[发明专利]一种基于边缘检测与拟合曲线聚类的圆检测方法

摘要

本发明公开了一种基于边缘检测与拟合曲线聚类的圆检测方法，步骤如下一、在灰度图上检测边缘，剔除像素点数小于像素点阈值的边缘曲线，得到曲线集合T；二、计算并记录曲线集合T中每个边缘点在灰度图中的梯度方向矢量；三、基于边缘梯度方向约束的候选曲线标记与参数拟合1）计算估算圆心和估算半径；2）计算每条曲线的边缘点到对应估算圆心的方向矢量；3）基于梯度方向约束的候选点标记；4）确定候选曲线集合；5）候选曲线的圆参数校准；四、候选曲线的聚类与融合，得到融合后的圆心和半径；五、根据圆的完整度约束，输出检测结果。本发明具有适应性好、计算速度快、抗噪性好、资源消耗少等优点，可以广泛应用于圆曲线检测领域。

主权项

一种基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：包括如下步骤：步骤一，将输入图像转换为灰度图，在灰度图上检测边缘，并通过曲线跟踪得到初始的边缘曲线集合，剔除像素点数小于像素点阈值ε的边缘曲线，得到曲线集合T＝{T1,T2,…,TN}，其中N为曲线Ti数目；步骤二，计算曲线集合T中每个边缘点在灰度图中的水平方向梯度Gx和垂直方向梯度Gy，并记录每个边缘点的梯度方向矢量步骤三，基于边缘梯度方向约束的候选曲线标记与参数拟合，具体过程如下：1)针对曲线集合T中每条曲线Ti通过最小二乘法进行圆拟合，得到每条曲线Ti对应的估算圆心c0和估算半径rfi；2)计算曲线集合T中每条曲线Ti的边缘点到对应估算圆心c0的方向矢量，曲线Ti的边缘点到相对应的估算圆心c0的方向矢量为：3)基于梯度方向约束的候选点标记：计算每条曲线Ti中每个边缘点的梯度方向矢量和到估算圆心c0的方向矢量之间的夹角θ，由矢量内积公式可以得到：其中，为矢量的内积，和为矢量的模，如果|θ|>ξ，其中ξ为角度阈值，则所述边缘点标记为候选点；4)通过候选点投票的方式确定候选曲线集合：对曲线集合T中所有曲线Ti的候选点进行统计：计算每条曲线Ti中的候选点占所述曲线Ti中所有点数的比例其中，ti和Mi分别为每条曲线Ti中候选点点数和所有点点数，i＝1,2,…,N，如果pi大于百分比阈值η，则所述曲线Ti标记为候选曲线，从而得到候选曲线集合Tr＝{Tr1,Tr2,…,Trk}，其中k为候选曲线Trj数目；5)候选曲线Trj的圆参数校准：对候选曲线集合Tr中的每个候选曲线Trj去掉非候选点后，再次通过最小二乘法进行圆拟合，得到拟合的圆心cf和半径参数r，组成所述候选曲线Trj的三维特征矢量(a,b,r)，其中a和b为圆心cf的横纵轴坐标；步骤四，候选曲线的聚类与圆拟合：对候选曲线Trj的三维特征矢量(a,b,r)进行聚类，将聚为一类的候选曲线Trj作为一个圆，得到圆集合C＝{C1,C2,…Ck1},其中k1为圆Cm数目，对每个圆Cm对应的所有候选曲线Trj的候选点通过最小二乘法进行圆拟合，得到圆拟合后的圆心Ccm和半径rcm。