[发明专利]圆检测方法及装置

说明书

技术领域

本发明涉及自动检测和生物特征识别技术领域，特别涉及工业以及医疗图像应用中的圆检测方法。

背景技术

圆检测是在诸如自动检测和生物特征识别等工业以及医疗图像应用的关键技术之一。现有的圆检测方法多数通过在图像中寻找圆的半径以及圆心来实现圆检测。例如，霍夫变换(HT，Hough Transform)是一种常用的分析特征提取算法，HT算法可以用于在图像中提取直线，圆以及椭圆等分析特征，并且HT算法对噪声，干扰，形变等具有较好鲁棒性。圆霍夫变换(CHT，Circle Hough Transform)是一种常用的圆检测算法，其目标是在图像中检测出给定半径的圆。然而如果圆的半径是未知的，在使用CHT算法进行圆检测时，则需要对所有可能的半径分别运行CHT算法，建立一个三维(3D)参数空间，其中使用二维参数代表圆心的位置，使用第三个参数代表半径。由于计算的复杂度随着参数空间的维数呈几何增长，因此，CHT算法的计算复杂度较高，计算速度慢而且需要较大的存储空间。

发明内容

为了解决上述问题，本发明的实施例提供了一种圆检测方法及装置，可以实现快速且高精度的圆检测。

本发明实施例所述的圆检测方法包括：对图像进行边缘检测得到图像的边缘点集；对图像的边缘点集进行分析，得到图像质量分析结果；根据图像质量分析结果选择圆检测算法；以及使用所选择的圆检测算法对图像进行圆检测。

其中，对图像进行边缘检测得到该图像的边缘点集包括：使用坎尼算子对图像进行过滤获得图像的边缘点集；以及根据先验知识以及连通规则从获得的图像的边缘点集中剔除噪声灰度点，获得优化的边缘点集。

根据图像质量分析结果选择圆检测算法包括：设定表征图像质量的至少两个阈值范围；选择至少两种具有不同鲁棒性的圆检测算法；设定圆检测算法选择条件；以及根据图像质量分析结果以及设定的圆检测算法选择条件选择进行圆检测的圆检测算法。

设定圆检测算法选择条件包括：分别设定在图像质量属于每个阈值范围时所对应采用的圆检测算法，其中在图像的质量较好时设定选择鲁棒性相对较差但是计算复杂度相对较低的圆检测算法；而在图像质量较差时设定选择鲁棒性较好的圆检测算法。

具体而言，设定表征图像质量的至少两个阈值范围包括：设置四个阈值范围T1，T2，T3以及T4，其中，图像质量属于T1时，代表图像质量非常好；图像质量属于T2时，代表图像质量一般好；图像质量属于T3时，代表图像质量较差；以及图像质量属于T4时，代表图像质量非常差。选择至少两种具有不同鲁棒性的圆检测算法包括：选择梯度对向量检测算法，随机圆检测RCD算法以及积分差分算子算法。此时，分别设定在图像质量属于每个阈值范围时所对应采用的圆检测算法包括：设定当图像质量属于T1时选择梯度对向量检测算法进行圆检测；当图像质量属于T2时选择梯度对向量检测算法与RCD算法相结合的圆检测算法；当图像质量属于T3时选择RCD算法进行圆检测；以及当图像质量属于T4时选择RCD算法与积分差分算子相结合的圆检测算法；而根据图像质量分析结果以及设定的圆检测算法选择条件选择进行圆检测的圆检测算法包括：若图像质量分析结果显示图像质量属于阈值范围T1，则选择梯度对向量检测算法；若图像质量分析结果显示图像质量属于阈值范围T2，则选择梯度对向量检测算法与RCD算法相结合的圆检测算法；若图像质量分析结果显示图像质量属于阈值范围T3，则选择RCD算法；以及若图像质量分析结果显示图像质量属于阈值范围T4，则选择RCD算法与积分差分算子相结合的圆检测算法；且使用所选择的圆检测算法对图像进行圆检测包括：若选择梯度对向量检测算法，则对图像的边缘点集执行梯度对向量检测算法，并将梯度对向量检测算法的执行结果作为圆检测的结果；若选择梯度对向量检测算法与RCD算法相结合的圆检测算法，则先对图像的边缘点集执行梯度对向量检测算法，得到圆的半径以及圆心的参考范围，再根据圆的半径以及圆心的参考范围对图像的边缘点集执行RCD算法；若选择RCD算法，则对图像的边缘点集执行RCD算法，并将RCD算法的执行结果作为圆检测结果；若选择RCD算法与积分差分算子相结合的圆检测算法，则先对图像的边缘点集执行RCD算法，再对RCD算法的执行结果执行积分差分算子算法完成圆的精确定位。

本发明实施例所述的圆检测装置包括：

图像边缘化单元，用于对待检测图像进行边缘检测得到该图像的边缘点集；

图像质量分析单元，用于对图像的边缘点集进行分析，得到表征图像质量好坏的图像质量分析结果；