CN102073850A - 一种基于图像处理的类圆柱体计数统计方法 - Google Patents
一种基于图像处理的类圆柱体计数统计方法 Download PDFInfo
- Publication number
- CN102073850A CN102073850A CN 201010621157 CN201010621157A CN102073850A CN 102073850 A CN102073850 A CN 102073850A CN 201010621157 CN201010621157 CN 201010621157 CN 201010621157 A CN201010621157 A CN 201010621157A CN 102073850 A CN102073850 A CN 102073850A
- Authority
- CN
- China
- Prior art keywords
- class
- right cylinder
- image
- quasi
- cylindrical region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像处理的类圆柱体计数统计方法,包括以下步骤:1、采集需要计数的类圆柱体图像;2、图像预处理;3、去孔洞操作:由于光照条件的影响,在类圆柱体区域的内部存在一些像素未被正确识别而形成孔洞,该步骤去除类圆柱体区域内部的孔洞;4、边缘提取:由于类圆柱体断面的形状接近圆形,该步骤提取圆形区域的边缘;步骤5、得到类圆柱体区域中心的候选点;步骤6、聚类:采用选定的聚类方法将同一类圆柱体内部的中心候选点聚为一类,通过聚类数便可得到类圆柱体个数。本发明提供的方法可以取代传统的人工方式,根据图像进行自动计数,并且保证较高的正确率。
Description
技术领域
本发明涉及一种统计方法,特别涉及一种基于图像处理的类圆柱体计数统计方法。
背景技术
在现代工业生产、医学检测和车流监控等领域中,计数统计方法都有着极其重要的作用。例如,钢厂棒型材的定量打包,血液样本中的红细胞及血小板数目检测,道路上的车辆流量监控等,这些任务传统上都是通过人工方式完成的。
传统的人工方式具有速度慢、效率低等缺点,并且由于人容易疲劳,导致检测结果不稳定。
发明内容
本发明的目的是针对现有技术的缺点,提供一种自动计数方法,并且保证较高的正确率。
本发明提供了一种基于图像处理的类圆柱体计数统计方法,包括以下步骤:
步骤1、采集需要计数的类圆柱体图像;
步骤2、图像预处理:将采集到的图像先进行高斯滤波,消去图像中的噪声点,再提取图像中的类圆柱体区域,对其进行直方图分析,得到类圆柱体区域的R、G、B颜色阈值,然后利用得到的阈值对整幅图像进行阈值化,得到类圆柱体区域图像;
步骤3、去孔洞操作:由于光照条件的影响,在类圆柱体区域的内部存在一些像素未被正确识别而形成孔洞,该步骤去除类圆柱体区域内部的孔洞;
步骤4、边缘提取:由于类圆柱体断面的形状接近圆形,该步骤提取圆形区域的边缘;
步骤5、得到类圆柱体区域中心的候选点;
步骤6、聚类:采用选定的聚类方法将同一类圆柱体内部的中心候选点聚为一类,通过聚类数便可得到类圆柱体个数。
有益效果
本发明提供的方法可以取代传统的人工方式,根据图像进行自动计数,并且保证较高的正确率。
附图说明
图1是根据本发明实现的计数统计方法的流程图。
具体实施方式
下面结合附图,具体说明本发明的优选实施方式。
附图1是按照本发明实现的一种基于图像处理的类圆柱体计数统计方法的流程图,其工作过程如下:
步骤1.通过USB摄像头采集需要计数的类圆柱体图像,记其为Image1,并将数据传输到PC机中。
步骤2.图像预处理。对于原始图像Image1,首先用高斯滤波器平滑图像中的噪声点。然后提取类圆柱体区域的图像,对其进行直方图分析,以得到类圆柱体区域的R、G、B颜色阈值:[R1,R2],[G1,G2],[B1,B2]。再利用得到的阈值对整幅图像进行阈值化,即将颜色阈值范围内的像素点设为黑色,其余点设为白色,称其为图像Image2。
步骤3.去孔洞操作。由于光照等条件的影响,在类圆柱体区域的内部存在一些像素未被正确识别而形成孔洞。由于孔洞是被类圆柱体区域包围,通过考察非类圆柱体像素的邻近区域(3×3),如果区域内大部分像素点为类圆柱体像素,可以判断该像素为类圆柱体像素,否则为背景像素。该步骤可以较好地去除类圆柱体内部的孔洞,得到图像Image3。
步骤4.边缘提取。由于类圆柱体断面的形状接近圆形,该步骤提取圆形区域的边缘。
边缘提取可以采用Canny算法,Sobel算子,Robert算子等,实验中发现Canny算法会出现双边缘现象,不利于后面的Hough变换计算圆心;而Sobel算子的效果也不如Robert算子,主要由于检测对象为类圆形,因此我们采用的是Robert算子。
利用Robert算子的过程如下:
步骤5.得到类圆柱体区域中心的候选点。
该步骤可以采用很多方法实现。例如文献(辛颖,薛伟。基于图像处理的贮木场楞堆原木计数算法。森林工程,2008,24(2),25-27。)中提出的方法不经过边缘提取,通过进行距离变换和区域极大值搜索来确定中心点。
本实施方式采用Hough变换方法,该方法在图像处理中是一种常见的检测圆或直线的方式。
Hough变换:对于每一个边缘点,向其可能对应的圆心位置投票,最后统计票数,票数达到一定值后将其提取为圆心点。具体过程如下:
对于每一个边缘点(x,y),其可能对应的圆心位置(x0,y0)为其中r为对应的圆的半径,θ为圆心与边缘点的连线和图像横轴之间的夹角。由于类圆柱体半径可以先验得到,因此r可以在[rmin,rmax]范围内搜索,而θ的范围是[0,2π]。通过遍历所有的边缘点,得到关于可能的圆心位置的投票结果,记最高票数为MAX_VOTE。设置阈值p,当可能的圆心位置的票数高于p×MAX_VOTE时,将其保留。
步骤6.聚类:采用选定的聚类方法将同一类圆柱体内部的中心候选点聚为一类,通过聚类数便可得到类圆柱体个数。
一般的聚类方法有K-means聚类,这种聚类算法是用于数据分类,即将大量的数据分为k类,但由于这个k值需事先给出,所以不适合此处的应用。此外还有K最近邻分类算法,这种算法也需要有一个初始的分好类的样本集,再对新样本进行分类,因此也不适合此类应用。
本实施方式采用的聚类方法为:设置距离阈值DISTANCE,计算各个圆心点的距离,并遍历所有的圆心点,将圆心点距离在DISTANCE以内的点只保留一个,这样可以达到聚类的目的。最后,通过聚类数便可得到类圆柱体个数。
步骤7.在PC机上显示聚类结果。
Claims (5)
1.一种基于图像处理的类圆柱体计数统计方法,其特征在于,包括以下步骤:
步骤1、采集需要计数的类圆柱体图像;
步骤2、图像预处理:将采集到的图像先进行高斯滤波,消去图像中的噪声点,再提取图像中的类圆柱体区域,对其进行直方图分析,得到类圆柱体区域的R、G、B颜色阈值,然后利用得到的阈值对整幅图像进行阈值化,得到类圆柱体区域图像;
步骤3、去孔洞操作:由于光照条件的影响,在类圆柱体区域的内部存在一些像素未被正确识别而形成孔洞,该步骤去除类圆柱体区域内部的孔洞;
步骤4、边缘提取:由于类圆柱体断面的形状接近圆形,该步骤提取圆形区域的边缘;
步骤5、得到类圆柱体区域中心的候选点;
步骤6、聚类:采用选定的聚类方法将同一类圆柱体内部的中心候选点聚为一类,通过聚类数便可得到类圆柱体个数。
2.根据权利要求1所述的一种基于图像处理的类圆柱体计数统计方法,其特征在于,步骤3中的去孔洞操作的具体方法为:考察非类圆柱体像素的邻近区域,如果区域内大部分像素点为类圆柱体像素,可以判断该像素为类圆柱体像素,否则为背景像素。
3.根据权利要求1或2所述的一种基于图像处理的类圆柱体计数统计方法,其特征在于,步骤6中的聚类方法为设置距离阈值DISTANCE,计算各个圆心点的距离,并遍历所有的圆心点,将圆心点距离在DISTANCE以内的点只保留一个,从而达到聚类的目的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010621157 CN102073850A (zh) | 2010-12-24 | 2010-12-24 | 一种基于图像处理的类圆柱体计数统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010621157 CN102073850A (zh) | 2010-12-24 | 2010-12-24 | 一种基于图像处理的类圆柱体计数统计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102073850A true CN102073850A (zh) | 2011-05-25 |
Family
ID=44032384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010621157 Pending CN102073850A (zh) | 2010-12-24 | 2010-12-24 | 一种基于图像处理的类圆柱体计数统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102073850A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982307A (zh) * | 2011-06-13 | 2013-03-20 | 索尼公司 | 识别设备和方法、程序及记录介质 |
CN105513082A (zh) * | 2015-12-28 | 2016-04-20 | 中建三局第一建设工程有限责任公司 | 一种成捆棒材识别计数方法和装置 |
CN107274444A (zh) * | 2017-05-15 | 2017-10-20 | 北京林业大学 | 球形类植物的计数方法及装置 |
CN109544562A (zh) * | 2018-11-09 | 2019-03-29 | 北京工业大学 | 基于图像的钢筋端面自动识别计数算法 |
CN109844810A (zh) * | 2017-03-24 | 2019-06-04 | 株式会社斯库林集团 | 图像处理方法及图像处理装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
-
2010
- 2010-12-24 CN CN 201010621157 patent/CN102073850A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
Non-Patent Citations (2)
Title |
---|
《中国优秀硕士学位论文全文数据库》 20081125 胡彦磊 基于图像处理和DSP的啤酒瓶污损检测 , * |
《中国优秀硕士学位论文全文数据库》 20101213 于杨 田间青椒图像识别系统的研究 , * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982307A (zh) * | 2011-06-13 | 2013-03-20 | 索尼公司 | 识别设备和方法、程序及记录介质 |
CN105513082A (zh) * | 2015-12-28 | 2016-04-20 | 中建三局第一建设工程有限责任公司 | 一种成捆棒材识别计数方法和装置 |
CN105513082B (zh) * | 2015-12-28 | 2018-07-24 | 中建三局第一建设工程有限责任公司 | 一种成捆棒材识别计数方法和装置 |
CN109844810A (zh) * | 2017-03-24 | 2019-06-04 | 株式会社斯库林集团 | 图像处理方法及图像处理装置 |
CN107274444A (zh) * | 2017-05-15 | 2017-10-20 | 北京林业大学 | 球形类植物的计数方法及装置 |
CN109544562A (zh) * | 2018-11-09 | 2019-03-29 | 北京工业大学 | 基于图像的钢筋端面自动识别计数算法 |
CN109544562B (zh) * | 2018-11-09 | 2022-03-22 | 北京工业大学 | 基于图像的钢筋端面自动识别计数算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Putzu et al. | White blood cells identification and counting from microscopic blood images | |
CN109872300B (zh) | 一种摩擦片外观缺陷的视觉显著性检测方法 | |
CN110930357B (zh) | 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统 | |
CN109636824A (zh) | 一种基于图像识别技术的多目标计数方法 | |
CN106485708B (zh) | 一种基于图像识别的圆木计数方法 | |
CN104156951B (zh) | 一种针对支气管肺泡灌洗液涂片的白细胞检测方法 | |
CN102073850A (zh) | 一种基于图像处理的类圆柱体计数统计方法 | |
CN109523524B (zh) | 一种基于集成学习的眼底图像硬性渗出检测方法 | |
CN103034838A (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN103984939A (zh) | 一种样本有形成分分类方法及系统 | |
CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN103295013A (zh) | 一种基于成对区域的单幅图像阴影检测方法 | |
CN103793709A (zh) | 细胞识别方法和装置、以及尿液分析仪 | |
CN103679146A (zh) | 基于高通滤波器和Hough变换的安全带智能检测方法 | |
CN102646193A (zh) | 一种环形排布字符图像分割方法 | |
CN104077594A (zh) | 一种图像识别方法和装置 | |
CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
CN103226829A (zh) | 基于边缘增强算子的图像边缘检测方法 | |
CN103149214A (zh) | 水果表面缺陷检测方法 | |
CN114926410A (zh) | 制动盘外观缺陷检测方法 | |
Daniel et al. | Automatic road distress detection and analysis | |
CN112784835A (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
CN104951794A (zh) | 基于颜色与纹理的竹条自动识别方法与系统开发 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110525 |