本發(fā)明涉及視覺測量技術(shù)領(lǐng)域，尤其涉及一種基于視覺的手機(jī)尺寸的測量方法及系統(tǒng)。

背景技術(shù)：

在工業(yè)4.0智能化自動化生產(chǎn)中，智能生產(chǎn)是核心，涉及到零件在加工過程中各種各樣的檢查、測量等領(lǐng)域。智能生產(chǎn)通常是連續(xù)大批量生產(chǎn)，對零件尺寸的測量精度和測量速度要求很高。

現(xiàn)有技術(shù)中，對手機(jī)(圓角矩形)的尺寸測量，主要是利用最小外接矩形的方法，轉(zhuǎn)化求得矩形的四個頂點坐標(biāo)，進(jìn)而求得手機(jī)尺寸。

本申請發(fā)明人在實現(xiàn)本發(fā)明的技術(shù)方案時，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：

現(xiàn)有技術(shù)中一般通過最小外接矩形的方法來測量手機(jī)尺寸，但是通過最小外接矩形的方法往往測量精度不夠。

可見，現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題，因此如何提高手機(jī)尺寸測量方法的精度是重要研究課題。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種基于視覺的手機(jī)尺寸的測量方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題。

本發(fā)明公開了一種基于視覺的手機(jī)尺寸的測量方法，所述方法包括：

采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；

采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；

采用選擇性迭代的方法確定所述四條直線的內(nèi)點；

根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；

獲取所述四個頂點的坐標(biāo)；

基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。

可選地，所述采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，包括：

獲取所述被測手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對所述高斯模糊后的圖像通過canny算子進(jìn)行邊緣檢測，獲得所述被測手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對所述第一輪廓邊緣重新定位，獲得所述被測手機(jī)的輪廓邊緣。

可選地，所述對所述高斯模糊后的圖像進(jìn)行邊緣檢測，獲得所述被測手機(jī)的第一輪廓邊緣，包括：

采用sobel水平算子和sobel垂直算子分別對所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

可選地，所述根據(jù)所述灰度圖像，獲得高斯模糊后的圖像，包括：

采用二維高斯核對所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像。

可選地，所述采用選擇性迭代的方法確定所述四條直線的內(nèi)點，包括：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點作為迭代點集，其中，

t＝d*tan(1/2),d為所拍圖像對角線的像素距離；

在所述迭代點集中，選取兩點確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對應(yīng)于圖像原點到第二直線的垂線像素距離，θ1對應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點為所述第二直線的內(nèi)點，并統(tǒng)計內(nèi)點個數(shù)；否則重新選取兩點確定第三直線；

選取內(nèi)點數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測手機(jī)的直線，確定所述直線的內(nèi)點。

基于同樣的發(fā)明構(gòu)思，本發(fā)明第二方面提供了一種基于視覺的手機(jī)尺寸的測量系統(tǒng)，所述系統(tǒng)包括：

第一獲取模塊，用于采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；

第二獲取模塊，用于采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；

確定模塊，用于采用選擇性迭代的方法確定所述四條直線的內(nèi)點；

第三獲取模塊，用于根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；

第四獲取模塊，用于獲取所述四個頂點的坐標(biāo)；

獲得模塊，用于基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。

可選地，所述第一獲取模塊還用于：

獲取所述被測手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對所述高斯模糊后的圖像通過canny算子進(jìn)行邊緣檢測，獲得所述被測手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對所述第一輪廓邊緣重新定位，獲得所述被測手機(jī)的輪廓邊緣。

可選地，所述第一獲取模塊還用于：

采用sobel水平算子和sobel垂直算子分別對所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

可選地，采用二維高斯核對所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像。

可選地，所述確定模塊還用于：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點作為迭代點集，其中，

t＝d*tan(1/2),d為所拍圖像對角線的像素距離；

在所述迭代點集中，選取兩點確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對應(yīng)于圖像原點到第二直線的垂線像素距離，θ1對應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點為所述第二直線的內(nèi)點，并統(tǒng)計內(nèi)點個數(shù)；否則重新選取兩點確定第三直線；

選取內(nèi)點數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測手機(jī)的直線，確定所述直線的內(nèi)點。

本發(fā)明實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

本申請實施例提供的一種基于視覺的手機(jī)尺寸的測量方法，采用邊緣聚焦方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；并采用選擇性迭代的方法確定所述四條直線的內(nèi)點；然后根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；通過獲取所述四個頂點的坐標(biāo)；并基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。由于本申請采用邊緣聚焦方法獲取被測手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例中的基于視覺的手機(jī)尺寸的測量方法的流程圖；

圖2為本發(fā)明實施例中提供的基于視覺的手機(jī)尺寸的測量系統(tǒng)的邏輯結(jié)構(gòu)圖；

圖3為本發(fā)明實施例中提供的方法中獲得細(xì)化的第一邊緣圖的原理圖；

圖4為本發(fā)明實施例中提供的方法中采用霍夫直線檢測方法提取直線的相關(guān)參數(shù)的幾何解釋圖；

圖5為圖4中不同方向的直線的θ值；

圖6為圖4中不同方向直線的ρ值；

圖7為本發(fā)明實施例中提供的基于視覺的手機(jī)尺寸方法獲取的手機(jī)輪廓圖。

具體實施方式

本發(fā)明實施例提供一種手機(jī)尺寸的測量方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題。

本申請實施例中的技術(shù)方案，總體思路如下：

一種基于視覺的手機(jī)尺寸的測量方法，所述方法包括：采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；并采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；然后采用選擇性迭代的方法確定所述四條直線的內(nèi)點；再根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中，所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；獲取所述四個頂點的坐標(biāo)；最后基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。

上述方法中，由于canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題。

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

實施例一

本實施例提供了一種基于視覺的手機(jī)尺寸的測量方法，請參見圖1，所述方法包括：

步驟s101：采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；

步驟s102：采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；

步驟s103：采用選擇性迭代的方法確定所述四條直線的內(nèi)點；

步驟s104：根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；

步驟s105：獲取所述四個頂點的坐標(biāo)；

步驟s106：基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。

上述方法中，由于canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題。

下面，結(jié)合圖1對本申請?zhí)峁┑幕谝曈X的手機(jī)尺寸的測量方法進(jìn)行詳細(xì)介紹：

首先，執(zhí)行步驟s101，采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點。

具體地，上述采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，具體包括：

獲取所述被測手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對所述高斯模糊后的圖像通過canny算子進(jìn)行邊緣檢測，獲得所述被測手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對所述第一輪廓邊緣重新定位，獲得所述被測手機(jī)的輪廓邊緣。

在具體的實現(xiàn)過程中，獲取所述被測手機(jī)的灰度圖像，可以通過對采集的圖像進(jìn)行圖像灰度化來實現(xiàn)，具體的方法為：gray＝r*0.299+g*0.587+b*0.114，式中r、g、b為彩色圖像的紅綠藍(lán)三通道，數(shù)值分別為0-255，gray則為得到的灰度圖像。

更為具體地，所述根據(jù)所述灰度圖像，獲得高斯模糊后的圖像，包括：

采用二維高斯核對所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像，舉例來說可以采用初始寬度σ＝σ0和尺寸為(2σ+1)×(2σ+1)的二維高斯核對灰度圖像進(jìn)行卷積。

具體地，所述對所述高斯模糊后的圖像進(jìn)行邊緣檢測，獲得所述被測手機(jī)的第一輪廓邊緣，包括：

采用sobel水平算子和sobel垂直算子分別對所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

具體來說，利用sobel水平算子和sobel垂直算子分別對高斯模糊后的圖像進(jìn)行卷積，可以得到圖像在x方向上和y方向上的梯度分量，即第一梯度分量和第二梯度分量。然后可以通過計算對應(yīng)位置第一梯度分量和第二梯度分量的算術(shù)平方根，得到梯度圖像，再通過計算對應(yīng)位置第一梯度分量和第二梯度分量商的反正切得到梯度方向。下一步就是通過非最大抑制細(xì)化邊緣，具體實施步驟如圖3所示，圖3中的四個圖表示非最大抑制的原理圖，o表示中心位置點，斜的直線表示梯度方向，gx和gy分別對應(yīng)x第一梯度分量和y的第二梯度分量，左上角的圖對應(yīng)于gy的絕對值大于gx的絕對值且gx與gy方向相同的情況，a1,a2,a3,a4為待差值的四個梯度點，d1和d2是根據(jù)權(quán)重分別通過a1和a2，a3和a4計算得到的差值梯度，權(quán)重為gx和gy的絕對商值，然后用處于中心位置o處的梯度值與沿著梯度方向的兩個梯度差值d1和d2進(jìn)行比較，若比它們都大則將中心點的梯度值置為1，否知置為0，遍歷整個梯度圖得到非極大抑制后細(xì)化的邊緣圖，即第一邊緣圖。然后對得到的第一邊緣圖進(jìn)行雙閾值處理，具體來說可以通過以下步驟實現(xiàn)：首先設(shè)定高低閾值，高閾值設(shè)定標(biāo)準(zhǔn)為：用高閾值處理后，對保留的邊緣點不超過圖像的20％。低閾值設(shè)置為0。用高閾值處理圖像，得到的邊緣為強(qiáng)邊緣，用低閾值處理圖像，得到的邊緣去除包含在強(qiáng)邊緣中的點，剩下的即為弱邊緣。采用8連通性的連接方法將弱邊緣連接到強(qiáng)邊緣，即為canny算子得出的邊緣圖，即第二邊緣圖。

具體地，采用邊緣聚焦方法對所述第一輪廓邊緣重新定位，獲得所述被測手機(jī)的輪廓邊緣。

在具體的實現(xiàn)過程中，可以將初始σ減小0.5，然后重復(fù)執(zhí)行灰度圖像卷積，得到高斯模糊后的圖像、并糊后的圖像運用改進(jìn)的canny算子進(jìn)行邊緣檢測步驟，需要注意的是，在用canny算子邊緣檢測時，只需對所述第一邊緣圖進(jìn)行雙閾值處理后獲得第二邊緣圖的邊緣區(qū)域進(jìn)行重新定位邊緣，在σ每次迭代減小的情況下，重新檢測的新邊緣與舊邊緣會產(chǎn)生不超過一個像素的偏移且會在產(chǎn)生額外的邊緣，對新舊邊緣采用8連通方法，符合條件的新邊緣將取代舊邊緣保留，不符合條件的新邊緣以及全部的舊邊緣均舍棄。

然后執(zhí)行步驟s102：采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；

在具體的實現(xiàn)過程中，直線的法線方程為：xcosθ+ysinθ＝ρ，圖4表示了參數(shù)ρ和θ的幾何解釋，ρ對應(yīng)于正的x軸截距，θ對應(yīng)直線的垂線與x軸正方向夾角。圖5表示了不同方向的直線的θ值，圖6表示了不同方向直線的ρ值。將ρθ參數(shù)空間劃分為累加單元，設(shè)定參數(shù)范圍：-90°≤θ≤90°，-d≤ρ≤d，d為圖像中對角之間的最大距離。

從所述邊緣點中獲取四條直線具體可以通過以下步驟實現(xiàn)：

1)將這些累加單元的初始值設(shè)為0。

2)對于xy平面上每個非背景點令θ等于θ軸上每個允許的細(xì)分值，同時使用直線的法線方程解出對應(yīng)的ρ，經(jīng)四舍五入后，得到沿ρ軸最接近的允許單元值，則對應(yīng)的ρθ細(xì)分單元將增加1。

3)重復(fù)步驟2)直到所有的背景點均計算完畢。

4)依次定位累加單元中最大值，標(biāo)記其ρθ值，并將其周圍的累加單元置零。

5)重復(fù)步驟4)，直到找到累加單元中4個最大值對應(yīng)的ρθ值，即為手機(jī)輪廓所在四條直線的初始參數(shù)值。

為了方便區(qū)分四條直線，請參見圖7，l1、l2、l3和l4表示手機(jī)輪廓所在的四條直線，不管手機(jī)在水平方向上怎樣旋轉(zhuǎn)放置，手機(jī)輪廓所在的四條邊均可以按指定的方法歸類標(biāo)號，方便后續(xù)程序調(diào)用處理。舉例來說，具體歸類方法為：四條邊線中，靠近圖像原點且斜率為正的為l1邊，然后順時針旋轉(zhuǎn)，依次為l2邊、l3邊和l4邊。判別方法如下：手機(jī)輪廓所在的四條邊對應(yīng)四對ρ和θ，其中ρ3>ρ1且θ1、θ3≥0，ρ2>ρ4且θ2、θ2<0。當(dāng)θ≥0時，較小的ρ對應(yīng)的即為l1邊；當(dāng)θ<0時，較大的ρ對應(yīng)的即為l2邊；當(dāng)θ≥0時，較大的ρ對應(yīng)的即為l3邊；當(dāng)θ<0時，較小的ρ對應(yīng)的即為l4邊。

接下來執(zhí)行步驟s103：采用選擇性迭代的方法確定所述四條直線的內(nèi)點；

具體地，所述采用選擇性迭代的方法確定所述四條直線的內(nèi)點，包括：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點作為迭代點集，其中，t＝d*tan(1/2),d為所拍圖像對角線的像素距離；

在所述迭代點集中，選取兩點確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對應(yīng)于圖像原點到第二直線的垂線像素距離，θ1對應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點為所述第二直線的內(nèi)點，并統(tǒng)計內(nèi)點個數(shù)；否則重新選取兩點確定第三直線；

選取內(nèi)點數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測手機(jī)的直線，確定所述直線的內(nèi)點。

再執(zhí)行步驟s104：根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；

然后執(zhí)行步驟s105：獲取所述四個頂點的坐標(biāo)；

最后執(zhí)行步驟s106：基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。

具體地，可以根據(jù)相機(jī)標(biāo)定數(shù)據(jù)的坐標(biāo)尺寸換算即可得到手機(jī)輪廓實際尺寸，從而實現(xiàn)基于視覺的手機(jī)尺寸的測量方法。

實施例二

基于與實施例一同樣的發(fā)明構(gòu)思，本發(fā)明實施例二提供了一種基于視覺的手機(jī)尺寸的測量系統(tǒng)，所述系統(tǒng)包括：

第一獲取模塊，用于采用canny算子結(jié)合邊緣聚焦的方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；

第二獲取模塊，用于采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；

確定模塊，用于采用選擇性迭代的方法確定所述四條直線的內(nèi)點；

第三獲取模塊，用于根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；

第四獲取模塊，用于獲取所述四個頂點的坐標(biāo)；

獲得模塊，用于基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。

在上述系統(tǒng)中，所述第一獲取模塊還用于：

獲取所述被測手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對所述高斯模糊后的圖像通過canny算子進(jìn)行邊緣檢測，獲得所述被測手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對所述第一輪廓邊緣重新定位，獲得所述被測手機(jī)的輪廓邊緣。

在上述系統(tǒng)中，所述第一獲取模塊還用于：

采用sobel水平算子和sobel垂直算子分別對所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。

在上述系統(tǒng)中，采用二維高斯核對所述灰度圖像進(jìn)行卷積，獲得高斯模糊后的圖像。

在上述系統(tǒng)中，所述確定模塊還用于：

獲取所述四條直線中的第一直線的第一參數(shù)ρ0和第二參數(shù)θ0，其中，ρ0為圖像原點到所述第一直線的垂線像素距離，θ0為所述第一直線的垂線與圖像x軸正方向的夾角；

將所述第一直線附近距離為t的所有非背景點作為迭代點集，其中，t＝d*tan(1/2),d為所拍圖像對角線的像素距離；

在所述迭代點集中，選取兩點確定第二直線，獲得所述第二直線的第三參數(shù)ρ1和第四參數(shù)θ1，其中，ρ1和θ1為直線法線參數(shù)方程的變量，ρ1對應(yīng)于圖像原點到第二直線的垂線像素距離，θ1對應(yīng)于第二直線的垂線與圖像x軸正方向的夾角；

判斷ρ1-ρ0和θ2-θ0是否都在預(yù)設(shè)的范圍內(nèi)；

如果在，則確定所述距離t內(nèi)的點為所述第二直線的內(nèi)點，并統(tǒng)計內(nèi)點個數(shù)；否則重新選取兩點確定第三直線；

選取內(nèi)點數(shù)最多的線為目標(biāo)直線，以所述目標(biāo)直線為所述被測手機(jī)的直線，確定所述直線的內(nèi)點。

實施例一中的基于視覺的手機(jī)尺寸的測量方法的各種變化方式和具體實例同樣適用于本實施例的基于視覺的手機(jī)尺寸的測量系統(tǒng)，通過前述對基于視覺的手機(jī)尺寸的測量方法的詳細(xì)描述，本領(lǐng)域技術(shù)人員可以清楚的知道本實施例中的基于視覺的手機(jī)尺寸的測量系統(tǒng)，所以為了說明書的簡潔，在此不再詳述。

本申請實施例提供的一種基于視覺的手機(jī)尺寸的測量方法，采用邊緣聚焦方法獲取被測手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個邊緣點；采用霍夫直線檢測方法從所述邊緣點中獲取四條直線；并采用選擇性迭代的方法確定所述四條直線的內(nèi)點；然后根據(jù)所述內(nèi)點，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個交點構(gòu)成為所述被測手機(jī)的四個頂點；通過獲取所述四個頂點的坐標(biāo)；并基于所述坐標(biāo)，獲得所述被測手機(jī)的實際尺寸。由于本申請采用邊緣聚焦方法獲取被測手機(jī)的輪廓邊緣，可以獲得較高定位精度，并具有較佳的噪聲抑制效果，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來測量手機(jī)尺寸的方法，存在精度不高的技術(shù)問題。

盡管已描述了本發(fā)明的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明實施例進(jìn)行各種改動和變型而不脫離本發(fā)明實施例的精神和范圍。這樣，倘若本發(fā)明實施例的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。