CN103163156A - 一种基于机器视觉技术的镜片疵病自动分级方法 - Google Patents

Abstract

一种基于机器视觉技术的镜片疵病自动分级方法，包括以下步骤：1）图像二值化处理、2）摄像机标定处理、3）镜片图像分区、4）群体分类、5）个体分级、6）分级结果输出；本发明：针对镜片疵病图像，结合Otsu法动态阈值分割和摄像机标定，有效地获取镜片边缘图像和镜片疵病图像以及像素尺寸与物理尺寸的互换关系。通过提取疵病的无量纲参数（宽长比、矩形度、圆度等）和依据镜片检验标准，进行群体分类和个体分级。最后结合各种疵病对镜片的影响权重，确定最终的镜片分级结果，提高了镜片分级精度的稳定性，具有广泛的应用前景。

Description

一种基于机器视觉技术的镜片疵病自动分级方法

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种基于机器视觉技术的镜片疵病自动分级方法。

背景技术

据中国眼镜协会分析，中国不仅是世界潜力最大的眼镜消费大国，而且已成为世界领先的眼镜生产大国。对中国来说，不论是作为眼镜消费大国，还是作为眼镜生产大国，镜片的质量要求越来越高，此时镜片质量分级起到至关重要的作用。当前，镜片质量分级靠手工完成，仍属于劳动密集型行业，存在着劳动强度大、工作环境差，尤其因人为因素造成的分级精度不稳定的情况时有发生。

随着市场竞争的日益激烈，提高镜片分级精度是一个亟需解决的问题，关系到企业的发展与发展。利用日益兴起的机器视觉技术实现镜片的非接触式检测分级，从而可以提高镜片分级精度的稳定性，降低劳动成本，提高公司的竞争力。

发明内容

针对镜片图像中的疵病进行分类分级存在的问题，本发明的目的在于提供一种基于机器视觉技术的镜片疵病自动分级方法，该方法将代替当前手工分级操作，减轻劳动强度，提高分级效率，避免因人为因素造成的分级精度不稳定的情况，具有广泛的应用前景。

本发明的技术方案是通过以下方式实现的：一种基于机器视觉技术的镜片疵病自动分级方法，包括以下步骤：1）图像二值化处理、2）摄像机标定处理、3）镜片图像分区、4）群体分类、5）个体分级、6）分级结果输出；其特征在于：

1）、图像二值化处理：首先采用Otsu法对镜片灰度图像进行动态阈值获取二值图像；然后利用数学形态学分别获取镜片边缘图像和镜片疵病图像；

2）、摄像机标定处理：对所述步骤1）处理后的镜片边缘图像进行圆拟合，获取镜片的像素半径，以镜片像素半径与镜片实际半径相运算，确定像素/毫米，记作pixel2mm的值；同时利用镜片的外边缘轮廓坐标点确定镜片质心；

3）、镜片图像分区：结合镜片分区物理尺寸、pixel2mm及质心位置，分别创建一区、二区、三区模板；用模板与镜片的二值图像相并运算，获取相对应区域的疵病图像；

4）、群体分类：提取疵病的无量纲参数：宽长比、矩形度、圆度，判断疵病属于杂质、羽毛、气泡的类型；

5）、个体分级：分别对每个疵病按照相应的位置、大小、数量，确定该疵病的级别；

6）、分级结果输出：综合各种疵病对镜片的影响权重，确定最终的镜片分级结果。

本发明：针对镜片疵病图像，结合Otsu法动态阈值分割和摄像机标定，有效地获取镜片边缘图像和镜片疵病图像以及像素尺寸与物理尺寸的互换关系。然后，通过提取疵病的无量纲参数（宽长比、矩形度、圆度等）和依据镜片检验标准，进行群体分类和个体分级。最后结合各种疵病对镜片的影响权重，确定最终的镜片分级结果，提高了镜片分级精度的稳定性，具有广泛的应用前景。

附图说明

图1为本专利镜片自动分级方法整体流程图。

图2为镜片分区物理尺寸示意图（ø70mm）。

图3为镜片一区模板。

图4为镜片二区模板。

图5为镜片三区模板。

具体实施方式

下面结合附图对本专利加以详细说明。本发明针对的镜片疵病图像具有以下特点：①灰度图像；②单一背景、多个疵病以及镜片内外边缘；③疵病特征各异，分级要求不同。

基于此类图像，本专利提出一种专用于镜片分级的方法。该方法由6步实现：1) 基于Otsu法对镜片灰度图像进行动态阈值分割获取二值图像；2) 在二值图像中，利用镜片的外边缘轮廓坐标点确定镜片的质心坐标；3) 利用镜片分区物理尺寸和pixel/mm值对镜片图像进行分区处理，分别为一区、二区、三区；4) 提取疵病特征，进行有效分类，分为杂质、羽毛、气泡；5) 按疵病的位置、大小、数量分为优级、一级、二级和不合格品四种级别；6) 镜片分级信息输出，包括疵病种类和等级。其中，若是该批次首次检测镜片图像，须进行摄像机标定操作，获取像素尺寸与物理尺寸的比值，即pixel/mm值。该方法将代替当前手工分级操作，减轻劳动强度，提高分级效率，避免因人为因素造成的分级精度不稳定的情况，具有广泛的应用前景。

本专利的镜片分级方法整体流程参见图1，主要包括以下步骤：

1. 图像二值化处理。基于Otsu法对镜片图像进行动态阈值分割获取二值图像。利用面积法去噪，获取镜片边缘图像；对镜片边缘图像进行内部填充后，再与它本身进行异或操作，然后与镜片二值图像进行并运算，可获取镜片边缘内的疵病图像。

2. 摄像机标定处理。镜片边缘呈圆环状，边缘线为镜片的内圆和外圆。以镜片图像的内圆边缘定义成镜片的边缘，对内圆进行圆拟合，获取像素半径。以镜片像素半径与镜片实际半径相运算，确定像素/毫米（记作pixel2mm）的值；同时利用镜片的轮廓坐标点确定镜片的质心坐标值。

3. 镜片图像分区。由于不同的区域，对疵病分级要求不同。结合镜片分区物理尺寸ø70mm（参见图2）、pixel2mm及质心位置，分别创建一区、二区、三区模板（参见图3、图4、图5）；分别用三个模板与镜片二值图像相并运算，获取相对应区域的疵病图像。

4. 群体分类。分别对各个区域疵病进行无量纲特征参数（宽长比、矩形度、圆度）提取，确定各个疵病的类别（杂质、羽毛、气泡分类）。

5. 个体分级。在每个区域中，依据镜片检验标准，对每个疵病按该种类的大小、数量进行分级，确定该疵病在该区域的级别。完成三个区域所有疵病的级别判断。

6. 分级结果输出。综合各种疵病对镜片的影响权重，确定最终的镜片分级结果。

Claims (1)

1.一种基于机器视觉技术的镜片疵病自动分级方法，包括以下步骤：1）图像二值化处理、2）摄像机标定处理、3）镜片图像分区、4）群体分类、5）个体分级、6）分级结果输出；其特征在于：

1）、图像二值化处理：首先采用Otsu法对镜片灰度图像进行动态阈值获取二值图像；然后利用数学形态学分别获取镜片边缘图像和镜片疵病图像；

2）、摄像机标定处理：对所述步骤1）处理后的镜片边缘图像进行圆拟合，获取镜片的像素半径，以镜片像素半径与镜片实际半径相运算，确定像素/毫米，记作pixel2mm的值；同时利用镜片的外边缘轮廓坐标点确定镜片质心；

3）、镜片图像分区：结合镜片分区物理尺寸、pixel2mm及质心位置，分别创建一区、二区、三区模板；用模板与镜片的二值图像相并运算，获取相对应区域的疵病图像；

4）、群体分类：提取疵病的无量纲参数：宽长比、矩形度、圆度，判断疵病属于杂质、羽毛、气泡的类型；

5）、个体分级：分别对每个疵病按照相应的位置、大小、数量，确定该疵病的级别；

6）、分级结果输出：综合各种疵病对镜片的影响权重，确定最终的镜片分级结果。

Images