[发明专利]图像角点的检测方法及检测装置

说明书

本公开提供了图像角点的检测方法，其特征在于，包括：获取待检测图像；对待检测图像进行二值化处理以获得二值图像；对二值图像进行开运算以获得去噪图像；对去噪图像进行闭运算以识别闭合区域；分离包含闭合区域的候选图像；对候选图像进行角点检测，当检测到在闭合区域中存在角点时，输出候选图像的角点的位置信息。根据本公开能够较快地检测到图像，并提高图像检测的检测效率。

技术领域

本公开涉及一种图像角点的检测方法及检测装置。

背景技术

现有的图像检测特别是屏幕到相机通信的图像检测通常有三类检测。第一类是使用方形结构进行检测。例如在屏幕到相机通信中多采用二维码。例如Quick Response(QR)码和DM码，也包含一些非二维码的情况。通信是以通过以屏幕边框作为寻像图形实现的。二维码和屏幕边框多为正方形或长方形，因此二维码及屏幕边框的四周边缘可以作为一个特征进行检测。在现有算法中可以通过Canny算子进行边缘提取再通过霍夫变换在二值化图像上进行直线检测。四条直线的闭合区域则为二维码或屏幕边框所在的区域，即候选区域。在该区域中，通过寻找寻像图形，如DM码四边的寻像图形，以及QR码方形区域内的三个寻像图形和一到多个校准图形，即可获得二维码的位置信息和旋转信息。目前最广泛采用的二维码检测开源代码库ZXing被包含在许多先进的二维码检测手机应用中，如二维码识别(QRDroid)和条码扫描(Barcode Scanner)。ZXing算法是通过方形检测算子找到二维码的区域。该算子在二值化后的图像正中心建立一个正方形，正方形中心点也在图像正中心。通过初始化的正方形大小搜索正方形外的区域，并记下搜索到的最远点的坐标。以四组搜索到的坐标建立一个区域即为二维码所在的区域，最后同样通过寻像图形获得二维码的位置信息和旋转信息。

第二类是使用纹理进行检测。在屏幕到相机通信中，对于QR码和DM码，二值化的模块可以作为特征被用于检测。如通过方向梯度直方图(Histogram of Oriented Gradient,HOG)进行检测。Haar-like特征也被作为纹理特征用于对QR码的检测。在最近的一些算法中，这种二值化特征被用于训练神经网络来实现对于图像中二维码的识别。第三类是通过特别设计的寻像图形进行检测。在一些特殊的在屏幕到相机通信方案，通过在中间设立回形寻像图形，再通过分布式的辅助寻像图形进行检测以提高检测正确率。

上述几类图像检测方法，能不同程度地实现检测，但是也带来了一些问题。其一，增加算法复杂度。对于使用Canny算子再通过霍夫变换来实现对于二维码边缘直线的检测的算法来说，霍夫变换会增加算法复杂度，因此算法的速度会下降。其二，鲁棒性较差。对于霍夫变换来说，如果图像中有其他直线图案作为二维码的背景，那么检测过程会被严重干扰。对于ZXing算法来说，不适用于检测非二值外观的二维码。如在二维码中嵌入图片的情况中，二维码中心部分到四周边缘部分留有白色或浅色背景，方形检测过程会被嵌入图片的图片内容严重干扰。其三，对于一些二维码，其纹理不一定能被提取作为特征来进行识别，嵌入的图片内容对与该二维码的纹理来说是严重的干扰，因此纹理特征并不能作为一种通用的检测算法。对于机器学习来说，准备合适的训练数据也是一个不可避免的问题。数据的质量决定了最后算法检测的准确率。采集的数据质量过低会导致检测率较低。并且复杂模型在实际运用中也可能导致较高的计算量而降低算法检测效率。其四，对于其他特殊设计的寻像图形，必须通过作者自己设计的算法才能检测。而对于最广泛应用的方形二维码检测算法，无法直接应用到这些屏幕到相机的方案上。

综上所述，尽管近年来人们不断在提高算法检测效率，但是现有的算法仍然存在较大的缺陷。例如现阶段虽然二维码检测算法在QR码上面表现良好，QR码也被广泛应用与移动支付、社交等领域，但是如果使用在其他屏幕到相机通信方案上面表现较差，并且存在较高复杂度的问题不利于用在移动设备上。随着手机的普及，未来对于检测算法的准确率和效率的要求会较高，屏幕到相机通信方案会更加多样，并且需要较低的算法复杂度以实现大规模应用。因此积极探索通用的、鲁棒的且高效的检测算法是有必要的。

发明内容