近年来，在视频图像处理技术发展的大背景下，基于计算机视觉的自动报靶系统因快速、精确、安全、低成本等优点被广泛应用研究[1-3]。但大多停留在整体系统方案设计和弹孔检测识别关键技术研究，具体到系统的其他方面，还经不起实际打靶视频的考验。环值判定是自动报靶系统的最终环节，实现上靶弹孔环值的准确判定，是系统有效性和准确性的集中体现。因此，对于自动报靶系统的环值判定部分进行研究具有重要应用价值和实际意义。
基于计算机视觉的自动报靶研究在弹孔环值判定部分所采用的方法基本建立在靶面几何校正[4]工作的基础上，采用欧式距离判定法[5]进行弹孔环值的判定，该方法原理简单，理想情况下可以精确实现弹孔的环值判定。实际靶场环境下，无论是成像设备和靶面的相对空间位置关系还是镜头的自身原因，采集的靶纸图像必然存在一定程度的畸变，因此，该方法实际应用过程中需要建立在靶面几何校正的基础上，通过将环线校正为标准的圆形以进行圆心和半径的检测以及弹孔环值的判定,因此该方法的时效性和判靶的准确性较差，难以应用于工程实际。灰度值跃变法[6]可以省略靶面图像的畸变校正工作，相比欧式距离判定法，在简化程序的同时，提高了弹孔环值判定的准确性，但该方法需要获取准确的靶面有效区域，在此基础上对无效弹孔进行甄别去除，同时，在弹孔坐标位置选择[5]上该方法具有局限性，仅适用“最内测点”方法。在“弹心”方法下，即选取弹孔质心[7]作为弹孔位置坐标，当弹孔与环线相切或弹孔落在环区部分面积较大时，无法实现准确的环值判定。区域标记法[8]不仅解决了欧式距离判定法中繁琐的靶面畸变校正工作，更进一步克服了灰度值跃变法中弹孔坐标位置选择方面的局限性。但同时，该方法对胸环靶各区域、环线的完整性和独立性要求较高。在目前的相关研究中，基本建立在靶面的颜色特性甚至人工参与的基础上，通过区域生长等方法实现区域的标记，在光照存在变化、靶纸存在抖动的实际靶场环境下，无法保证系统判靶的准确性以及智能化的实现。
本文在弹孔有效识别分割的基础上对其环值判定方法展开研究。在靶面区域分割部分提出基于灰度值统计特性的阈值分割方法，解决靶场实际环境下，环线难以完整提取，靶面难以有效分割的问题。在靶面区域标记部分，提出区域二次标记方法，精确实现靶面有效区域的环值标记。在弹孔坐标确定部分,提出一种基于弹孔边界的距离判定方法，快速定位弹孔代表位置。实验证明，本文提出的基于区域标记的弹孔环值判定方法精确有效，且具有良好的时效性和鲁棒性。
1 靶面区域分割
靶面区域分割是区域有效标记的基础，也是环值判定准确性的保障。传统胸环靶由靶面有效区域和无效区域组成，图1、图2均为靶场实际环境下的胸环靶图，可以看到，靶面有效区域分为墨绿色环区和白色环线两部分。其中，本文将环区白色数字划归墨绿色环区部分，10环区域及墨绿色数字划归白色环线部分。无效区域为有效区域以外的白色靶面。
胸环靶的颜色特性较为单一，灰度直方图基本如图3、图4所示，灰度值分布呈现明显的“双峰”特性，墨绿色靶纸区域主要集中在直方图的低灰度值部分，白色靶纸区域主要集中在高灰度值部分。理想情况下，不同颜色区域的灰度值存在明显的界限，采用全局阈值处理的方式，通过Otsu方法[9]计算阈值，即可有效分割墨绿色靶面和白色靶面。
图1 胸环靶1 图2 胸环靶2
图3 灰度直方图1
图4 灰度直方图2
图5、图6分别为图1、图2基于Otsu方法的阈值分割结果，可以看出：图1的环区和环线区域可以被有效的分割，图2的环线缺失明显，无法实现环区和环线区域的有效分割。因此，在复杂的靶场环境下，受光照变化和靶纸抖动等因素的影响，胸环靶图像不同区域的颜色特性往往会发生微弱变化， 单纯的依靠波谷中心位置的阈值选取无法满足复杂环境下的靶面区域分割。
图5 阈值分割1 图6 阈值分割2
本文基于胸环靶灰度图统计特性，改变阈值的确定方法，提出基于灰度值统计特性的阈值分割方法，选取墨绿色靶面灰度值的代表值作为阈值，最大限度的抑制墨绿色区域的干扰而突出白色环线。为实现阈值的自动确定，本文采用墨绿色靶面灰度值统计分析的方式进行阈值准确获取，首先通过掩模方式获取具有代表性的墨绿色靶面部分区域，将其不同灰度值的像素数进行顺序排序，然后以最大像素数为起始，逆序依次取大于该像素数的灰度值的像素数并求和，直至像素数和占全部像素数的97%，结果如图7所示，将对应的灰度值集范围的最大值作为二值化阈值T。
f(x,y)为靶纸图像灰度图，阈值处理后的二值图像g(x,y)定义为：
(1)
如图8所示，胸环靶的环线实现全部有效的提取，完全能够实现复杂靶场环境下环区和环线的有效分割。
图7 灰度值曲线图
图8 本文阈值分割结果
2 靶面区域标记
靶面区域标记在靶面区域分割的基础上，对靶面有效区域进行连通区域标记[10]，包括环区标记和环线标记两部分。本文基于对靶面区域特性的分析，提出区域二次标记方法，准确对靶面区域进行环值标记。
2.1 靶面环区标记
环区部分包括黑色靶环区域和白色数字区域(见图5)，其中白色数字部分的面积或像素数与黑色靶环区域存在明显的差异，因此，本文在二值图像领域以连通区域面积大小为参考标准，对黑色环区中的白色数字进行有效去除，获得胸环靶环区如图9所示。在环区图中，每一个连通区域都是一个环区，代表着各自的含义，因此本文首先将连通区域进行初次标记，从而更好的获取其面积、轮廓、质心等几何信息，标记结果如图10所示，其中颜色不同表示标记值不同。
实际靶场环境下，图像采集设备获取的靶面图像存在一定程度的畸变，但各环值区域的相对位置关系和面积大小基本保持稳定。因此，本文从靶面各环区面积差异的角度出发，采用具有仿射不变性特征的区域像素数作为环区识别、标记的标准。依据像素数的数量对各个环区进行对应环值的二次标记，结果如图11所示，其中，不同的颜色代表不同的环区标记值，且标记值从5开始递增并和靶面区域代表的环值相匹配。
图9 环区二值图 图10 环区初标记
图11 环区二次标记
2.2 靶面环线标记
靶面环线区域的获取相对复杂，如图5所示，6环、7环的环线区域和胸环靶无效区域相连通，无法直接获取其环线的准确闭合区域。本文采用形态学处理[11]中的腐蚀运算获取靶面有效区域和环线边界，并以此为基础准确获取胸环靶环线区域。
本文在环区二值图的基础上，通过取反、腐蚀、十环区域去除、再取反、再腐蚀的对称操作，将靶面有效区域边缘收缩到原来位置，同时准确获得靶面有效区域，如图12所示。然后与取反的环区二值图进行图像代数运算，精确获得胸环靶环线二值图，如图13所示。在此基础上，以仿射不变性的区域像素数为标准，运用区域二次标记方法进行环线的初次标记和二次标记，生成结果如图14、图15所示，有效获得标记有环值的环线区域。
3 弹孔坐标确定及环值判定
弹孔坐标位置的选择方法[5]通常有两种：一种取决于弹孔在所属靶面环值区域的面积大小，通常取弹孔的中心坐标代表弹孔进行环值的判定；另一种则是传统意义上的“沾边就算”方式，通常取弹孔的“最内测点”代表弹孔进行环值判定。当子弹上靶形成的弹孔完全位于环区或环线部分时，两种判定方法都能得到正确的环值。当弹孔的部分区域位于环区或环线时，尤其是弹孔落在标记值大的环值区域的面积较小时，取弹孔中心点的判靶方式会导致弹孔环数判定值偏小，无法真实的反映射击者的射击水平。因此，本文选取弹孔坐标位置为“沾边就算”方式下的坐标位置，既符合对传统报靶方式的认知，同时也真实地反映了射击者的训练成果和射击水平。
图12 靶面有效区域 图13 环线二值图
图14 环线初标记 图15 环线二次标记
在不进行靶面校正的前提下，传统的Hough圆检测[12]等有关圆理论的靶心确定方式不再适用，本文在环线区域已知的前提下，采用质心法确定靶心坐标。选取10环区域、9环环线和8环环线三个连通区域，如图13所示。然后，计算三个连通区域的质心位置坐标，最后求取三个质心位置坐标的平均值作为靶心位置坐标。
基于“沾边就算”方式的弹孔坐标确定方法，使用弹孔区域中距离靶心最近的像素点代替弹孔进行环值判定，在数学几何层面上，做连接靶心和弹孔中心的线段，求其与弹孔区域边界的交点，即为该判靶方式下的弹孔坐标位置点。深入分析可知，该方法不仅要求靶心和弹心的坐标值，而且需建立方程进一步约束，导致弹孔判靶工作耗时严重。本文在此基础上，去除弹心坐标求取步骤，简化“最内测点”求取方式，提出一种基于弹孔边界的距离判定方式，有效定位弹孔位置坐标。
该方法首先获取弹孔的轮廓或边界信息，然后计算弹孔边界点和靶心坐标的欧氏距离，选取距离最小值对应的弹孔边界点作为弹孔位置的坐标点。设靶心坐标为(Xb,Yb)，弹孔边界点的坐标为(Xd,Yd)，之间的欧式距离d可以表示为：
(2)
弹孔及弹孔边界放大图如图16、图17所示，在此基础上通过式(2)计算弹孔边界像素点和靶心之间的欧式距离，其最小值对应的弹孔像素坐标即为弹孔的位置坐标。
图16 弹孔放大图 图17 弹孔边界放大图
靶面区域标记的结果为环区标记图和环线标记图，各图除有效区域标记有确定环值外，其余为零，在已知弹孔位置坐标的基础上，分别判定该坐标位置在环区标记图和环线标记图对应位置的标记值并取两者的最大值作为弹孔的精确环值。
4 验证与分析
本文靶面区域分割部分通过对比试验，验证了本文算法能够一定程度解决实际靶场环境下所获取的靶环不连续的缺陷，实现光照变化和靶纸抖动环境下的区域分割和环区与环线区域的分离，具有一定的鲁棒性。为进一步验证本文算法的有效性和时效性，本文从胸环靶图像(畸变)标记、弹孔坐标确定方法对照，以及理想靶面(无需进行几何校正)情况下与传统欧式距离法的时效对比三个方面进行实验验证和分析。
4.1 胸环靶(畸变)图像标记
实际靶场环境下，存在胸环靶因各种外力因素，使得采集设备获取的靶面图像畸变严重。该部分实验采用本文提出的区域二次标记方法进行靶面有效区域的环值标记，实验结果如图18、图19所示。可以清晰的看出，在复杂的实际靶场环境下，本文提出的区域二次标记方法具有很好的准确性，可以有效地实现胸环靶靶面有效区域的环值标记。
图18 环区标记图 图19 环线标记图
4.2 弹孔坐标确定方法对照
实际打靶过程中，子弹击穿靶纸产生的弹孔其形状具有差异性，因此，弹心坐标的确定常规采用质心法，本文以实际打靶过程中提取的弹孔为例(见图16)，该弹孔的质心坐标为(325.74，649.18)，已知靶心坐标为(482.17，600)，由两点确定的直线方程大致可描述为：
Y=-0.314X+751.88
(3)
由于弹孔的形状不规则，建立边界方程非常复杂，采用像素遍历的方式，自变量X自靶心横坐标值(482)开始依次递减1个单位，并由方程获得Y值，获取直线方程上像素点位置，然后分别将这些位置值与已知弹孔区域像素的位置值进行比对，记录第一个既在直线上也在弹孔区域中的像素的位置值即为弹孔的位置坐标。
该方法在像素位置进行比对之前，需将直线方程确定的位置坐标取整，该过程容易产生误差，且经实验验证，本文提出的基于弹孔边界的距离判定方式在环值判定方面更加准确，且相较于该传统意义弹孔位置确定的方式时间节省近10%。
4.3 弹孔环值判定方法时效对比
欧式距离判定法在理想状态下由于其原理简单，无复杂运算，其时耗可以达到理论的最低值。该部分实验在图像质量较好、无需进行靶面校正的胸环靶图像基础上展开，获取其整个环值判定过程的时间消耗，并以此为参照，验证本文算法时效性。
基于欧式距离判定法的弹孔环值判定实验设计如下：
1) 预处理。删除小区域干扰，获得包含有清晰环线的二值图。
2) 区域标记。标记步骤1的二值图，求取各标记区域横纵坐标的最值，并相应做差，获得候选直径。
3) 完整环线区域确定。完整的环线区域中，横纵坐标最值确定的两个直径的长度大致相同，通过阈值设置，筛选出完整的环线区域。
4) 靶心和靶环间距确定。取多个环线区域确定的靶心和靶环间距的均值作为胸环靶的靶心和靶环间距。
5) 弹孔坐标位置确定。采用本文基于弹孔边界的距离判定方式获取弹孔的准确位置。
6) 采用文献[5]的环值判定公式进行判靶。
本文在Intel(R) Core(TM) i5-6200U CPU @ 2.30GHz 2.40 GHz处理器和8.00GB内存的笔记本设备上展开实验，分别采用该欧式距离判定法和本文提出的基于区域标记的弹孔环值判定方法，对10个弹孔的环值进行判定，耗时情况如表1所示。
表1 弹孔环值判定时耗 s
方法 123平均时耗欧式距离判定法0.781 160.774 890.761 660.772 57本文弹孔环值判定方法0.835 550.832 160.830 030.832 58
由表1可以清晰的看出，本文提出的基于区域标记的弹孔环值判定方法在时耗方面已经逼近理想状态下的欧式距离判定法，即弹孔环值判定的理论最低值，因此，本文算法具有优越的时效性。
5 结论
本文通过对现有环值判定方法进行实验分析和总结，提出一种基于区域标记的弹孔环值判定方法。该方法分别在靶面区域分割、靶面区域标记和弹孔坐标确定3个方面提出基于灰度值统计特性的阈值分割方法、区域二次标记方法和基于弹孔边界的距离判定方法，有效解决靶场实际环境下完整环线获取困难、靶面区域难以有效分割的实际问题，并通过“沾边就算”的弹孔坐标获取方式实现了对射击者训练成果和射击水平的真实反映。试验表明，本文提出的弹孔环值判定方法在不需要进行靶面校正工作前提下能够实现弹孔环值的准确判定，且具有鲁棒性好、时效性强等优点。
[1] 罗杰,张之明.基于图像处理技术自动报靶系统综述[J].激光杂志,2016,37(7):1-6.
[2] 陈朋,诸德放,王杨.机载火炮对地攻击训练自动报靶方法[J].兵器装备工程学报,2016,37(4):81-84.
[3] FAN X N,CHENG Q Q.Design of Automatic Target-scoring System of Shooting Games Based on Computer Vision[C]//Proceedings of IEEE International Conference on Automation and Logistics.Washington D.C.,USA:IEEE press,2009:825-830.
[4] 贾洪涛,朱元昌.摄像机图像畸变纠正技术[J].电子测量与仪器学报,2005,19(3):46-49.
[5] 李梦祺.基于视觉检测的胸环靶自动报靶系统研究[D].沈阳:沈阳工业大学,2018.
[6] 周健.基于机器视觉技术的自动报靶系统研究[D].湘潭:湘潭大学,2014.
[7] 申俊琦,胡绳荪,冯胜强,朱莉娜.基于数学形态学的焊缝图像边缘提取[J].天津大学学报,2010,43(04):373-377.
[8] 尹乾.基于图像处理技术的自动报靶系统研究[D].重庆:重庆大学,2017.
[9] XU X,XU S,JIN L,et al.Characteristic analysis of Otsu threshold and its applications[J].Pattern recognition letters,2011,32(7):956-961.
[10] STEFANO D L,BULGARELLI A.A simple and efficient connected components labeling algorithm [C]//Proceedings 10th International Conference on Image Analysis and Processing.IEEE,1999:322-327.
[11] 刘秋燕,陈耀武.基于视频图像分析的自动报靶方法研究[J].计算机工程,2015,41(12):212-215.
[12] 张红民,何健鹰.用改进的广义Hough变换获取靶纸图像子像素级圆心坐标[J].计算机与现代化,2003(10):43-45,50.