姜義成，吳桂華

哈爾濱工業(yè)大學(xué) 電子與信息工程學(xué)院 電子工程系，哈爾濱 150001

基于邊緣檢測(cè)的雨刷片測(cè)試圖像特征提取

姜義成，吳桂華

哈爾濱工業(yè)大學(xué) 電子與信息工程學(xué)院 電子工程系，哈爾濱 150001

1 引言

雨刷是汽車(chē)下雨或下雪行車(chē)時(shí)不可或缺的安全部件，對(duì)于安全駕駛有著重要的意義[1]。雨刷的作用在于能給駕駛員提供一個(gè)清晰的視野。隨著汽車(chē)工業(yè)的發(fā)展和顧客消費(fèi)能力的提升，汽車(chē)的產(chǎn)量快速增長(zhǎng)，同時(shí)雨刷片的需求量迅速加大。汽車(chē)生產(chǎn)商選擇性?xún)r(jià)比高的雨刷片，可以很好地提高整車(chē)質(zhì)量并降低成本。然而對(duì)于如何有效地評(píng)判雨刷片質(zhì)量，盡管?chē)?guó)內(nèi)外都有相關(guān)的測(cè)試平臺(tái)，但是水痕的分布多是由人工觀測(cè)得到，自動(dòng)化程度不高。

現(xiàn)今圖像邊緣檢測(cè)方法主要有微分算子技術(shù)和高通濾波[2]。本文結(jié)合現(xiàn)代數(shù)字圖像處理的經(jīng)典方法，利用Sobel算子和直線與圓弧的Hough變換，選擇性地提取出圖像中的有用邊緣信息。圖像的等級(jí)由雨刷片工作后水痕的半徑與連續(xù)性聯(lián)合決定，為評(píng)判雨刷片的質(zhì)量提供可靠依據(jù)。

2 圖像增強(qiáng)

在圖像分析之前，要進(jìn)行圖像預(yù)處理。通常需要突出該圖像中的某些信息，同時(shí)削弱或去除某些不需要的信息，使處理后的圖像更適合特定的應(yīng)用，這就是圖像增強(qiáng)。增強(qiáng)后的圖像質(zhì)量得到改善，為后續(xù)處理提供可信度更高的輸入資料。

2.1 圖像灰度化

把含有亮度和色彩信息的彩色圖像變換為灰度圖像的過(guò)程稱(chēng)作灰度化。常用的灰度化方法有最大值法、平均值法和加權(quán)平均值法三種。加權(quán)平均值法根據(jù)重要性以及其他指標(biāo)分別給R、G、B各分量賦予不同的權(quán)值。設(shè)它們各自對(duì)灰度的貢獻(xiàn)分別為cr、cg、cb，則

其中系數(shù)cr、cg、cb≥0且滿(mǎn)足cr+cg+cb=1。選擇不同的權(quán)值將獲得不同效果的灰度圖像。大量實(shí)驗(yàn)表明，當(dāng)cr= 0.299，cg=0.587，cb=0.114時(shí)，獲得的灰度圖最符合人眼視覺(jué)感受。

2.2 灰度二值化

灰度圖像的灰度值為0～255。選擇一個(gè)合適的灰度值t(0≤t≤255)，將目標(biāo)和部分背景噪聲分開(kāi)，稱(chēng)為圖像的二值化，其中t為閾值。選擇最佳閾值，凡是像素的灰度值大于t的設(shè)為1，小于t的設(shè)為0。這樣處理后的圖像就只有黑白兩色，從而將灰度范圍劃分為目標(biāo)和背景兩類(lèi)，實(shí)現(xiàn)了圖像的二值化。確定閾值的算法分為全局閾值算法和局部閾值算法兩類(lèi)，本文選用全局閾值算法。

2.3 差影法去噪

差影法在動(dòng)態(tài)監(jiān)測(cè)與識(shí)別技術(shù)、血管造影技術(shù)及印刷線路板掩模缺陷的診斷等技術(shù)中都有應(yīng)用[3]，利用它可以檢測(cè)同一場(chǎng)景中兩幅圖像間的差異。它實(shí)際上就是圖像的相減運(yùn)算，將同一背景下不同時(shí)期拍攝的圖像相減得到差值圖像。差值圖像提供了圖像間的差異信息，有效地消除了圖像的背景。

測(cè)試圖像f1(x，y)和背景圖像f2(x，y)相減，得到圖像中變化部分f(x，y)。圖像減運(yùn)算的表達(dá)式如下：

圖1是兩幅在不同時(shí)期獲得的圖像。將圖1（b）作為背景，對(duì)圖1（a）進(jìn)行圖像增強(qiáng)。經(jīng)過(guò)灰度化和差影法去噪后的效果如圖2所示，很好地抑制了背景噪聲。圖2中仍然存在的部分非目標(biāo)信號(hào)可通過(guò)限定目標(biāo)有效區(qū)域來(lái)去除。

圖1 不同時(shí)期的圖像

圖2 預(yù)處理后的圖像

3 邊緣檢測(cè)

3.1 Sobel算子

圖像邊緣是重要的視覺(jué)信息。邊緣檢測(cè)是圖像處理、圖像分析、模式識(shí)別、計(jì)算機(jī)視覺(jué)以及人類(lèi)視覺(jué)的基本步驟[4]。邊緣檢測(cè)有很多方法，也是圖像處理領(lǐng)域的研究重點(diǎn)。經(jīng)典的算法中主要用梯度算子，常用的有Prewitt算子和Sobel算子，其中Sobel算子效果較好。

Sobel算子以濾波算子的形式提取邊緣。X，Y方向各用一個(gè)模板，兩個(gè)模板組合起來(lái)構(gòu)成一個(gè)梯度算子。X方向模板對(duì)垂直邊緣影響最大，Y方向模板對(duì)水平邊緣影響最大。分別用水平算子和垂直算子對(duì)圖像進(jìn)行卷積，兩卷積算子如下：

Sobel算子是先作加權(quán)平均，然后微分，最后求梯度[5]。

若二維圖像的灰度值函數(shù)為f(x，y)，定義Sobel算子如下：

取適當(dāng)門(mén)限Th，判斷s(x，y)＞Th，{s(x，y)}為邊緣圖像。Sobel算子不但能產(chǎn)生較好的邊緣檢測(cè)效果，而且受噪聲影響也比較小，對(duì)噪聲具有平滑作用，提供精確的邊緣方向信息。

3.2 改進(jìn)的Hough變換

Hough變換由Paul Hough于1962年提出，實(shí)現(xiàn)從圖像空間到參數(shù)空間的映射[6]。它將圖像空間中給定形狀的線變換為參數(shù)空間中的一個(gè)點(diǎn)，從而將檢測(cè)圖像空間中線的問(wèn)題轉(zhuǎn)變?yōu)閷ふ覅?shù)空間中峰值的問(wèn)題。經(jīng)典的Hough變換算法可以有效地檢測(cè)和提取圓弧，但由于圓有3個(gè)自由參數(shù)，需在三維參數(shù)空間中進(jìn)行累積，使得計(jì)算量和內(nèi)存需求量過(guò)大[7]。

本文中被檢測(cè)圓弧的圓心位置是固定的，可以對(duì)經(jīng)典Hough變換作相應(yīng)的改進(jìn)簡(jiǎn)化。分兩步來(lái)檢測(cè)圓弧，首先確定圓心參數(shù)，固定圓心位置，然后依據(jù)既定圓心檢測(cè)圓弧。圓心位置由雨刷留下的直線痕跡來(lái)確定。

直線的坐標(biāo)方程y=ax+b會(huì)遇到垂直線斜率無(wú)限大的情況，實(shí)際應(yīng)用中不方便。考慮直線的極坐標(biāo)方程：

式中，ρ為直線l到原點(diǎn)的距離；θ為直線l與x軸正方向的夾角。

圖3給出直線的Hough變換。

圖3 直線的Hough變換

圖像空間x-y中的一個(gè)點(diǎn)映射為參數(shù)空間ρ-θ中的一條正弦曲線，反之，ρ-θ中的一個(gè)點(diǎn)映射為x-y中的一條直線。因此，直線l上不同的點(diǎn)映射為ρ-θ中一族相交于P點(diǎn)的正弦曲線。確定了P點(diǎn)，就實(shí)現(xiàn)了直線l的檢測(cè)。

假設(shè)提取到兩條直線l1和l2的參數(shù)分別為(ρ1，θ1)和(ρ2，θ2)，根據(jù)式（4）有：

解出(x，y)即為圓心(a0，b0)。

圓弧檢測(cè)中，經(jīng)典的Hough變換需要對(duì)三個(gè)參數(shù)進(jìn)行計(jì)算，即可以用三個(gè)參數(shù)a、b、r描述一個(gè)圓。已知x-y平面內(nèi)圓的一般方程為：

把x-y中的圓轉(zhuǎn)換到a-b-r參數(shù)空間，則x-y中任意一點(diǎn)對(duì)應(yīng)于a-b-r中的一個(gè)三維錐面，如圖4所示。x-y中同一圓上的點(diǎn)對(duì)應(yīng)于a-b-r中的所有三維錐面必交于一點(diǎn)。

圖4 圓弧Hough變換參數(shù)空間

但在該改進(jìn)算法中，確定了圓心(a0，b0)后，三個(gè)參數(shù)就已經(jīng)知道了兩個(gè)，將三維運(yùn)算降到一維運(yùn)算。改進(jìn)后的圓弧Hough變換如圖5所示。

圖5 改進(jìn)后的圓弧Hough變換

x-y中的一點(diǎn)(x，y)對(duì)應(yīng)a-b-r內(nèi)的一點(diǎn)(a0，b0，r)。即滿(mǎn)足方程：

因此在a-b-r內(nèi)的變換為：

圖6 圓弧Hough變換流程圖

式中r即為所要求解的圓弧半徑參數(shù)。

圓弧Hough變換軟件編程流程如圖6，直線的Hough變換流程類(lèi)似。

圖中imax為圖像中像素為1的個(gè)數(shù)；Th為判決門(mén)限。

求解r的過(guò)程如下：

（1）提取圖像中為1的像素，并統(tǒng)計(jì)出為1的像素總數(shù)imax；

（2）根據(jù)既得圓心位置和圖像大小，確定半徑的范圍(rmin，rmax)，并初始化累加器M(r)；

（4）比較M(r)與門(mén)限Th值，找出累加器中所有值大于Th的單元所對(duì)應(yīng)的r。

4 特征提取

在測(cè)試平臺(tái)上，用數(shù)碼相機(jī)拍攝雨刷工作一定次數(shù)后的車(chē)窗圖像。加入可溶于水的白色粉末使痕跡更加明顯，便于提取圖像特征。如圖7（a）所示，圖像中最重要的幾何元素近似為圓弧。圖像大小為768×576。在提取圓弧之前，對(duì)圖像進(jìn)行預(yù)處理。圖像中有用信息和背景對(duì)比明顯，在直方圖中像素灰度集中于兩處，選取兩峰值之間一點(diǎn)作為全局閾值，進(jìn)行灰度二值化。

圖像預(yù)處理后，首先確定圓心位置。Sobel算子邊緣提取的結(jié)果如圖7（b）所示。

圖7 Sobel算子邊緣檢測(cè)

利用直線的Hough變換，檢測(cè)出圖7（b）中沿著雨刷片方向的直線，如圖8所示。其中角度參數(shù)θ取值范圍為0°～180°，步長(zhǎng)為1°，參數(shù)ρ步長(zhǎng)為1。

圖8 直線檢測(cè)結(jié)果a

同樣地，由另一檢測(cè)圖像也可以檢測(cè)出一條直線，如圖9所示。兩條直線合成到同一張圖片上，如圖10，由這兩條相交直線就可以確定圓弧的圓心及相應(yīng)的目標(biāo)半徑大小，實(shí)驗(yàn)所得圓心坐標(biāo)為（652，364）。受車(chē)窗弧度曲率和雨刷臂寬度的影響，圓心的位置不可避免地會(huì)有一定的誤差。圓心誤差可以通過(guò)多次取樣計(jì)算圓心位置平均值進(jìn)行修正。圓心位置固定后，檢測(cè)圓弧時(shí)，無(wú)需再確定圓心參數(shù)。

圖9 直線檢測(cè)

圖10 兩直線合成結(jié)果

利用已求得的半徑范圍和雨刷片擺動(dòng)范圍限定待檢測(cè)圓弧所在位置，去除其他區(qū)域的多余信息。然后進(jìn)行圓弧檢測(cè)，按照?qǐng)D6流程，求解半徑r，步長(zhǎng)為15。圖中需要檢測(cè)的有用圓弧較多，根據(jù)多次檢測(cè)經(jīng)驗(yàn)，選取累加器中最大值的0.6倍作為門(mén)限值Th。圓弧檢測(cè)結(jié)果如圖11，圖像中的圓弧信息被有效地檢測(cè)提取出來(lái)，而邊緣部分的非圓弧信息得到了抑制或消除。

圖11 圓弧提取結(jié)果

實(shí)驗(yàn)在主頻2.0 GHz，內(nèi)存1.0 GB的計(jì)算機(jī)上進(jìn)行，編程語(yǔ)言為Matlab7.0。圖像大小為768×576。改進(jìn)后的Hough變換在固定圓心的情況下和經(jīng)典Hough變換平均運(yùn)算時(shí)間如表1。

表1 改進(jìn)的Hough變換和經(jīng)典Hough變換算法比較

從表1中可以看出，在圓心固定的情況下，完成一次圓弧檢測(cè)遠(yuǎn)小于經(jīng)典Hough變換。圓心位置只需確定一次，與反復(fù)的圓弧檢測(cè)相比，檢測(cè)圓心位置的運(yùn)算時(shí)間可以忽略。因此，改進(jìn)后的Hough變換在保證檢測(cè)質(zhì)量的前提下，減少了運(yùn)算時(shí)間，能夠迅速完成檢測(cè)任務(wù)，確保進(jìn)行實(shí)時(shí)檢測(cè)。

5 結(jié)束語(yǔ)

針對(duì)提取復(fù)雜背景中圓弧的困難，本文提出了一種改進(jìn)的圓弧Hough變換，結(jié)合經(jīng)典的Sobel算子邊緣提取方法，解決了雨刷片質(zhì)量測(cè)試中圖像的邊緣檢測(cè)問(wèn)題，實(shí)現(xiàn)了圓弧的有效提取。實(shí)驗(yàn)表明，經(jīng)過(guò)這樣的改進(jìn)和簡(jiǎn)化，在保證檢測(cè)精度的同時(shí)，很好地減少了運(yùn)算時(shí)間。

[1]楊若凡.汽車(chē)雨刷器板簧熱處理質(zhì)量分析[J].材料熱處理技術(shù)，2008，37（16）：92-93.

[2]Gao Wenshuo，Yang Lei，Zhang Xiaoguang，et al.An Improved Sobel edge detection[C]//3rd IEEE International Conference on Computer Science and Information Τechnology（ICCSIΤ），Chengdu，2010：67-71.

[3]周彩霞，匡綱要，宋海娜，等.基于差影法粗分割與多模板匹配的人臉檢測(cè)[J].計(jì)算機(jī)工程與技術(shù)，2004，25（10）：1648-1650.

[4]袁春蘭，熊宗龍，周雪花，等.基于Sobel算子的圖像邊緣檢測(cè)研究[J].激光與紅外，2009，39（1）：85-87.

[5]吳術(shù)路.基于Sobel算子圖像邊緣檢測(cè)的MAΤLAB實(shí)現(xiàn)[J].人工智能及識(shí)別技術(shù)，2010（19）：5314-5315.

[6]Lingworth J，Kittler J.A survey of the Hough transform[J]. CVGIP，1988，44：87-116.

[7]尚璐，李銳，宋信玉.改進(jìn)的Hough變換圓檢測(cè)算法[J].電子設(shè)計(jì)工程，2011，19（14）：168-171.

JIANG Yicheng,WU Guihua

Department of Electronic Engineering,School of Electronics Information Engineering,Harbin Institute of Τechnology,Harbin 150001,China

Sobel operator and Hough transform are two widely used edge detection techniques in modern image processing.In order to extract the circular arc effectively,an improved Hough transform is presented.After detecting edge with Sobel operator and Hough transform,circular arc information within the wiper blade test image is well extracted.Τhe result shows that calculate time is reduced.Meanwhile,measuring precision is kept as well.Τhese provide car manufacturers with a better basis to judge the quality of wiper blade.

wiper blade;Sobel operator;Hough transform;edge detection

在現(xiàn)代圖像處理中，Sobel算子和Hough變換是兩種應(yīng)用廣泛的圖像邊緣檢測(cè)技術(shù)。運(yùn)用經(jīng)典的Sobel算子和改進(jìn)的Hough變換，對(duì)雨刷片工作后的水痕圖像進(jìn)行邊緣檢測(cè)和分析，有效地提取出了圖像中的圓弧信息。實(shí)驗(yàn)表明，改進(jìn)的算法在保證了檢測(cè)精度的同時(shí)，減少了運(yùn)算時(shí)間，為汽車(chē)生產(chǎn)商提供了評(píng)判雨刷片質(zhì)量的依據(jù)。

雨刷片；Sobel算子；Hough變換；邊緣檢測(cè)

A

ΤN911.73

10.3778/j.issn.1002-8331.1111-0445

JIANG Yicheng,WU Guihua.Extracting feature of wiper blade test image based on edge detection.Computer Engineering and Applications,2013,49（15）：184-187.

姜義成（1964—），男，教授，博導(dǎo)，主要研究領(lǐng)域?yàn)樾盘?hào)檢測(cè)與目標(biāo)識(shí)別技術(shù)，高分辨雷達(dá)成像與信息處理技術(shù)，光電圖像處理技術(shù)；吳桂華，男，碩士研究生。E-mail：iamwuguihua@gmail.com

2011-11-24

2012-04-16

1002-8331（2013）15-0184-04