[应用文书]基于K均值算法的彩色编码条纹分色研究.docVIP

摘要：在基于彩色编码结构光的三维重建中，由于受环境等的影响，拍到的条纹的颜色值已经不完全等于投射的颜色值，但每种颜色在RGB空间还是呈现一定的聚类性。基于这个特性，提出了基于K均值聚类的条纹分色方法。通过K均值聚类算法，对拍摄到的条纹图像进行颜色聚类，拟合出每一种编码颜色的一条直线作为模板，以此来实现了彩色务纹的分色。该方法鲁棒性较强，可以准确地将颜色区分开，为基于结构光的三雏重建工作奠定了基础。 关键词：K均值算法；颜色编码；结构光；分色 引言 利用彩色编码结构光进行三维测量具有设备简单、测量精度较高、非接触测量等特性，在许多领域有着广阔的应用前景。采用彩色编码结构光进行三维重建是将一幅彩色编码结构光条纹图案投射在被测物体的表面，由于物体表面高度的变化，使得各点的彩色条纹相对参考面发生了偏移，利用三角测量公式可以求出物体表面的三维坐标。测量过程只需一幅图像即可完成，所以特别适合对动态物体进行测量 “J”。在基于颜色编码结构光的三维重建中，进行颜色解码之前首要确定每个要处理像素点的颜色值，即用投射颜色的某一个编码值赋值给该像素点，之后对拍摄的颜色条纹图像进行解码，求出各点三维坐标进而进行三维重建。但是实验结果显示，由于受到环境以及颜色干扰等的影响，拍摄到的条纹图案的颜色值已经不完全等于投射的颜色值，所以对其进行分色，确定其属于哪种投射的颜色是非常重要的工作。文献[5]提出HIS阈值分色方法，该方法首先将RGB格式转换为HIS格式，然后通过设定固定的阈值对条纹图像进行分色。由于需要设定阈值，对不同的环境下拍摄的图像需要设定不同的阈值才能有理想的分色效果。文献[6]提出自适应阈值二值化分色方法，该方法令RGB分量中的最小分量为0，另外两个分量以其相对差作为阈值来判定它们的取值。虽然拍摄到的彩色条纹的颜色值发生了某些变化，条纹的颜色值在RGB空间还是呈现一定的聚类性(如图1)，基于这个特性，本文提出了基于K均值聚类算法的颜色分类方法。通过该方法，利用K均值算法，对要处理条纹图像的每个像素点颜色值c 进行聚类，拟合出每一种投射颜色的一条直线作为模板；然后对每一个像素点，计算其颜色值 到每一条拟合颜色直线的距离，取最小距离，将最小距离对应的直线的颜色编码值赋给该像素点，以此来实现了彩色条纹的分色。通过该方法，可以准确地将红、绿、蓝、青、品、黄几种颜色区分开来。 图1 1 颜色分色原理 所谓颜色分色，就是采用某种方法将包含丰富颜色的图像分色到仅含少量颜色的分色图中。实际上，分色的目标就是找到一个合理的颜色集合，该集合中的颜色能够代表原图中的某一种或多种颜色，使得原图中的各种颜色可以按色差距离归并到颜色集中的某种颜色，于是原图的颜色数量就能够大大减少。分色中的一优化目标是使分色图和原图的误差尽可能的少，于是分色的过程实际上就是对颜进行聚类分析的过程 。在基于颜色编码结构光的三维测量中，以6种纯色(红色、绿色、蓝色、青色、品红、黄色)作为编码条纹的基本颜色，即原始编码图案中彩色条纹的R、G、B分量为0或者255，并且最多只有两个分量会同时为255。通过计算机编程产生彩色编码条纹图案，然后将编码条纹图案投射到物体表面。拍摄到变形条纹图案后，与编码条纹图案进行匹配解码，然后利用三角测量原理计算三维坐标。但是由于环境等的影响，摄像机拍摄的彩色条纹图像，各个像素点的颜色不再是纯色，即R、G、B分量不再是0和255两个值，而是在0和255之间的任意值。即拍摄的变形条纹已经不完全是编码条纹图案中用到的6种颜色了，所以要进行分色处理，将拍摄到的变形彩色条纹映射到投射的编码条纹图用到的6种颜色。基于变形条纹颜色值在RGB空间的聚类性，提出了基于K均直线拟合的颜色分类算法。 2 K均值算法进行颜色分类 虽然拍摄到的彩色条纹的颜色值发生了某些变化，其颜色值在RGB空间还是呈现一定的聚类性，基于这个特性，本文提出了基于K均值聚类算法的颜色分类方法。通过K均值算法，对要处理条纹图像的每个像素点颜色值 (r，g，b)进行聚类，拟合出每一种投射颜色的一条直线作为模板；然后对每一个像素点，计算其颜色值c (r，g，b)到每一条拟合颜色直线的距离，取最小距离，将最小距离对应的直线的颜色值赋给该像素点，以此来实现了彩色条纹的分色。 2．1 K均值直线拟合 为了确定拍摄的条纹的颜色值，首先在RGB颜色空间通聚类来拟合直线 ，每一条直线对应一种颜色编码值C(属于r，g，6，c，m，Y)。然后对每一个像素点颜色值c ，计算c 到每一条直线的距离d(Ci，Lc)，取最小距离，将最小距离对应的直线的颜色编码值赋给该像素点。本文采用K均值聚类算法 来进行颜色直线的拟合。K均值聚类直线拟合算法描述如下。 1)初始化。初始化6条颜色直线。 2)反复迭代。直到每一条颜色直线不再变化。 计算每