一种圆弧检测方法以及圆弧检测装置与流程

1.本技术涉及图像处理技术领域，具体涉及一种圆弧检测方法以及圆弧检测装置。


背景技术：

2.实际生产应用中，需要依靠机器视觉对圆/圆弧特征进行提取，比如：工件的圆孔、圆柱或倒圆等；为了保证生产效率，需要保证利用机器视觉进行特征提取的过程具有足够的速度与效率。
3.本技术的发明人在长期研发中发现，目前比较常用的圆/圆弧检测算法，如霍夫(hough)变换等，往往需要对整幅图片进行边缘检测，对检测到的边缘点进行分析处理，最终获取到圆/圆弧的特征参数；但是这些方法计算量大、效率低且实时性差，难以满足实际工程的需要。


技术实现要素：

4.本技术主要解决的问题是提供一种圆弧检测方法以及圆弧检测装置，能够大大减小边缘检测的复杂度，减小计算量，提高边缘检测的效率，且提高检测的准确性。
5.为解决上述技术问题，本技术采用的技术方案是提供一种圆弧检测方法，该圆弧检测方法包括：确定待检测图像中的感兴趣区域；沿着感兴趣区域的极径方向对感兴趣区域中的像素值进行插值，得到第一图像；对第一图像进行边缘检测，得到多个边缘点；对多个边缘点进行圆弧拟合筛选，得到圆/圆弧的特征参数。
6.为解决上述技术问题，本技术采用的另一技术方案是提供一种圆弧检测装置，该圆弧检测装置包括依次连接的输入单元、处理器和输出单元；其中，输入单元用于获取待检测图像；处理器用于确定待检测图像中的感兴趣区域；沿着感兴趣区域的极径方向对感兴趣区域中的像素值进行插值，得到第一图像；对第一图像进行边缘检测，得到多个边缘点；对多个边缘点进行圆弧拟合筛选，得到圆/圆弧的特征参数；输出单元用于输出圆/圆弧的特征参数。
7.为解决上述技术问题，本技术采用的另一技术方案是提供一种存储介质，该存储介质用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述的圆弧检测方法。
8.通过上述方案，本技术的有益效果是：确定待检测图像中的感兴趣区域，沿着极径方向对感兴趣区域中的像素值进行插值，得到多个沿着不同极径方向的第一图像，再对每个第一图像进行边缘检测，分别得到多个第一图像中的边缘点，然后对生成的边缘点进行圆弧拟合、筛选，得到圆/圆弧的特征参数；由于采用沿着极径方向插值的方法对待检测图像进行采样，大大降低了边缘检测以及对边缘点进行分析处理等过程的工作量，减小了边缘检测的复杂度，可减小计算量，能够提高边缘检测的效率，且由于利用插值后的图像来进行边缘检测，能够提高检测的准确性。
附图说明
9.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
10.图1是本技术提供的圆弧检测方法一实施例的流程示意图；
11.图2是本技术提供的圆弧检测方法另一实施例的流程示意图；
12.图3是本技术提供的圆弧检测方法另一实施例中感兴趣区域的示意图；
13.图4是本技术提供的圆弧检测方法另一实施例中沿着极径方向插值的示意图；
14.图5是本技术提供的圆弧检测方法另一实施例中竖直边缘的示意图；
15.图6是本技术提供的圆弧检测方法另一实施例中待判定区域的示意图；
16.图7是本技术提供的圆弧检测装置一实施例的结构示意图；
17.图8是本技术提供的存储介质一实施例的结构示意图。
具体实施方式
18.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
19.本技术中的圆弧检测方法可广泛应用于机器视觉领域中各类含有圆弧边界的物体的检测中，比如，对工件或物品表面上的圆形结构进行检测，以得到圆形结构的具体位置和大小等信息，以此来判断该圆形结构的设置是否符合标准。
20.参阅图1，图1是本技术提供的圆弧检测方法一实施例的流程示意图，该方法包括：
21.步骤11：确定待检测图像中的感兴趣区域。
22.通过摄像装置将待检测的目标物体转换成数字图像，即待检测图像，该待检测图像为具有圆或圆弧的图像，其可以为灰度图像、彩色图像或深度图像，为了方便处理，可以先将彩色图像或深度图像转化成灰度图像。
23.在获取了待检测图像之后，为了获取待检测图像中圆/圆弧的特征参数，在待检测图像中确定感兴趣区域(roi，region of interest)，以减少处理时间，增加精度；该感兴趣区域为需要处理的区域，其形状可以为圆形、圆环形、扇形或扇形圆环等，圆环形或扇形区域的圆心可由用户定义或者默认。
24.进一步地，为了判断感兴趣区域的设置是否合理，可以对感兴趣区域进行越界检查，即检验感兴趣区域是否超出待检测图像的边界；若感兴趣区域未超出待检测图像的边界，则执行步骤12；若感兴趣区域超出待检测图像的边界，则可以重新确定感兴趣区域，直至设置的感兴趣区域未超界为止。
25.步骤12：沿着感兴趣区域的极径方向对感兴趣区域中的像素值进行插值，得到第一图像。
26.在确定待检测图像中的感兴趣区域之后，对待检测图像进行采样，选取多条极径方向，沿着每个极径方向进行插值，从而得到多个沿着极径方向的像素值，形成第一图像，
每个极径方向对应一个第一图像；其中，极径方向可以为从待检测图像中预设位置出发的多个方向；例如，当感兴趣区域为扇形区域时，预设位置为扇形区域的圆心。
27.步骤13：对第一图像进行边缘检测，得到多个边缘点。
28.利用边缘检测方法对利用插值方法得到的多个第一图像分别进行边缘检测，得到每个第一图像对应的边缘点；边缘检测算法可以是通过对邻域像素求一阶导数、二阶导数或梯度来实现。
29.步骤14：对多个边缘点进行圆弧拟合筛选，得到圆/圆弧的特征参数。
30.在获取到每个第一图像对应的边缘点之后，可对这些边缘点进行多次拟合和筛选，最终得到圆/圆弧的特征参数，该圆/圆弧的特征参数包括圆心坐标、半径或圆心角等。
31.区别于现有技术，为了保证圆/圆弧的特征提取的效率与精度，本实施例提供了一种快速的圆弧检测方法，它利用多行插值的方法对待检测图像进行采样，先确定待检测图像中的感兴趣区域，然后沿着极径方向对感兴趣区域中的像素值进行插值，得到多个沿着不同极径方向的第一图像，并进行边缘检测，从而得到多个边缘点，然后对生成的边缘点进行多次圆弧拟合和筛选，最终得到圆/圆弧的特征参数；由于采用沿着极径方向插值的方法对待检测图像进行采样，大大降低了边缘检测以及对边缘点进行分析处理等过程的工作量，减小了边缘检测的复杂度，可减小计算量，能够提高边缘检测的效率，且由于利用插值后的图像来进行边缘检测，可实现利用亚像素坐标进行计算，得到的特征参数为小数，相比利用待检测图像中的原始像素值进行计算，得到整数的特征参数，能够保证检测结果具有足够的精度，提高检测的准确性。
32.参阅图2，图2是本技术提供的圆弧检测方法另一实施例的流程示意图，该方法包括：
33.步骤21：确定待检测图像中的感兴趣区域。
34.步骤22：在圆环形/扇形区域内，沿着圆环形/扇形区域的极径方向，获取多个插值位置。
35.每个极径方向上的插值位置间隔第一预设距离，且相邻的两个极径方向的夹角为预设角度，极径方向的数量和预设角度可由用户设置或默认。例如，如图3所示，极径方向的数量为8，o点为扇形圆环区域s的圆心，oa-oh分别为极径，它们均匀分布。
36.步骤23：利用双线性插值方法获取到每个插值位置处的像素值，形成对应的第一图像。
37.例如，以图3中极径oa为例，如图4所示，l
ag1
＝l
g1g2
＝
…
＝l
g4g5
，l
ag1
为点a和点g1之间的距离，l
g1g2
为点g1和点g2之间的距离，l
g4g5
为点g4和点g5之间的距离，由于点g1-g5的坐标均不是整数，可采用双线性差值方法利用与点g1/g2/g3/g4/g5临近的像素值来计算它们的像素值，从而得到像素值{p
g1
，p
g2
，p
g3
，p
g4
，p
g5
}，构成第一图像的像素值，p
g1-p
g5
分别为点g1-g5对应的像素值。
38.步骤24：利用边缘检测方法对每个第一图像进行边缘检测，得到第一边缘检测结果。
39.利用边缘检测方法对每个第一图像进行处理，得到第一边缘检测结果；可采用求梯度等方法完成边缘检测，在数字图像处理中利用卷积运算即可完成求梯度，从而完成边缘检测；每一个第一图像中的边缘点一般处于不同的圆/圆弧上，不同第一图像中的边缘点
可能会处于一个圆/圆弧上。
40.进一步地，可以直接对第一图像进行平滑滤波，再利用索贝尔(sobel)算子计算图像梯度，进行阈值处理，得到第一图像的边缘图；或者利用canny边缘检测方法，先对第一图像进行高斯滤波，再求梯度幅值图像，然后进行非最大值抑制，最后利用双阈值处理与连接分析进行边缘连接。
41.步骤25：对第一边缘检测结果进行筛选，得到第二边缘检测结果。
42.在一具体的实施例中，筛选方法为：对第一边缘检测结果进行非极值抑制和阈值化处理，以筛除第一边缘检测结果中的部分边缘点。
43.具体地，先利用卷积核对第一边缘检测结果进行卷积，得到对应的梯度值；再对梯度值进行非极值抑制处理，将非边缘点筛除，得到第一边缘点，由于边缘点位于梯度值的局部极值处，通过非极值抑制处理，可以筛除局部梯度值较大但非边缘点的像素，产生更细的边缘图像；然后利用阈值化处理对第一边缘点进行筛选，将不满足预设阈值的第一边缘点筛除，得到第二边缘点，能够将不满足阈值要求的边缘点筛除，进一步筛除非边缘点。
44.步骤26：对第二边缘点进行分组，得到多组第三边缘点。
45.边缘点的极性有两种，分别为：正性和负性；按照第二边缘点的极性，将所有第二边缘点分成两组第三边缘点；当沿着预设方向包含第二边缘点的临近像素值逐渐增大时，第二边缘点的极性为正性；当沿着预设方向包含第二边缘点的临近像素值逐渐减小时，第二边缘点的极性为负性。
46.进一步地，当多个第二边缘点组成的边缘为水平边缘时，预设方向为竖直向下的方向；当多个第二边缘点组成的边缘为竖直边缘时，预设方向为水平向右的方向。例如，像素值如图5所示，阴影部分为边缘像素，其为竖直边缘，预设方向为水平向右的方向，这些边缘点的极性为正性。
47.步骤27：利用圆拟合方法对每组第三边缘点进行圆拟合，得到多个圆/圆弧。
48.在一具体的实施例中，步骤27可分为如下步骤：
49.步骤一：利用圆拟合方法对每组第三边缘点进行拟合，得到至少一个拟合圆。
50.该圆拟合方法可以为平均值法或最小二值法，采用圆拟合方法分别对两组第三边缘点进行拟合，从而得到两个拟合圆。
51.步骤二：计算每个第三边缘点与对应的拟合圆之间的距离，筛除与拟合圆的距离大于第二预设距离的第三边缘点，将符合第二预设距离的要求的第三边缘点记作第四边缘点，将被筛除掉的第三边缘点记作第五边缘点，并进行存储。
52.将每一组中与对应的拟合圆之间的距离大于第二预设距离的第三边缘点筛选掉，将两者距离大于第二预设距离的第三边缘点记作第四边缘点，将两者距离小于或等于第二预设距离的第三边缘点记作第五边缘点，并进行存储，以方便后面使用。
53.步骤三：重复上述拟合和筛选的步骤，直至每一组中的第四边缘点的数量小于预设插值行的数量，且第四边缘点与拟合圆之间的距离小于第二预设距离。
54.重复步骤一和步骤二，直至每一组中第四边缘点的个数小于预设插值行的数量，且每个第四边缘点与利用多个第四边缘点拟合得到的拟合圆之间的距离或距离的方差均小于第二预设距离；该预设插值行的数量与第一图像的数量相同，预设插值行的数量可以大于3。
55.步骤四：对每一组中的第四拟合点进行拟合，得到对应的圆/圆弧的特征参数。
56.采用圆拟合方法对步骤三中保留下来的第四边缘点进行拟合，得到相应的特征参数，该特征参数可以为小数，以增加检测的准确性。
57.步骤五：重复步骤一至步骤四，对第五边缘点进行处理，直至完成对每个第五边缘点的分组和拟合。
58.例如，预设插值行的数量为8，以正性边缘点为例，假设第三边缘点为p1-p50，利用步骤一的方法对第三边缘点p1-p50进行拟合，得到拟合圆fc；利用步骤二的方法进行处理，计算第三边缘点p1-p50与拟合圆fc之间的距离是否大于第二预设距离，经过筛选最终得到第四边缘点p1-p42以及第五边缘点p43-p50；执行步骤三，得到四组第四边缘点：p1-p8、p9-p16、p17-p24以及p25-30，剩下的边缘点p31-p50均为第五边缘点；执行步骤四，对四组第四边缘点：p1-p8、p9-p16、p17-p24以及p25-30分别进行拟合，得到四组特征参数；执行步骤五，对于第五边缘点p31-p50，利用步骤一到步骤四的方法进行处理，完成分组和拟合，得到四组边缘点：p31-p35、p36-p41、p42-p45以及p46-p50，对它们分别进行拟合，得到相应的特征参数，从而得到8组特征参数，它们对应的边缘点分别为p1-p8、p9-p16、p17-p24、p25-30、p31-p35、p36-p41、p42-p45以及p46-p50。
59.利用步骤26和步骤27的方法，先对边缘点进行分组，然后对每组边缘点进行圆拟合，拟合出若干个圆/圆弧，然后对这些圆/圆弧进行对比度检测，将不满足对比度要求的圆/圆弧筛除。
60.步骤28：对多个圆/圆弧处的像素值进行对比度检测，筛除不满足预设对比度要求的圆/圆弧。
61.利用步骤27获取到的特征参数，到待检测图像中扣取相应的图像进行对比度检测，确定特征参数对应的区域是否真的存在边缘，将不满足预设对比度的圆/圆弧筛除；具体地，可以在每个边缘点对应的临近像素中扣取包括边缘点的3-5个像素。
62.在一具体的实施例中，将包含圆/圆弧的区域记作待判定区域，获取待判定区域的像素值，待判定区域的形状和大小与圆/圆弧的特征参数匹配；判断待判定区域的对比度是否大于预设对比度；若待判定区域的对比度大于预设对比度，则判断到待判定区域具有圆/圆弧；若待判定区域的对比度小于或等于预设对比度，则判定待判定区域不具有圆/圆弧，即该特征参数对应的边缘为虚假边缘。
63.例如，如图6所示，采用步骤21-步骤27计算得到扇形边缘s，为了验证该扇形边缘s是否为待检测图像中真实存在的边缘，可利用该扇形边缘s中边缘点附近的像素值来判别；对于包含扇形边缘s的待判定区域q，判断包含边缘点的子区域的对比度是否大于预设对比度，如：判断子区域a中的对比度是否大于预设对比度，如果对于每一个子区域或者超过预设比例的子区域来说，其对比度均大于预设对比度，则判定该扇形边缘s是真实存在的，否则，则判定是虚假边缘。
64.在进行圆/圆弧检测的过程中，为了减小运算量，往往需要在待检测图像中放置圆环形/扇形的感兴趣区域；自圆环形/扇形的感兴趣区域的圆心对感兴趣区域进行插值，得到若干个第一图像；再利用边缘检测方法，对第一图像进行边缘检测；通过对边缘点进行筛选以及亚像素坐标计算，可以获得真正边缘点的具体位置；通过对边缘点进行分组拟合，获得多个拟合结果；然后在待检测图像中对拟合圆/圆弧进行对比度检测，以此来检查拟合
圆/圆弧的合理性；最后输出真实的圆/圆弧的特征参数。
65.通过对感兴趣区域进行采样和插值，可以避免对整个感兴趣区域对应的图像进行极值化处理，使得边缘检测以及对边缘点的分析处理等过程的工作量大大减小；通过采用亚像素坐标以及拟合筛选等方法，能够提高圆/圆弧检测的精度，保证检测结果达到0.2个像素精度。
66.参阅图7，图7是本技术提供的圆弧检测装置一实施例的结构示意图，该圆弧检测装置包括依次连接的输入单元71、处理器72和输出单元73。
67.输入单元71用于获取待检测图像；处理器72用于确定待检测图像中的感兴趣区域；沿着感兴趣区域的极径方向对感兴趣区域中的像素值进行插值，得到第一图像；对第一图像进行边缘检测，得到多个边缘点；对多个边缘点进行圆弧拟合筛选，得到圆/圆弧的特征参数；输出单元73用于输出圆/圆弧的特征参数。
68.本实施例中处理器72采用行插值的方法对待检测图像进行采样，大大降低了边缘检测以及对边缘点进行分析处理等过程的工作量，能够提高检测效率，并能够减小计算量，以满足实际生产对效率的要求；同时由于采用亚像素坐标，能够提高检测的精度。
69.参阅图8，图8是本技术提供的存储介质一实施例的结构示意图，存储介质80用于存储计算机程序81，计算机程序81在被处理器执行时，用于实现上述的圆弧检测方法。
70.其中，存储介质80可以是服务端、u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
71.在本技术所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
72.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
73.另外，在本技术各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
74.以上所述仅为本技术的实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。