使用steger算法提取线激光，用于口内扫描（c++）

多蕾姆

已于 2024-09-06 09:14:59 修改

阅读量349

点赞数 5

文章标签：算法 opencv 计算机视觉图像处理 3d c++ 视觉检测

于 2024-09-04 15:13:58 首次发布

本文链接：https://blog.csdn.net/qq_57894564/article/details/141892605

版权

废话少数，先上代码（C++）

#include <iostream>
#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
    // 以灰度模式读取图像 
    cv::Mat src_img = cv::imread("1-spec-l.png", cv::IMREAD_GRAYSCALE);
    if (src_img.empty()) {
        std::cerr << "Error: Unable to open image file." << std::endl;
        return EXIT_FAILURE;
    }


    // 创建目标图像
    cv::Mat dst_img = src_img.clone();
    cv::cvtColor(dst_img, dst_img, cv::COLOR_GRAY2RGB);

    // 存储特征点
    std::vector<cv::Point2f> pts;

    // 高斯模糊去噪
    cv::GaussianBlur(src_img, src_img, cv::Size(5, 5), 2, 2);


    // 一阶偏导数
    cv::Mat m1 = (cv::Mat_<float>(1, 3) << 1, 0, -1);  // 水平滤波器，1行3列，初始化为1，0，-1
    cv::Mat m2 = (cv::Mat_<float>(3, 1) << 1, 0, -1);  // 垂直滤波器，3行1列
    cv::Mat dx, dy;
    cv::filter2D(src_img, dx, CV_32FC1, m1);  // 得到水平滤波后的图像，即x方向的梯度dx
    cv::filter2D(src_img, dy, CV_32FC1, m2);  // 得到垂直滤波后的图像，即y方向的梯度dy

    // 二阶偏导数dxx, dyy, dxy
    cv::Mat m3 = (cv::Mat_<float>(1, 3) << 1, -2, 1);
    cv::Mat m4 = (cv::Mat_<float>(3, 1) << 1, -2, 1);
    cv::Mat m5 = (cv::Mat_<float>(2, 2) << 1, -1, -1, 1);
    cv::Mat dxx, dyy, dxy;
    cv::filter2D(src_img, dxx, CV_32FC1, m3);
    cv::filter2D(src_img, dyy, CV_32FC1, m4);
    cv::filter2D(src_img, dxy, CV_32FC1, m5);

    // 得到 Hessian 矩阵和特征点提取
    for (int i = 0; i < src_img.cols; ++i)
    {
        for (int j = 0; j < src_img.rows; ++j)
        {
            if (src_img.at<uchar>(j, i) > 50)
            {
                cv::Mat hessian = (cv::Mat_<float>(2, 2) << dxx.at<float>(j, i), dxy.at<float>(j, i),
                    dxy.at<float>(j, i), dyy.at<float>(j, i));

                cv::Mat eValue, eVectors;

                // eigen 函数计算Hessian矩阵的特征值（2个）和特征向量
                cv::eigen(hessian, eValue, eVectors);

                //最大特征值对应的特征向量，即为对应于光条的法线方向，用（nx,ny）表示
                double nx, ny;
                if (fabs(eValue.at<float>(0, 0)) >= fabs(eValue.at<float>(1, 0)))
                {
                    nx = eVectors.at<float>(0, 0);
                    ny = eVectors.at<float>(0, 1);
                }
                else
                {
                    nx = eVectors.at<float>(1, 0);
                    ny = eVectors.at<float>(1, 1);
                }

                double t = -(nx * dx.at<float>(j, i) + ny * dy.at<float>(j, i)) /
                    (nx * nx * dxx.at<float>(j, i) + 2 * nx * ny * dxy.at<float>(j, i) + ny * ny * dyy.at<float>(j, i));

                if (fabs(t * nx) <= 0.5 && fabs(t * ny) <= 0.5)
                {
                    pts.push_back(cv::Point2f(i + t * nx, j + t * ny));
                }
            }
        }
    }

    // 绘制轮廓点  使用 cv::circle 在 dst_img 上绘制一个半径为 1 像素的圆形：
    for (const auto& pt : pts)
    {
        cv::circle(dst_img, cv::Point(cvRound(pt.x), cvRound(pt.y)), 1, cv::Scalar(0, 0, 255), -1);
    }

    // 保存结果图像
    cv::imwrite("processed.jpg", dst_img);

    // 显示结果图像（可选）
    cv::imshow("Processed Image", dst_img);
    cv::waitKey(0);

    return EXIT_SUCCESS;
}

steger算法是基于Hessian矩阵，能够实现光条中心的亚像素精度定位，提取激光线的大致流程：通过Hessian矩阵能够得到光条的法线方向，然后在法线方向利用泰勒展开得到亚像素位置。

1. 首先将激光图片高斯滤波一下，高斯方差 $\sigma <\frac{\omega }{\sqrt{3}}$ ，其中 $\omega$ 是光条的宽度

2. 求出图像每个点的一阶导数和二阶导数，，同时得到该点的Hessian矩阵

$H ( x , y ) = \begin{bmatrix} d _ { x x } \ \ d _ { x y } \\ d _ { x y } \ \ d _ { y y } \end{bmatrix}$

3. Hessian矩阵一共有两个特征值，其中最大的那个对应的特征向量就是光条的法线方向，用 $( n _ { x } , n _ { y } )$ 表示，以点 $( x _ { 0 } , y _ { 0 } )$ 为基准点，则光条中心的亚像素坐标为 $( p _ { x } , p _ { y } ) = ( x _ { 0 } + t n _ { x } , y _ { 0 } + t n _ { y } )$

其中 $t = - \frac { n _ { x } d _ { x } + n _ { y } d _ { y } } { n _ { x } ^ { 2 } d _ { x x } + 2 n _ { x } n _ { y } d _ { x y } + n _ { y } ^ { 2 } d _ { y y } }$

4. 判断 $( t n _ { x } , t n _ { y } ) \in \left[ - 0 . 5 , 0 . 5 \right] \times \left[ - 0 . 5 , 0 . 5 \right]$ ，即一阶导数为0的点是否位于当前像素内，且 $( n _ { x } , n _ { y } )$ 方向的二阶导数大于指定的阈值，则该点 $( x _ { 0 } , y _ { 0 } )$ 为光条的中心点， $( p _ { x } , p _ { y } )$ 为亚像素坐标。