基于图像处理的靶图识别技术研究

摘 要：本文基于图像处理技术结合实际靶图研究了图像预处理、弹孔提取、环值计算的具体过程，研究了图像灰度化、图像滤波、图像阈值选择、图像二值化及图像细化等技术的具体应用及应用效果。

关键词：图像滤波；阈值选择；图像细化

中图分类号：TP391.41

自动报靶是随着现代科学技术的巨大进步而发展起来的新型报靶技术。该技术的使用在节省人力、提高效率的同时，能最大限度地提高射击报靶的准确度，很好地满足射击训练中实弹射击的要求，还可以对射击者的成绩进行分析、统计和管理，更有利于射击水平的提高。然而国内大多数射击比赛中，仍采用传统的人工报靶方式，影响了观赏性和高效性。引进国外单台自动报靶设备的成本高，一个训练体系同时需要几十台设备，要进行现代化训练场地改造，费用很高，制约了我国射击水平的科学和迅速的提高。基于此，本文以10米气手枪的靶图为例阐述靶面目标图像识别技术研究。

1 靶面图像预处理

图像预处理是自动报靶研究的一个重要内容。准确计算靶纸上靶环值，必须将图像采集系统采集的射击后数字靶图进行预处理，目的是为了改善图像质量而进行的各种图像滤波和恢复、二值化等所作的标准化处理环节，图像识别处理则是为了得到数字图像中靶环值，图像预处理直接影响图像识别的准确度。本文预处理过程主要包括图像灰度化和图像滤波。

1.1 图像灰度化

图像采集系统采集的是24位真彩色位图，真彩色图像相对于灰度图包含的信息量大，影响图像处理速度。目前，在图像处理技术方面（医学影像等方面）经常会见到将真彩色图转换为灰度位图来处理的实例，这样既节省了存储空间也提高了处理速度，有效缓解了图像处理速度方面的压力，同时又具有足够的精确度。可以利用RGB空间到灰度空间的转换公式得到靶纸的灰度图像，公式（1）是根据NTSC（美国国际电视制式委员会）电视制式推得的。公式（2）是采用PAL（相位逐行交变）电视制式。

f（x，y）=0.299R（x，y）+0.587G（x，y）+0.114B（x，y） （1）

f（x，y）=0.222R（x，y）+0.707G（x，y）+0.071B（x，y） （2）

f（x，y）是像素（x，y）的灰度值，R、G、B分别是像素（x，y）的红、绿、蓝颜色分量对应的彩色信息值，根据公式可以看出，得到灰度图是以牺牲色调和色饱和度为代价的，这也正是课题所需要的。本研究采用PAL电视制式，图1是靶图像原图，图2是灰度图。

1.2 图像滤波

靶图像信息在形成、传输、接收和处理过程中有可能受到各种噪声（外部噪声和内部噪声）的干扰和影响，要对图像采用滤波技术进行滤波，经研究分析采用中值滤波方法。中值滤波是一种非线性处理技术，可以克服线性滤波器所带来的细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效。中值滤波的目的是在保护图像边缘的同时去除噪声。灰度化后的靶图像是二维序列图，所以采用二维滤波窗口。图3是人为加噪声的靶图，图4是滤波效果图。

图1 24位彩色图

图2 灰度图

图3 含噪声的靶图

图4 滤波效果图

2 弹孔提取

2.1 图像差影。弹点的提取是自动报靶的核心部分，在目前的研究中，经常使用图像分割技术将弹点从背景中分离出来，即对靶图像进行检测和分割。这是自动报靶系统中对靶图像处理的关键技术，也是正确识别和判定弹点环值的前提。通过分析图像中对象物和背景的灰度分布规律来确定如何提取对象，常用方法是应用图像阈值选择和二值化技术来对图像进行分割。由于是静态靶图，经过研究论证采用“差影”技术，清除了弹点以外的所有灰度变化，然后再进行阈值选择和图像二值化处理。图像差影的计算见公式3。

gc（x，y）=|ga（x，y）-gb（x，y）| （3）

2.2 阈值选择与图像二值化。对靶图像进行二值化，必须合理地选择阈值，采用哪种方法进行阈值选择是对灰度靶图像进行二值化的关键。阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定成为图像分割中最基本和应用最广泛的分割技术。设原始图像f（x，y），其中Z为阈值，是图像f（x，y）灰度级范围内的任一灰度级集合，ZA和ZB为任意选定的目标和背景灰度级，阈值分割图像的基本原理，可用公式4表示。常见的阈值选取方法有：双峰直方图、最佳阈值、类间方差阈值等。

（4）

经过反复计算、测试、对比，采用最大类间方差阈值法对差影后的图像进行二值化。最大类间方差法对于图像有无明显的双峰没有要求，所以不论图像的灰度直方图有无明显的双峰，都能得到较满意的阈值结果。二值化后的图像，只有黑色和白色。由于采用差影取弹孔，所以弹孔是白色的，背景是黑色的，可以对其反相，得到黑色的弹孔，白色的背景。接着还要对二值化反相后图像进行形态学滤波，以消除二值化后图像的噪声，先使用开运算，再使用闭运算，注意要选择合适的模板。至此，弹孔就从原始图像中完全分离出来了。

图5 差影二值化效果图 图6 形态学滤波效果图

图7 二值化靶图 图8 细化效果图

3 靶心和环线识别

要计算环值还必须识别出靶心，也就是一组同心圆（靶环线）的圆心。圆心的识别过程是，先对灰度化靶图像进行中值滤波，接着对图像进行二值化，然后对图像进行细化，以产生单像素宽度的连通靶环线。二值化效果图见图7，细化效果图见图8。采用“最小二乘圆法”对靶心进行检测，见公式5和公式6（a，b）是圆心，r1是外圆半径，同样的方法可以识别出所有靶环线半径。

（5）

（6）

4 环值计算

识别出弹孔位置、靶心坐标和环线半径，即可计算环值。国家体委的射击竞赛规则规定，只要命中记分环的弹孔都计算成绩。计算环值时如果按照弹孔离靶心最近的距离为准，反映在图像上就是弹孔上的像素点与靶心最近的值。设弹孔上的像素点与靶心最近的距离为L，依次判断是否小于等于r1、r2、r3、r4、r5、r6、r7、r8、r9、r10，先确定整环值A，然后计算小数点，满环为10.9，i为环数，Δr为1至9环的环间距。环值的计算见公式7。

（7）

本研究实现了靶图像的预处理、靶心识别、环线识别和环值计算的功能，在实验过程中，采用的10米气手枪固定靶图像来验证各图像处理模块的功能。获取试验数据，设备与靶纸基本垂直，光线要求均匀。

参考文献：

[1]李旭.一种改进的中值滤波算法[J].中国体视学与图像分析，2013（01）：7-11.

[2]牟少敏.一种改进的快速并行细化算法[J].微电子学与计算机，2013（01）：53-55.

[3]项立领.图像去噪的混合滤波方法研究[J].吉林大学学报（信息科学版），2013（03）：266-271.

[4]皮志明.结合深度信息的图像分割算法研究[D].中国科学技术大学，2013：8.

[5]陆祥翠.靶面目标图像识别技术的研究[D].徐州：中国矿业大学，2009（67）.

作者简介：陆祥翠（1976-），江苏徐州人，硕士，研究方向：数字图像处理。

作者单位：江苏建筑职业技术学院 信息传媒与艺术学院，江苏徐州 221116