CN103649995B - 用于确定轮胎表面上凸纹中的元素的方法 - Google Patents
用于确定轮胎表面上凸纹中的元素的方法 Download PDFInfo
- Publication number
- CN103649995B CN103649995B CN201280033451.4A CN201280033451A CN103649995B CN 103649995 B CN103649995 B CN 103649995B CN 201280033451 A CN201280033451 A CN 201280033451A CN 103649995 B CN103649995 B CN 103649995B
- Authority
- CN
- China
- Prior art keywords
- image
- length
- filtering
- extracting method
- structuring element
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001914 filtration Methods 0.000 claims description 31
- 230000009466 transformation Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 description 10
- 238000005520 cutting process Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 206010000496 acne Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
- G01M17/027—Tyres using light, e.g. infrared, ultraviolet or holographic techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
轮胎的表面上呈现的凸纹元素的提取方法,包括过程中的步骤:A-捕捉所述表面的三维图像,同时对图像的每一个像素(i,j)分配与这一点的形貌高度成比例的灰度级值,以便获得起始图像(f),B-借助第一结构化元素,由第一顶帽变换起始图像(f),以便获得通过差分化展平的图像(f1),(f1=f-γ3,151(f)),C-实施通过差分化展平的图像的阈值化,以便获得分割图像(T<1,30>(f6)=seg1),以使得凸纹元素在黑色背景上呈现白色。
Description
技术领域
本发明涉及轮胎制造领域,更一般地属于用于在制造过程中或结束时监控轮胎的外部面貌(exterioraspect)或内部的操作的领域,目的在于确定其相对于监控参考的依从性。
背景技术
由制造商开发的并且尤其旨在辅助负责视觉监控的操作者的监控轮胎的自动化工业装置广泛需要图像处理技术。
作为一般规则,用于执行这些处理的方法在于将要检查的轮胎表面的二维或者优选三维图像与所述轮胎的表面的二维及优选三维参考图像进行比较。
在已知方式中,这个过程的步骤之一在于例如借助于基于光学三角测量原理的装置,例如实现耦合到激光型光源的2D传感器来获得轮胎表面的三维图像。
轮胎表面的形貌图像一般而言是二维图像,称为灰度级图像,其中,任意点,即图像的任意像素(x,y)与称为灰度级的值f(x,y)(其表示这个点相对于表面的高度)相关联。这个灰度级值可以有用地在8或16比特上编码,或者实际上为了更佳的动态范围在32比特上编码。对于8比特上的编码,值255(白色)对应于最高高度,值0(黑色)对应于最低高度。
用于分析获得的图像的过程的继续随后特别在于确定要检查的表面的凸纹元素。这个步骤在轮胎的内部部分的分析的架构内特别重要,因为必须准确定位和识别旨在确保轮胎的蒸煮过程中空气通风的条纹或凸纹图案,以便不被认为是所述表面的异常情况。
这些条纹或这些凸纹图案凸出轮胎的内部部分的平均表面十分之几毫
发明内容
根据本发明的目的的方法在于提供这个问题的解决方案。
是轮胎表面的特征的凸纹元素的这个提取方法依赖于将表征凸纹的灰度级图像认为是黑白图像,在发现它们适应于轮胎的特性后,在其上可以充分利用形态学算子的特性,以便提取所寻求的信息。
常用的形态学算子是使用适应的结构化元素的形态学开和闭、形态学膨胀或腐蚀。
结构化元素具有适当尺寸和形状的集合,用于查明所研究的图像。可以将其视为工具,该工具使得可以对图像进行腐蚀(即除去材料)或膨胀(即增加材料)。
因此,借助结构化元素B的函数f(即灰度级图像)的膨胀表示为δB(f),其是给出在任意像素x∈E的最大值的函数,或者以更一般的方式,由B定义的观察窗口中图像f的表示为sup的上确界,使得:δB(f)(x)=sup{f(x-y),y∈B}。
以相同的方式,借助结构化元素B的函数f(即灰度级图像)的腐蚀表示为εB(f),其是给出在任意像素x∈E的最小值的函数,或者以更一般的方式,由B定义的观察窗口中图像f的表示为inf的下确界:εB(f)(x)=inf{f(x-y),y∈B}。
借助加法的形态学开γB定义为对于结构化元素B的利用膨胀δB的腐蚀εB的合成,以使得:γB(f)=δBoεB(f)。相反地,形态学闭φB定义为对于结构化元素B的利用腐蚀εB的膨胀δB的合成,以使得:φB(f)=εBoδB(f)。
获取图像f与通过借助结构化元素B的形态学开γB的这个图像的变换之间的差的运算(也称为借助开的顶帽(top-cap))表示为THB(f)=f-γB(f)。这个形态学算子的效果是提取尖峰(spike),但并不能消除会认为是噪声的非常局部的尖峰。
因此,以下证明是有用的:通过在借助结构化元素B1和B2的图像f的形态学开和形态学闭的合成γB1(φB2(f))与起始图像中这个像素的值之间,为每一个像素选择最小值或下确界,表示为∧,来对图像滤波。这个运算表示为(γB1(φB2(f)))∧(f)。
于是定义了通过具有滤波的开的称为顶帽的形态学运算,其组合了在前算子,并且将其表示为FTH(f)=f-((γB1(φB2(f)))∧f)。这个形态学运算可以提取尖峰并滤除对应于局部尖峰的异常值。
测地学(geodesic)膨胀的目的在于重构模板(mask),对于用作标记的图像的离散图案Y,其包括在相同图像的离散图案X,是借助结构化元素B放大所述元素Y,仅以增大的尺寸考虑包括在模板X中的Y的部分。由δX(Y)=δB(Y)IX定义单位膨胀。
达到幂等性(idempotence)的这个膨胀的迭代应用的效果在于重构模板X而无需修改其形状。可以在起始图像中仅单独保持基于标记Y识别的那些元素的这个形态学重构算子表示为以使得 (npois),尺寸n的测地学膨胀,IX单位测地学膨胀。
最后,阈值化(thresholding)运算在于变换图像,以使得对于每一个像素,如果这个像素的灰度级值在两个给定阈值[u1,u2]之间,则分配最大灰度级值(对应于白色),而对于值0(对应于黑色)是相反的情况。这个运算表示为一般而言,u1等于0,由u2给定阈值。在补充方式中,为了获得更鲁棒的阈值化,表示为T<sinf,ssup>的滞后的阈值化的运算是在其之后为基于具有最高阈值ssup的分割的具有最低阈值sinf的分割的重构的阈值化。
根据本发明的方法设想了如下步骤,在其过程中:
A-捕捉所述表面的三维图像,同时对图像的每一个像素(i,j)分配与这一点的形貌高度成比例的灰度级值,以便获得起始图像,
B-借助结构化元素,由第一顶帽变换起始图像,以便获得通过差分化展平的图像,
C-借助第一和第二结构化元素,使用滤波由第二顶帽变换通过差分化展平的图像,以便获得用作标记的滤波图像,基于包含在滤波图像中的标记,重构通过差分化展平的图像,以便形成重构滤波图像,
D-借助给定尺寸、形状和取向的结构化元素,使用滤波由一系列顶帽连续变换重构滤波图像,以便获得一系列滤波展平图像,
E-实施通过差分化展平的图像的阈值化,以便获得分割图像,以使得凸纹元素在黑色背景上呈现白色。
在步骤B之前,为了便于计算,有利的是在正交参考坐标系中展开表面的图像,其中,横坐标轴表示圆周向值,纵坐标轴表示径向值。
用于实施步骤B的第一顶帽的结构化元素的尺寸和形状有利地具有线性形状或具有矩形形状,选择其尺寸以使得在圆周方向上取向的线性结构化元素的长度或矩形的长边包括对应于4到15mm之间的长度的多个像素,矩形的短边包括对应于0.1mm与0.3mm之间的长度的多个像素。
在步骤C的过程中:
-用于形态学闭运算的第一结构化元素具有矩形形状,选择其尺寸以使得在圆周意义上取向的矩形的长边包括对应于1到5mm之间的长度的多个像素,矩形的短边包括对应于1到2mm之间的长度的多个像素。
-用于形态学开运算的第二结构化元素也具有矩形形状,选择其尺寸以使得在圆周意义上取向的矩形的长边包括对应于4到15mm之间的长度的多个像素,矩形的短边包括对应于1mm与2mm之间的长度的多个像素。
在步骤D的过程中,有利地可以通过选择与大于或等于0.15mm的高度变化相对应的阈值,执行灰度级的阈值化。
在这个步骤D的过程中,有利地选择结构化元素的尺寸,以使得矩形的短边包括对应于0.03mm与2mm之间的长度的多个像素,矩形的长边或结构化元素的长度包括对应于0.3mm与10mm之间的长度的多个像素。
在步骤E过程中用于这些连续运算的结构化元素有利地具有线性形状或矩形形状,并且可以在圆周向或径向上取向。
有利地,完成步骤E时,可以定义在分割图像上呈现白色的元素的形状因子。
有利地,仅保留其形状因子对应于预定值的对象。
有利地,形状因子是形状的主要角取向,和/或形状的面积,和/或包含所述形状的椭圆形的偏心率。
为了避免与图像的去放射性有关的不连续性,在搜索形状因子之前,有利地可以由对应于预定义长度并从原点(O)开始的角区部的重叠带圆周向地增大分割图像。
根据本发明的方法有利地适应于轮胎的内表面,使得凸纹元素是条纹。
附图说明
随后的说明书的目的是给出与实现方法有关的详细指示,且依赖于附图,在附图中:
-图1表示轮胎的内部形貌表面的二维灰度级图像,
-图2表示第一顶帽后的相同图像,
-图3表示使用滤波的第二顶帽后的图2的图像,
-图4表示重构后的图3的图像,
-图5表示使用滤波的顶帽后的图4的图像,
-图6表示借助于基本上在径向上取向的结构化元素,使用滤波的顶帽后的图5的图像,
-图7表示借助于基本上在圆周向上取向的结构化元素,使用滤波的顶帽后的图6的图像,
-图8表示阈值化后的图7的图像,
-图9表示去除其形状因子没有包括在预定限度内的元素后的图8的图像,
-图10表示根据本发明的起始图像的处理的功能图。
具体实施方式
图1的图像表示轮胎的内部部分的图像的局部视图。借助于需要诸如激光三角测量的本身已知的技术的手段,获得这个图像。
一般而言,轮胎的形貌表面的二维图像是凸纹的灰度级图像,例如图1中所表示的,其中,以点网格形式(即,2D阵列)表示的平面的任意点或像素x=(i,j),与值相关联。通常,T是位于0到255之间的整数值。值0对应于黑色,值255对应于白色。
对于标准尺寸的汽车轮胎,以一灰度级单位的变化对应于约0.01mm高度的方式来校准图像。
图像的像素数必然取决于所用相机的选择和输入的模式,但通常产生包括40,000x5000像素的图像,以表示轮胎的整个内表面。
出于计算方便的原因,将轮胎侧壁的圆形图像的极坐标变换为正交坐标。在所述正交参考坐标系中表示图1的图像,其中,横坐标轴OX表示圆周向值,纵坐标轴OY表示径向值。
本发明的目的在于强调呈现在轮胎表面上的凸纹元素。尽管可以对轮胎表面的大多数区域实施根据本发明的方法,但本说明书更具体关注轮胎内部的图像的处理,在此情况下,借助所述内表面上呈现的条纹的检测。
如上所述的根据本发明的方法提出借助形态学算子的图像的变换,与作为灰度级的变化的高度(即凸纹)的变化相关。
所用的第一形态学算子是顶帽,其借助基本圆周结构化元素,以便去除侧壁的弧面(camber),在此视为径向平面中侧壁的几何形状。在图2中示出了所得到的图像f1=f-γ3,151(f)。这个图像表示轮胎的展平内视图,其中,条纹S呈现为白色,其在相对于内表面的凸纹中。
结构化元素的尺寸和形状适合于仅保留对应于条纹的凸纹,其在圆周向意义上的宽度不超过几毫米。将采用具有矩形形状的结构化元素,其长边在圆周向上取向,选择其尺寸以使得矩形的短边包括对应于0.1mm与0.3mm之间的长度的多个像素,矩形的长边包括对应于4mm与15mm之间的长度的多个像素。为了更为精确,可以选择线性结构化元素,在圆周向上取向,具有与矩形的长边相同的尺寸。在这个实例中,采用3x151个像素的矩形。
为了方便,优选选择奇数像素,以便将结构化元素更好地集中在被分析像素上。
直接依据实施根据本发明的方法的这个阶段,通过执行借助滞后T<1,30>(f1)=seg1的阈值化,可以从图像提取所述条纹,以便获得所寻求的分割图像,其中,条纹在黑色背景下呈现为白色。
在标准尺寸的轮胎的情况下,通过考虑条纹具有0.88mm的平均高度,灰度级阈值对应于大于或等于0.15mm的高度变化,即约15个左右的灰度级变化。
然而,观察到内表面的图像易于表现出不规则点(irregularity),需要进行滤波,以便获得仅显示出所寻求的凸纹元素的最终的分割图像。这些不规则点例如源于在生成图像过程中引入的异常的尖峰,弧面的圆周变化,由刻纹的模制的效果导致的局部凸起或凹陷,或者来自源于产品的内部接合点(junction)的增厚的局部存在。
因此,证明是借助形态学算子对这些不规则点滤波是特别有益的,形态学算子适应于轮胎内表面上的这些不规则点的尺寸和优先位置。
第一运算可以是对减小尺寸但具有大幅度的局部噪声进行滤波。
相应地,将借助具有滤波的第二顶帽将通过差分化展平的图像f1变换为f2=FTH(f1)=f1-((γ31,151(φ31,51(f1)))∧f1)。观察到,在图3中产生的结果图像中,删除了孤立的异常点,并且清晰地呈现出条纹。
在这个实例中,选择矩形形状的结构化元素,其尺寸对应于寻求滤波的异常点的尺寸。
对于形态学闭运算,将利用长边在圆周向意义上取向的第一结构化元素,对应于轴OX,并且选择其尺寸以使得矩形的短边包括对应于在1mm与2mm之间的长度的多个像素,而矩形的长边包括对应于在1mm与5mm之间的长度的多个像素。在这个实例中,约30x50个像素的矩形给出了良好的结果。
对于形态学开运算,将利用长边在圆周向意义上取向的第二结构化元素,对应于轴OY,选择其尺寸以使得矩形的短边包括对应于在1到2mm之间的长度的多个像素,矩形的长边包括对应于在4mm与15mm之间的长度的多个像素。在用作支持本说明的这个实例中,约30x150个像素的矩形给出了良好的结果。
然而,观察到,条纹的边缘和末端被局部删除。这些变化在图3中由白色圆圈围绕。
随后通过借助于相同名称的形态学算子重构图像f1,利用在图像f2中保留的结构作为标记来重构图像f1的感兴趣的结构。在图4中再现所得到的图像
与本文上述的重构操作相连续的,可以有用地施加一系列额外的滤波器,以便消除前述的凸起和凹陷。
以类似于所述的操作相同的方式,通过使结构化元素适应于所寻求对象的形状,借助于具有滤波的顶帽来变换图像。
通过示例的方式,期望消除由图4中白色圆圈围绕的图案。
这些图案具有表面斑点的大致形状,并且在相对于内表面的浅凸纹中。在蒸煮过程中,这个表面单元网络的功能是朝向条纹排放空气夹杂物。尽管是随机的,单元的形状是相当规则的。将相应地选择用于形态学闭运算和开运算的结构化元素的尺寸和形状。尽管圆形或椭圆形是同等适合的,但只要所述形状具有能够覆盖的所有形状的凹坑的表面,方便的选择是其长边在圆周向上取向的矩形形状的结构化元素。
在用作支持本说明的实例中:
-选择用于形态学闭运算的结构化元素的尺寸,以使得矩形的短边包括对应于在1到2mm之间的长度的多个像素,矩形的长边包括对应于在1.5mm与3mm之间的长度多个像素,在这个实例中,是31x51个像素的矩形,及
-选择用于形态学开运算的结构化元素的尺寸,以使得矩形的短边包括对应于在1mm与2mm之间的长度的多个像素,矩形的长边包括对应于在4mm与15mm之间的长度的多个像素,在这个实例中,是31x151个像素的矩形。
在图5中再现了所得到的图像
这个图像还显示了径向轨迹,由椭圆围绕,并源自由产品的接合点引起的局部不规则点。
以与在前相同的方式,进行借助具有滤波的顶帽的图像的新处理,使得结构化元素的尺寸和形状适应于期望提取的元素,或者期望删除的元素。为了减少运算时间,将选择矩形或线性形状的结构化元素。
在用作支持本说明的实例中:
-用于形态学闭运算的结构化元素具有在径向意义上取向的长边,即沿轴OY,选择其尺寸以使得矩形的短边包括对应于在0.1mm与0.3mm之间的长度的多个像素,矩形的长边包括对应于在0.3mm与1mm之间的长度的多个像素,即在这个实例中是11x3个像素的矩形。
-用于形态学开运算的结构化元素也具有在径向意义上取向的长边,选择其尺寸以使得矩形的短边包括对应于在0.1mm与0.3mm之间的长度的多个像素,矩形的长边包括对应于在5到15mm之间的长度的多个像素,即在这个实例中是200x3个像素的矩形。
在径向上取向,且具有对应于上述矩形的长边的长度的线性结构化元素是同等适合的。
图6中再现了由这个形态学变换,f5=FTH(f4)=f4-((γv 201,3(φv 11,3(f4)))∧f4)得到的图像。基本上减弱了径向条痕。
仍出于相同的意图,还可以借助于顶帽对图像进行滤波,以便删除径向弧面的残余。结构化元素具有矩形或线性形状。
在这个实例中,选择在圆周向上取向的线性结构化元素:
-用于形态学闭运算的结构化元素包括对应于在4到10mm之间的长度的多个像素,即在这个实例中是50个像素的段,及
-用于形态学开运算的结构化元素包括对应于在4到15mm之间的长度的多个像素,即在这个实例中是150个像素的段
在图7中再现了所得到的图像
具有滤波的顶帽的数量不是限制性的,必须适应于期望从图像提取的元素。在用作支持本说明的情况下,进行三个相连的滤波操作。
随后进行借助已滤波的图像的滞后的阈值化的分割操作,f6,T<1,30>(f6)=seg6,在图8中再现了其结果。灰度级阈值具有与在前采用的值相同的值,并且对应于大于或等于0.15mm的高度变化,即约15个左右灰度级变化。
图8的所得到的图像在黑色背景下以白色显示所寻求的凸纹图案,在此情况下是条纹。观察到,由圆圈围绕的并且与寻求的条纹不对应的元素仍保留。
根据本发明的方法于是提出了进行额外的滤波操作,以提取这些不期望有的元素,其基于以下事实:所寻求的元素具有与期望消除的元素的形状因子不同的形状因子。确实注意到,在这个实例中,条纹具有拉长的形状,并且并与圆周向成相对恒定且已知的给定角度。
为了评价这些形状因子,例如可以寻求在包围椭圆形中包括这些形状的每一个,如图8所示。
随后确定角度α,其由包围椭圆形的主轴与圆周向,即轴OX形成,其表示条纹的主要方向,仅保留该角度在预定限度内的形状。
在补充方式中还可以计算包围椭圆形的偏心率,并考虑拉长形状的条纹具有大于给定阈值的偏心率。从而排除不满足这个标准的元素。
还可以计算在分割图像上以白色为特征的元素的表面积,并提取面积不大于给定阈值的所有元素。
为了对形状执行这些操作,重要的是修改要处理的图像,以便考虑表示的圆形度;即在选择的参考坐标系中,图像在圆周向上的极限边缘对应于0度横坐标的图像的边缘,以2π的旋转增大。相应地,形成图像,由图像的圆周末端的两侧的重叠带组成;这个新图像表示为segoverlap。
在删除与期望标准不对应的元素的过程中,以不同的方式管理重叠带segoverlap,通过修改诸如最小面积的计算的特定阈值,以便不排除出现在图像两个末端且其面积被一分为二的条纹。
图9再现了在应用后一处理后获得的图像,其中,仅保留了条纹,而删除了所有不期望有的元素。
图10以概括方式示出用作支持本说明的实例的情况下的本发明的实现步骤。
于是可以提取图案,并进行以确定轮胎的依从性为目的的图像的后续处理。
根据本发明的方法的示例性实现方式不是限制性的,能够按照给出的指示适应调整,以便应对不同尺寸和用途的轮胎的分析,同时考虑了寻求提取的和寻求消除的凸纹图案的特性。
Claims (11)
1.轮胎的表面上呈现的凸纹元素的提取方法,包括过程中的步骤:
A-捕捉所述表面的三维图像,同时对图像的每一个像素分配与这一点的形貌高度成比例的灰度级值,以便获得起始图像,
B-借助结构化元素,由第一顶帽变换所述起始图像,以便获得通过差分化展平的图像,
C-借助第一和第二结构化元素,使用滤波由第二顶帽变换通过差分化展平的图像,以便获得用作标记的滤波图像,并且基于包含在所述滤波图像中的所述标记,重构通过差分化展平的图像,以便形成重构滤波图像,
D-借助给定尺寸、形状和取向的结构化元素,使用滤波由一系列顶帽连续变换所述重构滤波图像,以便获得一系列滤波展平图像,
E-实施步骤D完成时获得的所述一系列滤波展平图像中的最后图像的阈值化,以便获得分割图像,以使得所述凸纹元素在黑色背景上呈现白色。
2.根据权利要求1所述的提取方法,其中,在步骤B之前,在正交参考坐标系(OXY)中展开所述表面的图像,其中,横坐标轴(OX)表示圆周向值,纵坐标轴(OY)表示径向值。
3.根据权利要求1或2所述的提取方法,其中,用于步骤B中的结构化元素具有线性形状或具有矩形形状,选择其尺寸,以使得在圆周向上取向的线性结构化元素的长度或矩形的长边包括对应于在4mm与15mm之间的长度的多个像素,而矩形的短边包括对应于在0.1mm与0.3mm之间的长度的多个像素。
4.根据权利要求1或2所述的提取方法,其中:
-步骤C中用于形态学闭运算的第一结构化元素具有矩形形状,选择其尺寸,以使得在圆周向意义上取向的矩形的长边包括对应于在1mm与5mm之间的长度的多个像素,而矩形的短边包括对应于在1mm与2mm之间的长度的多个像素,以及
-步骤C中用于形态学开运算的第二结构化元素具有矩形形状,选择其尺寸,以使得在圆周向意义上取向的矩形的长边包括对应于在4mm与15mm之间的长度的多个像素,而矩形的短边包括对应于在1mm与2mm之间的长度的多个像素。
5.根据权利要求1或2所述的提取方法,其中,在步骤D的过程中,结构化元素具有线性形状或矩形形状,并在圆周向或径向上取向。
6.根据权利要求1或2所述的提取方法,其中,在步骤E的过程中,执行与大于或等于0.15mm的高度变化相对应的灰度级的阈值化。
7.根据权利要求1或2所述的提取方法,其中,在完成步骤E时,定义在分割图像上呈现白色的所述凸纹元素的形状因子。
8.根据权利要求7所述的提取方法,其中,仅保留其形状因子对应于预定值的对象。
9.根据权利要求8所述的提取方法,其中,所述形状因子是形状的主要角取向(α),和/或形状的面积,和/或包围所述形状的椭圆形的偏心率。
10.根据权利要求7所述的提取方法,其中,在搜索所述形状因子之前,由对应于具有预定义长度且从原点(O)开始的角区部的重叠带圆周向地增大分割图像。
11.根据权利要求1或2所述的提取方法,其中,所考虑的表面是轮胎的内表面,并且所述凸纹元素是条纹。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1154346A FR2975523B1 (fr) | 2011-05-19 | 2011-05-19 | Methode de determination des elements en relief presents sur la surface d'un pneumatique |
FR1154346 | 2011-05-19 | ||
PCT/EP2012/058605 WO2012156260A1 (fr) | 2011-05-19 | 2012-05-10 | Methode de determination des elements en relief presents sur la surface d'un pneumatique |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103649995A CN103649995A (zh) | 2014-03-19 |
CN103649995B true CN103649995B (zh) | 2016-05-18 |
Family
ID=46085941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280033451.4A Expired - Fee Related CN103649995B (zh) | 2011-05-19 | 2012-05-10 | 用于确定轮胎表面上凸纹中的元素的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9002130B2 (zh) |
EP (1) | EP2710555B1 (zh) |
CN (1) | CN103649995B (zh) |
FR (1) | FR2975523B1 (zh) |
WO (1) | WO2012156260A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2980896B1 (fr) | 2011-09-30 | 2016-07-01 | Soc Tech Michelin | Methode d'analyse rapide des elements en relief figurant sur la surface interne d'un pneumatique |
CN105164239B (zh) | 2013-02-28 | 2018-06-05 | 巴斯夫欧洲公司 | 烷氧基化聚丙烯亚胺在衣物护理中的用途及其组合物 |
FR3007174B1 (fr) | 2013-06-13 | 2016-09-09 | Michelin & Cie | Methode de traitement de l'image numerique de la surface d'un pneumatique en vue de la detection d'une anomalie |
FR3022380A1 (fr) | 2014-06-13 | 2015-12-18 | Michelin & Cie | Procede de redressement d'image de pneumatiques |
FR3030845B1 (fr) * | 2014-12-19 | 2018-05-18 | Compagnie Generale Des Etablissements Michelin | Procede de controle de conformite de pneumatiques |
EP3234915A2 (fr) * | 2014-12-19 | 2017-10-25 | Compagnie Générale des Etablissements Michelin | Procédé de détection de stries dans un pneumatique |
EP3237876B1 (en) * | 2014-12-22 | 2019-02-20 | Pirelli Tyre S.p.A. | Method and apparatus for detecting defects on tyres in a tyre production process |
WO2016168823A1 (en) * | 2015-04-16 | 2016-10-20 | Jabil Circuit, Inc. | Defect detection using a first derivative of an image |
FR3038110B1 (fr) * | 2015-06-29 | 2017-08-11 | Michelin & Cie | Procede de segmentation d'image |
FR3038111B1 (fr) * | 2015-06-29 | 2017-08-11 | Michelin & Cie | Procede de segmentation d'image |
FR3039684B1 (fr) | 2015-07-27 | 2018-08-10 | Compagnie Generale Des Etablissements Michelin | Procede optimise d'analyse de la conformite de la surface d'un pneumatique |
CN105654495A (zh) * | 2016-01-07 | 2016-06-08 | 太原工业学院 | 汽车刹车盘内部缺陷的检测方法 |
FR3093183B1 (fr) * | 2019-02-22 | 2021-02-19 | Safran Electronics & Defense | Procédé de détection d’une dégradation d’un pneumatique d’une roue |
CN112288680B (zh) * | 2019-11-06 | 2024-03-29 | 中北大学 | 汽车轮毂x射线图像的缺陷区域自动提取方法及系统 |
CN112288679B (zh) * | 2019-11-06 | 2024-03-29 | 中北大学 | 汽车轮毂x射线图像的缺陷区域交互式提取方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10275211A (ja) * | 1997-03-28 | 1998-10-13 | Sony Corp | 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 |
CN1288155A (zh) * | 1999-06-26 | 2001-03-21 | 倍耐力轮胎公司 | 实验性测量地面和橡胶样品间的相互作用的设备 |
CN101896937A (zh) * | 2007-12-19 | 2010-11-24 | 米其林技术公司 | 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19849793C1 (de) * | 1998-10-28 | 2000-03-16 | Fraunhofer Ges Forschung | Vorrichtung und Verfahren zur berührungslosen Erfassung von Unebenheiten in einer gewölbten Oberfläche |
US6591669B1 (en) * | 1999-06-26 | 2003-07-15 | Pirelli Pneumatici S.P.A. | Apparatus for experimentally measuring the interaction between surfaces and rubber specimens |
DE10062254C2 (de) * | 2000-12-14 | 2002-12-19 | Fraunhofer Ges Forschung | Verfahren und Vorrichtung zum Charakterisieren einer Oberfläche und Verfahren und Vorrichtung zur Ermittlung einer Formanomalie einer Oberfläche |
FR2966246B1 (fr) | 2010-10-19 | 2012-12-14 | Michelin Soc Tech | Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique |
FR2966245B1 (fr) | 2010-10-19 | 2012-10-19 | Michelin Soc Tech | Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique |
BR112013009291A2 (pt) | 2010-10-27 | 2016-07-19 | Michelin & Cie | método de pré-tratamento de uma imagem tridimensional da superfície de um pneu em vista de sua utilização para a inspeção da dita superfície |
FR2966956B1 (fr) | 2010-10-27 | 2012-12-14 | Michelin Soc Tech | Methode de pre-traitement d'une image tri dimensionnelle de la surface d'un pneumatique a l'aide de deformations b-spline successives |
-
2011
- 2011-05-19 FR FR1154346A patent/FR2975523B1/fr not_active Expired - Fee Related
-
2012
- 2012-05-10 US US14/118,598 patent/US9002130B2/en not_active Expired - Fee Related
- 2012-05-10 WO PCT/EP2012/058605 patent/WO2012156260A1/fr active Application Filing
- 2012-05-10 EP EP12721490.6A patent/EP2710555B1/fr not_active Not-in-force
- 2012-05-10 CN CN201280033451.4A patent/CN103649995B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10275211A (ja) * | 1997-03-28 | 1998-10-13 | Sony Corp | 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 |
CN1288155A (zh) * | 1999-06-26 | 2001-03-21 | 倍耐力轮胎公司 | 实验性测量地面和橡胶样品间的相互作用的设备 |
CN101896937A (zh) * | 2007-12-19 | 2010-11-24 | 米其林技术公司 | 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法 |
Also Published As
Publication number | Publication date |
---|---|
FR2975523A1 (fr) | 2012-11-23 |
EP2710555B1 (fr) | 2015-09-16 |
US20150043780A1 (en) | 2015-02-12 |
CN103649995A (zh) | 2014-03-19 |
FR2975523B1 (fr) | 2015-09-25 |
WO2012156260A1 (fr) | 2012-11-22 |
EP2710555A1 (fr) | 2014-03-26 |
US9002130B2 (en) | 2015-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103649995B (zh) | 用于确定轮胎表面上凸纹中的元素的方法 | |
CN101777178B (zh) | 一种图像修复方法 | |
CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN108090894B (zh) | 基于距离匹配函数和感知哈希算法的织物疵点检测方法 | |
JP5214367B2 (ja) | 特徴量抽出装置、特徴量抽出方法、画像処理装置、及び、プログラム | |
US9123112B2 (en) | Method for the pre-processing of a three-dimensional image of the surface of a tyre for use in the inspection of said surface | |
CN107367241B (zh) | 一种基于机器视觉的汽车轮胎花纹识别方法 | |
US20020136459A1 (en) | Image processing method and apparatus | |
CN103649989B (zh) | 轮胎外表面的数字图像的分析和伪测量点的处理 | |
CN105308653A (zh) | 用于分析轮胎面参数的系统和方法 | |
US9025853B2 (en) | Method for determining markings in relief on the outer surface of the sidewall of a tyre | |
CN105447512A (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN104809698A (zh) | 一种基于改进三边滤波的Kinect深度图像修复方法 | |
JP2011509398A (ja) | タイヤ表面を検査するために使用できるようにするようタイヤ表面の3次元画像を処理する方法 | |
CN111735524A (zh) | 基于图像识别的轮胎荷载获取方法、车辆称重方法及系统 | |
JP2013105245A (ja) | 画像処理方法、装置及びプログラム | |
Joshi et al. | Damage identification and assessment using image processing on post-disaster satellite imagery | |
CN103456031B (zh) | 一种区域图像插值的新方法 | |
CN111583323B (zh) | 一种单帧结构光场三维成像方法和系统 | |
JP2019194549A (ja) | タイヤ金型サイドプレートの検査方法 | |
CN114581433B (zh) | 一种获取金属球腔内表面形貌检测图像的方法及系统 | |
CN116468729A (zh) | 一种汽车底盘异物检测方法、系统及计算机 | |
CN112288680A (zh) | 汽车轮毂x射线图像的缺陷区域自动提取方法及系统 | |
Getahun et al. | A robust lane marking extraction algorithm for self-driving vehicles | |
CN115546476A (zh) | 基于多尺度特征的多对象检测方法与数据平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160518 Termination date: 20170510 |
|
CF01 | Termination of patent right due to non-payment of annual fee |