发明名称 一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法
摘要 本发明提出一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法,属于计算机图像处理技术领域。此方法将彩色条纹看待基本解码单位,对摄像机拍摄到的条纹颜色空间进行颜色分类化,采用图论将检测条纹图像转化为赋权有向图模型,并通过合并结点的方法对赋权有向图模型进行了化简,得到了简化赋权有向图模型,为以后寻找彩色条纹的匹配路径奠定基础。
申请公布号 CN101840575B 申请公布日期 2012.01.11
申请号 CN201010160408.7 申请日期 2010.04.30
申请人 长春理工大学 发明人 杨华民;韩成;李明勋;范静涛;陈纯毅;丁莹
分类号 G06T7/00(2006.01)I;G06T7/40(2006.01)I;G01B11/25(2006.01)I 主分类号 G06T7/00(2006.01)I
代理机构 代理人
主权项 1.一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法,其特征在于,该方法所需设备和实施步骤如下:所需设备:所需设备由5部分组成:投影仪(1),投影屏幕(2),摄像机(3),计算机(4),待测物体(5);投影仪(1)和摄像机(3)都通过电缆与计算机(4)连接;实现步骤:步骤1:在计算机(4)中,利用具有随机特性与确定性的De Bruijn伪随机序列,产生一幅7元3级De Bruijn序列彩色结构光编码图像,该图像中任意相邻两条彩色条纹的颜色都不相同,并存储在计算机(4)中;步骤2:计算机(4)通过投影仪(1)将步骤1中产生的De Bruijn序列彩色结构光编码图像经过待测物体(5)调制后投影到投影屏幕(2)上,生成调制后的投影图像;步骤3:计算机(4)通过摄像机(3)拍摄步骤2生成的调制后的投影图像,得到彩色结构光编码图片;步骤4:计算机(4)采用传统的canny算法提出步骤3得到的彩色结构光编码图片中每条彩色条纹的上边界和下边界,再计算每条彩色条纹的上边界和下边界的中间位置,得到每条彩色条纹的中心彩色条纹;步骤5:利用聚类分析方法对彩色结构光编码图片进行聚类分析,对该图片中每一条中心彩色条纹的颜色进行标定;具体方法如下:共有七个聚类颜色:由R,G,B分量值分别为0,0,255组成的颜色称为第一聚类颜色;由R,G,B分量值分别为0,255,0组成的颜色称为第二聚类颜色;由R,G,B分量值分别为0,255,255组成的颜色称为第三聚类颜色;由R,G,B分量值分别为255,0,0组成的颜色称为第四聚类颜色;由R,G,B分量值分别为255,0,255组成的颜色称为第五聚类颜色;由R,G,B分量值分别为255,255,0组成的颜色称为第六聚类颜色;由R,G,B分量值分别为255,255,255组成的颜色称为第七聚类颜色;设彩色结构光编码图片中某条中心彩色条纹的颜色的R、G、B分量值分别为r,g,b,第i聚类颜色的R、G、B分量值分别为r<sub>i</sub>,g<sub>i</sub>,b<sub>i</sub>,其中i∈{1,2,3,4,5,6,7},根据以下公式,计算该中心彩色条纹的颜色分别与七种聚类颜色的距离,<maths num="0001"><![CDATA[<math><mrow><msub><mi>D</mi><mi>i</mi></msub><mo>=</mo><msqrt><msup><mrow><mo>(</mo><mi>r</mi><mo>-</mo><msub><mi>r</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mrow><mi>g</mi><mo>-</mo><mi>g</mi></mrow><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mrow><mi>b</mi><mo>-</mo><mi>b</mi></mrow><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>,</mo></mrow></math>]]></maths>i=1,2,3,4,5,6,7;若<img file="FSB00000582000000012.GIF" wi="282" he="80" />则称该中心彩色条纹的颜色属于第i聚类颜色,当某条中心彩色条纹的颜色属于多个聚类颜色时,取这些聚类颜色编号的最小值为该中心彩色条纹的颜色所属的聚类的编号;步骤6:将彩色结构光编码图片转化为图模型;转化方法如下:设某条中心彩色条纹上的像素点P的坐标为(i,j),如果点Pw与点P的颜色属于同一个聚类颜色,并且点Pw的坐标为(i,j-1)或(i+1,j-1)或(i-1,j-1),则点Pw称为点P的w邻域;如果点Pe与点P的颜色属于同一个聚类,并且点Pe的坐标为(i,j+1)或(i-1,j+1)或(i+1,j+1),则点Pe称为点P的e邻域;如果点Pn与点P处于同一列,并且点Pn是点P向上第一个遇到的彩色像素点,则点Pn称为点P的n邻域;如果点Ps与点P处于同一列,并且点Pn是点P向下第一个遇到的彩色像素点,则点Ps称为点P的s邻域;设某条中心彩色条纹上的像素点序列为e<sub>1</sub>,e<sub>2</sub>,…,e<sub>m</sub>,如果像素点e<sub>1</sub>没有w邻域,e<sub>j</sub>是e<sub>j-1</sub>的e邻域(j∈{2,3,…,m}),e<sub>m</sub>没有e邻域,则将此像素点序列称为we连结组;假设a和b是两个we连结组,如果a中至少有一个像素点是b中某个像素点的n邻域,则称a和b为ns连结,表示为有序对(a,b);假设(a,b)为ns连结,a中和b中同一个列的像素点对为(ai,bi),i=1,2,…,N,如果每对像素点对中的a i都是bi的n邻域,则称a和b为ns强连结,N称为a和b的ns强连结数;利用每个we连结组a={e<sub>1</sub>,…,e<sub>m</sub>}的第一个元素e<sub>1</sub>的坐标将此we连结组表示为平面上的一个结点,并记此结点为a;将每个ns强连结(a,b)表示为结点a到结点b的有向边,此有向边的权重为a和b的ns强连结数,并删除存在的孤立结点,这样将彩色结构光编码图片转换成赋权有向图模型;步骤7:对步骤6中得到赋权有向图模型进行简化,简化方法如下:如果在赋权有向图模型中的两个结点至少有一个共同的父结点,同时至少有一个共同的子结点,并且两个结点的颜色都属于同一聚类颜色,那么这两个结点称为相似结点;将任意两个相似结点简化成一个结点;每个共同的父结点到此二相似结点间的有向边简化为一条有向边,其权重是这个共同的父结点到此二相似结点间的有向边的权重之和;将此二相似结点到每个共同的子结点间的有向边简化为一条有向边,其权重是此二相似结点到这个共同的子结点的有向边的权重之和;当赋权有向图模型中不存在相似结点时,就完成了该赋权有向图模型的简化。
地址 130022 吉林省长春市卫星路7186号长春理工大学空间光电技术研究所1301室