（通信与信息系统专业论文）射击运动自动报靶系统中的图象识别判靶算法研究.pdf

声 明 论文独创性声明 本人声明所呈交的论文是我个人在导师的指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢中罗列的内容外，论文中不包 含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其 他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 贡献均己在论文中做了明确的说明并表示了谢意。 本人签名：毒季竽垂k 日期：型幺塑。上啦 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：学校 有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或 部分内容，可以允许采用影印、缩影或其他复制手段保存论文。( 保密的论文在解 密后遵守此规定) 本人签名：垂区事虹日期：盖蟹翌。厶扯 导师签名 手站醐：直丛笋 摘要 摘要 本文依据射击运动竞赛规则，运用数字图象识别与处理的有关理论，使 用v i s u a lc + + 作为开发工具，通过对“射击运动自动报靶系统”已有的成绩判定 方法进行分析、研究，提出了一种改进的图象识别判靶算法。该判靶算法充分运 用原始靶纸图象的信息，通过设计合适的方向图滤波算子，将原始靶纸图象中的 靶环线进行方向图滤波增强，进而将各个靶环线识别了出来。再根据弹孔与环线 的几何关系计算出环值( 即成绩) 。这样就大大减小了噪声干扰、几何失真等因素 对判靶结果的影响，进一步提高了“射击运动自动报靶系统”的判靶精度，满足 了包括决赛在内的各种射击比赛的要求，从而确保了该系统在实际应用中的可靠 性能。 关键词：自动判靶图象识别图象处理方向图滤波 a b s t r a c t a b s t r a c t t h ea u t o m a t i cs c o r i n gs y s t e mf o ，s h o o t i n gs p o r t si sas y s t e md e v e l o p e df o r s h o o t i n gm a t c h e sa c c o r d i n gt oc o m p e t i t i o nr u l e so fs h o o t i n gs p o r t s i tr e a l i z e st h e a u t o m a t i o no ft a r g e tr e p l a c i n g ，s c o r i n g ，a n dr e s u l t sm a n a g e m e n t ，b u tc a n n o tb ea p p l i e d t os h o o t o f fb e c a u s eo fi t sl i m i t e ds c o r i n gp r e c i s i o n i nt h i sp a p e r , w ea n a l y z et h e e x i s t e dr e s u l t d e t e r m i n i n gm e t h o d b a s e do nt h er e l a t e dt h e o r yo fi m a g er e c o g n i t i o n a n dp r o c e s s i n g ，a ni m p r o v e dt a r g e t - s c o r i n ga l g o r i t h mi sp r o p o s e d i nt h en e w a l g o r i t h m ， t h ei n f o r m a t i o no ft h eo r i g i n a li m a g eo ft h et a r g e ts h e e ti st a k e nf u l la d v a n t a g eo f a p r o p e ro r i e n t e d f i l t e r i n gm a s k i sd e s i g n e dt oe n h a n c et h el o o pl i n e si nt h ei m a g ea l o n g t h e i ro f i e n t a t o na n df u r t h e rr e c o g n i z et h e m t h e n ，a c c o r d i n gt ot h eg e o m e t r i c r e l a t i o n s h i pb e t w e e nb u l l e t h o l ea n dl o o pl i n e s ，t h ec o r r e s p o n d i n gl o o p v a l u e ( s h o o t i n g s c o r e ) i sc a l c u l a t e d t h i si m p r o v e m e n tg r e a t l yd e c r e a s e st h ei n f l u e n c eo f s u c hf a c t o r sa s n o i s ed i s t u r b a n c ea n dg e o m e t r i cd i s t o r t i o no na u t o m a t i ct a r g e t - s c o r i n g ，f u r t h e ri n c r e a s e s t h es c o r i n ga c c u r a c yo ft h ea u t o m a t i cs c o r i n gs y s t e m f o rs h o o a n gs p o r t s ，a n ds a t i s f i e s t h er e q u i r e m e n t so fv a r i o u st y p e so fs h o o t i n gm a t c h e si n c l u d i n gs h o o t - o f f t h i s a l g o r i t h mg u a r a n t e e st h er e l i a b l ep e r f o r m a n c eo f t h es y s t e mi ni t sp r a c t i c a la p p l i c a t i o n k e y w o r d s ：a u t o m a t i ct a r g e t - s c o r i n g i m a g er e c o g n i t i o ni m a g ep r o c e s s i n g o r i e n t e d - f i l t e r i n g 第一章绪论 第一章绪论 随着图象处理技术的发展和计算机运算速度的提高，数字图象处理及识别技 术已在诸多领域得到了广泛应用。例如，文字识别、人脸识别、指纹识别与匹配 系统等都是图象识别技术在实际中的典型应用。“射击运动自动报靶系统”就是这 样一个包括图象识别( 计算机判靶) 和数据库管理( 运动员信息、比赛信息和成 绩的组织管理) 的典型系统。本文对该系统的核心部分射击成绩( 弹孔环值) 的识别判定方法进行研究，并取得了一定的成果。 1 1 射击运动的现状 射击运动是一项传统的广受人们喜爱的运动，射击训练无论在民用上还是在 军事上都具有重要的意义。随着体育事业的发展，射击早己成为正式的奥运会比 赛项目，且在奥运会中射击比赛项目已达到了1 7 项( 见表1 1 ) ，可见射击运动的 重要性。如今射击运动在我国得到了蓬勃发展，己成为我国奥运会夺金的热门项 目，在2 7 届s y d n e y 奥运会上我国的首枚金牌就来自射击。 表1 1 奥运会中的射击比赛项目( 有的为能自动判靶的项目) 男子礓胃女子硬羁 + 5 0 米自选步枪3 * 4 0+ 5 0 米运动步枪3 * 2 0 5 0 米自选步枪6 0 发卧射+ 1 0 米气步枪4 0 发 + l o 米气步枪6 0 发+ 1 0 米气手枪4 0 发 + 5 0 米自选手枪陵射6 0 发2 5 米运动手枪3 0 + 3 0 l o 米气手枪6 0 发飞碟多向7 5 靶 1 0 米移动靶标准速3 0 + 3 0飞碟双多向1 2 0 靶 2 5 米自选手枪速射6 0 发飞碟双向7 5 靶 飞碟双多向1 5 0 靶 飞碟双向1 2 5 靶 飞碟多向1 2 5 耙 射击训练及比赛在过去主要是由人工操作，如人工更换靶纸人眼观察( 借 助于一些特定的测量工具。如4 5 m m “内向测量器”、1 0 米气步枪和1 0 米移动靶 “外向测量器”、椭圆弹孔测量规等) 判定成绩。随着射击运动的发展和训练技术 的提高，射击运动的场地器材也在不断地更新，且向着自动化的方向发展，原来 的以人工操作为主的器材和管理方式逐渐被淘汰i s 。如手工更换靶纸基本已经被机 器自动上纸取代；部分项目的成绩判定已经不需要专门的裁判来人工判定；随着 射击运动自动报靶系统中的图象识别判靶算法研究 大屏幕显示器的应用，现代射击运动的可观赏性变得越来越高。但是由于射击运 动本身的精确性要求较高，很多方面的改进是比较困难的。例如自动判靶，目前 许多国家都在对此进行研究，希望设计出经济实用、精度高的新产品。这些产品 能够将射击运动中各项目合理地集成在一套系统中，实现准确地自动报靶，同时 又能方便地进行赛程、运动员信息和成绩统计的管理。应用这些产品可以大大提 高射击运动的自动化程度，方便运动员的训练和比赛；同时又可以尽量展现射击 运动的魅力，提高可观赏性，从而能够吸引更多的人来观看和参与射击运动推 动射击运动的进一步发展。 目前，国际上已经有类似的系统在应用。这些系统很少采用普通靶纸图像识 别的方法，而是大多采用半导体电子靶等( 如s p i e t h 的2 5 米手枪电子报靶系统) ， 当靶被破坏后能够报出遭破坏点的位置，不须要专门的计算机进行判靶，因而 系统设计简单，维护方便。此外，该系统在靶的前上方安装有一个摄像头，直接 采集靶子的图像并显示到运动员射击位的显示器上，方便运动员随时观察自己的 射击结果。射击厅里还有大屏幕电视实时显示比赛的情况，方便观众的观看。这 种方便运动员观察和观众观看的报靶系统是非常成功的。但是电子靶的成本太高， 每张电子靶价值人民币百元，正式比赛射击一次就要更换一次靶纸，整个比赛下 来消耗靶纸数万张，因此代价高昂。且由于日常训练消耗靶纸不计其数，因此该 系统目前只是应用于大型国际性射击比赛( 如奥运会) 中的决赛，难以应用于普 通的训练场地。 在国内还没有生产出类似的电子靶产品。目前有单独的自动换靶机( 如科亚 达公司的s h b i i 型十米输送靶机) ，也有独立的成绩统计系统( 如第四届城市运 动会上的2 5 米速射项目的成绩管理系统) ，在一定程度上提高射击运动管理的自 动化程度，但不是一套系统的产品，换靶机只管更换靶纸，射击成绩仍需人工判 定，成绩管理也要人工输入数据，中间还要经过多次人工介入，不仅使用不便， 而且精确度和公平性也难以得到保证。 本课题的目标是将计算机判靶和成绩统计管理有机地结合起来，形成一套完 整的高度自动化的报靶系统。换靶机可以适应所有的奥运会项目的靶纸t 能够对 除速射以外的项目的靶纸进行自动判靶。判靶之后的结果自动传送到数据库里进 行管理，并提供实时的监视和显示功能，通过监视器和大屏幕电视显示比赛的进 程和结果。由于本系统使用普通的靶纸，普通的摄像镜头，设计时定位为经济实 用型，因而该系统既可以应用与正规地比赛，又可以应用于日常的训练活动，如 运动员、士兵和警察的日常训练，还可用于娱乐场所。 第删臻论 1 2 射击运动自动报靶系统简介 前面提到了射击运动在过去主要是由人工更换靶纸、人工判靶不仅费时费 力，而且精确度不高，过多的人工干预造成比赛的公平性得不到可靠保证容易 引起争议。“射击运动自动报靶系统”克服了人工判靶的带来的弊端，它利用了计 算机网络技术、图象识别技术及数据库管理技术实现了自动换靶、判靶、报靶和 成绩管理，取代了大部分的人工操作，大大提高了效率，避免了人为因素的影响， 而且判靶精度高，速度快。应用数据库管理之后，简化了操作，减少了差错，使 得比赛成绩和其它信息的管理更加方便。该系统显著地提高了射击运动训练和比 赛的效率且成本低廉，因而具有很好的发展及应用前景。 1 2 1 系统结构 本系统主要由自动换靶机及其控制盒、前台计算机( 判靶计算机) 、图像采集 设备、后台计算机和数据传输网络等组成。具体的组织结构如图1 1 所示。 图1 i 射击运动自动报靶系统构成图( 一个工作组) 4 射击运动自动报靶系统中的图象识别判靶算法研究 其中前台机的功能是：从后台计算机得到运动员的信息( 如姓名、号码代表队 等) 与判靶的成绩一起显示在监视器上供运动员观察；通过控制盒向自动换靶 机发送指令，控制它的动作，如走纸、上纸等；在适当的位置控制摄像头采集靶 纸的图像，并自动完成判靶，得到环数通过网络传到后台计算机。判靶的方法 将在后续的章节中详细介绍。 后台计算机的功能主要是进行运动员信息和比赛成绩的管理。具体的工作包 括：运动员的注册，安排靶位，打印比赛通知单，排名，向前台发送运动员信息 等。一部后台机与8 至1 0 部前台机组成一个工作组，一部前台机对应一位运动员， 一场比赛可以使用一个或多个工作组。 l - 2 2 判靶的程序流程图 图1 2 自动判靶流程 其中的图像预处理包括滤波，校正等功能，目的是减小噪声，提高图像的质 量。运动员用的显示器上显示该运动员的靶纸图样和成绩；观众用的大屏幕显示 屏上则显示一组靶纸图象和各自的成绩以及当前的名次等信息。 第“章绪论 l3 本文研究的主要内容及所做的工作 射击运动自动报靶系统是本教研室去年研制成功的新产品，其性能基本符合 用户合同的要求。但其最大判靶误差为0 2 环，在大型射击比赛的决赛项目中， 要求判靶成绩精确到o 1 环，因此只有判靶误差小于0 1 环，才能更好地满足大 型射击比赛的要求。 在该系统中，弹孔的识别精度是影响判靶精度的关键因素之一，而其基础是 靶面图象的识别。靶面是由一系列同心圜环组成的黑自图象。以往的识男j 方法是， 利用灰度直方图分离出靶面黑色区和弹迹区，这两个区各自经过膨胀收缩等一系 列处理后，跟踪求出靶中心和弹迹中心最后结合已知靶纸类型和子弹半径计算 成绩。由此可以看出，以往算法中并未真正做到利用靶环来判断弹孔环数。而是 简单地利用边缘跟踪取得靶面黑色区和弹孔边界，推算出其面积，反算圆心，再 通过计算弹孔中心到靶心的距离，并和一些先验数据比较( 如“射击竞赛规则” 中给出的各种类型靶纸和子弹的有关数据) ，得到环数。但是，由于本系统考虑到 经济使用，所采用的摄像头为市售普通摄像头，摄像头自身的几何失真较大，再 加上嗓声、干扰等因素的影响，拍摄的图象不可避免的存在失真，得到的黑色圆 盘及环线不再是理想的圆，这时，若再用物象比例计算环值，这种算法的精确性 就会受到一定限制。所以，如能直接利用图象上的靶环及弹孔的位置来判定成绩， 就可以将误差降低到最低程度。 本文针对上述判靶方法中存在的问题，采用一种全新的图象识别及处理算法， 将实际靶面图象中的同心圆环提取出来，再根据弹孔在圆环中的位置计算出相应 的环值，提高了判靶精度，进一步完善了“射击运动自动报靶系统”，使之适用于 各种类型的射击比赛。本文具体的内容安排如下： 第二章介绍了自动报靶系统的图象采集部分。 第三章介绍了图象识别判靶算法中所涉及到的有关图象处理与识别的基础理 论。 第四章详细描述了该图象识别算法的软件结构及其设计。 第五章讲述了自动报靶系统的实验过程，分析了新算法的判靶性能，并同以前 的实验结果进行了比较，说明了该算法有利于提高判靶精度。 最后，对前面的工作做了一个全面的总结。 射击运动自动报靶系统中的图象识别算法研究 第二章自动报靶系统的图象采集 要实现计算机自动判靶，首先必须获得靶纸的原始图象，然后才能进行具体 的图象处理和识别。因此在介绍图象识别判靶算法之前，我们先简单介绍一下自 动判靶系统的图象采集部分。 自动报靶系统的图象输入是由y v c 摄象头和c a c p e 1 0 0 0 图象采集卡组成的 图象采集系统完成的。摄象头输出的图象是模拟视频信号，不能直接由计算机分 析，图象采集卡的功能就是实现模拟图象到数字图象的转换。模拟连续图象变换 为数字离散图象需进行采样、量化和编码。空间坐标的离散化叫做空间采样，图 象幅度( 灰度或彩色) 的离散化称为图象量化。通常，图象的分辨率( 区分细节 的程度) 与采样点数目( 空间分辨率) 和灰度级数( 灰度分辨率) 有关。从理论 上讲，采样点数目越多、灰度级数越高，数字化后的图象就与原始图象越接近 但实际中由于计算机的存储空间和处理速度的限制，采样点数和灰度级数也不能 太大。本系统中，摄象机的分辨率、图象采集卡的分辨率对获取的原始图象的分 辨率直接产生影响。在实验中我们对各种分辨率的摄象机进行比较，当采用3 8 0 线以上的摄象机就完全能达到系统的精度要求。对于黑白靶纸图象，2 5 6 级灰度分 辨率已足够。 本系统的图象输入示意图如图2 i 。图中简单画出了靶纸上内几环的示意图。 并示意了一个在9 环区域的弹孔。 ，。墨孓 蟛。” 靶面图象 图2 i 图像的输入示意图 前台微机 系统中模拟图象的数字化任务是由一块图象采集卡c p e - 1 0 0 0 完成。它的输出 直接传送到计算机内存中，同时在显示器上显示出来。c p e - 1 0 0 0 图象卡是基于微 第j 章自瑚刚b 秉缩的圈纛聚集7 型计算机p c i 总线结构的彩色( 亲白) 图象采集( 及前端处理) 卡。它采用先进 的数字解码方式，将标准输入的p a l 制( n t s c 或s e c 剐制) 的复合彩色或黑 白视频信号数字化，经解码后转换为适于图象处理的r g b 2 4 b i t s 格式的数字信息， 然后通过p c i 总线实时传送到p c 机系统内存或视频显示缓冲区。c p e - 1 0 0 0 图象 采集卡的结构框图如图2 2 所示： 图2 2c a - c p e 一1 0 0 0 图象采集卡结构框图 从图2 2 中可以看到。c a - c p e 0 1 0 0 0 图象卡可以很好地完成实时图象的解码及 前端处理，从而可以与微机已有的资源形成一个完整的实时图象采集系统，如图 2 3 所示。 c a c p e 1 0 0 0 图象采集卡采用以采集卡为主的总线控制技术，图象传送速度 高达6 0 m b s 。可实现摄象机周象到计算机内存的可靠实时传送，连续相邻帧的图 象精确到场。由于采用了高精度c ) e n l o c k 技术和线性箝位技术采集的图象点阵 位置精度高a d 转换后的数字视频信号误差小，适用于各种高精度工业和科技 图象处理领域，及多媒体的压缩、处理等研究开发领域。 图象采集点阵为矩形。大小和位置可选，从4 * 4 到7 6 8 * 5 7 6 ，x 、y 方向分别 由软件以4 步长选择，实现a o i ( a r e a o f i n t e , w s t i a g ) 。 由于c a - c p e - 1 0 0 0 将图象直接传送到主机的内存，可连续存储相邻的多帧图 象，由此带来两个好处： 1 可从连续图象中获取更多信息。 半骂 v 8 射击运动自动报靶系统中的图象识别算法研究 2 图象算法在主机内存执行，有利于提高处理速度充分发挥越来越高的 c p u 潜力，并便于用户编程 第二个好处对于射击运动自动判靶来说很重要，处理速度的提高使得成绩的 判定极为迅速，保证了比赛中射击的连续进行。 c a c p e 1 0 0 0 采用中断方式将图象数据传送和用户程序灵活地连接起来，并 且可设置成黑白图象采集方式。因此我们选用c a c p e 1 0 0 0 图象采集卡可以较好 地满足自动报靶系统的图象处理、识别部分对原始图象采集的要求。另外 c a c p e 1 0 0 0 图象采集卡对系统配置的要求不高，现在的计算机均可满足，从经 济角度来说也可选用。 图2 3 图象采集处理系统示意图 下面简单介绍一下在驱动图象采集卡进行图象采集的编程中几个比较重要的 函数： 1 w 3 2i n tc p e l 0 0 0 0 此函数的功能是初始化c a c p e 1 0 0 0 图象采集卡， 返回值为分配给c a c p e 1 0 0 0 的内存大小，以k b 为单位，在使用 c a - c p e 1 0 0 0 图象卡库函数之前，必须调用该函数。 2 w 3 2g e tc p e l 0 0 0该函数获取所在插槽的_irqnumo c ac p e1 0 0 0p c i 中断号。 3 3 2s e tg r a b _ w i n d o w ( m _ i s t a _ , t x ，m _ i s t a r t y , mw l m a g e w i d t h - i 州s t a r t x ， mw l m a g e h e i g h t 1 + mi s t a r t y1 该函数设置采集图像的位置与大小，在程 第二章自动报靶系统的图象采集 序中设置采集窗口为4 8 0 4 8 0 返回值为在该设置情况下，最大可采集的 帧数。 4 w 3 2 一s e t i n p u t s o u r c e ( ) 酶函数选样输入信号源，取值范嗣：0 8 。 5w 3 1s e tv g am o d e ( n 1 1 s cm o n o ) 法函数1 匠置当前缸卡的显刁亡模式。 6 w 3 2 一s e t p i x e u i o r m a t ( y u v 9 - p i ，a n a r ) 该函数设置采集a 式真彩或灰 度茸蛰，程序巾设昔采集方式为2 5 6 色蕊应图像。采集单帧荻度图像。 7 _ w 3 2 一s e t s t a r t p o i n t ( i j ) 酶幽数设置x 方向及y 方向上的采集起始点如 图2 4 所示。 摄像头全都信g 范围 摄像头可视图象范围采集图象范围 图2 ，4 采集起始点示意图 程序中采集的是单帧灰度图像，根据图象大小，从全局堆( g l o b a lh e a p ) 分配 一一块内存，虬w i n d o w s 设备无关位图( d e v i c e i n d e p e n d e n tb i t m a p ，d i b ) 的方式 存储。这样由摄像头摄取的靶纸图象经过c a - c p e t 0 0 0 图象采集卡数字化后， 便得到了靶纸的2 5 6 级灰度图象，后面的图象处理、识别工作都是在此基础之上 进行的。 1 0 射击运动自动报靶系统中的图象识别判靶算法研究 第三章图象识别判靶的理论基础 前面讲过，摄像头摄取的靶纸图象的视频信号( 黑白) 经过图象采集卡进行 数字化、解码后变成了易于计算机处理的数字图象。我们知道，靶纸图象主要由 一系列同心的圆环和弹迹( 子弹穿过靶纸后的弹孔图象) 构成( 见图5 1 ) 。要进 行准确的判靶，关键是将其中的圆环和弹迹识别或提取出来这就涉及到图象处 理与识别的有关理论和技术。 图象预处理就是对给定的图象进行某些变换，从而得到清晰的图象的过程。 对含有噪声的图象，要除去噪声、滤去干扰，提高信噪比：对失真的图象进行几 何校正等变换。图象识别则是对经过上述处理后的图象进行特征提取即从图象 中提取感兴趣的特征( 如抽出靶纸图象中的环线、黑色靶盘的边缘及弹迹轮廓等) ， 然后根据图形的几何或纹理等进行相应的处理、识别。 3 1 象素间的关系p | 在本节中我们考虑几个数字图象中的基本而又重要的象素之间的关系。一幅 数字图象可以看作是象素点的集台。邻接与连通是象素之间的基本关系，是研究 图象的基础。我们用f ( x ，y ) 表示一幅图象。这里为讨论方便，当指示f ( x ，力中某 个特定的象素时，我们用p 和g 之类的小写字母表示。另外，o ，y ) 中的象素子 集用大写字母如晶r 等来表示。 3 1 1 象素的邻域 对1 个坐标为q ，力的象素p 它可以有水平和垂直的4 个近邻象素。它们的 坐标分别是& + 1 ，y ) ，0 1 ，力，0 ，y + 1 ) ，0 ，y 1 ) 。这些象素( 用，表示) g l i 成( x ，力 的4 一邻域，记为n 4 ( p ) ，见图3 1 ( 口) 。坐标为q ，力的象素p 与它各个4 一邻域象素 田盛田 ( 6 )( c ) 图3 1象素的邻域 是1 个单位距离。如果0 ， 的边缘。它的若干个近邻象素会落在图象外。象索& ，力 的4 个对角近邻象素( 用j 表示) 的坐标是q + 1 ，y + 1 ) ，0 + 1 ，y 一1 ) ，0 1 ，y + 1 ) ， 第兰章豳鼙镇射判靶的理论基础 扛1 ，y 1 ) 记为n 。( p ) ，见图3 1 ( 6 ) 。这些象素再加上p 的4 一邻域象素合称 为p 的8 邻域，记为n 。( p ) ，见图3 1 ( c ) 。 3 1 2 连通性 象素的连通性在建立图象目标的边界和确定区域的元素时是一个重要的概 念。它可以进一步分成连接和连通，连接是连通的1 种特例。要确定2 个象素是 否连接需要在某种意义上确定它们是否接触( 例如他们是否为4 一近邻象素) 以及 它们的灰度值是否某个特定的相似准则( 例如它们的灰度值象等) 。举例来说， 在1 幅只有灰度0 和1 的二值图中，2 个4 一近邻象素只有在它们具有相同的灰度 值时才可以说是连接的。 我们下面用v 表示定义连接的灰度值集合。例如在一幅二值图中，为考虑灰 度值为l 的象素之间的连通性，v = 1 ) 。我们可以定义一下2 种连接情况。 ( 1 ) 4 - 连接：2 个象素p 和，在v 中取值且r 在4 ( p ) 中，则它们为4 一连接； ( 2 ) 8 - 连接：2 个象素p 和，在v 中取值且，在8 ( p ) 中，则它们为8 一连接； 从具有坐标( x ，y ) 的象素p 到具有坐标“f ) 的象素鼋的l 条通路是由一系列具 有坐标( ，y 。) ，( x iy 1 ) ，( x n , y ) 的独立的象素组成的。这里 ( 工o ，y o ) = ( x ，y ) ，( x n , 儿) = ( s ，f ) ，( 工，y j ) 与( x i - iy ) 毗邻，其中1 蔓f 疗，玎为通 路长度。 设p 和4 是1 个象素子集s 中的2 个象素，如果存在1 条完全在s 中的象素 组成的从p 到口的通路，那么就称p 在s 中与q 相连通。 。 连通性具有如下性质： ( 1 ) p 与尸是连通的； ( 2 ) 若p 与q 连通，则q 与p 也连通： ( 3 ) 若p 与q 连通，q 与r 连通- 则p 与只连通。 由此可知，图象中的两个点，当且仅当它们属于同一连通分量时，它们才是 相互连通的。 设酽是s 的补集，且图象的边缘点包括在酽中我们称包含图象边缘的s 。的 连通分量为背景。通常对s 和酽应采用不同的连通性定义如图3 2 所示，用一 个二维数组表示一幅图象，l 所表示的是s0 为酽。若对s 采用8 连通，则它是 一个闭合的环，环中间的0 形成了一个孔，它与环外的s 。是不连通的。如果对f 也用8 连通，则酽的环外部分和环内部分是连通的，都是背景，这就与环是闭合 的这一点产生了矛盾。因此。酽应该用4 连通定义，反之亦然。 塾童堡塑皇塾塑墨墨茎生堕曼叁堡塑墨曼兰些堕塞 图3 2 连通性解释 通过考察图象中感兴趣的目标象素的邻域及其连通性，再根据某些既定的规 则对目标象素作出判断并进行相应的处理，是图象处理和识别中经常用到的方法。 在本系统中，我们在进行细化、边缘跟踪和去掉与靶环线无关的噪声时，就用到 了象素间的关系及连通性。 3 2 图象处理 摄像头在摄取靶纸图象的过程中，不可避免地要受到外界及自身系统的噪声、 干扰，这些噪声、干扰如果不滤除，就会影响后续的靶环与弹迹识别，也就影响 判靶的精度，因此在识别之前，必须先对摄取的靶纸原始图象进行预处理。这些 预处理包括低通滤波、腐蚀( e r o s i o n ) 、膨胀( d i l a t i o n ) 等。此外，在靶识别和环 线识别过程中，还需要对原2 5 6 级灰度图象进行二值化操作，以方便和简化目标 的处理及识别。 3 2 1 低通滤波”1 低通滤波( 又叫平滑) ，可以消除高频噪声，也可以在提取较大的目标( 或特 征) 前去除太小的细节或将目标内的小间断连接起来，使图象得到增强。低通滤 波既可以在频域实现也可以在空域( 即图象空间) 借助模板进行邻域操作完成。 因为在本系统中由摄像头摄取的图象经过图象采集卡的采样、量化、编码后得到 了数字图象，所以在空域进行处理比较简单、方便。在空域实现低通滤波的方式 是利用模板卷积( 后面将要讲到的方向图滤波也是利用模板卷积来实现的) ，主要 步骤为： ( 1 ) 将模板在图中漫游，并将模板中心与图中某个象素位置重合； ( 2 )将模板上的系数与模板下对应象素相乘； ( 3 ) 将所有乘积相加； ( 4 )将和( 模板的输出响应) 赋给图中对应模板中心位置的象素。 第三章圈象识别判靶皓理论基础 i髑$4 s$82 也 岛岛 屯“ k 7 k “ 足 ( a ) ( b )( c ) 图3 3 用3 3 模板进行空间滤波的示意图 图3 3 ( a ) 给出l 幅图象的一部分，其中所标为一些象素的灰度值。设有1 个 3 3 的模板如图3 3 ( b ) 所示，模板所标为模板系数。如将k 所在位置与图中灰度 值为j 的象素重合( 即将模板中心放在图中( x ，j ，) 位置，模板的输出响应r 为： r = k o s o + i l 毛+ + 七8 占b( 3 1 ) 将r 赋给增强图，作为在( 蕾y ) 位置的灰度值( 如图3 3 ( c ) 所示) 。如果对 原图每个象素都这样进行就可得到增强图所有位置的新灰度值。如果在设计滤波 器时给各个k 赋不同的值，就可得到不同的滤波效果。 3 2 2 腐蚀与膨胀 在靶识别和弹迹识别之前常常对图象进行的预处理还有膨胀( e x p a n s i o n ) 处 理和收缩( c o n t r a c t i o n ) 处理。膨胀处理，也称作扩张( d i l a t i o n ) 或传播( p r o p a g a t i o n ) ， 是将白色区域扩张一层的处理，此处膨胀后的结果是白色区域面积扩张，黑色圆 盘缩小一圈。收缩也叫做腐蚀( e r o s i o n ) ，和膨胀处理的作用相反，是把图象给定 的连接成分的边界点全部摘除从而缩小一层的处理【6 】。 收缩和膨胀反复使用，可以检测出或消除掉图象中的小成分或小孔。但二者 的使用顺序是不可逆的。对图象先收缩然后膨胀，可以去除图象中的小成分或小 孔；如果是先膨胀再收缩，则会检测出小成分或小孔。在靶识别过程中的单独使 用膨胀处理，其作用是突出黑盘部分，使黑盘之外区域不存在黑色小成分，以免 影响黑盘的识别。在弹迹识别过程中为了求出靶心坐标和弹迹中心，膨胀和收缩 联合反复使用，且使用顺序是不同的。 另外，由于图象的膨胀或收缩的处理，都是在象素的4 一邻域或8 一邻域里进行， 对图象外围的几个象素往往起不到应有的作用，同时靶纸的环线外往往有表示靶 纸规格的字符( 靶纸出厂时就有) ，所以对靶面图象的最外围几个象素点往往需要 进行处理，自动报靶系统中，处理根据靶纸的特征，将图象最外边的l0 个象素 置为白色。 1 4 射击运动自动报靶系统中的图象识别判靶算法研究 3 2 3 二值化( b i n a r i z a t i o n ) 尽管原始靶纸图象是2 5 6 级灰度图象，但我们有时仅对二值( b i l e v e l ) 信息感兴 趣( 例如，靶识别过程中的黑色靶盘和背景，环线识别过程中的环线和背景等) ， 这就需要对图象进行二值化操作。二值化操作使一幅灰度图象变为二值图象，图 象在灰度层次上从原始的2 5 6 色( 8b i t s ) 降为2 色( 1b i t ) 。图象二值化后，随后 的处理就会比较容易。 根据阈值选择的不同，二值化可分为固定阈值( f i x e dt h r e s h o l d i n g ) 二值化和 局部自适应阈值( 1 0 c a l l ya d a p t i v e t h r e s h o l d i n g ) 二值化。在本系统中，我们采用简 单的固定闽值二值化就可以满足要求。 个象素构成的8 - b i t s 灰度图象有0t o2 5 5 共2 5 6 个灰度级，其出现的概率 依次为p ( 0 ) ，p ( 2 5 5 ) ，满足 2 5 5 p ( f ) _ ( 3 - 2 ) 二值化后的图象包含两个灰度级厶和厶，且其概率满足 g ( l ) g g ( l 2 ) = 一g ( l i ) 设选择的二值化阈值t h r e s h o l d ，那么下面的等式成立： t h r e s h o l d - i g ( l 沪p ( o g 2 5 5 g = p ( f ) t t h 撑s h o m ( 3 3 ) ( 3 4 ) ( 3 - 5 ) ( 3 6 ) 以i 为自变量，以p o ) 为因变量得到的曲线就是图象的直方图。根据直方图 可以很容易地确定二值化的最佳闽值。 3 3 图象增强及图象识别 靶纸图象经过预处理消除噪声与干扰后，下一步便是靶环线的识别、提取和 弹迹的边缘提取，这就涉及到图象增强和图象识别的理论。在本系统中我们采用 的图象增强及识别方法主要有方向图滤波增强、边缘跟踪及细化等。 3 3 i 方向图滤波 靶纸图象由一系列的同心圆组成。方向图滤波的目的是增强环线与背景的对 比度，进一步减少噪声。而方向图滤波的关键是设计合适的、相匹配的滤镜( m a s k ) 第三章蟹象识剩期靶的理论基础 ( 又称滤波算子) ，使之适用于图象上所有的象素。依据每个象素处环线的走向 滤镜应增强同一方向环线的走向，并且在同一位置减弱不同于环线的方向。后者 含有横跨环线的噪音，所以其垂直于环线的局部方向上的那些不正确的“桥”会 被滤镜过滤掉。合适的匹配的滤镜可以恰到好处地确定环线的局部的自身的方向 它应该增强或匹配环线而不是背景噪音。方向图滤波是由k k 的滤镜与原始图象 在空域相卷积来实现的。 基于方向图的滤镜设计应遵循阻下原则： 该滤镜应提高环线与背景的对比度。这可通过赋予环线的中间部分比环线 边缘更大的权值，及相邻两环线间的背景中部比两侧更大的负方向权值来 实现。这种逐步递减( 或递增) 可以减少所得图象在二值化后孔洞的出现。 该滤镜应当增强与环线相同方向的局部区域( 子块) 的象素。 对比度增强应当只取决于环线与背景的灰度的局部差别，即滤镜应自适应 于各子块的平均灰度差别。 该滤镜应关于方向轴及与方向轴垂直的方向对称。此外，滤镜的尺寸应为 奇数，以使卷积的结果位于图象的抽样点上。 该滤镜的直流分量( 平均) 应为零使之不依赖于子块的平均灰度值。 基于上述原则，下面以水平方向的滤镜为例描述一下滤镜系数的确定方法。 滤镜中的各行是水平的，平行于子块内的环线方向；各列则垂直于环线方向。行 中的元素位置用下标f 表示，f 的值在中心为0 ，中心的左面为负，右面为正；列 中的元素位置用下标，表示，的值在中心为0 ，中心之上为负，之下为正滤镜 为方阵( 七七) 且k 为奇数。考虑到滤镜与靶纸图象作卷积运算故k 的取值不 应太大否则耗时太多。在本系统中我们取k = g 。滤镜的中间各行，即中间带，包 含放大( 负的) 环线的系数；中间带的两侧各行即边带，赋予放大相邻环线问 背景的系数。中间带和边带之间为过度带赋予权值系数为o 。即 中间带：一h ，j h 。 ( 3 - 7 ) 过度带：一啊 j 一九；k j 一 ( 3 - 8 ) 边带： 一h s j s 一啊； s j _ i ， ( 3 - 9 ) 这里- ，为列的下标。k ， ，h ，分别表示中间带、过度带和边带的宽度。 为计算滤镜系数f i l t e r ( i ，j ) ，首先计算中间列f i l t e r ( o ，j ) 。中心系数f i l t e r ( 0 ，0 ) 设 为口o ，为减小滤波后的所得图象中的孔洞，中间带的系数按余弦递减，在- ，= 0 处为 吼，在产k 处减为中心处功率的一半即口o 2 ；过度带的系数为o 边带的系 1 6 射击运动自动报靶系统中的圈曩识剐爿靶算法研究 数峰值f i l m r ( o ，h ) 设为并按余弦递减在j = 啊处减为峰值功率的一半即 6 0 三。f i l t e r ( o ，j ) 系数的计算如下 f i l t e r ( o j ) = f i l t e r o - j ) = 0 j h ， h 。 ， 啊 ( 3 1 0 ) b oc o s 黜，一娜_ 8 商_ 钉s 其中6 0 的值取决于使列中的系数和为0 ，即 由上式可得 + 2 兰f f ，舯( o + 2 兰只，衙( o ，) ：o b o =尘查蚓 ：剿黜 1 7 73 8 95 5 96 6 97 0 7 6 6 95 5 93 8 91 7 7 1 2 52 7 5 3 9 54 7 35 0 04 7 33 9 52 7 5 1 2 5 0000 00000 1 7 73 8 9 5 5 96 6 9- 7 0 76 6 95 5 93 8 9 - 1 7 7 2 5 05 5 07 9 19 4 61 0 0 09 4 6 7 9 1- 5 5 0- 2 5 0 17 7- 3 8 95 5 9 - 6 6 97 0 7- 6 6 9- 5 5 9- 3 8 9 1 7 7 0 0000 0000 1 2 52 7 53 9 54 7 35 0 0 4 7 33 9 52 7 5 1 2 5 1 7 73 8 95 5 9 6 6 97 0 76 6 95 5 9 3 8 91 7 7 图3 4 水平方向滤镜( 9 9 ) ( 3 - 1 1 ) 0 - 1 2 ) 滤硗的中间列的系数由公式( 3 一l o ) 至( 3 一1 2 ) 计算，其他列的系数可由中间 列导出每行的系数由该行中间列的系数按余弦递减求得。我们选取从中间列到 最边上的两列权值系数递减为中间列功率的1 4 ，这样由中间列的系数，可得到其 他的系数： 卫魄 哪 m 仉 第三章图象识别判靶的理论基础 f i l t e r ( i ，j ) = f i l t e r ( - i ，) = f i l t e r ( i , - n = f i l t e r ( - i ，- - j ) 划娟粥o s 意i ，0 4 i 匿h ： p 1 3 设一1 0 0 0 这样水平方向滤镜如图3 4 所示，其3 - d 图形见图3 5 ： 图3 5 滤镜的3 - 1 3 图形 由图3 5 可必看出，该透视图沿环线的中间带、过渡带和边带递减。故提高了 环线与背景的对比度，增强、突出了靶环线。 其他方向的滤镜可通过旋转该滤镜得到。旋转后的滤镜在( f ：，) 的系数可通 过旋转0 角到原方向滤镜位置( _ ，) 求得： 痂c o s 麓s i a o w - | i ( 3 1 4 ) 位置( ，) 通常不能恰好落在抽样点若出现这种情况，旋转后所得滤镜在 ( j ，) 的系数可由原滤镜距( tp 晟近的抽样点的系数通过l a g r a n g i a n 插 值得到。如果这四个系数坐标配为( i 。，丘) ，( ，矗) ，( 0 ，。) ，( 0 ，矗) ，l 和u 表示距( i ， ，) 最近的抽样点的低点和高点。那么， f i l t e r ( i , - ，) = ( 矗一，) ( 0 一r ) f i l t e r ( i z ，j t ) + ( ，一i d ( 矗一，) f i l t e r ( i o , ，j l )，、 + ( ，一丘) ( 岳一j ) f i l t e r ( i l ，矗) + ( u ，- i ) ( 0 一i l ) f i l t e r ( i u ，矗) 对于无方向的子块( 当滤镜位于两环线间的中间区域时) ，可用简单的无方向 低通滤波，此时滤镜如图3 6 所示： 1 8 射击运动自动报靶系统中的图象识别判靶算法研究 酬3 6无方删低通滤镜( 9 9 ) 3 3 2 细化1 9 】 经过方向图滤波和_ 二值化后的靶纸图象巾的环线具有几个暮索宽度。在进行 坏值计算之i j i ，还需对图象施行细化( t h i n n i n g ) 处理将环线的宽度蜂为单个象 素。细化是一个连续剥离形体最外层元素直到获得单位宽度的连通线( 骨架) 的 过程。细化算法就是重复地剥掉二值图象的边界象素，特别是0 一l 在变化处的象 素的算法。一个好的细化算法是保持原有环线的连通性。因而，细化算法要满足 下面的条件： 1 在每次重复过程中，要保持连通性。如图3 7 a 中的中心象素，去掉就会破 坏连通性，所咀必须保留。 2 不能减小形状的睦度。因此类似图3 7 b 的端点象素就不能去掉。 f 麓闲 麈 ： 溪鍪 p ln n p 口n p 6 p 。 p | 一 ( a )( b )( c ) 图3 7 细化算法图示 在本系统中，我们采用的细化算法重复执行两个逻辑步骤。第一步：扫描整 幅图象，用逻辑规则p i 处理3 3 的邻域内的象素( 见图3 7 c ) ，把要去掉的象素 坐上标记，但是不去掉。第二步：用另一个逻辑规则只处理3 3 窗口内的象素， 把要去掉的象素作上标记。扫