1.一种靶子环数的图像识别方法,其特征在于,包括:
获取靶盘各环区域的面积范围和靶盘的圆心坐标;
获取靶盘上弹孔的角点坐标,并通过Kmeans聚类算法,获取靶盘上弹孔的质心坐标;
计算弹孔的角点坐标与质点坐标的距离,并计算弹孔的角点坐标与靶的圆心坐标的距离,获取距离质心最远和距离圆心最近的角点;
计算距离质心最远和距离圆心最近的角点所在圆的面积,记作角点面积,并计算弹孔质心所在圆的面积,记作质心面积;当角点面积、质点面积在所在环数的面积范围内时,确定靶子环数为角点面积、质点面积所属的环数;当角点面积、质点面积不在所在环数的面积范围内时,确定靶子环数为质心面积所属的环数加1。
2.如权利要求1所述的靶子环数的图像识别方法,其特征在于,还包括:对采集的图像进行阈值分割,对靶盘的环数进行分割;其中,所述对采集的图片进行图像阈值分割,具体包括:将采集的图像转换为灰度图像;
对灰度图像,采用大津法进行阈值分割。
3.如权利要求1所述的靶子环数的图像识别方法,其特征在于,所述获取靶盘各环区域的面积范围和靶盘的圆心坐标,具体包括:采用Opencv图像处理库中函数findContours和drawContours,提取和绘制靶盘各环区域;采用Opencv图像处理库中函数contourArea(contours[i],计算靶盘各环区域的面积范围;采用Opencv图像处理库中函数minEnclosingCircle()得到靶盘的圆心坐标。
4.如权利要求1所述的靶子环数的图像识别方法,其特征在于,所述获取靶盘上弹孔的角点坐标,并通过Kmeans聚类算法,获取靶盘上弹孔的质心坐标,具体包括:对每个弹孔做最小外接圆或最小外接矩形,并通过Harris角点检测、归一化处理、图像增强处理,确定每个弹孔的区域边缘的多个角点坐标;
根据每个弹孔的多个角点坐标,通过进行Kmeans聚类算法,确定每个弹孔的质心坐标;
其中,Kmeans聚类算法中的K值为对应弹孔最小外接圆或最小外接矩形的数量。
5.如权利要求4所述的靶子环数的图像识别方法,其特征在于,所述Harris角点检测,具体包括:对角点响应函数R进行阈值处理,当R>threshold时,提取R的局部极大值。
6.如权利要求1所述的靶子环数的图像识别方法,其特征在于,所述获取靶盘上弹孔的角点坐标,并通过Kmeans聚类算法,获取靶盘上弹孔的质心坐标,具体包括:对每个弹孔做最小外接圆或最小外接矩形,并通过凸包检测,确定每个弹孔的凸包点集;
根据每个弹孔的凸包点集,通过进行Kmeans聚类算法,确定每个弹孔的质心坐标;其中,Kmeans聚类算法中的K值为对应弹孔最小外接圆或最小外接矩形的数量。