机器视觉之机器视觉算法之物体方位特征提取.docx

《机器视觉之机器视觉算法之物体方位特征提取.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、机器视觉算法之物体方位特征提取在机器视觉处理中，我们经常要对检测到的物体的方位特征进行评估。比如说，我们要OCR识别一个字符串。那么这个字符串与x轴的夹角就很重要，我们需要这个信息把这个字符串转正，然后才方便识别。条形码识别也类似，尤其是当我们条形码不是很清晰时，首先将条形码转正，然后用各向异性的滤波器处理一下，可以让条形码变得更清晰易于读取。这里给出一种基于统计参数的特征提取方法。这个方法已经有几十年历史了，算是个老方法，但是效果很不错，所以值得写篇文章来介绍介绍。区域的矩一片区域R的矩定义为：mp,q=∑(r,c)∈Rrpcq当p和q都

2、取0时，得到的就是这片区域的面积。也就是： a=m0,0矩还可以归一化，也就是用上面的定义再除以面积a。np,q=1a∑(r,c)∈Rrpcq(n1,0,n0,1) 表示的是这片区域的重心。可以用它来描述区域的位置。归一化的矩回随区域在图像中的位置不同而变化，要去除这个影响，可以用中心矩，中心矩只反映区域本身的特征。μp,q=1a∑(r,c)∈R(r−n1,0)p(c−n0,1)q二阶中心距有三个，分别是 μ2,0, μ1,1, μ0,2，用这三个参数再加上重心(n1,0,n0,1) 就可以估算出区域的范围和方位。具体的方法是将这个区域当作

3、一个椭圆区域，那么用上面5个参量就可以计算出椭圆的长短轴和旋转角度。具体公式如下：r1=2(μ2,0+μ0,2+(μ2,0−μ0,2)2+4μ21,1−−−−−−−−−−−−−−−−−√)−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√r1=2(μ2,0+μ0,2−(μ2,0−μ0,2)2+4μ21,1−−−−−−−−−−−−−−−−−√)−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√θ=−12arctan2μ1,1μ0,2−μ2,0椭圆的这几个参数的图形解释如下图：利用这几个参数就可以确定区域的方位和

4、尺寸了。 比如我们有下面的一幅测试图像。用上面方法计算出的椭圆如下：可以看出结果非常的好。尤其是旋转角度，计算的非常准确。下面是我的测试代码，供参考。用到了些Qt的功能。#include#include#include#include#include"picturebox.h"#includeQImagethreshold(constQImage&image,quint8th){intheight=image.height();intwidth=

5、image.width();QImageret(width,height,QImage::Format_Indexed8);ret.setColorCount(256);for(inti=0;i<256;i++){ret.setColor(i,qRgb(i,i,i));}for(inti=0;i

6、[j]=(pSrc[j]>th)?255:0;}}returnret;}QImagetoGray(constQImage&image){intheight=image.height();intwidth=image.width();QImageret(width,height,QImage::Format_Indexed8);ret.setColorCount(256);for(inti=0;i<256;i++){ret.setColor(i,qRgb(i,i,i));}qDebug()<

7、ge.format()){caseQImage::Format_Indexed8:caseQImage::Format_Grayscale8:for(inti=0;i

8、:Format_ARGB32_Premultiplied:for(inti=0;i