一种基于自适应阈值的边缘识别方法、系统及存储介质与流程

1.本发明涉及数字图像处理领域，具体涉及一种基于自适应阈值的边缘识别方法、系统及存储介质。


背景技术：

2.机器视觉技术是一种新兴的测量技术，通过在目标物上粘贴标记物，计算机可以通过采集到的数字图像，对物体进行跟踪计算，通过标记物成像的像素和色彩等信息，得到目标物在相机坐标系、世界坐标系的位置、大小、角度等信息。
3.对于固定场景、固定光源，如果提前标定，对目标物的识别效果往往是比较好的，但是如果现场情况不是标准场景，光照过程不能统一恒定，标记物的识别和定位就会产生较大的误差。


技术实现要素：

4.本发明所要解决的技术问题是提供一种基于自适应阈值的边缘识别方法、系统及存储介质，根据图像色彩的分bin图，得到图像二值化的阈值，从而动态分割数字图像的标记和背景，适应各种不同的光照强度场景，改善识别结果，提高识别精度。
5.本发明解决上述技术问题的技术方案如下：一种基于自适应阈值的边缘识别方法，包括以下步骤，s1，获取带有标记物的数字图像，并对所述数字图像进行灰度化处理，得到数字灰度图像；s2，以所述数字灰度图像中像素点的最大灰度值和最小灰度值为有效区间，将所述有效区间划分为多个bin，并统计所述数字灰度图像中像素点在各bin内的个数，生成统计分布直方图；s3，采用多次多项式对所述统计分布直方图进行曲线拟合，得到拟合曲线；s4，根据所述拟合曲线前两个极值点的坐标计算出自适应边缘识别的阈值；s5，根据自适应边缘识别的阈值对所述数字灰度图像进行黑白二值化处理，得到二值化数字图像。
6.基于上述一种基于自适应阈值的边缘识别方法，本发明还提供一种基于自适应阈值的边缘识别系统。
7.一种基于自适应阈值的边缘识别系统，包括以下模块，图像获取及灰度处理模块，其用于获取带有标记物的数字图像，并对所述数字图像进行灰度化处理，得到数字灰度图像；分bin及统计模块，其用于以所述数字灰度图像中像素点的最大灰度值和最小灰度值为有效区间，将所述有效区间划分为多个bin，并统计所述数字灰度图像中像素点在各bin内的个数，生成统计分布直方图；曲线拟合模块，其用于采用多次多项式对所述统计分布直方图进行曲线拟合，得
到拟合曲线；阈值计算模块，其用于根据所述拟合曲线前两个极值点的坐标计算出自适应边缘识别的阈值；二值化模块，其用于根据自适应边缘识别的阈值对所述数字灰度图像进行黑白二值化处理，得到二值化数字图像。
8.基于上述一种基于自适应阈值的边缘识别方法，本发明还提供一种计算机存储介质。
9.一种计算机存储介质，包括存储器以及存储在所述存储器内的计算机程序，所述计算机程序被处理器执行时实现如上述所述的基于自适应阈值的边缘识别方法。
10.本发明的有益效果是：一种基于自适应阈值的边缘识别方法、系统及存储介质，采用数字图像本身的灰度进行统计，统计图本身已经包含了现场的光照、场景等信息，根据图像色彩的分bin图，得到图像二值化的阈值，从而动态分割数字图像的标记和背景，可以得到清晰和严格的边界，适应各种不同的光照强度场景，改善识别结果，提高识别精度。
附图说明
11.图1为本发明一种基于自适应阈值的边缘识别方法的流程图；图2为标记物的示意图；图3为数字灰度图像的示意图；图4为统计分布直方图；图5为拟合曲线图；图6为二值化数字图像示意图；图7为本发明一种基于自适应阈值的边缘识别系统的结构框图。
具体实施方式
12.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
13.如图1所示，一种基于自适应阈值的边缘识别方法，包括以下步骤，s1，获取带有标记物的数字图像，并对所述数字图像进行灰度化处理，得到数字灰度图像。
14.标记物一般可以设计为深色标记、浅色背景的图案，临时粘贴或者永久固定在目标物上，跟踪目标物的动态。本实施例以如图2所示的黑方白底为标记物，图2中的w代表黑方（黑色方块）的宽度；图2所示的标记物固定到目标物上面之后，采集到的数字图像如图3所示，将数字图像进行灰度化处理后，每个像素仅仅包含灰度值信息。由图3可以看出，由于环境、光照、对比度方面的影响，图像的背景并不是纯白色，呈现一定灰度的背景，标记物也并非纯黑色，而是有一定噪声的高灰度区域。
15.s2，以所述数字灰度图像中像素点的最大灰度值和最小灰度值为有效区间，将所述有效区间划分为多个bin，并统计所述数字灰度图像中像素点在各bin内的个数，生成统计分布直方图。
16.具体的，所述有效区间被划分为不小于16个bin。在本实施例中，采用32bin对图3
所示的数字灰度图像作图，生成如图4所示的统计分布直方图；图4中的左侧较为集中的柱状图代表图像中灰度较小的像素点的统计图，代表亮色的背景区域，右侧较为集中的柱状图代表图像中灰度较大的像素点的统计图，代表黑色的标记区域。图4中的横坐标代表灰度值，纵坐标代表像素点个数。
17.s3，采用多次多项式对所述统计分布直方图进行曲线拟合，得到拟合曲线。
18.具体的，采用4次以上的多项式对所述统计分布直方图进行曲线拟合。本实施例采用6次多项式对所述统计分布直方图进行曲线拟合，得到的拟合曲线如图5所示，图5中的横坐标代表灰度值，纵坐标代表像素点个数。
19.s4，根据所述拟合曲线前两个极值点的坐标计算出自适应边缘识别的阈值。
20.具体的，所述拟合曲线前两个极值点分别为所述拟合曲线左侧开始的第一个极大值点和第一个极小值点；自适应边缘识别的阈值具体为所述第一个极大值点和所述第一个极小值点的横坐标的中位数。如图5所示，第一个极大值点为a点，第一个极小值点为b点，所述第一个极大值点和所述第一个极小值点的横坐标的中位数为c点。那么，自适应边缘识别的阈值即为c点的横坐标；自适应边缘识别的阈值即为区隔亮色背景和黑色标记的合理阈值；采用这一阈值，进行二值化处理，可以得到标记的严格边界。
21.s5，根据所述自适应边缘识别的阈值对所述数字灰度图像进行黑白二值化处理，得到二值化数字图像。
22.具体的，采用如图5所示的自适应边缘识别阈对如图3所示的数字灰度图像进行二值化处理后得到的二值化数字图像如图6所示。从图6可以看出，采用本发明的方法进行图像处理，可以得到清晰和严格的边界，从而区分标记物的标记和背景。
23.本发明根据标记物成像图（数字灰度图像）中的灰度统计特性，计算自适应的黑白二值化阈值，从而用来区分标记物的标记和背景，在本发明的方法中：（1）采用图像本身的灰度进行统计，计算得到的黑白二值化的阈值（自适应边缘识别的阈值），得到的统计分布直方图本身已经包含了现场的光照、场景等信息；（2）利用这种自适应的阈值，动态区隔标记和背景的灰度；（3）通过这种方式，可以实现标签的跟踪和位置的识别；排除了物距、光照条件、视线条件的波动带来的影响，实现稳定的识别结果。
24.基于上述一种基于自适应阈值的边缘识别方法，本发明还提供一种基于自适应阈值的边缘识别系统。
25.如图7所示，一种基于自适应阈值的边缘识别系统，包括以下模块，图像获取及灰度处理模块，其用于获取带有标记物的数字图像，并对所述数字图像进行灰度化处理，得到数字灰度图像；分bin及统计模块，其用于以所述数字灰度图像中像素点的最大灰度值和最小灰度值为有效区间，将所述有效区间划分为多个bin，并统计所述数字灰度图像中像素点在各bin内的个数，生成统计分布直方图；曲线拟合模块，其用于采用多次多项式对所述统计分布直方图进行曲线拟合，得到拟合曲线；阈值计算模块，其用于根据所述拟合曲线前两个极值点的坐标计算出自适应边缘识别的阈值；二值化模块，其用于根据自适应边缘识别的阈值对所述数字灰度图像进行黑白二
值化处理，得到二值化数字图像。
26.在本具体实施例中：在所述分bin及统计模块中，所述有效区间被划分为不小于16个bin。
27.在所述曲线拟合模块中，具体采用4次以上的多项式对所述统计分布直方图进行曲线拟合。
28.在所述阈值计算模块中，所述拟合曲线前两个极值点分别为所述拟合曲线左侧开始的第一个极大值点和第一个极小值点；自适应边缘识别的阈值具体为所述第一个极大值点和所述第一个极小值点的横坐标的中位数。
29.基于上述一种基于自适应阈值的边缘识别方法，本发明还提供一种计算机存储介质。
30.一种计算机存储介质，包括存储器以及存储在所述存储器内的计算机程序，所述计算机程序被处理器执行时实现如上述所述的基于自适应阈值的边缘识别方法。
31.本发明一种基于自适应阈值的边缘识别方法、系统及存储介质，采用数字图像本身的灰度进行统计，统计图本身已经包含了现场的光照、场景等信息，根据图像色彩的分bin图，得到图像二值化的阈值，从而动态分割数字图像的标记和背景，可以得到清晰和严格的边界，适应各种不同的光照强度场景，改善识别结果，提高识别精度。
32.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。