[发明专利]基于计算机视觉的面包板结构图像自动检测方法

权利要求书

1.一种基于计算机视觉的面包板结构图像自动检测方法，其特征是，包括以下三个步骤：①基于变阈值迭代的面包板图像极值斑点检测，给出面包板图像中所有疑似插孔点位置；②基于分水岭变换的去干扰面包板插孔检测，给出图片中文字等元素干扰下插孔位置集合；③插孔连接方式检测，给出面包板中所有插孔之间的连接集合；其中，

变阈值迭代的面包板图像极值斑点检测具体实现方式为：

1彩色面包板照片图像信息矩阵表示为A_(a×b×3),对原始图像进行灰度化处理得到灰度图B_(a×b×1)，其中(a，b)为图片的尺寸信息；

2灰度图像B_(a×b×1)的灰度值取值范围为[0,255]，通过一组灰度阈值φ＝{10,20,30,...,250}将灰度图像B_(a×b×1)二值化为25个二值图C＝{c₁,c₂,...,c₂₅}，在使用阈值φ_k对灰度图像二值化的过程中，其中k＝1,...,25，对于灰度图中的每一个像素点，如该点的强度大于阈值φ_k那么将该点的强度置为0；否则将该点的强度置为1；

3定义图片中所有空间中相连的点为连通区域，针对集合C中的二值化图像，使用区域生长法进行连通区域检测，得到所有为1的像素点构成的连通区域集R＝{R_ij}，其中i代表该连通区域所在的阈值层，j代表该阈值层中连通区域编号；

4遍历连通区域集R中所有元素,对于位于第i层的一个区域R_ij，将其与二值图像c_i进行对比，如区域R_ij与c_i中为1的像素点不存在交集，那么就认为区域R_ij对应一个原始图像上的极小值区域，记录所有的极小值区域；

步骤②，基于形态学的面包板图像极值斑点筛选：通过对检测到的极小值区域筛选，排除其中的非插孔目标，具体步骤如下：

1采用欧式距离，对极小值区域的二值图像进行距离变换，距离变换的结果描述了背景图片中每一个背景点到目标区域即极小值区域的欧式距离；

2对距离变化的结果图片翻转，即：找到距离图像上的最大值点D_max，然后对于距离变换上的每一个像素点，其强度为I，则用D_max-I取代原始的像素点，实现对距离变换图像的翻转；之后，使用步骤①描述的方法在翻转的距离变换图像上找出极小值区域，该极小值区域为原始距离变换图像上的极大值区域；

3再次采用欧式距离，对原始距离变换图像上的极大值区域再度使用距离变换，得到二次距离变换图像；

4针对二次距离变换图像，使用分水岭算法对该二次距离变换图像进行图像分割，对于每一个分割区域，提取该区域的面积和周长，根据区域的面积和周长计算区域的圆形度对所有的通过分水岭算法获得的区域，检测其中为方形的区域，删除其中不为方形的区域；

5对于所有方形的区域，每一个方形区域都与不超过四个极小值区域相交，对于步骤①中检测出的所有极小值区域，若其不与方形区域相交，就从极小值区域集合中剔除；

③，面包板插孔连接：根据已知的插孔之间的空间相邻关系，将物理相连的插孔识别出来，然后将所有物理相连的插孔放置在同一个集合中：

1对于每一个方形区域，与其相连的有四个孔洞，对这些孔洞两两配对，一共可以得到6对孔洞，计算每一对孔洞的距离，得到6个距离，找到6对距离值中距离最大的两对距离，从距离对中将这两对剔除，然后将剩余的四对孔洞相连，不断重复该步骤，直到所有的孔洞都建立连接关系；

2对于所有获得的孔洞配对，计算该配对的方向，定义该方向为配对与x坐标轴的方向，所有的配对一共存在两个方向，对方向进行统计，令配对数目最多的方向为水平参考方向，配对数目较少的方向为垂直参考方向；

3对所有的孔洞配对进行聚类，聚类过程重复两遍，第一遍沿着垂直参考方向聚合孔洞，第二遍沿着水平参考方向聚合孔洞，在聚合过程中，聚合条件为：若两对孔洞配对共用同一插孔，且两个插孔配对具有相同的参考方向，那么就将两个孔洞聚合到同一个集合，以上两步聚类过程得到两个孔洞的集合；

4孔洞集合的筛选，在上步的聚合过程中，每一个孔洞都会属于两个集合，一个是沿着水平参考方向的集合，另一个是沿着垂直参考方向的集合，只保留两种集合中，长度为5的插孔集合，认为所有插孔为5的集合中，所有的插孔是物理相连的；

5对于面包板中的水平插孔，所有的水平插孔都是相连的，然而在上一步中只是将这些插孔识别为长度为5的子集，需要进一步相连，计算所有插孔的直线方程，两个子集得到的直线方程相同，那么就认为属于同一条直线。