馬敬奇 盧亞 李柳瓊 盧杏堅 何峰 鐘震宇

?

基于Canny算子和改進(jìn)型Hough變換的邊緣定位方法*

馬敬奇1盧亞2李柳瓊3盧杏堅1何峰1鐘震宇1

（1.廣東省智能制造研究所廣東省現(xiàn)代控制技術(shù)重點實驗室廣東省現(xiàn)代控制與光機(jī)電技術(shù)公共實驗室2.廣東華中科技大學(xué)工業(yè)技術(shù)研究院廣東省制造裝備數(shù)字化重點實驗室3.工業(yè)和信息化部電子第五研究所）

針對矩形目標(biāo)外邊框定位問題，提出一種結(jié)合Canny算子和改進(jìn)型Hough變換的邊緣定位方法。獲取待檢測圖像后進(jìn)行亮度補(bǔ)償，使圖像亮度分布均勻；標(biāo)記標(biāo)準(zhǔn)目標(biāo)Canny邊緣提取時的最佳閾值和Hough變換時的最佳閾值，并將該標(biāo)記閾值用于動態(tài)邊框提取，以獲取疑似目標(biāo)外邊框的直線；利用外邊框之間的線性關(guān)系組成目標(biāo)外邊框提取的判定條件，實現(xiàn)目標(biāo)外邊框的準(zhǔn)確定位。實驗結(jié)果表明：該方法能夠有效定位目標(biāo)外邊框，所檢測到的目標(biāo)外邊框可用于目標(biāo)定位、測量等。

邊緣定位；Canny算子；Hough變換；亮度補(bǔ)償

0 引言

圖像采集設(shè)備獲得的圖像含有豐富的邊緣信息，而直線是組成邊緣的重要元素。直線為視覺感知提供重要的引導(dǎo)作用，可用于圖像理解并區(qū)分物體，有利于后期處理過程中目標(biāo)的定位、測量、統(tǒng)計等。因此，研究如何準(zhǔn)確提取圖像中目標(biāo)的邊緣具有重要意義。

針對邊緣提取及直線檢測，學(xué)者們已展開大量的研究工作，并取得一定的成果。文獻(xiàn)[1]利用梯度方向直方圖提取直線輪廓，該方法無需閾值即可自動提取直線邊緣，但對多個直線目標(biāo)同時檢測時失效；文獻(xiàn)[2]從時頻和空間變換出發(fā)，改進(jìn)圖像中直線檢測算法，但該算法檢測128×128的圖像耗時213 ms，檢測效率低，不能滿足高速檢測要求；文獻(xiàn)[3]通過邊緣連接實現(xiàn)了一種快速直線檢測算法，精確度和速度均優(yōu)于霍夫變換；文獻(xiàn)[4]實現(xiàn)一種基于單水平集的多目標(biāo)輪廓提取算法，但該算法對處理的圖像要求非常苛刻，實用性并不強(qiáng)；文獻(xiàn)[5]研究了建筑輪廓角點的提取方法，利用輪廓密度估計方法較為準(zhǔn)確地提取出建筑輪廓網(wǎng)格；文獻(xiàn)[6]利用梯度值降低Hough變換的計算量，但計算誤差導(dǎo)致直線方向不確定；文獻(xiàn)[7]利用多個水平集函數(shù)建立模型實現(xiàn)多目標(biāo)輪廓的提取，但隨著水平集的增多模型的復(fù)雜度變大。

實際的直線檢測過程比較復(fù)雜，目標(biāo)除了自身邊緣直線外還含有其他線性元素，易帶來直線干擾。目前缺乏在復(fù)雜環(huán)境下準(zhǔn)確提取矩形目標(biāo)邊緣的有效方法。為此，本文提出一種基于Canny算子和改進(jìn)型Hough變換的邊緣定位方法，首先將原始圖像經(jīng)過亮度補(bǔ)償?shù)玫搅炼茸兓鶆虻膱D像；然后改進(jìn)Canny算子和Hough直線檢測算法；最后采用Canny算子和Hough直線檢測算法相結(jié)合的方法，實現(xiàn)矩形目標(biāo)邊緣的精準(zhǔn)定位。

1 邊緣定位方法

本文邊緣定位方法如圖1所示。在獲取原始圖像后，首先進(jìn)行亮度補(bǔ)償，提高圖像質(zhì)量；其次為自適應(yīng)的獲取圖像邊緣，經(jīng)過改進(jìn)Canny算子動態(tài)提取圖像邊緣；接著利用改進(jìn)的Hough變換初步確定疑似目標(biāo)邊緣的直線；最后通過邊緣判定規(guī)則實現(xiàn)目標(biāo)外邊框的精確定位。

2 圖像的亮度補(bǔ)償

在檢測過程中，光源亮度變化使圖像局部亮度、對比度有所差異，需要進(jìn)行圖像亮度補(bǔ)償[8]，以獲得高質(zhì)量圖像。

本文采用基于灰度直方圖的圖像均衡化方法[9]對待檢測圖像進(jìn)行亮度補(bǔ)償。當(dāng)圖像的灰度呈均勻分布時，圖像所包含的信息最明顯，圖像質(zhì)量也最好。原圖像經(jīng)過灰度級映射，變換成新的接近均勻分布的灰度級，再利用新的灰度級直方圖修正原圖像，灰度級分布范圍為[0,]的離散分布。圖像亮度補(bǔ)償過程：

1) 設(shè)原圖像灰度級為∈[0,]，經(jīng)過灰度級映射后的灰度級為∈[0,]；

圖1 算法流程圖

3 直線檢測

考慮到生產(chǎn)過程中，對同一類目標(biāo)外邊框的提取是在相同環(huán)境中進(jìn)行的，本文采用Canny算子與Hough直線檢測相結(jié)合的方法定位目標(biāo)外邊框，實現(xiàn)目標(biāo)與背景分離開。

3.1 Canny算子的改進(jìn)

Canny算子有高信噪比、高定位精度特點[10]，對Canny算子做如下改進(jìn)：

1) Canny算子采用標(biāo)準(zhǔn)目標(biāo)模板進(jìn)行邊緣檢測時的最佳邊緣提取閾值、，獲取待檢測圖像邊緣；

2) 經(jīng)Canny算子檢測后，統(tǒng)計所獲取的邊緣圖像中的連通域面積，并采用標(biāo)準(zhǔn)目標(biāo)模板邊緣檢測時標(biāo)記的面積閾值，對待檢測圖像的連通域進(jìn)行篩選，去除面積小于的連通域。

3.2 改進(jìn)的Hough變換

經(jīng)改進(jìn)Canny算子檢測后，得到目標(biāo)圖像的邊緣圖，包含目標(biāo)外邊框的邊緣直線。接著對邊緣圖像進(jìn)行Hough直線檢測[11]，可能檢測出其他滿足直線特點的線段，這會給外邊框的定位帶來干擾。為此，本文將Hough變換作如下改進(jìn)：

1) 在對標(biāo)準(zhǔn)目標(biāo)模板進(jìn)行邊緣提取時，記錄外邊框的4個邊緣長度、、、，其中，且；

（注：理論上矩形的對邊是相等的，但相機(jī)所拍攝的圖像精度存在誤差，在像素級上對邊長度存在小范圍差異，設(shè)誤差范圍在0.05%之內(nèi)，同樣適用檢測圖像）

4 目標(biāo)外邊框的提取

經(jīng)過以上處理，所獲取的邊緣圖像中含有目標(biāo)外邊框和滿足Hough變換條件的直線。為獲得精確的目標(biāo)外邊框，設(shè)目標(biāo)外邊框上邊為，下邊框為，左邊框為，右邊框為。目標(biāo)邊框是正規(guī)矩形，因此滿足對邊相等且斜率相同的特點。故此，對經(jīng)過改進(jìn)Hough變換檢測到的直線進(jìn)行如下判定：

目標(biāo)外邊框提取的具體過程如下：

Step1：計算每條直線段的中點坐標(biāo)，組成中點坐標(biāo)集合，，其中為直線段總數(shù)；

Step5：對于不滿足判定條件3的直線，查看是否有相同中點坐標(biāo)的直線，若有則取下一個點所在的直線段繼續(xù)進(jìn)行Step4，直到找到滿足斜率判定條件的直線；若沒有滿足條件的，則返回Step2中的集合，重新選擇邊界直線，選取方法為：通過判定條件2，若確認(rèn)所在直線不滿足，則加1；若確認(rèn)所在直線不滿足，則減去1；若確認(rèn)所在直線不滿足，則加1；若確認(rèn)所在直線不滿足，則減1，返回Step3；

Step6：確認(rèn)了邊界所在直線后，聯(lián)立4條直線建立方程組，求出相鄰2條直線的交點坐標(biāo)、、、；

Step7：根據(jù)各條直線之間的交點求出4個邊框的長度，并與標(biāo)準(zhǔn)的目標(biāo)4個邊框長度、、、對比，若確定的邊框長度分別與對應(yīng)的標(biāo)準(zhǔn)邊框長度相同，則結(jié)束外邊框提取過程；若存在與對應(yīng)的標(biāo)準(zhǔn)邊框長度不同的，則返回Step5，繼續(xù)進(jìn)行提取。

5 實驗分析

為驗證本文算法的有效性，選取玩具拼接板圖像為實驗對象進(jìn)行外邊框的定位。實驗所用硬件平臺為內(nèi)存8G 、Intel(R) Core(TM)i7- 6500U CPU、操作系統(tǒng)64位的計算機(jī)，軟件系統(tǒng)為VS2010。

1) 調(diào)節(jié)與配置檢測軟件、相機(jī)和光源，并用相機(jī)拍攝標(biāo)準(zhǔn)拼接板圖像，再利用Canny算子提取標(biāo)準(zhǔn)拼接板圖像的邊緣，調(diào)節(jié)Canny邊緣提取閾值，記錄當(dāng)拼接板外邊框完整地被檢測到時的邊緣提取閾值；接著Hough直線檢測并記錄高低閾值，標(biāo)記4條完整外邊框的長度。標(biāo)準(zhǔn)拼接板原圖像如圖2(a)所示，提取到完整拼接板外邊框的圖像如圖2(b)所示。提取到完整拼接板外邊框時邊緣閾值、4條邊長度如表1所示，其中為左邊緣、為上邊緣、為右邊緣、為下邊緣。

圖2 (a) 拼接板原圖 圖2 (b) Canny提取最佳邊框

表1 Canny最佳提取閾值和拼接板外邊框長度

2) 保持光源環(huán)境不變，對待檢測的拼接板圖像進(jìn)行亮度補(bǔ)償，亮度補(bǔ)償后的圖像和補(bǔ)償后灰度直方圖如圖3所示。亮度補(bǔ)償后，拼接板上下邊緣靠近光源的強(qiáng)光區(qū)域亮度得到弱化，整個圖像亮度分布更均勻。對比亮度補(bǔ)償前后圖像的直方圖，補(bǔ)償后灰度級趨近均勻分布，而原直方圖灰度分布較為集中。

圖3(a) 待檢測原圖像 圖3 (b) 亮度補(bǔ)償后的待檢測圖像

3) 采用改進(jìn)Canny算子和改進(jìn)Hough直線檢測相結(jié)合的方法提取拼接板，檢測效果如圖4所示。經(jīng)過改進(jìn)Canny算子提取到的拼接板邊緣如圖4(a)所示，從圖中可以看出外邊框完整保留，同時還保留其他邊緣細(xì)節(jié)，并去除了塊狀、斑點。圖4(a)經(jīng)過改進(jìn)后的Hough變換檢測到的直線如圖4(b)所示，圖4(a)經(jīng)過原Hough變換檢測到的直線如圖4(c)所示。圖4(b)與圖4(c)相比圖中的直線數(shù)量明顯減少，僅留下符合條件的直線，其中包括目標(biāo)的外邊框。

4) 利用本文所提目標(biāo)外邊框的判斷方法得到的目標(biāo)外邊框如圖5所示。從圖5可以看出所提判斷方法準(zhǔn)確的定位到拼接板的外邊框，將目標(biāo)區(qū)域完整地從圖像中分割出來。

圖4(a) 改進(jìn)的Canny邊緣檢測

圖4(b) 改進(jìn)的Hough直線檢測 圖4(c) 原Hough直線檢測

圖5 動態(tài)檢測到的目標(biāo)邊緣

6 結(jié)論

本文提出一種結(jié)合改進(jìn)Canny算法和改進(jìn)型Hough直線檢測算法的目標(biāo)外邊框定位方法，實驗表明：1) 該方法在保證完整提取目標(biāo)外邊框的同時減少了非目標(biāo)邊框直線的輸出，提高了Hough直線算法的檢測效率；2) 通過直線特征分析和計算，實現(xiàn)目標(biāo)外邊框的準(zhǔn)確定位。邊緣定位結(jié)果可用于目標(biāo)的定位、測量等。

[1] 張小虎,李由,李立春,等.一種基于梯度方向直方圖的直線輪廓提取新方法[J].光學(xué)技術(shù),2006,32(6):824-826.

[2] 趙小川,羅慶生,陳少波.改進(jìn)型圖像中的直線快速檢測[J].光學(xué)精密工程,2010,18(7):1654-1660.

[3] 董晶,楊夏,于起峰.基于邊緣連接的快速直線段檢測算法[J].光學(xué)學(xué)報,2013,33(3):220-227.

[4] 龔永義,羅笑南,黃輝,等.基于單水平集的多目標(biāo)輪廓提取[J].計算機(jī)學(xué)報,2007,30(1):120-128.

[5] 童禮華,程亮,李滿春,等.地面LiDAR數(shù)據(jù)中建筑輪廓和角點提取[J].中國圖象圖形學(xué)報,2013,18(7):876-883.

[6] Galambos C, Kittler J , Matas J. Gradient based progressive probabilistic Hough transform[J]. Image Signal Processing , 2001, 148(3):158-165 .

[7] Vese L A , Chan T F. A multiphase level set framework for image segmentation using the Mumford and Shah model[J]. International Journal of Computer Vision, 2002,50(3):271-293.

[8] 袁興生,王正志.亮度補(bǔ)償變換矩陣的顏色恒常性算法[J].中國圖象圖形學(xué)報,2012,17(9):1055-1060.

[9] 韓殿元.低照度下視頻圖像保細(xì)節(jié)直方圖均衡化方法[J].計算機(jī)仿真,2013,30(8):233-236,300.

[10] 李俊山,馬穎,趙方舟.改進(jìn)的Canny圖像邊緣檢測算法[J].光子學(xué)報,2011,40(增刊):50-54.

[11] 張振杰,郝向陽,劉松林,等.基于Hough一維變換的直線檢測算法[J].光學(xué)學(xué)報,2016,36(4):166-173.

Edge Location Method Based on Canny Operator and Improved Hough Transform

Ma Jingqi1Lu Ya2Li Liuqiong3Lu Xingjian1He Feng1Zhong Zhenyu1

(1.Guangdong Institute of Intelligent Manufacturing Guangdong Key Laboratory of Modern Control technology Guangdong Open Laboratory of Modern Control & Optical, Mechanical and Electronic Technology 2.Guangdong HUST Industrial Technology Research Institute, Guangdong Province Key Lab of Digital Manufacturing Equipment 3. CEPREI)

In this paper, an edge location method based on Canny operator and improved Hough transform is proposed to solve the edge localization problem of rectangular object. After obtaining the image to be detected, the brightness compensation is carried out, so that the brightness distribution of the image is uniform. The best threshold values of Canny operator are marked when extracting the standard target edge. The best threshold values of Hough transform are marked when detecting the standard target line. The tag threshold values are used to dynamic extract the border to obtain the suspected outer border lines of the object. After obtaining the suspected lines, use the linear relationship between the outer frames, the decision criteria of the extraction of the target outer frame are constructed and achieve the exact positioning of the target's outer borders. Experimental results show that the proposed algorithm can effectively locate the outer frame of target, and can be used for location, measurement and so on.

Edge Location; Canny Operator; Hough Transform; Brightness Compensation

馬敬奇，男，1988年生，碩士，主要研究方向：機(jī)器視覺、運動控制。E-mail: majingqiauto123@126.com

廣東省科技計劃項目（2011A060901026）