CN120219771A 一种汽车零件加工用外观轮廓提取方法

(19)国家知识产权局(10)申请公布号CN120219771A(71)申请人西安威尔精密技术有限公司(72)发明人裴海峰郭昊胡丽丽胡昌(74)专利代理机构北京中佳信联知识产权代理有限公司16122专利代理师史丽利一种汽车零件加工用外观轮廓提取方法本发明涉及图像数据技术领域，更具体地，本发明涉及一种汽车零件加工用外观轮廓提取方法，方法包括：将汽车轮毂图像均分为多个扇形子块，确定扇形子块的目标对象；根据扇形子块与目标对象边缘的重合像素点个数以及像素点之间的梯度、梯度方向确定扇形子块与该目标对象之间边缘上像素点的接近度；计算扇形子块与该目标对象之间边缘的轮毂相似度；计算扇形子块中边缘的剔除度，确定该扇形子块的边缘剔除结果；响应于扇形子块的边缘剔除结果，将剔除边缘后的扇形子块作为剩余扇形子块的目标对象，继续对剩余扇形子块进行边缘剔除后，得获取汽车轮毂图像根据汽车轮毂图像中的轮毂辐条个数将轮毂图像均分为多个扇形子块，扇形子块的顶点为轮毂图像中轮毂的圆心将一个扇形子块之外的其他扇形子块分别作为该扇形子块对应的目标对象；将扇形子块与对应的目标对象中的边缘进行重合，计算扇形子块与各目标对象之间边缘上像素点的接近度根据扇形子块与各目标对象之间边缘上像素点的接近度以及曲率差异，确定该扇形子块与该目标对象之间边缘的轮毂相似度；计算扇形子块中边缘的剔除度，确定该扇形子块的边缘剔除结果响应于扇形子块的边缘剔除结果，将剔除边缘后的扇形子块作为剩余扇形子块的目标对象，继续对剩余扇形子块进行边缘剔除后，得到汽车轮毂图像中的轮毂辐条边缘21.一种汽车零件加工用外观轮廓提取方法，其特征在于，包括：根据汽车轮毂图像中轮毂辐条个数将轮毂图像均分为多个扇形子块；将一个扇形子块之外的其他扇形子块分别作为该扇形子块对应的目标对象；将扇形子块与对应的目标对象中的边缘进行重合，根据边缘上重合像素点的个数确定扇形子块与目标对象边缘的重合比；根据扇形子块与该目标对象边缘的重合比以及像素点之间的梯度、梯度方向确定扇形子块与该目标对象之间边缘上像素点的接近度；将扇形子块与其对应的目标对象之间边缘上像素点的归一化曲率差异值加1的倒数作为扇形子块与其对应的目标对象的相似指标，将扇形子块与该目标对象之间边缘上像素点的接近度与相似指标的乘积均值记为扇形子块与该目标对象之间边缘的轮毂相似度；计算扇形子块中边缘的剔除度，边缘的剔除度与边缘的轮毂相似度负相关，确定该扇形子块的边缘剔除结果；响应于扇形子块的边缘剔除结果，将剔除边缘后的扇形子块作为剩余扇形子块的目标对象，继续对剩余扇形子块进行边缘剔除后，得到汽车轮毂图像中的轮毂辐条边缘。2.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述根据汽车轮毂图像中轮毂辐条个数将轮毂图像均分为多个扇形子块，之前还包括：采集原始汽车轮毂图像并提取原始汽车轮毂图像中的边缘，定位汽车轮毂的中心孔区3.根据权利要求2所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述定位汽车轮毂的中心孔区域并进行剔除，得到汽车轮毂图像，包括：用Hough圆变换定位原始汽车轮毂图像中的中心孔区域并进行凸包计算生成凸多边形；将最小凸多边形内包含的中心孔区域的边缘进行剔除，得到汽车轮毂图像。4.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，将轮毂图像中轮毂的圆心作为扇形子块的顶点。5.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述根据边缘上重合像素点的个数确定扇形子块与目标对象边缘的重合比，包括：将扇形子块与目标对象中的一个边缘上重合像素点的个数和该边缘上像素点总个数的比值作为扇形子块与该目标对象该边缘的重合比。6.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述根据扇形子块与该目标对象边缘的重合比以及像素点之间的梯度、梯度方向确定扇形子块与该目标对象之间边缘上像素点的接近度，包括：计算一个扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的接近度fP,L:UL,为该扇形子块与对应的第S个目标对象之间第L个边缘的重合比，Gp,L、Ap,L分别为该扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的梯度差值、梯度37.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述计算扇形子块中边缘的剔除度，包括：将扇形子块和所有目标对象之间边缘的轮毂相似度均值与1的和值取倒数，得到该扇形子块中该边缘的剔除度。8.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述确将扇形子块中剔除度大于剔除阈值的边缘进行剔除，得到该扇形子块的边缘剔除结9.根据权利要求1所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述继续对剩余扇形子块进行边缘剔除后，得到汽车轮毂图像中的轮毂辐条边缘，包括：将完成边缘剔除后的汽车轮毂图像进行断裂区域连接，得到汽车轮毂图像中完整的轮毂辐条边缘。10.根据权利要求9所述的一种汽车零件加工用外观轮廓提取方法，其特征在于，所述将完成边缘剔除后的汽车轮毂图像进行断裂区域连接，包括：获取汽车轮毂图像中断裂区域的端点灰度值以及断裂区域中间空白区域的像素点的灰度值，将空白区域中与端点灰度值均值之间的差异小于灰度阈值的像素点作为目标像素点；将断裂区域的端点与中间空白区域中的目标像素点进行连接。4技术领域[0001]本发明涉及图像数据技术领域。更具体地，本发明涉及一种汽车零件加工用外观轮廓提取方法。背景技术[0002]汽车轮毂是汽车车轮的核心部件之一，它连接车轮与车轴，承载车辆的重量并传递动力和制动力。而轮毂辐条(也称为辐板)是连接轮辋和轮毂的重要部件，其主要功能是支撑车轮并传递车辆的重量和扭矩，同时保护车轮免受外界损伤。[0003]若汽车轮毂出现质量不合格，不仅影响轮毂的美观，还可能对车辆的安全和性能产生影响。因此在汽车轮毂生产完成后，需要对轮毂辐条进行质量监测，识别筛选可能存在弯曲、裂纹、磨损、不均匀分布等缺陷的汽车轮毂辐条。目前多通过边缘检测提取目标检测对象的边缘进行质量检测，例如公开号为CN118212255A的专利申请文件公开了一种图像边缘提取方法，该方法通过将每个原始图像和对应的边缘信息分别作为样本和期望输出结果，以对卷积神经网络模型进行训练，得到图像边缘提取模型，从而实现目标检测对象的边缘提取。[0004]但是，由于汽车轮毂构造复杂，通过边缘检测提取轮毂辐条的边缘时，可能会将非轮毂辐条边缘也提取出来，导致得到的轮毂图像中非轮毂辐条边缘作为噪声边缘与轮毂辐条边缘交杂，在对卷积神经网络模型进行训练时，如果原始图像中存在噪声边缘，可能会同时学习噪声边缘的特征，导致模型在提取边缘时，无法准确区分真正的目标检测对象边缘和噪声边缘，从而影响边缘提取的准确性。[0005]基于此，如何准确剔除轮毂图像中存在的非轮毂辐条边缘，从而准确得到汽车轮毂外观轮廓提取结果，是本领域技术人员亟待解决的问题。[0006]为解决上述如何准确剔除轮毂图像中存在的非轮毂辐条边缘，从而准确得到汽车轮毂外观轮廓提取结果的技术问题，本发明提出一种汽车零件加工用外观轮廓提取方法，该方法包括以下步骤：根据汽车轮毂图像中轮毂辐条个数将轮毂图像均分为多个扇形子块；将一个扇形子块之外的其他扇形子块分别作为该扇形子块对应的目标对象；将扇形子块与对应的目标对象中的边缘进行重合，根据边缘上重合像素点的个数确定扇形子块与目标对象边缘的重合比；根据扇形子块与该目标对象边缘的重合比以及像素点之间的梯度、梯度方向确定扇形子块与该目标对象之间边缘上像素点的接近度；将扇形子块与其对应的目标对象之间边缘上像素点的归一化曲率差异值加1的倒数作为扇形子块与其对应的目标对象的相似指标，将扇形子块与该目标对象之间边缘上像素点的接近度与相似指标的乘积均值记为扇形子块与该目标对象之间边缘的轮毂相似度；计算扇形子块中边缘的剔除度，边缘的剔除度与边缘的轮毂相似度负相关，确定该扇形子块的边缘剔除结果；响应于扇5形子块的边缘剔除结果，将剔除边缘后的扇形子块作为剩余扇形子块的目标对象，继续对剩余扇形子块进行边缘剔除后，得到汽车轮毂图像中的轮毂辐条边缘。[0007]本发明考虑到提取汽车轮毂图像中的轮毂辐条轮廓边缘时，可能会存在非轮毂辐条边缘的影响，因此，剔除轮毂图像中的非轮毂辐条边缘，可以准确提取出轮毂图像中的轮毂辐条轮廓边缘。在剔除非轮毂辐条边缘的过程中，本发明根据轮毂辐条的对称特征将轮毂图像进行划分，通过综合分析扇形子块与其他扇形子块中非轮毂辐条边缘和轮毂辐条边缘之间的灰度差异以及梯度差异等特征准确计算当前扇形子块中每个边缘的剔除度，使得可以基于此准确实现非轮毂辐条边缘的剔除。同时在计算当前扇形子块中每个边缘的剔除度时，本发明考虑到部分轮毂辐条边缘由于采集环境的影响与正常轮毂辐条边缘存在差异，其剔除度可能偏大，因此在确定边缘的剔除度时，本发明还通过结合轮毂辐条边缘的曲率特征，排除环境对剔除结果的影响，从而有效地提高了汽车轮毂图像中的轮毂辐条轮廓边缘提取结果的准确性。[0008]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述根据汽车轮毂图像中轮毂辐条个数将轮毂图像均分为多个扇形子块，之前还包括：采集原始汽车轮毂图像并提取原始汽车轮毂图像中的边缘，定位汽车轮毂的中心孔区域并进行剔除，得到汽车轮毂图像。[0009]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述定位汽车轮毂的中心孔区域并进行剔除，得到汽车轮毂图像，包括：用Hough圆变换定位原始汽车轮毂图像中的中心孔区域并进行凸包计算生成凸多边形；将最小凸多边形内包含的中心孔区域的边缘进行剔除，得到汽车轮毂图像。[0010]本发明考虑到汽车轮毂的中心孔区域的特征与轮毂外廓特征较为接近，在剔除非轮毂辐条边缘时可能会产生误差，因此在剔除非轮毂辐条边缘前先通过预处理去除汽车轮毂的中心孔区域，降低汽车轮毂的中心孔区域的干扰。[0011]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，将轮毂图像中轮毂的圆心作为扇形子块的顶点。[0012]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述根据边缘上重合像素点的个数确定扇形子块与目标对象边缘的重合比，包括：将扇形子块与目标对象中的一个边缘上重合像素点的个数和该边缘上像素点总个数的比值作为扇形子块与该目标对象该边缘的重合比。[0013]本发明考虑到为了确保汽车的性能，通常情况下汽车每个轮毂辐条之间的大小和形状高度接近，因此通过分析不同扇形子块上同一位置边缘上的重合像素点个数评估扇形子块与其目标对象边缘的重合比，可以初步判断扇形子块中边缘与其他扇形子块中相同位置的边缘的接近程度。[0014]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述根据扇形子块与该目标对象边缘的重合比以及像素点之间的梯度、梯度方向确定扇形子块与该目标对象之间边缘上像素点的接近度，包括：计算一个扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的接近度fP,L:6UL为该扇形子块与对应的第S个目标对象之间第L个边缘的重合比，Gp,Ls、Ap,L分别为该扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的梯度差[0015]本发明提供了一种精确的扇形子块与目标对象之间边缘上像素点的接近度计算公式，通过结合扇形子块与目标对象之间边缘的重合比、梯度和梯度方向，可以准确得到接近度的值。[0016]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述计算扇形子块中边缘的剔除度，包括：将扇形子块和所有目标对象之间边缘的轮毂相似度均值与1的和值取倒数，得到该扇形子块中该边缘的剔除度。[0017]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述确定该扇形子块的边缘剔除结果，包括：将扇形子块中剔除度大于剔除阈值的边缘进行剔除，得到该扇形子块的边缘剔除结果。[0018]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述继续对剩余扇形子块进行边缘剔除后，得到汽车轮毂图像中的轮毂辐条边缘，包括：将完成边缘剔除后的汽车轮毂图像进行断裂区域连接，得到汽车轮毂图像中完整的轮毂辐条边缘。[0019]本发明考虑到部分轮毂辐条边缘在提取边缘的过程中可能存在缺失或被错误剔除的情况，因此在得到轮毂图像的边缘剔除结果后对断裂区域进行连接，可以有效确保边缘轮廓的连续性和完整性。[0020]根据本发明提供的一种汽车零件加工用外观轮廓提取方法，所述将完成边缘剔除后的汽车轮毂图像进行断裂区域连接，包括：获取汽车轮毂图像中断裂区域的端点灰度值以及断裂区域中间空白区域的像素点的灰度值，将空白区域中与端点灰度值均值之间的差异小于灰度阈值的像素点作为目标像素点；将断裂区域的端点与中间空白区域中的目标像素点进行连接。[0021]本发明具有以下有益效果：基于上述技术方案，本发明提供的一种汽车零件加工用外观轮廓提取方法，在提取汽车轮毂的轮毂外廓时，通过剔除轮毂图像中的非轮毂辐条边缘，可以准确提取出轮毂图像中的轮毂辐条轮廓边缘，降低非轮毂辐条边缘对提取结果的影响。在剔除非轮毂辐条边缘的过程中，本发明根据轮毂辐条的对称特征将轮毂图像进行划分，通过综合分析扇形子块与其他扇形子块中非轮毂辐条边缘和轮毂辐条边缘之间的灰度差异以及梯度差异等特征准确计算当前扇形子块中每个边缘的剔除度，使得可以基于此准确实现非轮毂辐条边缘的剔除。同时在计算当前扇形子块中每个边缘的剔除度时，本发明考虑到部分轮毂辐条边缘由于采集环境的影响与正常轮毂辐条边缘存在差异，其剔除度可能偏大，因此在确定边缘的剔除度时，本发明还通过结合轮毂辐条边缘的曲率特征，排除环境对剔除结果的影响，从而有效地提高了汽车轮毂图像中的轮毂辐条轮廓边缘提取结果的准确性。附图说明[0022]图1为本发明实施例提供的一种汽车零件加工用外观轮廓提取方法的步骤流程7图2为本发明实施例提供的一种汽车轮毂图像；图3为本发明实施例提供的一种轮毂图像边缘检测结果；图4为本发明实施例提供的一种去除中心孔区域后的汽车轮毂图像示意图。具体实施方式[0023]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完[0024]为了在汽车轮毂图像中提取轮毂辐条边缘时降低噪声边缘的干扰，本发明实施例提供了一种汽车零件加工用外观轮廓提取方法，该方法通过分析轮毂辐条边缘与非轮毂辐条边缘之间的特征差异，可以准确从汽车轮毂图像中剔除非轮毂辐条边缘，有效地提高了汽车轮毂外观轮廓提取的准确性。[0025]具体请参阅图1,图1为本发明实施例提供的一种汽车零件加工用外观轮廓提取方法的步骤流程图，该方法包括以下步骤：S1:获取汽车轮毂图像。[0026]示例地，在本发明实施例中，获取汽车轮毂图像包括：采集原始汽车轮毂图像并提取原始汽车轮毂图像中的边缘，定位汽车轮毂的中心孔区域并进行剔除，得到汽车轮毂图[0027]示例地，还可以对汽车轮毂图像进行灰度化处理。[0028]具体地，在拍摄环境中使用均匀的环形光源或组合光源，将相机安装在轮毂的正上方，调整相机视角确保轮毂完整进入相机视野，设置图像分辨率和像素，拍摄汽车轮毂图像，具体可参见图2所示，图2为本发明实施例提供的一种汽车轮毂图像。结合图2可以看出，汽车轮毂整体为圆形轮廓，中间安装有5组轮毂辐条。[0029]其中，图像像素可以设置为1024×768像素，图像分辨率可以设置为100DPI;图像分辨率和像素具体可以根据实际需要进行设置，本发明实施例在此不作过多限制。[0030]示例地，可以通过Canny边缘检测算法处理汽车轮毂图像，以提取原始汽车轮毂图像中的边缘。具体可参见图3所示，图3为本发明实施例提供的一种轮毂图像边缘检测结果。结合图3可以看出，汽车轮毂的各轮毂辐条大致呈中心对称。但是，汽车轮毂图像中的中心孔区域与轮毂辐条的对称轴并不相同，在后续进行图像分析时，可能会存在干扰。[0031]基于此，本发明实施例可以先将原始汽车轮毂图像中的中心孔区域进行剔除。[0032]示例地，在本发明实施例中，定位汽车轮毂的中心孔区域并进行剔除，得到汽车轮毂图像，包括：用Hough(也称霍夫)圆变换定位原始汽车轮毂图像中的中心孔区域并进行凸包计算生成凸多边形；将最小凸多边形内包含的中心孔区域的边缘进行剔除，得到汽车轮毂图像。[0033]其中，为了避免Hough圆变换定位原始汽车轮毂图像中的中心孔区域时，将除中心孔区域之外的其他圆形(例如轮毂外形圆)错误剔除，需要设置Hough圆变换的参数半径。[0034]具体地，汽车轮毂中心孔的半径通常在50毫米到200毫米之间，在1024×768像素图中对应的像素点范围约为197到787像素。为了将50毫米到200毫米的范围转换为1024×768像素图中的像素点范围，可以将Hough圆变换定位的参数半径设置为[200,800]像素，从而准确定位原始汽车轮毂图像中的中心孔区域。8[0035]可以理解的是，凸包是包含一组点的凸多边形，通过凸包计算可以生成目标区域的轮廓边界，从而描述目标区域的形状，准确得到原始汽车轮毂图像中的中心孔区域。[0036]示例地，定位原始汽车轮毂图像中的中心孔区域并进行凸包计算生成凸多边形时，可以通过算法提取原始汽车轮毂灰度图像中的轮廓点，得到最小凸多边形，其中最小凸多边形完全包含原始汽车轮毂图像中的中心孔区域。[0037]其中，提取原始汽车轮毂灰度图像中轮廓点的算法可以为JarvisMarch算法、QuickHull算法等，具体可以根据实际需要进行设置。[0038]具体可参见图4所示，图4为本发明实施例提供的一种去除中心孔区域后的汽车轮毂图像示意图。结合图3和图4可以看出，剔除中心孔区域的边缘后，可以在汽车轮毂图像中清晰看到包括汽车轮毂以及轮毂辐条在内的边缘，从而可以基于此继续执行下述步骤提取汽车轮毂的外观轮廓。[0039]S2:根据汽车轮毂图像中的轮毂辐条个数将轮毂图像均分为多个扇形子块，扇形子块的顶点为轮毂图像中轮毂的圆心。[0040]需要说明的是，为了确保力学性能均衡以及轮毂的动平衡，通常情况下，汽车的轮毂辐条区域由多个完全相同的辐条组成，这些辐条的大小和形状完全相同。而轮毂图像中属于噪声边缘的非轮毂辐条区域的辐条图案与正常轮毂辐条并不相同。[0041]基于此，本发明实施例中可以根据轮毂图像中的轮毂辐条对称特征将轮毂图像均匀划分为多个扇形子块，根据不同扇形子块中同一位置边缘上的差异，对非轮毂辐条边缘进行准确筛选。[0042]可以理解的是，汽车轮毂的轮廓边缘为同心圆，且位于整个轮毂图像中的最外圈，半径也最大。而轮毂辐条通常与轮毂中心连接，因此基于汽车轮毂的外形特征可以对汽车轮毂边缘进行定位，从而准确划分轮毂图像。[0043]示例地，在本发明实施例中，根据汽车轮毂图像中的轮毂辐条个数将轮毂图像均分为多个扇形子块时，可以利用Hough圆变换定位轮毂图像中所有的圆形边缘，并获得所有圆形边缘的半径，将半径最大的区域作为汽车轮毂边缘，将汽车轮毂边缘的圆心作为轮毂图像中轮毂的圆心。[0044]示例地，结合图4可以看出，基于上述方式对本发明实施例提供的轮毂图像示意图进行分割时，汽车轮毂图像中的轮毂辐条边缘个数为5,因此最终可以将汽车轮毂图像划分为5个扇形子块。[0045]基于上述步骤将轮毂图像进行分割后，可以根据不同扇形子块中同一位置边缘上的特征差异，实现非轮毂辐条边缘的筛选，即继续执行下述步骤。[0046]S3:将一个扇形子块之外的其他扇形子块分别作为该扇形子块对应的目标对象；将扇形子块与对应的目标对象中的边缘进行重合，计算扇形子块与各目标对象之间边缘上像素点的接近度。[0047]需要说明的是，由于汽车轮毂辐条具有对称特征，因此不存在噪声边缘干扰的轮毂图像中扇形子块与其他扇形子块中的轮毂辐条边缘可以完全重合，且边缘上的像素点也可以完全重合，而噪声边缘出现则较为随机，在其他扇形子块中相同位置出现的可能性越低。若扇形子块中边缘上的像素点可以在对应的目标对象中的相同边缘上找到位置相同的像素点，则扇形子块中的该像素点为扇形子块与目标对象之间边缘上的重合像素点，重合9像素点个数越多说明该边缘为轮毂辐条边缘的可能性越高，为随机噪声边缘的可能性越[0048]举例说明重合素点的确定过程：当前扇形子块为Z1,比较扇形子块Z1和对应的目获取与扇形子块Z1重合的边缘。若扇形子块Z1中第3条边缘可以条边缘上的相同位置找到对应的第4个像素点，则扇形子块Z1的第3条边缘上的第4个像素象边缘的重合比，根据扇形子块与该目标对象[0052]可以理解的是，当前扇形子块与目标对象中的一个边缘上重合像素点的个数越同扇形子块上相同位置的边缘上像素点的灰度特征和梯度特征可以准确得到扇形子块与fp,L,表示一个扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的梯度方向差值，norm()非轮毂辐条边缘的可能性越大，因此需要降低当前扇形子块与对应的第S个目标对象之间第L个边缘为轮毂辐条边缘的可能性。[0057]扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的接近度用于表征该扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点为轮毂辐条边缘[0058]S4:根据扇形子块与各目标对象之间边缘上像素点的接近度以及曲率差异，确定形子块与对应的目标对象之间边缘上所有像素点的相似度均值作为该扇形子块与对应的子块与其对应的目标对象之间边缘上像素点的归一化曲率差异值加1的倒数作为扇形子块相似指标的乘积均值记为扇形子块与该目标对象之间边缘的轮毂相似度。Fp,L₈为扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的相似度，fp,L,为扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的接近度，11[0065]其中，可以将第P个像素点所在的边缘上的曲率作为第P个像素点的曲率。[0066]上式中，|YL,p-YL,Ps|表示扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点之间的曲率差异，差异越大，说明扇形子块与对应的第S个目标对象之间第L个边缘上为轮毂辐条边缘的可能性越低。[0067]norm|YL,p-YL,P|表示当前扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点的归一化曲率差异值，表示当前扇形子块与对应的第S个目标对象之间第L个边缘上第P个像素点相似指标。[0068]基于上述步骤得到扇形子块与对应的第S个目标对象之间第L个边缘上所有像素点的相似度后，可以将扇形子块与对应的第S个目标对象之间第L个边缘上所有像素点的相似度均值作为该扇形子块与对应的第S个目标对象之间第L个边缘的轮毂相似度。[0069]需要说明的是，当前扇形子块以及目标对象中自身可能存在非轮毂辐条边缘，若仅通过单一目标对象确定当前扇形子块中边缘是否需要剔除，可能会将当前扇形子块中的轮毂辐条边缘剔除，基于此，本发明实施例可以获取扇形子块的边缘与所有对应的目标对象的边缘之间的轮毂相似度，得到该扇形子块中该边缘的剔除度，从而准确剔除非轮毂辐条边缘。[0070]示例地，在本发明实施例中，计算扇形子块中边缘的剔除度，包括：将扇形子块和所有目标对象之间边缘的轮毂相似度均值与1的和值取倒数，得到该扇形子块中该边缘的剔除度。[0071]举例说明当前扇形子块中第3个边缘的剔除度获取方法：分别在当前扇形子块对应的目标对象中获取当前扇形子块与对应的目标对象中第3个边缘的轮毂相似度；根据当前扇形子块与对应的目标对象中第3个边缘的轮毂相似度均值计算得到当前扇形子块中第3个边缘的剔除度。[0072]示例地，在本发明实施例中，确定该扇形子块的边缘剔除结果，包括：将扇形子块中剔除度大于剔除阈值的边缘进行剔除，得到该扇形子块的边缘剔除结果。[0073]其中，剔除阈值可以设置为0.8;剔除阈值具体可以根据实际需要进行设置，本发明实施例在此不作过多限制。[0074]基于上述步骤准确剔除当前扇形子块中的非轮毂辐条边缘后，可以将当前不受噪声边缘干扰的扇形子块作为剩余扇形子块的比较对象，动态循环剔除轮毂图像中所有的非轮毂辐条边缘。[0075]S5:响应于扇形子块的边缘剔除结果，将剔除边缘后的扇形子块作为剩余扇形子块的目标对象，继续对剩余扇形子块进行