[发明专利]一种基于质心距离计算的图像轮廓角点检测方法

说明书

本发明公开了一种基于质心距离计算的图像轮廓角点检测方法，通过计算每个图像轮廓点与其所形成局部区域质心的欧式距离定位角点区域，具体步骤为：首先读入图像，提取边缘轮廓，对图像轮廓每个像素点计算与其所形成局部区域质心的欧式距离，形成距离集合G，对G使用上下限阈值处理和点数阈值处理，形成集合I，最后对I中每个元素中的每个点应用Harris角点检测器计算响应，每个元素中响应最强的对应点的坐标，即为角点。本发明通过计算每个图像轮廓点与其所形成局部区域质心的欧式距离以定位角点区域，计算结果受图像灰度变化影响小，加强了对噪声的免疫力，减少了伪角点的产生，该方法适用于图像配准与匹配、图像融合和目标识别等计算机视觉领域。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于质心距离计算的图像轮廓角点检测方法。

背景技术

图像角点是图像的强特征点, 在目标识别、图像配准、运动检测等领域有广泛的应用。现有的角点检测方法包括：基于灰度图像的角点检测和基于二值图像的角点检测，其中基于灰度图像的Harris角点检测方法由于其具有对二维平移、旋转、少量光照变化，少量视角变化都不敏感，而且计算量很小的优点，受到广泛应用。

传统的Harris角点检测方法是以像素点为中心所形成的块区域灰度值矩阵为计算依据的，当光照变化较强、或待测物体产生镜面反射等因素引起物体成像不佳时， 会导致图像角点信息缺失、大量伪角点产生。

如，中国专利申请号： 201810396912.3，申请日为2018年4月28日，发明创造名称为：一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统，该申请案的主要步骤为：首先对输入图像平滑滤波，接着对平滑图像进行边缘提取，再对边缘采用Harris进行角点检测，获取角点位置，最后根据角点位置定位车牌位置。又如，中国专利申请号：201811246341.1，申请日为2018年10月25日，发明创造名称为：一种基于改进的harris角点检测拼接超声图像方法，该申请案用于对超声图像拼接，主要步骤为：首先将大小400×400的二维超声图像分割成无重叠的4×4子图,利用Harris角点检测器计算子图中角点响应函数R值分布，再采用改进的基于自适应阈值的角点拼接算法对图像进行筛选，通过最优T值确定角点数并拼接两幅超声图像。上述申请案中均是采用传统的Harris角点检测器计算公式来定位角点的，但是Harris角点检测对噪声敏感，会出现较多伪角点，从而影响图像的后续处理效果。

发明内容

本发明的目的在于克服传统Harris角点检测方法进行角点检测时对噪声敏感，检测结果受图像灰度变化影响大，伪角点多的不足，提供了一种基于质心距离计算的图像轮廓角点检测方法，本方法可大大降低图像灰度变化对角点定位的影响，避免角点的弱化或丢失现象，减少伪角点的产生。

为解决以上技术问题，本发明的技术方案是：一种基于质心距离计算的图像轮廓角点检测方法，其特征在于：该方法通过计算每个图像边缘轮廓点与其所形成局部区域质心的欧式距离以定位角点区域，计算结果受图像灰度变化影响小，加强了对噪声的免疫力，减少了伪角点的产生。

所述局部区域指的是以轮廓点为中心，以N为半径，在轮廓点集合中依次选取2N+1个相互连接的轮廓点所形成的子集，其中N代表的是一个可设定的整数。

所述图像轮廓角点检测的具体步骤如下：

步骤一：读入图像，提取图像边缘轮廓；

步骤二、对图像边缘轮廓每个像素点计算与其所形成局部区域质心的欧式距离，形成距离集合G；

步骤三：对距离集合G应用上下限阈值处理，得到集合H；

步骤四：对集合H应用点数阈值处理，得到集合I，I中的元素为具有8邻域连接关系的轮廓点的集合；

步骤五：对集合I中每个元素中的每个点应用Harris角点检测器计算响应，每个元素中响应最强的对应点的坐标，即为角点。