[发明专利]一种自适应光条图像阈值分割方法

摘要

本发明一种自适应光条图像阈值分割方法属于双目视觉技术领域，涉及一种自适应光条图像阈值分割方法。该方法通过传统的固定阈值图像分割方法来分割初始光条区域，获得光条横截面左右边界的列坐标；然后建立图像灰度分布评价系数，根据初始阈值分割结果，计算每行光条横截面的光条横截面能量强度；根据光条分布特征，计算理想光条横截面能量强度的灰度分部水平；再建立与光条图像灰度分布系数正相关的光条图像自适应阈值分割关联模型，以确定光条图像的自适应图像分割阈值，从背景中准确分离出光条区域。该方法提高了随机曲面大型航空构件表面光条的提取精度，避免了局部过曝或者局部光条过暗而导致光条提取困难，光条提取精度不高的问题。

主权项

1.一种自适应光条图像阈值分割方法，其特征是，该方法通过传统的固定阈值图像分割方法来分割初始光条区域，获得光条横截面左右边界的列坐标；然后建立图像灰度分布系数，根据初始阈值分割结果，将光条横截面平均灰度水平定义为光条的横截面能量强度；计算每行光条横截面的光条横截面能量强度；根据光条分布特征，计算理想光条横截面能量强度的灰度分部水平；获得光条图像灰度分布系数；再建立与光条图像灰度分布系数正相关的光条图像自适应阈值分割关联模型，以确定光条图像的自适应图像分割阈值，从背景中准确分离出光条区域；方法的具体步骤如下：/n第一步 分割初始光条区域/n根据线激光条纹灰度分布特征分析，光条图像的灰度分布均匀性由光条横截面灰度水平和沿光条方向上的灰度梯度变化综合决定；/n首先采用传统的固定阈值图像分割方法对光条图像进行处理，设输入的原始光条图像为f，输出图像为g，f(u,v)表示输入图像在图像像素(u,v)处的灰度值，g(u,v)表示输出图像在图像像素(u,v)处的灰度值，则传统的二值分割可以表示如下：/n /n式中，T为图像分割阈值；/n然后根据二值图像计算得到光条区域的左、右边界坐标p(v)和q(v)；p(v)、q(v)分别表示图像中第v行光条横截面的左、右边界列坐标，理论上，q(v)＞p(v)；/n第二步 建立图像灰度分布系数/n计算实际光条图像截面灰度分布水平；根据初始阈值分割结果，将光条横截面平均灰度水平定义为光条的横截面能量强度，用公式(2)进行描述：/n /n其中，EICS(v)为光条图像中第v行的光条截面能量强度；/n然后，定义并计算理想光条图像截面灰度分布水平；理论上，根据线激光条纹的生成机理，摄像机拍摄获取的理想光条图像其光条横截面灰度分布服从高斯分布模型，因此将图像峰值灰度值饱和的、服从理想高斯分布的光条截面平均灰度水平定义为理想光条截面能量强度，表述为：/n /n其中，iEICS(v)理想情况下图像中第v行的光条截面能量强度；w(v)为实际光条图像中第v行的光条宽度，w(v)＝q(v)-p(v)；A为理想光条横截面灰度峰值，定义中其峰值为图像饱和灰度值，因此A＝255；另外，基于高斯分布的3σ理论，即光条能量99.74％集中在高斯分布均值的±3σ范围内，因此，根据光条宽度范围内集中了光条绝大部分能量，定义w(v)＝6σ_w，由此可以计算出图像中每行对应的标准高斯分布的标准差σ_w；/n将实际光条截面的能量强度EICS(v)与理想光条截面能量强度iEICS(v)的比值作为光条图像灰度分布系数η_CGDLS：/n /n第三步 光条图像自适应阈值分割关联模型/n利用计算出的光条图像灰度分布系数η_CGDLS，建立与其成正相关的自适应阈值提取数学模型：/nλ(v)＝f(η_CGDLS(v)) (5)/n式中，λ(v)为自适应光条图像的第v行横截面灰度水平的图像分割阈值；/n利用线性回归方法，确定光条图像的自适应图像分割阈值为/n 其中，thresh_up和thresh_down分别表示对应光条图像灰度分布系数最大值和最小值处的光条图像分割阈值；这样，光条每行应使用的二值化阈值，便通过自适应的方式选取完成。/n