摘 要：基于機器視覺的二維復雜平面尺寸測量中，邊緣角點包含豐富的圖像目標特征信息，其檢測精度對后續(xù)圖像分析及參數(shù)計算精度有著至關重要的影響。本文提出了一種邊緣輪廓角點的高精度定位方法，該方法先利用角點處的曲率變化及相鄰兩角點線段與x軸正向的夾角變化，初步確定角點的位置坐標，然后利用優(yōu)化方法去除偽角點，以實現(xiàn)對真實角點的高精度定位。研究表明，該方法便捷、高效，在服裝衣片的樣片邊緣測量中取得了理想的結果。 關鍵詞：平面邊緣;角點檢測;曲率;夾角;閾值 Abstract: Graphic two-dimensional complex size measurement on machine vision, the corners of edge contain rich goal information of image, the detection accuracy of the corner is important to affect follow-up image analysis and precision of parameter. This paper provides a high-precision positioning method of corner in edge contour, the method uses that the curvature changes in the corner and the angle changes between segment of two adjacent corners with positive direction of x-axis, initially set position coordinates of corners, and then remove pseudo-corners to achieve high-precision positioning of real corners through optimization method. Research has shown that the method is convenient, efficient, and it makes desired result in the measurement of the clothing films’ edge contour. Keywords: horizontal edge, corner detection, curvature, angle, threshold 1 引 言 　　邊緣是指圖像局部亮度變化最顯著的部分。邊緣角點的提取和檢測是數(shù)字圖像處理和機器視覺的一個基本問題，邊緣角點包含豐富的圖像目標特征信息，即被識別目標的重要幾何參數(shù)信息,也是二維平面邊緣識別的重要特征。特別是對邊界沒有已知數(shù)學模型的二維復雜平面邊緣，通過對邊緣輪廓線特征角點的檢測,可對目標線型進行有效地描述和建模，以獲取目標邊界的全部信息。角點檢測精度對后續(xù)圖像分析及參數(shù)計算精度有著至關重要的影響，由于平面角點的數(shù)學描述較為復雜，目前還沒有一種通用的檢測方法。因此，本文研究復雜平面邊緣角點的高精度檢測方法具有重要的理論意義和實用價值。 2 邊緣輪廓角點的基本檢測算法及存在的問題 　　在機器視覺領域中，二維復雜平面邊緣角點的含義比較模糊，存在多種數(shù)學描述方法。目前關于角點的定義和描述主要有如下幾種：1）角點是一階導數(shù)（即灰度的梯度）的局部最大所對應的象素點;2）角點是指兩條邊以上邊緣的交點;3）角點指示了物體邊緣變化不連續(xù)的方向;4）角點處的一階導數(shù)最大，而且二階導數(shù)為零;5）角點處不僅梯度的數(shù)值大，而且梯度方向的變化率也很大。 　　對于不同的角點檢測方法，其區(qū)別在于如何來定義角點。目前，角點檢測算法主要分為兩大類：一類是直接基于圖像灰度的角點檢測算法，另一類是基于邊緣提取的角點提取算法?；趫D像灰度的角點檢測算法由于不需要進行邊緣提取工作，在實際中得到了一定的應用，如Moravec“興趣算子”，Susan角點提取算子和Plessey角點算子。但該類方法只對強邊界敏感，角點定位性能差，穩(wěn)定性不好，且算法較為復雜?；谶吘壧崛〉慕屈c檢測算法的基本思想是：角點是兩條邊界或多條邊界的交點。所以角點檢測可以通過以下四種方式得到：一、抽取出邊界并用鏈碼表示，計算邊界曲率，然后取局部極大值點;二、用多邊型近似邊界，搜索線與線的交點;三、對邊界點利用形態(tài)學的腐蝕和膨脹算子搜索凸點和凹點，近而確定出角點;四、利用亞象素邊界檢測算子檢測出邊界，用聚類法擬合直線，然后求交點。 　　上述方法均采用單一特征進行角點檢測，各自具有不同的應用背景，并不具備通用性。例如，較之簡單直觀的曲線，服裝衣片中的曲線千變萬化，如上裝的袖窿、袖山弧線、領圈弧線、下裝的褲后檔以及下檔縫等衣片輪廓線等，其檢測與加工精度直接決定著服裝加工質量及合體程度，對服裝成品的外觀質量起著至關重要的作用，采用單一特征角點檢測方法具有較大的局限性。為解決這一難題，本文提出了一種采用“2+1”次邊緣輪廓角點的檢測方法。實踐表明，該方法能有效地實現(xiàn)高精度的角點定位。 3 “2+1”次邊緣輪廓角點檢測方法 3.1第一次尋角點 　　步驟一、拍攝樣片圖像，處理成單像素寬的邊緣輪廓線（如圖二），并將點信息存儲在數(shù)組中。存儲數(shù)組記錄了每個象素點所在行和列的位置、鏈碼方向、x和y單位矢量坐標。如圖一a和b及表一所示。 　　表一 單位矢量坐標定義 　　步驟二、x和y單位矢量坐標分別累加求和 　　累加求和是對表示方向的單位矢量的分量進行相加，相加時采用的累加求和步長是三個鏈碼，前進步長是一個鏈碼。類似于一個一次只能求三個鏈碼的單位矢量和模板，并將結果存儲于另一數(shù)組中。對于鏈碼局部的連續(xù)環(huán)，x和y方向單位矢量坐標=l（i）+ l（i+1）+ l（i+2）（l（i）是與i對應的單個鏈碼的矢量坐標分量），L（i）x 和L（i）y是鏈碼第i環(huán)在水平和垂直方向的分量長度,分別求之并將結果存儲于數(shù)組中。對于封閉輪廓邊緣的最后兩個象素點，求其單位矢量和時，可令l（i+1）= l（1），l（i+2）= l（2）。 　　步驟三、建立角度分量 　　利用x和y的單位矢量坐標L（i）x, y，求出鏈碼第i環(huán)與x 軸正方向的夾角 θ（i）。 　　當abs（L（i）x ）>= abs（L（i）y）時， θ（i）=atan（L（i）y / L（i）x）; 　　當abs（L（i）x ） < abs（L（i）y）時， θ（i）= -atan（L（i）y / L（i）x）。 　　步驟四、求曲率 　　L（i）在i 點的曲率為δ（i）=abs[ θ（ i+1）- θ（i-1）]。在整條鏈上首先設定一閾值，δ（i）大于該閾值時先確定為角點。方法如下: 　　（1） 當封閉輪廓在邊緣i處象素點的曲率δ（i）取最大值時，記下其象素坐標（u（i），v（i）），并存入數(shù)組。 　?。?） 當i處在封閉輪廓邊緣的前五個象素點時，令δ（j）=0，j [i，i+3];當i處在封閉輪廓邊緣的后五個象素點時，令δ（j）=0， j [i-3，i];當i處中間位置時，令δ（j）=0，j [i-5，i+5]; 　　（3） 循環(huán)（1）（2）步驟,直至δ（i）不小于該設定的閾值時停止。 　　此時，所得角點是按曲率大小在數(shù)組中排列，然后再將角點按在封閉鏈碼中出現(xiàn)的先后位置進行重新排序，并將象素坐標（u（i）,v（i））存儲于數(shù)組之中。第一次尋角點結果如圖三所示，其優(yōu)點是不會漏掉重要的點。另外，考慮到最終擬和曲線的需求，除了每段曲線的兩個重要端點外，還應保留部分中間次重要點，這樣擬合出的曲線較平滑，失真度小。 3.2第二次尋角點 　　第二次尋角點是在上述已求取點的基礎上進行，其方法是利用角點的象素坐標（u（i），v（i））求相鄰的兩角點線段與x軸正向的夾角，然后比較，得出角點位置。步驟如下： 　　 　　其中s的初始值設為s0 =1,t為第一次尋得角點個數(shù)。在循環(huán)體內如果A（i）>=0.2（本例中A設定的閾值為0.2），記錄此角點的象素坐標（u1（i）， v1（i）），并將s=i，直到完成循環(huán)。記錄每一個A（i）大于此閾值的象素坐標，并存入數(shù)組。 　　本次尋角點的優(yōu)點在于，采用了相鄰兩角點線段的夾角與其他相鄰兩角點線段的夾角比較，而不是非相鄰角點線段間夾角的比較，使兩線段的角度變化更為明顯;另外，循環(huán)中變量s的應用使搜索速度更快，角點篩選的結果如圖四所示。 3.3角點優(yōu)化 　　該步驟的目的是對第二次結果的優(yōu)化，除去偽角點，最終得到真實角點。步驟如下： 　　 　　本文中閾值的設定應考慮到能使誤差較小，且具有較好的適用性。若閾值過大，會造成某些真實角點的遺失;反之會得到了過多的偽角點。 4.結論 　　本文研究的通過兩次求角點和一次優(yōu)化的“2+1”算法，能夠有效地求出二維復雜平面邊緣輪廓的真實角點，并在機器視覺服裝衣片邊緣數(shù)字化系統(tǒng)中得到了成功地應用，獲得了較高的測量精度。該算法可廣泛推廣應用于其它復雜輪廓線的角點提取，具有較好的通用性。 　　本文作者創(chuàng)新觀點：提出了兩次求角點和一次優(yōu)化的“2+1”算法，能夠有效地求出二維復雜平面邊緣輪廓的真實角點，并可獲得較高的測量精度。 參考文獻 　　[1] WANG H.BRANY M.Real-time Corner Detection Algorithm for Motion Estimation. Image and Vision Machine.1995 （9）：695～703 　　[2] MIROSLAV T.MARK H.Fast Corner Detection. Image and Vision Computing,1998,16（I）：75～ 87 　　[3] Li Liyuan，Chen Weina. Corner Detection and Interpretation on Planar Curves Using Fuzzy Reasoning.IEEE Trans.on Pattern Analysis and Machine Intelligence，1999，21（1 1）:1204～ 1210 　　[4] Koplowitz J,Plante S. Corner Detection for Chain Coded Curvers [J].Pattern Recognition,1995,28 （6） :843～852 　　[5] 賈云得.機器視覺[M].北京：科學出版杜，2000.108—109 　　[6] 吳炯等.數(shù)字圖像中邊緣算法的實驗研究[J].微計算機信息，2004.5