CN116503462A - 一种圆形斑点圆心快速提取方法及系统 - Google Patents

Abstract

本发明公开了一种圆形斑点圆心快速提取方法及系统，所述方法包括：采集圆形斑点图像，对圆形斑点图像进行降采样处理和预处理；通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓；设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出符合斑点目标轮廓筛选规则的斑点轮廓；采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取；对提取出的边缘亚像素进行椭圆拟合，计算出圆形斑点中心位置。本发明通过对图像下采样减小了图像大小，提升了圆心坐标提取计算的速度，利用边缘整像素提取和边缘亚像素提取方法计算出准确的斑点轮廓，同时利用圆形斑点特征进行轮廓筛选，提高了圆形斑点圆心提取的准确度，可适用于实时检测和识别系统中。

Description

一种圆形斑点圆心快速提取方法及系统

技术领域

本发明属于视觉测量技术领域，具体涉及一种圆形斑点圆心快速提取方法及系统。

背景技术

圆形在计算机图像处理中有着其他几何形状(如直线、方形)所无法比拟的优点：圆形对阈值分割不敏感，当分割的阈值发生改变时，圆的边缘点会发生相应的缩放，但是缩放后的边缘点所求出的圆心改变却很小，这是直线、方形等图形所无法做到的。因此，在视觉测量系统中往往会选取圆形小物体所成的斑点图像作为特征参与计算，如在标定过程中，利用圆点阵列所成的斑点图像进行相机标定；在深度像匹配过程中，利用贴在物体表面上的圆形斑点图像进行不同视角下的点云匹配注册；在摄影测量系统中，利用圆形斑点图像构建全局精度控制场；圆形斑点的识别以及圆心定位都直接影响着测量系统的精度和准确率。

为了保证测量系统的精度，实际中常常要求图像中的圆形斑点圆心提取精度在亚像素级。传统的圆形斑点亚像素边缘提取方法主要包括边缘拟合法、插值法和矩方法。

边缘拟合法使用的前提条件是被测目标的特征满足预设的函数形式，通过选取合适的函数模型，根据图像中边缘所在像素的位置和灰度值信息进行曲线拟合，然后对拟合得到的连续函数进行求导，其导数值最大的点所在位置对应边缘的亚像素位置。常用的拟合法有多项式拟合法和最小二乘拟合法。多项式拟合法的实质就是用函数逼近的方法得到符合图像边缘灰度分布特征的函数式，再通过现有的边缘坐标计算其亚像素位置；最小二乘拟合法基于最小二乘准则对边缘向量进行拟合，参与拟合的像素点越多，得到的拟合结果越接近图像上实际边缘分布，最终得到的亚像素定位结果越准确，但同时计算量也越大，运行时间较长。公开号为CN104318555A的发明专利公开了一种靶标图像中圆心投影点精确定位方法，其通过拟合椭圆方程并建立椭圆外切三角形，由几何约束确定圆心投影点，但其采用像素级边缘检测的方法精度不高，不能满足实际测量需求。

插值法原理是图像中边缘所在像素位置的梯度取极值，且二阶导数过零点，在以像素级边缘点为中心的小邻域内取几个采样点进行插值，通过插值提高输入图像的分辨率，实现对边缘的亚像素定位。常用的插值方法可以分为最邻近插值法和双线性插值法。其中最邻近插值法是简单对区域进行赋值，但插值后图像的灰度值依然不连续，也易在图像中形成锯齿状边缘；双线性插值法的处理效果较好，属于多项式插值，可以改善最邻近插值法的缺陷，得到的图像中灰度连续性较好。当图像有噪声存在时，插值节点易受到噪声干扰，导致测量结果不准确。

矩方法对边缘进行亚像素定位的原理是在数字图像处理中，矩作为数字图像灰度直方图的统计特征量之一，蕴含了图像边缘模型参数。矩具有旋转不变性，可以避免图像特征受到几何变化的影响，所以物体成像前后的矩特性保持不变。从数学的角度可以将矩看作是原图像函数在新的坐标空间的转换，即矩可以唯一表示任意一个分段连续有界函数。基于矩不变原理，可以假设理想边缘模型的矩特性与实际图像边缘的矩特性相一致，并通过这种一致性求解得到目标图像中边缘特征的参数。矩中常用的方法有空间矩法和Zernike矩法，其中Zernike矩法是在空间矩的理论基础上发展而来，在计算过程中改善了原空间矩法会产生冗余信息的问题。但矩方法在计算中涉及到多次乘方运算，计算量较大，耗时较长。

通常相机采集圆形斑点图像存在背景杂乱、成像质量差、局部反光等干扰，这就导致直接从图像中提取圆形斑点边缘和中心比较困难。为了克服干扰因素带来的影响，现有技术首先要对图像做平滑处理，然后才能进一步做圆形斑点相关的提取计算。传统的圆形检测方法以圆Hough变换最为常用，但该方法需要对每一个边界点逐点投票、记录，计算时间较长，占用了计算机大量内存，不适合在实时检测系统中使用。

综上所述，如何实现圆形斑点圆心快速、准确提取成为迫切需要解决的问题。

发明内容

有鉴于此，本发明提出了一种圆形斑点圆心快速提取方法及系统，用于解决圆形斑点圆心提取速度不高的问题。

本发明第一方面，公开一种圆形斑点圆心快速提取方法，所述方法包括：

采集圆形斑点图像，对圆形斑点图像进行降采样处理和预处理；

通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓；

设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出符合斑点目标轮廓筛选规则的斑点轮廓；

采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取；

对提取出的边缘亚像素进行椭圆拟合，计算出圆形斑点中心位置。

在以上技术方案的基础上，优选的，所述对圆形斑点图像进行降采样处理和预处理具体包括：

根据圆形斑点图像的分辨率大小W*H和斑点所占像素大小选择采样系数α，0＜α≤1，降采样后的图像与原图像之间像素关系为：

i_s＝round(i*α)

j_s＝round(j*α)

其中I(i,j)为降采样前的像素点，I_s(i_s,j_s)为降采样后的像素点，0≤i_s＜round(H*α)，0≤j_s＜round(W*α)，round()函数是对输入参数进行取整操作。

在以上技术方案的基础上，优选的，所述通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓具体包括：

计算圆形斑点图像的像素梯度值，得到梯度值图像；

对梯度值图像采用OTSU方法求出Canny算子中的最大阈值，Canny算子的最小阈值设置为最大阈值的一半；

基于Canny算子的最大阈值、最小阈值提取圆形斑点图像的边缘整像素。

在以上技术方案的基础上，优选的，所述设定斑点目标轮廓筛选规则具体为：

①为闭合轮廓；

②轮廓大小在设定的范围之内；

③轮廓内部灰度值大于轮廓外部灰度值。

在以上技术方案的基础上，优选的，内部灰度值I_in和外部灰度值I_out计算如下：

I_in＝(I_s(x₁,y_min+1)+I_s(x_max-1,y₂)+I_s(x₂,y_max-1)+I_s(x_min+1,y₁))/4

I_out＝(I_s(x₁,y_min-1)+I_s(x_max+1,y₂)+I_s(x₂,y_max+1)+I_s(x_min-1,y₁))/4

设斑点轮廓的轮廓点坐标为(x_i,y_i),i＝0,1,2…N，I_s(·)为对应坐标下的像素灰度值，N为轮廓点总数，(x_min,y₁)、(x_max,y₂)分别为每一个斑点轮廓中当x_i最小时的坐标和x_i最大时的坐标，(x₁,y_min)、(x₂,y_max)分别为当y_i最小时的坐标和y_i最大时的坐标。

在以上技术方案的基础上，优选的，所述采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取具体包括：

设多项式拟合的拟合模型为：

f(x,y)＝k₁+k₂x+k₃y+k₄x²+k₅xy+k₆y²+k₇x³+k₈x²y+k₉xy²+k₁₀y³

其中k_j为多项式系数，由拟合区域像素灰度决定，j＝1,2,…,10；

假设边缘梯度方向θ上的点表示为x＝ρcosθ，y＝ρsinθ,ρ为对应点弧长，拟合区域中心点(x₀,y₀)处θ方向的二阶导数为：

f″_θ(x₀,y₀)＝6(k₇sin³θ+k₈sin²θcosθ+k₉sinθcos²θ+k₁₀cos³θ)ρ+2(k₄sin²θ+k₅sinθcosθ+k₆cos²θ)

令二阶导数f″_θ(x₀,y₀)＝0，求解出ρ，得到边缘点的亚像素坐标位置为(x₀+ρcosθ,y₀+ρsinθ)。

在以上技术方案的基础上，优选的，所述对提取出的边缘亚像素进行椭圆拟合之后还包括：

设定椭圆拟合误差阈值，保留拟合误差小于误差阈值的圆心；

设定椭圆的长轴与短轴比值范围，保留长轴与短轴比值在设定比值范围内的圆心。

本发明第二方面，公开一种圆形斑点圆心快速提取方法，所述方法包括：

预处理模块：用于采集圆形斑点图像，对圆形斑点图像进行降采样处理和预处理；

轮廓提取模块：用于通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓；

亚像素提取模块：用于设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出符合斑点目标轮廓筛选规则的斑点轮廓；采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取；

圆心计算模块：用于对提取出的边缘亚像素进行椭圆拟合，计算出圆形斑点中心位置。

本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的方法。

本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本发明第一方面所述的方法。

本发明相对于现有技术具有以下有益效果：

1)本发明通过对图像下采样减小了图像大小，利用边缘整像素提取和边缘亚像素提取方法计算出准确的斑点轮廓，同时利用圆形斑点特征进行轮廓筛选，有效提升了圆心坐标提取计算的速度，能够适用于实时检测和识别系统中；

2)本发明设定了轮廓筛选规则，从而挑选出轮廓闭合、轮廓大小合适且轮廓内部灰度值比轮廓外部灰度值大的斑点轮廓，从而剔除背景噪声轮廓，排除了干扰点和质量较差点，提高了圆形斑点图像种边缘轮廓提取的准确度；

3)本发明采用三次多项式拟合边缘图像进行边缘亚像素提取，准确计算边缘点的亚像素坐标位置，实现圆形斑点边缘像素基本单元再细分，从而提高斑点检测精度，以满足实际测量需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的圆形斑点圆心快速提取方法流程图；

图2为模拟生成的圆形斑点图像示意图；

图3为降采样后的圆形斑点图像示意图；

图4为图像预处理后圆形斑点图像示意图；

图5为边缘整像素提取结果示意图；

图6为边缘轮廓筛选结果示意图；

图7为亚像素中心定位结果示意图；

图8为原图像中斑点圆心提取结果示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

请参阅图1，本发明提出一种圆形斑点圆心快速提取方法，所述方法包括：

S1、图像降采样处理。

采集圆形斑点图像，对圆形斑点图像进行降采样处理。

具体的，根据圆形斑点图像的分辨率大小W*H和斑点所占像素大小选择合适的采样系数α，0＜α≤1，采样系数的设置应保证降采样后的斑点轮廓像素不少于二十个像素。降采样后的图像与原图像之间像素关系为：

i_s＝round(i*α)

j_s＝round(j*α)

其中I(i,j)为降采样前的像素点，I_s(i_s,j_s)为降采样后的像素点，0≤i_s＜round(H*α)，0≤j_s＜round(W*α)，round()函数是对输入参数进行四舍五入计算后取整操作。

图2所示为模拟生成的分辨率大小为800*800的圆形斑点图像，该图像已经过添加噪声和模糊处理，设置降采样系数α＝0.5，得到的降采样图像如图3所示。比较可知，降采样后数据量为降采样前数据量的四分之一，极大缩短了图像计算时间。

S2、图像预处理。

测量系统采集的圆形斑点图像往往存在噪声干扰，影响着图像质量。为了抑制噪声影响，本发明采用高斯图像滤波方法进行图像预处理。高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到，高斯核函数h(x,y)的表达式为：

其中(x,y)是以核中心为坐标原点的坐标值，σ为标准差，σ选择较大时图像的平滑效果比较明显。通过高斯核函数生成的模板与图像中的每个像素做卷积计算，得到预处理后的图像。对图3的降采样图像进行预处理后的图像如图4所示。

S3、边缘整像素提取。

圆形斑点轮廓的边界处，就是灰度值变化比较剧烈的地方，本发明通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓。但Canny算子中的阈值参数如何设置是个技术难点，因此，本发明通过计算圆形斑点图像的像素梯度值，得到梯度值图像，对梯度值图像采用OTSU方法求出Canny算子中的阈值。

具体的，分别计算x轴方向、y轴方向的卷积核算子H_x、H_y，由卷积核算子H_x与图像做卷积计算得到沿x方向梯度G_x，由卷积核H_y与图像做卷积计算得到沿y方向梯度G_y，由G_x和G_y合成得到梯度图像G，相应计算公式如下所示：

G_x＝H_x*I_s

G_y＝H_y*I_s

G＝|G_x|+|G_y|

本发明采用OTSU(大津法——最大类间方差法)方法求解Canny算子的阈值，其中，最大阈值T为图像前景与背景的分割阈值，设前景点数占图像比例为w₀，平均灰度为u₀，背景点数占图像比例为w₁，平均灰度为u₁，图像的总平均灰度为u，则平均灰度u的计算公式为：

u＝w₀×u₀+w₁×u₁

前景和背景图像的方差为g，g的计算公式为：

g＝w₀×(u₀-u)²+w₁×(u₁-u)²

联立上式得到：

当方差g最大时，认为前景和背景差异最大，此时的灰度值为最佳阈值，作为Canny算子的最大阈值T，最小阈值设置为最大阈值的一半，基于Canny算子的最大阈值、最小阈值提取圆形斑点图像的整像素边缘。对图4的预处理图像进行整像素边缘提取结果如图5所示。

S4、边缘轮廓筛选。

经过整像素提取得到的边缘中不仅仅只有斑点轮廓，其中还包含着许多背景噪声轮廓，这就需要对轮廓进行一定规则的筛选，从步骤S3的边缘轮廓中挑选出斑点目标轮廓。本发明通过设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出轮廓闭合、轮廓大小合适且轮廓内部灰度值比轮廓外部灰度值大的斑点轮廓，排除了干扰点和质量较差点，提高了圆形斑点图像种边缘轮廓提取的准确度。

具体的，设定斑点目标轮廓筛选规则如下：

①为闭合轮廓。判断轮廓是否闭合的具体实现过程是：遍历图像中每一个像素I_s(i_s,j_s)，如果I_s(i_s,j_s)＞0，将坐标值保存到一个数组Array中，并将I_s(i_s,j_s)的灰度置为零；对I_s(i_s,j_s)的八邻域内的每个点进行同样判断操作，并保存相应点的坐标值到数组Array中。如果的数组Array的第一个点坐标与最后一个点坐标是I_s(i_s,j_s)的八邻域中的坐标，则认为该轮廓是个闭合轮廓，予以保留，否则舍弃。

②轮廓大小在设定的范围之内。判断轮廓大小的具体实现过程是：统计组成每个轮廓的像素点数，如果轮廓点数超过设定的最小值和最大值范围，则认为该轮廓大小不符合要求，予以舍弃，仅仅保留轮廓点数在最小值和最大值范围之间的轮廓。

③轮廓内部灰度值大于轮廓外部灰度值。正常斑点轮廓内部灰度值比轮廓外部灰度值大，如果轮廓内部灰度值小于等于外部灰度值，则应剔除。计算轮廓的内外灰度值的具体实现过程是：对于每一个轮廓，遍历每一个轮廓点坐标(x_i,y_i),i＝0,1,2…N，I_s(·)为对应坐标下的像素灰度值，N为轮廓点总数，分别计算每一个斑点轮廓中当x_i最小时的坐标(x_min,y₁)和x_i最大时的坐标(x_max,y₂)，以及当y_i最小时的坐标(x₁,y_min)和y_i最大时的坐标(x₂,y_max)。

根据以上坐标计算内部灰度值I_in和外部灰度值I_out：

I_in＝(I_s(x₁,y_min+1)+I_s(x_max-1,y₂)+I_s(x₂,y_max-1)+I_s(x_min+1,y₁))/4

I_out＝(I_s(x₁,y_min-1)+I_s(x_max+1,y₂)+I_s(x₂,y_max+1)+I_s(x_min-1,y₁))/4

仅仅保留I_in＞I_out对应的轮廓。对图5所示边缘轮廓的经过边缘轮廓筛选后的结果如图6所示，比较图5和图6可知本发明的轮廓筛选可以较好的滤除无关点。通过边缘轮廓筛选，在提高斑点目标轮廓识别的准确度的同时，可以进一步降低后续圆心坐标提取的计算量，提高圆心提取速度。

S5、边缘亚像素提取。

步骤S4的边缘提取方式属于像素级边缘检测，精度不高，不能满足实际测量需求，因此需要将像素基本单元再细分，从而提高斑点检测精度。本发明采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取。设多项式拟合的拟合模型为：

f(x,y)＝k₁+k₂x+k₃y+k₄x²+k₅xy+k₆y²+k₇x³+k₈x²y+k₉xy²+k₁₀y³

其中k_j为多项式系数，由拟合区域像素灰度决定，j＝1,2,…,10。

对f(x,y)求导有：

继续求二阶导数有：

假设边缘梯度方向θ上的点表示为x＝ρcosθ，y＝ρsinθ,ρ为对应点弧长，斑点轮廓拟合区域中心点(x₀,y₀)处在θ方向的二阶导数为：

f″_θ(x₀,y₀)＝6(k₇sin³θ+k₈sin²θcosθ+k₉sinθcos²θ+k₁₀cos³θ)ρ+2(k₄sin²θ+k₅sinθcosθ+k₆cos²θ)

令二阶导数f″_θ(x₀,y₀)＝0，求解出ρ，得到边缘点的亚像素坐标位置为(x₀+ρcosθ,y₀+ρsinθ)。以此方式求出圆形斑点的边缘亚像素。

S6、亚像素中心定位。

圆形斑点图像近似平面椭圆形状，本发明利用提取出的边缘亚像素进行椭圆拟合，通过最小二乘拟合求得椭圆方程的系数，根据得到的方程系数计算出圆形斑点中心位置。

平面椭圆的一般方程为：

x²+2Bxy+Cy²+2Dx+2Ey+F＝0

最小二乘拟合求得椭圆方程的五个参数B、C、D、E、F，则椭圆的中心坐标(x_c，y_c)为：

图7中圆形斑点中心的“+”表示每个圆形斑点的亚像素中心定位位置。

S7、亚像素边缘轮廓筛选。

圆形斑点图像中有些斑点会因为成像质量或者采集角度原因发生了严重变形或者缺失，直接拟合得到的椭圆会存在很大误差，因此需要对拟合的轮廓做进一步筛选。本发明设定椭圆拟合误差阈值，保留拟合误差小于误差阈值的圆心；同时设定椭圆的长轴与短轴比值范围，保留长轴与短轴比值在设定比值范围内的圆心。

S8、坐标转换。

步骤S7计算得到的斑点圆心坐标是经过图像降采样后的坐标，需要进一步转换到原始图像当中，转换公式如下：

X＝x_c/α

Y＝y_c/α

其中(x_c,y_c)是图像降采样后的斑点圆心坐标，(X,Y)是原始图像中斑点圆心坐标，α是降采样系数。图7中圆形斑点中心的“+”表示原图像中提取出的斑点圆心位置。

本发明通过对图像下采样减小了图像大小，有效提升了圆心坐标提取计算的速度，利用边缘整像素提取和边缘亚像素提取方法计算出准确的斑点轮廓，同时利用圆形斑点特征进行轮廓筛选，提高了圆形斑点圆心提取的准确度，可以适用于对实时性、准确性要求较高的实时检测和识别系统中。

与上述方法实施例相对应，本发明还提出一种圆形斑点圆心快速提取系统，所述系统包括：

预处理模块：用于采集圆形斑点图像，对圆形斑点图像进行降采样处理和预处理；

轮廓提取模块：用于通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓；

亚像素提取模块：用于设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出符合斑点目标轮廓筛选规则的斑点轮廓；采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取；

圆心计算模块：用于对提取出的边缘亚像素进行椭圆拟合，计算出圆形斑点中心位置。

以上系统实施例和方法实施例是一一对应的，系统实施例简述之处请参阅方法实施例即可。

本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的方法。

本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括：U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下，可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种圆形斑点圆心快速提取方法，其特征在于，所述方法包括：

采集圆形斑点图像，对圆形斑点图像进行降采样处理和预处理；

通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓；

设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出符合斑点目标轮廓筛选规则的斑点轮廓；

采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取；

对提取出的边缘亚像素进行椭圆拟合，计算出圆形斑点中心位置。

2.根据权利要求1所述的圆形斑点圆心快速提取方法，其特征在于，所述对圆形斑点图像进行降采样处理具体包括：

根据圆形斑点图像的分辨率大小W*H和斑点所占像素大小选择采样系数α，0＜α≤1，降采样后的图像与原图像之间像素关系为：

i_s＝round(i*α)

j_s＝round(j*α)

其中I(i,j)为降采样前的像素点，I_s(i_s,j_s)为降采样后的像素点，0≤i_s＜round(H*α)，0≤j_s＜round(W*α)，round()函数是对输入参数进行取整操作。

3.根据权利要求2所述的圆形斑点圆心快速提取方法，其特征在于，所述通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓具体包括：

计算圆形斑点图像的像素梯度值，得到梯度值图像；

对梯度值图像采用OTSU方法求出Canny算子中的最大阈值，Canny算子的最小阈值设置为最大阈值的一半；

基于Canny算子的最大阈值、最小阈值提取圆形斑点图像的边缘整像素。

4.根据权利要求1所述的圆形斑点圆心快速提取方法，其特征在于，所述设定斑点目标轮廓筛选规则具体为：

①为闭合轮廓；

②轮廓大小在设定的范围之内；

③轮廓内部灰度值大于轮廓外部灰度值。

5.根据权利要求4所述的圆形斑点圆心快速提取方法，其特征在于，内部灰度值I_in和外部灰度值I_out计算如下：

I_in＝(I_s(x₁,y_min+1)+I_s(x_max-1,y₂)+I_s(x₂,y_max-1)+I_s(x_min+1,y₁))/4

I_out＝(I_s(x₁,y_min-1)+I_s(x_max+1,y₂)+I_s(x₂,y_max+1)+I_s(x_min-1,y₁))/4

设斑点轮廓的轮廓点坐标为(x_i,y_i),i＝0,1,2…N，I_s(·)为对应坐标下的像素灰度值，N为轮廓点总数，(x_min,y₁)、(x_max,y₂)分别为每一个斑点轮廓中当x_i最小时的坐标和x_i最大时的坐标，(x₁,y_min)、(x₂,y_max)分别为当y_i最小时的坐标和y_i最大时的坐标。

6.根据权利要求1所述的圆形斑点圆心快速提取方法，其特征在于，所述采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取具体包括：

设多项式拟合的拟合模型为：

f(x,y)＝k₁+k₂x+k₃y+k₄x²+k₅xy+k₆y²+k₇x³+k₈x²y+k₉xy²+k₁₀y³

其中f(x,y)为三次多项式，(x，y)代表亚像素坐标，k_j为三次多项式系数，由拟合区域像素灰度决定，j＝1,2,…,10；

假设边缘梯度方向θ上的点表示为x＝ρcosθ，y＝ρsinθ,ρ为对应点弧长，拟合区域中心点(x₀,y₀)处θ方向的二阶导数为：

f″_θ(x₀,y₀)＝6(k₇sin³θ+k₈sin²θcosθ+k₉sinθcos²θ+k₁₀cos³θ)ρ+2(k₄sin²θ+k₅sinθcosθ+k₆cos²θ)

令二阶导数f″_θ(x₀,y₀)＝0，求解出ρ，得到边缘点的亚像素坐标位置为(x₀+ρcosθ,y₀+ρsinθ)。

7.根据权利要求6所述的圆形斑点圆心快速提取方法，其特征在于，所述对提取出的边缘亚像素进行椭圆拟合之后还包括：

设定椭圆拟合误差阈值，保留拟合误差小于误差阈值的圆心；

设定椭圆的长轴与短轴比值范围，保留长轴与短轴比值在设定比值范围内的圆心。

8.一种圆形斑点圆心快速提取系统，其特征在于，所述系统包括：

预处理模块：用于采集圆形斑点图像，对圆形斑点图像进行降采样处理和预处理；

轮廓提取模块：用于通过Canny算子对预处理后的圆形斑点图像进行边缘整像素提取，得到边缘轮廓；

亚像素提取模块：用于设定斑点目标轮廓筛选规则，从边缘轮廓中筛选出符合斑点目标轮廓筛选规则的斑点轮廓；采用多项式拟合对筛选出的斑点轮廓进行边缘亚像素提取；

圆心计算模块：用于对提取出的边缘亚像素进行椭圆拟合，计算出圆形斑点中心位置。

9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如权利要求1～7任一项所述的方法。