偵測標記圖形

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

30

的好處在於 HSV 色彩空間具有一些抗光性，能減少光照變化所產生的影響，

並且由於我們的標記圖形為彩色影像，轉換成 HSV 空間將更有利於環境中取 得彩色影像的資訊。

3. 影像二值化

為了往後步驟計算方便，將上述處理過的結果做影像二值化處理(圖 20)，

當滿足設定的門檻值，將其像素值調成白色，否則調成黑色，其門檻值為 H < 0.08 或 H > 0.8 且 S > 0.4 且 V > 0.2

H、S、V 代表 HSV 空間中的色相、飽和度和明度。

門檻值得取得方式為在各種不同角度以及各種不同光源下拍攝具有標記圖 形的影像，以人工的方式篩選出影像，並且對這些篩選出的影像做 HSV 空間 的統計分析，以 x 軸作為 H、S、V 的範圍值，最小值為 0 最大值為 1，採取 區間為 0.1，y 軸統計每個區間數值的數量，我們發現統計的分部為常態分佈，

因此，我們可以求得鐘形曲線的帄均值以及標準差，由於鐘形曲線取加減三 被的標準差機率為 99.7%，因此，我們以帄均值加減三倍標準差為門檻值(取 得標記圖形影像的機率為 99.7%)。

圖 19 包含標記圖形影像

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

31

圖 20 影像二值化

4. 過濾雜訊

實際影像上一定會有些雜訊存在，為了消除這些雜訊，我們藉由連通元件 (connected component)過濾雜訊(圖 21)，將像素屬於白色的部分使用連通元件 連接起來，計算每一個連通元件的面積大小，當該連通元件面積大小符合我 們所給定的門檻值，我們將該連通元件的位置投射至相對的原始影像，也就 是從 1600x1200 解析度的原始影像中把對應區域篩選出來，門檻值的大小將 會影響此系統追蹤範圍的大小，當門檻值範圍定義越大，將可以取得較近且 較遠的影像資訊，但相對來說，必頇要計算更多的標記圖形辨識，因此，最 好選用一定距離的可視範圍來調整門檻值大小是比較適當的。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

32

圖 21 使用 connected component 過濾雜訊

，並找出面積範圍值的影像(綠色方框部分)

5. 尋找矩形

將對應的區域篩選出來後，先對區域影像做 Canny 邊緣偵測，取得影像的 邊緣資訊後，透過輪廓偵測，將影像的輪廓萃取出來，在透過 OpenCV 近似 多邊形的方法(cvApproxPoly 函式)，找出可能是矩形的輪廓，並且判斷該輪 廓是否具有四個角點以及是否具有凸包(convex hull)的特性，兩者都滿足才被 挑選出來視為矩形的部分，將這些含有矩形部位的區域作為標記圖形的候選 人，並且進行下一個步驟的判斷。

6. 判別標記圖形

我們希望利用內插的方法取得標記圖形的內部資訊進行標記圖形辨識，透 過矩形的四個角點做內插法，可以內插出矩形邊上的資訊，在對矩形的邊做 一次內插，即可取得矩形內所有像素值的資訊，我們藉由取得中間 4x4 大小 內插出來的內部資訊(圖 22)，與我們預先存好的模板做比對(圖 23)，為了使 得所有方向都能判別，每個標記圖形的模板將有四個方向的模板，接著使用 ZNCC 來比對該矩形是否為標記圖形並且判別出標記圖形的方位。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

33

圖 22 內插矩形中所有點的資訊(紅點)