[发明专利]一种多椭圆检测和评估算法、装置及终端

说明书

本申请涉及计算机视觉及图像处理技术领域，尤其涉及一种基于图像梯度信息的多椭圆检测和评估算法、装置、终端及可读存储介质，包括S1、用边缘检测算法从待测试图像中提取特征点；S2、从特征点集中随机抽取三个点，代入椭圆评估算法中评估椭圆的代数系数；S3、根据评估的椭圆所得的代数系数，判断被评估的椭圆是否有效；S4、特征点集内搜索所有的内点；S5、内点代入椭圆评估算法，重新评估椭圆的代数系数S6、根据评估的椭圆的代数系数和内点集，判断被评估的椭圆是否有效；S7、记录评估参数，并去除内点。本申请克服了传统霍夫变换在对复杂几何元素进行检测和评估时所存在的内存需求大、计算时间长、评估结果不准确等问题。

【技术领域】

本申请涉及计算机视觉及图像处理技术领域，尤其涉及一种多椭圆检测和评估算法、装置及终端。

【背景技术】

在图像中检测出其包含的多个椭圆，并评估出检测到的各个椭圆的参数在自动化生产中具有一定的应用。许多工业产品中包含了圆形的组件，圆在经过相机的透视投影变换后在图像中成像为近似的椭圆。检测和评估出图像中的椭圆，可以帮助统计图像中产品的数量，也可以与产品CAD模型中的对应椭圆特征进行几何匹配，来确定产品是否存在质量问题。

霍夫变换是在图像中检测基本几何元素(如直线和圆)的传统算法。霍夫变换通过几何元素的参数表达式，将图像中提取到的特征点(通常是几何元素的边缘点)逐一映射到经过离散化的参数空间中(这样的映射往往是一对多的)，并在参数空间中进行累计。具有较多特征点支持的几何元素会在参数空间中对应的位置上形成峰值。霍夫变换就是将在图像空间中检测几何元素的问题转化为相对容易的在参数空间中检测局部最大值的问题。霍夫变化具有很高的鲁棒性，在特征点中存在着大量非相关点的情况下，仍然可以获得不错的效果。

霍夫变换在直线和圆的检测中有广泛的应用。然而，传统的霍夫变换并不适合椭圆的检测。与直线方程的两个参数和圆方程的三个参数不同，一般的椭圆方程具有五个参数，即椭圆的参数空间是五维的。这意味着，在保证结果准确度的前提下，构造椭圆的参数空间需要占用大量的内存。而且，椭圆上的特征点从图像空间到参数空间的映射也需要大量的计算资源。因此，我们需要更有效的算法进行椭圆检测和评估。

【发明内容】

本申请的目的在于提供一种基于图像梯度信息的多椭圆检测和评估算法、装置、终端及可读存储介质，通过图像的梯度信息和随机采样一致性的算法，从图像中对多个椭圆进行快速检测和精确评估，克服了传统霍夫变换在对复杂几何元素进行检测和评估时所存在的内存需求大、计算时间长、评估结果不准确等问题。

本申请是通过以下技术方案实现的：

一种基于图像梯度信息的多椭圆检测和评估算法，包括步骤：

S1、用边缘检测算法从待测试图像中提取特征点，得到特征点集，所述特征点包括位置坐标和梯度向量；

S2、从特征点集中随机抽取三个点，代入椭圆评估算法中评估椭圆的代数系数；

S3、根据评估得到的代数系数，判断被评估的椭圆是否有效，如果有效则进行下一步骤，否则返回步骤S2；

S4、根据当前的椭圆的代数系数表达式，在特征点集内搜索所有内点，得到内点集；

S5、根据所有搜索到的内点，代入椭圆评估算法，重新评估椭圆的代数系数；

S6、重复步骤S3-S5，直到内点的数目不再增加；

S7、根据评估的椭圆的代数系数和内点集，判断被评估的椭圆是否有效，如果有效，则视为成功检测到一个椭圆，进行下一步骤，否则返回步骤S2；

S8、记录步骤S6中最终评估得到的椭圆代数系数，并从特征点集中去除相应的内点，返回步骤S2，直到图像中所有的椭圆都被检测和评估出来。

如上所述的基于图像梯度信息的多椭圆检测和评估算法，