基于轮廓曲线的角点识别方法

Identifcation M ethod Based on the Corner of the Contour CurveXIE Zhi-ming，HUANG Wei-qiong，HUANG Dao-ping(College of Automation Science and Engineering，South China University of Technology，Guangzhou510640，China)Abstract：Harris corner detection algorithm is fl classical corner detection operator，for the shortcomingsof over-reliance on the threshold and lots of calculation，this paper presents an improved method of identi-fication based on the corner of the contour curve，by judging the direction of edge points，determining therough corners firstly，then gradually eliminating the pseudo-corner from small scale to large scale，finallyachieving corner distinguished.The experimental result shows that the time of this method on corner ex-traction is just 5% of the Harris algorithm.and locating corner precisely with low undetected。

Key words：harris algorithm ；corner detection；profile curve；corner locating0 前言图像 中的角点包 含着图像的重要信息 ，为具 有高 曲率的点 ，-般 为图像中两条或者多条轮廓边界的相交点或者灰度变化较为剧烈的点 。相对于图像整体像素 ，图像上的角点数较少 ，却包含着 图像的重要信息，即它在有效减少信息量 的同时，还保 留着图像中物体的重要特征信息 ，故角点的角点提取对后面的图像分析具有重要意义，而且角点检测在大多数的视觉处理任务中都有基础性的意义，如运动估计 、图像匹配、摄像机标定、形状分析以及视觉的定位和测量等方面。在机器视觉 中，角点检测被证实为-种重要的分析手段 ，正确识别角点，能够有效识别图像中物体形状 ，进而进行图像匹配以及参数计算。

目前常用的角点检测算法可归纳为 3类 ：基于二值图像的角点检测、基于轮廓曲线的角点检测、基于灰度图像的角点检测。Harris算子是基于图像灰度的角点检测方法，它通过计算像素点所在位置的梯度变化来检测角点，若像素点所在位置的 方向梯度与 )，方向梯度的绝对值均比较大 ，则将该像素点判定为角点。

然而传统的 Haris算子因为对图像上所有像素点都进行角点响应函数计算，如果图片像素值较大，则计算量大 ，耗时较多，不能进行实时性处理；而且 ，Harris算子对角点响应函数执行非极大值抑制时，角点提取的效果依赖于阈值的设定：若阈值设置过大，则会导致有用角点信息的丢失；阈值设置过小 ，则会导致大量伪角点被提龋针对 Haris算子耗时大及阈值设置不当的问题，本文在 Harris算子的思想上，提出-种改进的基于轮廓曲线的角点检测方法。

1 Harris角点检测算法Harris角点检测算子 是 Harris等人在 1988年提 出 的 ，是 基 于 Moravec算 子 的 改 进 方 法。

Moravec算子通过计算各像素沿 0。、45。、90。、135。等四个不同角度 方 向的平 均灰度变化值，并选取最小值为该像素点 的兴趣值 。该算法简单快 速，但存在各向异性性、容易识别伪角点以及不能有效抑制噪声等不足。针对这些不足，Harris受信号处理 中 自收稿 日期 ：2012-07-09；修回 日期：2012-08-21作者简介：谢志明(1985-)，男，广州人，华南理T大学自动化科学与T程学院硕土研究生，主要从事数控机唇面的研究，(E-mail)jimmy-ruing###163.coin；黄道平(1961-)，男，广东河源人，华南理T大学自动化科学与1 程学院教授，博士生导师，主要从事神经网络，Matlab教学 仿真等研 究 、· 92· 组合机床与 自动化加工技术 第 3期图 2 3 3窗 口模板(3)在粗角点处采用由小尺度到大尺度模板 ，求角点两边直线夹角 0，若 0<15。，即两边直线几近成- 条直线 ，则该角点 为伪角点 ，去除之；反之，则为真角点 ，保持该角点信息。

3 时间复杂度分析采用 Harris算法进行图像角点识别时，需要计算图像中每-个像素点的角点响应值 ，若 Harris算法采用 5 5的方形模板 ，方 向导数采用 Roberts算子 ，则计算每个像素 点的角 点响应值 中所需 乘法次数为 ：(41221)：：(5 5)4254，加法次数为 ：(333)：l：(5$5)2227。采用本文所提出的基于轮廓曲线的角点识别方法进行角点识别 时，计算边缘点时候每个像素加减法次数为2次 ，每个边缘点加减法 12次 ，从粗角点到最终角点确认 ：加减法 4次 ，乘除法 3次 ；-般情况下 ，边缘点和粗角点 占图像总像素比例较 小，故每个 像素点计 算次数 为：加减法 ：212418，乘除法 ：3。对于大小为 N M像素的图像 ，不考虑边界的影响，将两个方法 的时间复杂度用表 1进行 比较 ：表 1 时间复杂度分析算法 加减法 乘除法Harris算法 227 N M 254 N M基于轮廓 曲线 的角点识别方法 l8 NM 3 N$M4 角点提取实验结果与分析本节采用-张 1024 1280的工件图片对两个算法分别进行实验，并对结果进行分析 比较 。

4.1 实验结果通过图3和图4两幅实验结果图比较分析可知，图3中方框所选中的角点为 Haris角点检测算法多检测出的伪角点，图 4中实线圆选 中的角点为本文角点检测方法的精确定位角点 ，虚线圆中为漏掉的角点。

图 3 Harris角点检测 图 4 基于 曲线轮廓的角点检测4.2 实验结果时间复杂度分析两算法运行时问对 比见表 2。

表 2 两算法运行时间对比算法 时间 (S)Harris算法 4.605 l64基于轮廓曲线的角点识别方法 0.223 l564.3 角点识别精确度分析角度识别精度见表 3。

表 3 角点识别精确度算法 伪角点数 角点漏检数Harris算法 4 8基于轮廓曲线的角点识别方法 2 1通过 图 3和图4两幅实验结果图 比较分析可发现，本文提出的基于曲线轮廓 的角点检测算 法对 角点的提取 比较完整 ，漏检率较低 ，且运行速度快 ，算法实现简单 ，适用于实时性的视觉测量系统。

5 结论本文分析 了 Haris角点检测算法的原理及其存在的缺点，针对其计算量大，非实时性的特点，提出- 种改进的基于轮廓 曲线 的角点检测算法 ，采用小尺度到大尺度逐步去除伪角点 的方法。实验结果表明，本文方法对 角点提取 的时 间仅 为 Haris算法 的5%，而且角点定位精确 ，漏检率低。不过本 文所 提出的基 于轮廓 曲线 的角点识别 方法对 噪声 比较 敏感 ，须在后续工作 中进行改进 ，提高它的抗噪性能。