìn)行重新排序，并將象素坐標(biāo)（u（i）,v（i））存儲于數(shù)組之中。第一次尋角點(diǎn)結(jié)果如圖三所示，其優(yōu)點(diǎn)是不會漏掉重要的點(diǎn)。另外，考慮到最終擬和曲線的需求，除了每段曲線的兩個(gè)重要端點(diǎn)外，還應(yīng)保留部分中間次重要點(diǎn)，這樣擬合出的曲線較平滑，失真度小。 3.2第二次尋角點(diǎn) 　　第二次尋角點(diǎn)是在上述已求取點(diǎn)的基礎(chǔ)上進(jìn)行，其方法是利用角點(diǎn)的象素坐標(biāo)（u（i），v（i））求相鄰的兩角點(diǎn)線段與x軸正向的夾角，然后比較，得出角點(diǎn)位置。步驟如下： 　　 　　其中s的初始值設(shè)為s0 =1,t為第一次尋得角點(diǎn)個(gè)數(shù)。在循環(huán)體內(nèi)如果A（i）>=0.2（本例中A設(shè)定的閾值為0.2），記錄此角點(diǎn)的象素坐標(biāo)（u1（i）， v1（i）），并將s=i，直到完成循環(huán)。記錄每一個(gè)A（i）大于此閾值的象素坐標(biāo)，并存入數(shù)組。 　　本次尋角點(diǎn)的優(yōu)點(diǎn)在于，采用了相鄰兩角點(diǎn)線段的夾角與其他相鄰兩角點(diǎn)線段的夾角比較，而不是非相鄰角點(diǎn)線段間夾角的比較，使兩線段的角度變化更為明顯;另外，循環(huán)中變量s的應(yīng)用使搜索速度更快，角點(diǎn)篩選的結(jié)果如圖四所示。 3.3角點(diǎn)優(yōu)化 　　該步驟的目的是對第二次結(jié)果的優(yōu)化，除去偽角點(diǎn)，最終得到真實(shí)角點(diǎn)。步驟如下： 　　 　　本文中閾值的設(shè)定應(yīng)考慮到能使誤差較小，且具有較好的適用性。若閾值過大，會造成某些真實(shí)角點(diǎn)的遺失;反之會得到了過多的偽角點(diǎn)。 4.結(jié)論 　　本文研究的通過兩次求角點(diǎn)和一次優(yōu)化的“2+1”算法，能夠有效地求出二維復(fù)雜平面邊緣輪廓的真實(shí)角點(diǎn)，并在機(jī)器視覺服裝衣片邊緣數(shù)字化系統(tǒng)中得到了成功地應(yīng)用，獲得了較高的測量精度。該算法可廣泛推廣應(yīng)用于其它復(fù)雜輪廓線的角點(diǎn)提取，具有較好的通用性。 　　本文作者創(chuàng)新觀點(diǎn)：提出了兩次求角點(diǎn)和一次優(yōu)化的“2+1”算法，能夠有效地求出二維復(fù)雜平面邊緣輪廓的真實(shí)角點(diǎn)，并可獲得較高的測量精度。 參考文獻(xiàn) 　　[1] WANG H.BRANY M.Real-time Corner Detection Algorithm for Motion Estimation. Image and Vision Machine.1995 （9）：695～703 　　[2] MIROSLAV T.MARK H.Fast Corner Detection. Image and Vision Computing,1998,16（I）：75～ 87 　　[3] Li Liyuan，Chen Weina. Corner Detection and Interpretation on Planar Curves Using Fuzzy Reasoning.IEEE Trans.on Pattern Analysis and Machine Intelligence，1999，21（1 1）:1204～ 1210 　　[4] Koplowitz J,Plante S. Corner Detection for Chain Coded Curvers [J].Pattern Recognition,1995,28 （6） :843～852 　　[5] 賈云得.機(jī)器視覺[M].北京：科學(xué)出版杜，2000.108—109 　　[6] 吳炯等.數(shù)字圖像中邊緣算法的實(shí)驗(yàn)研究[J].微計(jì)算機(jī)信息，2004.5