CN102509017A - 一种用计算机预测刨花板强度的方法 - Google Patents

Abstract

本发明公开了一种用计算机预测刨花板强度的方法。现有技术估计刨花板强度的方法是由经验丰富的工人通过观察板材表面碎木块的走向对板材进行检测，但这是个繁琐而又主观的过程。本发明通过对刨花板表面图像进行分析估计其静力弯曲强度，提供了一种计算机辅助的刨花板强度估计方法。本发明的方法由三个有效步骤组成：首先对刨花板的表面图像进行边缘检测，得到刨花碎料的边缘；其次对边缘图像进行霍夫线检测，得到直线边缘；最后对刨花板表面直线的长度和走向进行分析，从而估计刨花板的强度。本发明与通常的人工检测相比，能有效地提高生产效率，并提高对刨花板强度估计的精度，有效地降低了人工估计的主观不稳定性，同时大大减少了人工工作量。

Description

一种用计算机预测刨花板强度的方法

技术领域

本发明属于数字图像处理领域，涉及一种用计算机预测刨花板强度的方法。

背景技术

数字图像处理起源于二十世纪二十年代，经过近一个世纪的发展，目前已经成为信息科学、生物学、医学等诸多领域的基础研究对象。随着信息时代的到来，数字图像处理在计算机视觉、机器学习、人工智能等领域都得到广泛的应用，其重要性日益凸显。

刨花板(article board)是以木材、木质碎料、木质纤维或其他植物纤维为原料，加胶粘剂和其他添加剂制成的板材的统称。刨花板比天然木材的稳定性好，广泛用于建筑、车船、家具、包装等方面。

由于刨花板的制作过程采用刨花碎料进行压制合成，因此刨花板的力学性能与刨花碎料的形状和分布密切相关，尤其是静力弯曲强度，一般情况下形状细长且大多沿水平分布的碎料组成的刨花板强度较大。通常估计刨花板强度的方法是由经验丰富的工人通过观察板材表面碎木块的走向对板材进行检测，但这是个繁琐而又主观的过程。

发明内容

本发明针对现有技术的不足，提供了一种用计算机通过数字图像处理技术自动分析刨花板表面碎木块的长度和基本纹路朝向，以此估计出刨花板强度的方法。该方法包括以下步骤：

步骤一、对刨花板表面图像进行边缘检测

首先使用高斯卷积模板对图像进行平滑滤波，有效去除图像中的噪声，减少图像噪声对边缘检测的影响。

高斯卷积模板各个位置的权重与相应位置到模板中心点的距离满足如下关系：

$f\left(r\right)=-e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}---\left(1\right)$

式(1)中，r表示当前点到模板中心的距离，f表示当前点的权值，σ表示高斯模板的标准方差，e表示自然对数；

使用Canny边缘检测算法检测出边缘图像，该边缘检测算法计算图像中每一点的梯度幅值及角度，然后使用非极大值抑制的方法找出梯度幅值的局部最大值点作为边缘的候选点，最后使用边缘跟踪算法将边缘线勾勒出来；

步骤二、对检测出来的边缘图像进行霍夫线检测，图像中的直线满足如下关系：

xcosθ+ysinθ＝ρ                        (2)

式(2)中，ρ表示直线与原点的距离，θ表示直线的倾斜角，x表示像素点的水平坐标，y表示像素点的垂直坐标；

检测的结果是得到关于ρ和θ的一个二维矩阵，矩阵中每一个元素存储了属于某一特定ρ和θ的直线的点序列；

步骤三、对检测出来的线段进行分析，估计刨花板强度。

刨花板的力学性能尤其是静力弯曲强度与刨花碎料的形状和分布密切相关，通常形状细长且大多沿水平分布的碎料组成的刨花板强度较大。基于以上规律，刨花板的强度与表面直线的长度和水平分布成正比，三者的关系如下所示：

$F=\underset{\left|\mathrm{\θ}\right|\≤{\mathrm{\θ}}_{\mathrm{low}}}{\mathrm{\Σ}}\frac{\left|\cos \mathrm{\θ}\right|*l}{\left|\cos \mathrm{\θ}\right|+\left|\sin \mathrm{\θ}\right|}---\left(3\right)$

式(3)中，F表示刨花板的估计强度，l表示线段的长度，θ表示线段与水平方向的夹角，θ_low表示对刨花板的强度有贡献的角度阈值。

有益的效果：

本发明与通常的人工检测相比，能有效地提高生产效率，并提高对刨花板强度估计的精度，有效地降低了人工估计的主观不稳定性，同时大大减少了人工工作量。

(1)精确性。本发明方法能够对产品表面的碎料纹路做全面的分析，客观地根据纹路的统计情况进行强度估计，而人工估计则会因人因地因时而异，因此，使用计算机方法能够提高估计精度。

(2)高效性。本发明方法可以对刨花板强度进行实时的估计，因此可以将其加入生产流水线，对生产出的刨花板按强度自动分类。大大降低人工成本。

附图说明

图1是以100倍放大了的9乘9的高斯滤波模板；

图2直观地描述了某一边缘上各点梯度的方向；

图3是某一幅刨花板表面图像的梯度幅值图；

图4描述了梯度方向与梯度幅值比较点的映射关系；

图5显示了霍夫线检测完并经过断线后产生的线段图。

具体实施方式

一种用计算机预测刨花板强度的方法具体流程如下：

1)对刨花板原始图像进行边缘检测

使用高斯卷积模板对图像进行平滑滤波，然后使用Canny边缘检测算法检测出图像的边缘信息；

第一步，使用高斯卷积模板对图像进行滤波，基于的高斯分布的模板产生函数为：

$f\left(r\right)=-e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}$

其中，f(r)为离模板中心点距离为r的点的权值，σ为高斯模板的标准方差；

使用该高斯函数产生一个9乘9的滤波模板，使用时，由于做了归一化处理，模板中所有的值相加为1，如图1所示，该模板中数值放大100倍的结果，使用该滤波模板与图像进行卷积，能够减少图像中的噪声，其原理是，图像中噪声点往往与周围的点差异很大，与高斯滤波模板做卷积能够以将周围的像素以一定的权重加到操作点上，这样，与周围像素点差异过大的噪声点就会被掩盖；

第二步，使用Canny边缘检测算法检测出图像的边缘信息，该边缘检测算法计算图像中每一点的梯度幅值及其角度，某个点梯度的幅值表示该点在某一方向上的最大变化值，这个方向就是梯度的角度方向，可以用图2直观地表示某一边缘上各点的梯度方向，梯度幅值和角度的计算公式为：

$G_x=\∂f(x,y)/\∂x$

$G_y=\∂f(x,y)/\∂x$

$G=\sqrt{{G_x}^2+{G_y}^2}$

θ_x，y＝arctan(G_y/G_x)

其中，G_x为某点水平方向上的梯度分量，G_y为某点垂直方向上的梯度分量，G为梯度的幅值，θ_xy代表梯度方向的角度。

如图3所示，用灰度图的形式直观地表示出一幅刨花板表面图像的梯度幅值，计算出梯度幅值及角度后，使用非极大值抑制的方法找出梯度幅值的局部最大值点，即要判断一点是否为梯度幅值最大值点，只要判断其梯度方向上的相邻两个点的梯度幅值是否比自身的小，若是，则该点是梯度幅值的局部最大值点，这样点作为边缘的候选点，图4画出了用于角度映射的图，因为图像是一个离散函数，其相邻的只有8个点，而梯度的方向角却是一个连续的值，需要将角度映射成相应的用于比较的点的位置，每两条相邻的虚线间的连续角度映射成两虚线间实线对应方向上的两个点的位置。候选点中有一部分梯度值特别大的点一开始就被标记成边缘点，这里涉及到一个阈值，即有多少比例的高梯度值点成为边缘点。最后使用边缘跟踪算法将边缘线勾勒出来，之所以需要进行边缘跟踪，是因为边缘上的某些点梯度值可能并不大，不一定能够在一开始就被标记成边缘点，如果不进行连接，将造成边缘的不连续性，边缘跟踪是一个递归的深度优先的计算过程，以梯度值特别大的那部分点作为跟踪起点，遍历与其连接的边缘候选点，并标记为边缘点，该过程以找不到相邻的候选点为终止条件。

2)对检测出来的边缘图像进行霍夫线检测，霍夫线检测算法使用的直线标准式为：

xcosθ+ysinθ＝ρ

其中，ρ为直线与原点的距离，θ为直线的倾斜角。

使用边缘点匹配上述直线方程，这个过程对每一个边缘点(x，y)计算其在0至360度时符合的直线方程，即使用(x，y，θ)求出ρ，将其结果记录进矩阵，结果是得到关于ρ和θ的一个二维矩阵，矩阵中每一个元素存储了属于某一特定ρ和θ的直线的点序列。

3)对检测出来的线段进行统计

第一步，断线，由于霍夫线检测输出的矩阵元素是属于某一直线的点集，这些点集需要通过分割，产生一条或多条连续的线段，以便进行线条的有效统计，断线过程是扫描每一个直线点集，对于每一个点集，按下标顺序检查，如果一个点与其邻近点的距离大于某个阈值，就认为这根线段断开了，并记录找到的长度大于某阈值的有效线段，图5显示了霍夫线检测完并经过断线后产生的线段图。

第二步，计算木质人造板强度的预测值，由于刨花板的力学性能尤其是静力弯曲强度与刨花碎料的形状和分布密切相关，通常形状细长且大多沿水平分布的碎料组成的刨花板强度较大。基于以上规律，刨花板的强度与表面直线的长度和水平分布成正比，三者的关系如下所示：

$F=\underset{\left|\mathrm{\θ}\right|\≤{\mathrm{\θ}}_{\mathrm{low}}}{\mathrm{\Σ}}\frac{\left|\cos \mathrm{\θ}\right|*l}{\left|\cos \mathrm{\θ}\right|+\left|\sin \mathrm{\θ}\right|}$

其中，F表示刨花板的估计强度，l表示线段的长度，θ表示线段与水平方向的夹角，θ_low表示对刨花板的强度有贡献的角度阈值。

公式的分子部分表示碎料边缘在水平方向上的分量，即对强度的贡献，分母在分子的基础上添加了一个直线边缘在垂直方向上的分量，二者的比值反映了刨花碎料的分布情况，在水平方向上分布越多，这个比值就越大。然后再乘上线段的长度，表示越长的碎料组成的刨花板强度越大。因此F值越大，则刨花板的强度越大。这个公式反映了“形状细长且大多沿水平分布的碎料组成的刨花板强度较大”的规律。

Claims (1)

1.一种用计算机预测刨花板强度的方法，其特征在于该方法包括以下步骤：

步骤一、对刨花板表面图像进行边缘检测；

首先使用高斯卷积模板对图像进行平滑滤波，有效去除图像中的噪声，减少图像噪声对边缘检测的影响；

高斯卷积模板各个位置的权重与相应位置到模板中心点的距离满足如下关系：

$f\left(r\right)=-e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}---\left(1\right)$

式(1)中，r表示当前点到模板中心的距离，f表示当前点的权值，σ表示高斯模板的标准方差，e表示自然对数，

使用Canny边缘检测算法检测出边缘图像，该边缘检测算法计算图像中每一点的梯度幅值及角度，然后使用非极大值抑制的方法找出梯度幅值的局部最大值点作为边缘的候选点，最后使用边缘跟踪算法将边缘线勾勒出来；

步骤二、对检测出来的边缘图像进行霍夫线检测；

图像中的直线满足如下关系：

xcosθ+ysinθ＝ρ                (2)

式(2)中，ρ表示直线与原点的距离，θ表示直线的倾斜角，x表示像素点的水平坐标，y表示像素点的垂直坐标，

检测的结果是得到关于ρ和θ的一个二维矩阵，矩阵中每一个元素存储了属于某一特定ρ和θ的直线的点序列；

步骤三、对检测出来的线段进行分析，估计刨花板强度；

刨花板的力学性能尤其是静力弯曲强度与刨花碎料的形状和分布密切相关，通常形状细长且大多沿水平分布的碎料组成的刨花板强度较大；基于以上规律，刨花板的强度与表面直线的长度和水平分布成正比，三者的关系如下所示：

$F=\underset{\left|\mathrm{\θ}\right|\≤{\mathrm{\θ}}_{\mathrm{low}}}{\mathrm{\Σ}}\frac{\left|\cos \mathrm{\θ}\right|*l}{\left|\cos \mathrm{\θ}\right|+\left|\sin \mathrm{\θ}\right|}---\left(3\right)$

式(3)中，F表示刨花板的估计强度，l表示线段的长度，θ表示线段与水平方向的夹角，θ_low表示对刨花板的强度有贡献的角度阈值。

Images