基于区域像素的矩形目标检测_彭家伟.pdf

第 36 卷第 1 期2023 年 2 月常 州 工 学 院 学 报Journal of Changzhou Institute of TechnologyVol 36No 1Feb 2023doi:10 3969/j issn 1671-0436 2023 01 005收稿日期:2022-05-08基金项目:常州工学院大学生创新创业训练计划项目(202211055017Z)作者简介:彭家伟(2000)，男，江苏扬州人，在读本科生，主要研究方向为计算机图像处理。通信作者:徐则中(1971)，男，河南正阳人，教授，xuzz czu cn。基于区域像素的矩形目标检测彭家伟，顾婷婷，耿思远，张迪，徐则中(常州工学院计算机信息工程学院，江苏 常州 213032)摘要:针对矩形目标的边缘缺陷现象，文章提出了一种基于矩形内部像素的检测方法。该方法不需要进行边缘检测，直接基于二值图像进行 Hough 投票;在峰值周围计算每列的投票方差，拟合一个二次函数;基于拟合的系数计算矩形目标的长度、宽度和方向，计算区域像素的统计均值作为矩形目标的中心。实验结果表明，提出的方法能够有效检测存在边缘缺陷的矩形目标。关键词:矩形检测;Hough 变换;函数拟合;区域像素中图分类号:TP391 41文献标志码:A文章编号:1671-0436(2023)01-0024-04ectangular Objects Detection Based on egion PixelsPENG Jiawei，GU Tingting，GENG Siyuan，ZHANG Di，XU Zezhong(School of Computer Information Engineering，Changzhou Institute of Technology，Changzhou 213032)Abstract:In order to detect the edge defects of rectangular objects，a method based on the pixels insidethe rectangle is proposed in this paper This method did not require edge detection，and directly conductedHough voting based on binary images The voting variances of each column were calculated around the peakand a quadratic function was fitted The length，width and direction of the rectangle were calculated with thefitted coefficient，and the statistical mean of the region pixels was calculated as the center of the rectangulartarget Experimental results show that the proposed method can effectively detect rectangular objects withedge defectsKey words:rectangle detection;Hough transform;function fitting;region pixels0引言目标检测是机器视觉应用的基础，是从视觉图像中检测特定的目标对象，用于进一步分析处理，比如定位1、测量2 或识别3。矩形目标检测在工业领域被广泛应用。目前的矩形检测方法主要有两种4。第一种是基于边缘直线的检测方法。该方法首先进行边缘检测处理，得到边缘图像，然后运用直线检测算法5，在边缘图像上提取所有直线6，最后结合矩形的几何特征，按照特定的规则搜索 4 条直线，构成一个矩形7 8，这种方法适用于边缘规则的矩形检测。第二种是基于最小外接矩形的检测算法。该方法首先进行边缘检测，提取矩形的边缘轮廓，然后利用最小外接矩形算法9 检测矩形，最 后 运 用 最 小 外 接 矩 形 框 表 示 目 标 对象10 11，这种方法受噪声影响较大。这两种矩形检测方法都是基于边缘轮廓的，需要事先进行边缘检测。此外，由于受噪声、光照条件的干扰，存在图像噪声和边缘扭曲现象12，第 1 期彭家伟，等:基于区域像素的矩形目标检测给基于边缘的矩形检测算法带来困难。因此，本文提出基于区域像素的矩形目标检测方法，以检测存在边缘缺陷的矩形目标。1图像预处理对采集的图像进行预处理，把原始图像转换成二值图像。第一步，基于彩色图像的红、绿、蓝三色分量计算像素的灰度值，得到灰度图像。第二步，运用 OTSU 算法计算阈值，把灰度图像变换成二值图像。图 1(a)是一个铜条工件的图像，其经过灰度变换和二值变换后的图像，如图 1(b)所示。(a)原始图像(b)二值图像图 1图像变换2矩形参数提取2.1像素投票在二值图像中，选用所有黑点像素进行Hough 投票。图 2(a)中，、L、W 和(x0，y0)分别表示该矩形目标的主轴方向、长度、宽度和中心。图 2(b)显示了该矩形在 Hough 空间的投票分布情况。在 Hough 空间里，越亮的地方，投票值越大。与基于边缘像素的直线 Hough 变换不同，矩形投票以后，并没有明显的峰值。投票峰值不再是单个点，而是聚集在一个区域内。当所有黑点像素完成 Hough 投票后，首先在(a)图像空间(b)Hough 空间图 2Hough 投票Hough 空间里搜索最大投票值，然后在最大投票值周围定义一个邻域，称作峰值邻域，见图 3。图 3峰值邻域52常州工学院学报2023 年在峰值邻域内，每一列的投票值分布不同，它与矩形的主轴方向、长度和宽度相关。在峰值邻域内，把每一列的投票看作是一个统计变量。计算每一列的投票方差，基于投票方差计算矩形的参数。2.2投票均值和投票方差在 Hough 空间的峰值邻域，计算每一列的投票均值和投票方差。第 i 列的投票方差为:2i=(mi)2A(，i)/A(，i)(1)式中:i是第 i 列的投票角度;A(，i)是对应第 i列第 行的投票值;mi是第 i 列的投票均值。mi=A(，i)/A(，i)(2)计算得到的投票方差，如表 1 所示。表 1投票方差i/()53545556575859606162632i21 491847163315 09147715 27167319 0322 25263331 362.3矩形长度和宽度基于表 1 中的投票角度 i和对应的投票方差 2i，拟合一条二次函数曲线。拟合的二次函数表示为:2=f()=f22+f1+f0=0 445 3250.667+1 456 1(3)基于拟合的二次函数系数，直接计算矩形的长度和宽度，以及矩形目标的主轴方向。长度:L=12f2(180)2+12f03f21f2=133 02，宽度:W=12f03f21f2=13 35，主轴方向:=f12f2=56 89。2.4矩形中心把矩形区域内所有像素点的平均坐标，作为矩形的中心坐标，则矩形的中心位置坐标为:x0=kxkN;y0=kykN(4)式中:N 是矩形区域内黑点像素个数;xk和 yk是第 k 个像素的坐标。经过计算，得到矩形的中心坐标为(85 44，61 90)。3实验为了验证提出的矩形检测算法，运用包含矩形目标的图像，对文中提出的矩形检测方法进行实验验证。图 4(a)、(b)、(c)显示了 3 个边缘规则的矩形工件检测结果。图像中分别包含了条状、片状、管状的矩形工件，每个矩形工件的边缘规则、形状完整。本文提出的方法能够很好地检测出矩形目标的位置、主轴方向、长度和宽度。图 4(d)、(e)、(f)显示了 3 个边缘缺陷的矩形工件检测结果。图 4(d)的矩形目标边缘受到污染，图 4(e)的矩形目标边缘存在扭曲，图 4(f)的矩形目标边缘受到背景纹理的干扰。这些矩形目标呈现为边缘不规则、不完整、纹理干扰，存在边缘缺陷情况。实验结果表明，本文提出的方法能检测出边缘缺陷的矩形目标的位置、主轴方向、长度和宽度。(a)条状目标(b)片状目标62第 1 期彭家伟，等:基于区域像素的矩形目标检测(c)管状目标(d)边缘污染的目标(e)边缘扭曲的目标(f)边缘干扰的目标图 4矩形检测结果4结论由于受到噪声、光照影响，矩形目标存在边缘缺陷现象。为了检测边缘不规则的矩形，本文提出了基于区域像素而非基于边缘轮廓的检测方法。该方法运用黑色像素取代边缘轮廓进行Hough 投票，基于投票方差计算矩形的长度、宽度和主轴方向，基于区域像素的统计均值计算矩形的中心坐标。本文提出的矩形检测方法避免了边缘检测过程，不仅能检测边缘规则的矩形目标，也能检测边缘缺陷的矩形目标。参考文献 1朱良，林浒，吴文江 基于机器视觉的工业机器人工件定位 J 小型微型计算机系统，2016，37(8):1873 1877 2 郑如新，孙青云，肖国栋 基于机器视觉的工件尺寸测量研究 J 电子测量技术，2021，44(16):110 115 3 韩涛，杨洋 基于 Hough 变换的图像目标检测与识别J 计算机与数字工程，2019，47(2):412 416 4黄超，茅健，徐斌，等 基于最小外接矩形和 Hough 变换的定位算法 J 组合机床与自动化加工技术，2021(8):66 71 5贺辉，闫明，黄静 基于窗口 Hough 变换与阈值分割的矩形识别算法 J 计算机系统应用，2018，27(3):131 135 6 LI S，ZHANG H，ZHANG Z，et al A new method for polygondetection based on hough parameter space and USAN regionC/5th International Conference on Image，Vision and Com-puting Los Alamitos:IEEE，2020 7WANG J，XU H，CAI S，et al A rapid method for detecting ob-jects with rectangular structures based on line correspondences J Multimedia Tools and Applications，2016，75(15):9409 9426 8路鹭，杨炯，梁杰，等 一种快速高精度的矩形检测算法J激光与光电子学进展，2020，57(18):56 62 9 KALA J，VIII S，TAPAMO J An approximation basedalgorithm for minimum bounding rectangle computationC/IEEE International Conference on Adaptive Science and Tech-nology Los Alamitos:IEEE，2014 10 柳娜，孙晓亮，谭毅华 基于最小外接矩形的直角多边形拟合算法J 计算机科学，2017，44(6):294 297，305 11 郭亚盛，张硕，张爱梅 基于机器视觉的圆柱滚子尺寸检测方法 J 现代制造工程，2021(4):109 113 12 ZHENG J，FANG Z，LI E，et al The calculation of the centerfor metal rectangle based on gray level differenceC/Chi-neseControlDecisionConferenceLosAlamitos:IEEE，2016责任编辑:刘景平72