[发明专利]一种圆形图像的特征提取方法

说明书

本发明涉及本发明涉及一种圆形图像的特征提取方法。本发明所述圆形图像的特征提取方法，在归一化后的灰度圆形图像内，找出多个同心圆，在每个同心圆上等间距找到足够多的点，将这些点的像素二值化处理后放到矩阵中，形成行阶梯矩阵。通过线性插值算法，对行阶梯矩阵逐行拉伸变换。处理完成后，对矩阵每一列二值化像素累加，形成列累加和曲线，按照一定的规则，调整矩阵中列的顺序，最终形成二值化的特征矩阵。

技术领域

本发明涉及一种圆形图像的特征提取方法，属于图像处理的技术领域。

背景技术

圆形图像在日常生活中非常常见，在人工智能或模式识别领域，对圆形图像所含内容的分类与识别具有非常重要的意义。例如对道路交通标志图像中圆形图像的识别，或者对于圆形中国象棋棋子图像内容的分类与识别。

圆形图像在利用摄像机等设备进行采集的过程中容易出现旋转，而旋转的圆形图像所提取特征的如具有旋转不变形，则对后续识别和分类具有非常大的意义。同时，由于光照和环境的影响，所采集到的圆形图像，容易受到环境光线的影响，造成整体像素值的增大或减少。目前对于图像具有旋转不变性的特征提取方法一般为采用Hu不变矩，Hu不变矩具有旋转、平移、尺度不变等特性。但Hu不变矩的方法运算量巨大，对处理器性能提出了较高要求，且Hu不变矩不能解决光照敏感的缺点。

线性插值算法和双线性插值算法是现有技术中图像处理的常用算法。线性差值算法即在一条线段上，已知线段两端点对应的函数值，利用线性关系计算线段上其余点对应函数值的方法。例如：线段平行于横轴，线段的两个端点的横坐标分别为x₁和x₂，对应的函数值分别为f(x₁)和f(x₂)，则线段上横坐标为x的点对应的函数值为：

双线性插值算法的核心思想是在两个方向分别进行一次线性插值，步骤如下：(如图4所示)

已知函数f在Q₁₁＝(x₁,y₁)，Q₁₂＝(x₁,y₂)，Q₂₁＝(x₂,y₁)以及Q₂₂＝(x₂,y₂)四个点的值，

预求未知函数f在点P＝(x,y)的值。

第一步：在x方向进行线性插值，得到：

其中，R₁＝(x,y₁)

其中，R₁＝(x,y₂)

第二步：在y方向进行线性差值，得到：

最终即可得到所要的结果f(x,y)。

发明内容

针对现有技术的不足，本发明提供一种圆形图像的特征提取方法。

发明概述：

本发明所述圆形图像的特征提取方法，在归一化后的灰度圆形图像内，找出多个同心圆，在每个同心圆上等间距找到足够多的点(不同同心圆上找到的点的数量不相同)，将这些点的像素放到矩阵中，形成行阶梯矩阵。通过线性插值算法，对行阶梯矩阵逐行拉伸变换。处理完成后，对矩阵每一列像素的灰度值累加，形成列累加和曲线。按照一定的规则，调整矩阵中列的顺序，选择原始归一化图像中的像素灰度平均值做阈值对矩阵二值化，通过列平移最终形成二值化的特征矩阵。

本发明的技术方案为：

一种圆形图像的特征提取方法，包括步骤如下：