CN104697476A - 粗糙度光切轮廓曲线的自动检测方法及装置 - Google Patents
粗糙度光切轮廓曲线的自动检测方法及装置 Download PDFInfo
- Publication number
- CN104697476A CN104697476A CN201510122476.7A CN201510122476A CN104697476A CN 104697476 A CN104697476 A CN 104697476A CN 201510122476 A CN201510122476 A CN 201510122476A CN 104697476 A CN104697476 A CN 104697476A
- Authority
- CN
- China
- Prior art keywords
- pixel
- contour curve
- coboundary
- gray
- image
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 24
- 229910044991 metal oxide Inorganic materials 0.000 claims abstract description 5
- 150000004706 metal oxides Chemical class 0.000 claims abstract description 5
- 239000004065 semiconductor Substances 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 201000007094 prostatitis Diseases 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 230000003746 surface roughness Effects 0.000 abstract description 18
- 230000008569 process Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000879 optical micrograph Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004439 roughness measurement Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Abstract
本发明实施例提供了一种粗糙度光切轮廓曲线的自动检测方法及装置，其中，该方法包括：利用金属氧化物半导体元件CMOS图像传感器从光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像；对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；从二值化图像中提取所述待测试光条的上边缘的轮廓曲线，其中，上边缘的轮廓曲线以离散序列形式表示。该方案实现了基于表面粗糙度光切图像自动提取待测试光条的上边缘轮廓曲线，可以提高测量光带边缘轮廓曲线的效率和精确度，进而有利于提高测量表面粗糙度的精度。
Description
技术领域
本发明涉及物质表面粗糙度检测技术领域，特别涉及一种粗糙度光切轮廓曲线的自动检测方法及装置。
背景技术
随着机械加工及检测自动化水平的提高，工件表面粗糙度的在线检测技术逐渐引起重视。传统的触针式仪器基于机械接触式的测量特点在某些场合下显然不能满足检测的要求，故此考虑借助光学成像和数字图像处理的方法来进行解决。由于采用光学显微测量的方法具有非接触性、无损伤、快捷等特点，因而光学显微测量逐步成为表面粗糙度测量技术研究的重要发展方向。
在物质表面粗糙度测量过程中，需要首先测量光带边缘的轮廓，进而根据光带边缘的轮廓计算物质表面粗糙度评定参数。光切显微镜又称双管显微镜，是利用光切法测量物质表面粗糙度的间接测量仪器，现有技术中的光切测量是依靠人眼目测光带边缘的轮廓，手动配合移动光切显微镜的目镜测微分划板来进行细节测量的，得到的光学表面轮廓图如图1所示，图中的不规则曲线为边缘的轮廓曲线，水平线为基准直线，从而为采用软件进行表面粗糙度的自动识别分析提供了可能。但是，上述测量光带边缘轮廓的方法存在效率低、精确度低的缺陷。
发明内容
本发明实施例提供了一种粗糙度光切轮廓曲线的自动检测方法，以提高测量光带边缘轮廓曲线的效率和精确度。该方法包括：利用金属氧化物半导体元件CMOS图像传感器从光切显微镜的目镜接口处获取待表面粗糙度光切图像；对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；从二值化图像中提取所述待测试光条的上边缘轮廓曲线，上边缘轮廓曲线以离散序列形式表示。
在一个实施例中，对所述表面粗糙度光切图像进行二值化处理，包括：利用类间差分割法获取分割阈值，并利用该分割阈值对所述表面粗糙度光切图像的灰度矩阵进行二值化分割，得到二值化图像，在所述二值化图像中所述待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0；从二值化图像中提取所述待测试光条的上边缘轮廓曲线，包括：在所述二值化图像中，从灰度值为1的像素点中删除无效的像素点，所述无效的像素点是指在以该像素点为中心的M/30范围内，该像素点的8邻域方向中至少两个方向上的像素点数目小于M/30，其中，M是所述表面粗糙度光切图像灰度矩阵的行数；在删除无效的像素点后的二值化图像中，对于每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘轮廓曲线中该列的像素点，并将所述M减去最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘轮廓曲线中该列像素点的纵坐标，并进而逐点得到整个上边缘轮廓曲线的离散序列。
在一个实施例中，得到上边缘轮廓曲线的离散序列后，还包括：针对上边缘轮廓曲线序列中的每列像素点，在该列上以上边缘轮廓曲线序列中的像素点为中心，在上边缘轮廓曲线序列中像素点上下方向各20个像素点范围内，计算每个像素点在原始灰度图像中所对应位置的梯度值和灰度值；上述每个像素点的灰度值与梯度值分别乘以0.5加权值后再相加，将上边缘轮廓曲线序列中该列像素点移至梯度值和灰度值加权相加和最大值所对应像素点的纵坐标处，并再次将M减去该最大值所对应像素点的纵坐标得到的坐标值，确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。
在一个实施例中，重建上边缘轮廓曲线序列后，还包括：在重建的上边缘轮廓曲线序列中，判断当前像素点与当前像素点前一相邻像素点之间的距离是否大于预设距离，所述当前像素点的前方是指所述当前像素点所在列至列数减小的方向；在判断当前像素点与当前像素点前一相邻像素点之间的距离大于预设距离时，计算所述当前像素点前相邻的三个像素点的坐标的平均坐标值，将所述当前像素点移至确定的平均坐标值处。
在一个实施例中，还包括：分别改变基准直线的斜率或截距，计算每次改变斜率或截距后的基准直线各点坐标与上边缘轮廓曲线对应列像素点坐标之间的偏差绝对值，累加各偏差绝对值得到每次改变斜率或截距后的基准直线与上边缘轮廓曲线的偏差累计和值，并组成偏差累计和值的集合；确定偏差累计和值的集合中最小偏差累计和值所对应的基准直线；将上边缘轮廓曲线上各列像素点的坐标值减去确定出的基准直线上对应点的坐标值，得到与上边缘轮廓曲线上各像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，得到基准修正后的上边缘轮廓曲线序列。
本发明实施例还提供了一种粗糙度光切轮廓曲线的自动检测装置，以提高测量光带边缘轮廓曲线的效率和精确度。该装置包括：金属氧化物半导体元件CMOS图像传感器，用于从光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像；图像处理设备，用于对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；轮廓曲线提取设备，用于从二值化图像中提取所述待测试光条的上边缘轮廓曲线，其中，上边缘轮廓曲线以离散序列形式表示。
在一个实施例中，图像处理设备，具体用于利用类间差分割法获取分割阈值，并利用该分割阈值对所述表面粗糙度光切图像的灰度矩阵进行二值化分割，得到二值化图像，所述二值化图像中所述待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0；所述轮廓曲线提取设备，包括：图像滤波模块，用于在所述二值化图像中，从灰度值为1的像素点中删除无效的像素点，所述无效的像素点是指在以该像素点为中心的M/30范围内，该像素点的8邻域方向中至少两个方向上的像素点数目小于M/30，其中，M是所述表面粗糙度光切图像灰度矩阵的行数；轮廓曲线确定模块，用于在删除无效的像素点后的二值化图像中，对于每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘轮廓曲线中该列的像素点，并将所述M减去最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘轮廓曲线中该列像素点的纵坐标，并进而逐点得到整个上边缘轮廓曲线的离散序列。
在一个实施例中，还包括：计算模块，用于在得到上边缘轮廓曲线的离散序列之后，针对上边缘的轮廓曲线序列中的每列像素点，在该列上以上边缘轮廓曲线序列中的像素点为中心，在上边缘轮廓曲线序列中的像素点上下方向各20个像素点的范围内，计算每个像素点在原始灰度图像中所对应位置的梯度值和灰度值；第一轮廓曲线修正模块，用于对上述每个像素点的灰度值与梯度值分别乘以0.5加权值后再相加，将上边缘轮廓曲线序列中该列像素点移至梯度值和灰度值加权相加和最大值所对应像素点的纵坐标处，并再次将M减去该最大值所对应的像素点的纵坐标得到的坐标值，确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。
在一个实施例中，还包括：判断模块，用于重建上边缘轮廓曲线序列之后，在重建的上边缘轮廓曲线序列中，判断当前像素点与当前像素点前一相邻像素点之间的距离是否大于预设距离，所述当前像素点的前方是指所述当前像素点所在列至列数减小的方向；第二轮廓曲线修正模块，用于在判断当前像素点与当前像素点前一相邻像素点之间的距离大于预设距离时，计算所述当前像素点前相邻的三个像素点的坐标的平均坐标值，将所述当前像素点移至确定的平均坐标值处。
在一个实施例中，还包括：准直偏差计算模块，用于分别改变基准直线的斜率或截距，计算每次改变斜率或截距后的基准直线各点坐标与上边缘轮廓曲线对应列像素点坐标之间的偏差绝对值，累加各偏差绝对值得到每次改变斜率或截距后的基准直线与上边缘轮廓曲线的偏差累计和值，组成偏差累计和值的集合；基准直线确定模块，用于确定偏差累计和值的集合中最小偏差累计和值对应的基准直线；第三轮廓曲线修正模块，用于将上边缘轮廓曲线上各列像素点的坐标值减去确定出的基准直线上对应点的坐标值，得到与上边缘轮廓曲线上各像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，得到基准修正后的上边缘轮廓曲线序列。
在本发明实施例中，通过CMOS图像传感器在光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像，并对表面粗糙度光切图像进行二值化处理，得到二值化图像，最终可以从二值化图像中提取出待测试光条的上边缘轮廓曲线，实现了基于表面粗糙度光切图像来自动提取待测试光条的上边缘轮廓曲线，与现有技术中采用人眼目测光条的边缘轮廓的方式相比，可以提高测量光带边缘轮廓曲线的效率和精确度，进而有利于提高测量表面粗糙度的精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是现有技术中人眼目测光条的边缘轮廓的示意图；
图2是本发明实施例提供的一种粗糙度光切轮廓曲线的确定方法的流程图；
图3是本发明实施例提供的一种二值图的示意图；
图4是本发明实施例提供的一种粗糙度光切轮廓曲线的示意图；
图5是本发明实施例提供的一种待测试光条的上边缘的轮廓曲线的示意图；
图6是本发明实施例提供的一种待测试光条的上边缘的轮廓曲线离散序列的示意图；
图7是本发明实施例提供的一种待测试光条的上边缘的轮廓曲线离散序列和基准直线的示意图；
图8是本发明实施例提供的一种基准修正后的上边缘的轮廓曲线离散序列的示意图；
图9是本发明实施例提供的一种粗糙度光切轮廓曲线的确定装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
在本发明实施例中，提供了一种粗糙度光切轮廓曲线的确定方法，如图2所示，该方法包括：
步骤201：利用CMOS图像传感器从光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像；
步骤202：对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；
步骤203：从二值化图像中提取所述待测试光条的上边缘轮廓曲线，其中，上边缘轮廓曲线以离散序列形式表示。
由图2所示的流程可知，在本发明实施例中，通过CMOS图像传感器在光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像，并对表面粗糙度光切图像进行二值化处理，得到二值化图像，最终可以从二值化图像中提取出待测试光条的上边缘轮廓曲线，实现了基于表面粗糙度光切图像来自动提取待测试光条的上边缘轮廓曲线，与现有技术中采用人眼目测光条的边缘轮廓的方式相比，可以提高测量光带边缘轮廓曲线的效率和精确度，进而有利于提高测量表面粗糙度的精度。
具体实施时，上述步骤201中通过CMOS图像传感器从光切显微镜接口处获取待测试光条的表面粗糙度光切图像时，CMOS图像传感器可以是靶面1/2英寸的CMOS摄像机，通过将一部靶面1/2英寸的CMOS摄像机固定于9J型光切显微镜的目镜接口上，摄像机从光切显微镜中拍摄出待测试光条的表面粗糙度光切图像，通过USB总线将表面粗糙度光切图像传输到计算机上，通过计算机对表面粗糙度光切图像进行二值化处理，得到二值化图像，并从二值化图像中提取待测试光条的上边缘轮廓曲线，以便根据上边缘轮廓曲线来计算多个表面粗糙度评定参数。
具体实施时，可以通过以下方式对表面粗糙度光切图像进行二值化处理，例如，利用类间差分割法获取分割阈值，并利用该分割阈值对所述表面粗糙度光切图像的灰度矩阵进行二值化分割，得到二值化图像，在二值化图像中所述待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0；例如，得到表面粗糙度光切图像的灰度矩阵f(x,y)(该灰度矩阵为M行N列矩阵)后，利用经典类间差分割的方法获取到一个分割阈值，并利用该分割阈值对灰度矩阵进行二值化分割，得到二值化图像，灰度值为0的像素点为无效点，灰度值为1的像素点为有效点，即在二值化图像中待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0，如图3所示，白色的带状区域即待测试光条的轮廓区域，待测试光条的轮廓区域的上下边缘曲线分别如图4中的两条曲线所示。
然后，通过以下步骤从二值化图像中提取所述待测试光条的上边缘轮廓曲线：首先，在二值化图像中，从灰度值为1的像素点中删除无效的像素点，所述无效的像素点是指在以该像素点为中心的M/30范围内，该像素点的8邻域方向中至少两个方向上的像素点数目小于M/30，M是所述表面粗糙度光切图像的灰度矩阵的行数；例如，对二值化图像中的每一个有效点利用8-邻域方向上的有效点数量进行剔除判别，判别的范围是：M/30。即如果一个像素点的周围8-邻域方向上有2个或2个以上的方向有效像素点数目大于等于M/30，那么该像素点为有效像素点，继续保留；否则，该像素点为无效像素点，对该像素点给予摒除，通过这样的方法进一步滤除了二值化图像中小连通域的无效点。
然后，在删除无效的像素点后的二值化图像中，对于每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘的轮廓曲线中该列的像素点，并将所述M减去最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘轮廓曲线中该列像素点的纵坐标，并进而逐点得到整个上边缘轮廓曲线的离散序列，例如，计算原始表面粗糙度光切图像的灰度图像垂直方向上的梯度值并形成一个整数型的矩阵对于灰度图像中每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘轮廓曲线中该列的像素点，并将所述M减去最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘的轮廓曲线中该列像素点的纵坐标，最终得到一个含有上边缘的轮廓曲线的新图像f'(x,y)如图5所示，图5中的曲线表示上边缘的轮廓曲线，上边缘的轮廓曲线的离散序列表示如图6中的曲线所示。
为了保持上边缘的轮廓曲线的连续有效性，在本实施例中，对上边缘的轮廓曲线进行修正。具体的，得到上边缘的轮廓曲线的离散序列之后，上述方法还包括：针对上边缘的轮廓曲线序列中的每列像素点，在该列上以上边缘轮廓曲线序列中的像素点为中心，在上边缘轮廓曲线序列中像素点上下方向各20个像素点的范围内(某列中像素点的上方向是指该列中指向行数减小的方向)，计算每个像素点在原始灰度图像中所对应位置的梯度值和灰度值；上述每个像素点的灰度值与梯度值分别乘以0.5加权值后再相加，将上边缘轮廓曲线序列中该列像素点移至梯度值和灰度值加权相加和最大值所对应像素点的纵坐标处，并再次将M减去该最大值所对应的像素点的纵坐标得到的坐标值，确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。例如，上边缘轮廓曲线序列中某列像素点的垂直位置坐标为y，那么在该列上计算出来垂直坐标为[y-20，y+20]范围内各个像素点对于原始灰度图像上的罗伯特算子梯度值和自身灰度值，将梯度值放入数组grad1中，将自身灰度值放入数组grad2中，对grad1、grad2分别进行归一化，并将grad1、grad2点分别乘以0.5的加权值后再相加。取grad1与grad2加权相加和值中的最大值对应的像素点的垂直坐标位置作为上边缘轮廓曲线序列中当前列像素点的垂直坐标，再次将M减去该最大值所对应的像素点的纵坐标得到的坐标值确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。
为了进一步确保上边缘轮廓曲线序列中数据的有效、可靠性，在本实施例中，重建上边缘的轮廓曲线序列之后，上述方法还包括：在重建的上边缘的轮廓曲线序列中，判断当前像素点与当前像素点前一相邻像素点之间的距离是否大于预设距离，其中，所述当前像素点的前方是指所述当前像素点所在列至列数减小的方向；在判断当前像素点与当前像素点前一相邻像素点之间的距离大于预设距离时，计算所述当前像素点前相邻的三个像素点的坐标的平均坐标值，将所述当前像素点移至确定的平均坐标值处。具体的，例如，当前像素点为i，当前像素点前一相邻像素点为i-1，像素点i与i-1之间的距离为：dis(i)＝curve(i)-curve(i-1)，那么N个像素点距离的平均值等于上述预设距离可以为2倍的或2倍以上的如果像素点i与i-1之间的距离大于这个平均距离的2倍以上，则认为该像素点i是不合理，则利用该像素点i前相邻的3个像素点i-1、i-2和i-3的坐标均值来替换该像素点i的坐标，即将像素点i移至坐标均值处，该像素点i前相邻的3个像素点i-1、i-2和i-3的坐标均值即为： 通过上述步骤对上边缘的轮廓曲线序列进行修正后，可以保证曲线序列的光滑性。
具体实施时，由于待测试件在测试之初的摆放位置是完全依靠人工通过目镜调整的，无论如何调整摆放，光条的上边缘离散化数据序列总是与水平方向呈一定的倾斜角度(如图7所示，图7中曲线表示上边缘离散化数据序列，直线表示基准直线)，而摆放的水平角度又会直接影响到粗糙度坡度的测量效果。因此，为了尽量避免或减少待测试件的摆放倾斜角度对上边缘离散化数据序列的水平程度造成的影响，在本实施例中，上述方法还包括：分别改变基准直线的斜率或截距，计算每次改变斜率或截距后的基准直线各点坐标与上边缘轮廓曲线对应列像素点坐标之间的偏差绝对值，累加各偏差绝对值得到每次改变斜率或截距后的基准直线与上边缘轮廓曲线的偏差累计和值，组成偏差累计和值的集合；确定偏差累计和值的集合中最小偏差累计和值所对应的基准直线；将上边缘轮廓曲线上各列像素点的坐标值减去确定出的基准直线上对应点的坐标值，得到与上边缘轮廓曲线上各列像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，得到基准修正后的上边缘轮廓曲线序列。
例如，具体的，Y1表示基准直线Y1＝kX+b(其中分别可以更改斜率k和截距b对直线进行扫描确认)，Y2表示上边缘轮廓曲线序列的实际值，那么显然基准直线上的每个点Y1(i)和上边缘轮廓曲线序列中对应的像素点Y2(i)都存在着一个偏差绝对值：Δ(i)＝|Y1(i)-Y2(i)|。将各点的偏差绝对值累加，每一条改变斜率k或截距b的基准直线也都对应着一个偏差累计和值。所有改变斜率k或截距b的基准直线对应的偏差累计和值组成了一个集合。取这个集合中最小偏差累计和值min(∑Δ(i))对应的那条基准直线作为最佳基准直线(即上述确定出的基准直线)，再利用上边缘轮廓曲线序列上各列像素点坐标减去最佳基准直线上对应点的坐标，即Y2(i)-min(∑Δ(i))，得到与上边缘轮廓曲线上各像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，以实现对上边缘轮廓曲线序列的实际值进行最后的修正，得到基准修正后的上边缘轮廓曲线序列，修正后的上边缘的轮廓曲线序列如图8所示，图8中曲线表示经过基准校正后的上边缘的轮廓曲线，直线表示基准直线。
具体实施时，上述方法可以通过以下matlab代码实现：
基于同一发明构思，本发明实施例中还提供了一种粗糙度光切轮廓曲线的自动检测装置，如下面的实施例所述。由于粗糙度光切轮廓曲线的自动检测装置解决问题的原理与粗糙度光切轮廓曲线的自动检测方法相似，因此粗糙度光切轮廓曲线的自动检测装置的实施可以参见粗糙度光切轮廓曲线的自动检测方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图9是本发明实施例的粗糙度光切轮廓曲线的自动检测装置的一种结构框图，如图9所示，包括：CMOS图像传感器901、图像处理设备902和轮廓曲线提取设备903，下面对该结构进行说明。
CMOS图像传感器901，用于从光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像；
图像处理设备902，与CMOS图像传感器901连接，用于对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；
轮廓曲线提取设备903，与图像处理设备902连接，用于从二值化图像中提取所述待测试光条的上边缘轮廓曲线，其中，上边缘轮廓曲线以离散序列形式表示。
在一个实施例中，图像处理设备902，具体用于利用类间差分割法获取分割阈值，并利用该分割阈值对所述表面粗糙度光切图像的灰度矩阵进行二值化分割，得到二值化图像，在二值化图像中所述待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0；所述轮廓曲线提取设备903，包括：图像滤波模块，用于在二值化图像中，从灰度值为1的像素点中删除无效的像素点，所述无效的像素点是指在以该像素点为中心的M/30范围内，该像素点的8邻域方向中至少两个方向上的像素点数目小于M/30，M是所述表面粗糙度光切图像的灰度矩阵的行数；轮廓曲线确定模块，与图像滤波模块连接，用于在删除无效的像素点后的二值化图像中，对于每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘的轮廓曲线中该列的像素点，并将所述M减去最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘轮廓曲线中该列像素点的纵坐标，并进而逐点得到整个上边缘轮廓曲线的离散序列。
在一个实施例中，还包括：计算模块，用于在得到上边缘轮廓曲线的离散序列之后，针对上边缘的轮廓曲线序列中的每列像素点，在该列上以上边缘轮廓曲线序列中的像素点为中心，在上边缘轮廓曲线序列中的像素点上下方向各20个像素点的范围内，计算每个像素点在原始灰度图像中所对应位置的梯度值和灰度值；第一轮廓曲线修正模块，与计算模块连接，用于对上述每个像素点的灰度值与梯度值分别乘以0.5加权值后再相加，将上边缘轮廓曲线序列中该列像素点移至梯度值和灰度值加权相加和最大值所对应像素点的纵坐标处，并再次将M减去该最大值所对应的像素点的纵坐标得到的坐标值，确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。
在一个实施例中，还包括：判断模块，用于重建上边缘轮廓曲线序列之后，在重建的上边缘轮廓曲线序列中，判断当前像素点与当前像素点前一相邻像素点之间的距离是否大于预设距离，所述当前像素点的前方是指所述当前像素点所在列至列数减小的方向；第二轮廓曲线修正模块，与判断模块连接，用于在判断当前像素点与当前像素点前一相邻像素点之间的距离大于预设距离时，计算所述当前像素点前相邻的三个像素点的坐标的平均坐标值，将所述当前像素点移至确定的平均坐标值处。
在一个实施例中，还包括：准直偏差计算模块，用于分别改变基准直线的斜率或截距，计算每次改变斜率或截距后的基准直线各点坐标与上边缘轮廓曲线对应列像素点坐标之间的偏差绝对值，累加各偏差绝对值得到每次改变斜率或截距后的基准直线与上边缘轮廓曲线的偏差累计和值，组成偏差累计和值的集合；基准直线确定模块，与准直偏差计算模块连接，用于确定偏差累计和值的集合中最小偏差累计和值对应的基准直线；第三轮廓曲线修正模块，与基准直线确定模块连接，用于将上边缘轮廓曲线上各列像素点的坐标值减去确定出的基准直线上对应点的坐标值，得到与上边缘轮廓曲线上各像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，得到基准修正后的上边缘轮廓曲线序列。
在本发明实施例中，通过CMOS图像传感器在光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像，并对表面粗糙度光切图像进行二值化处理，得到二值化图像，最终可以从二值化图像中提取出待测试光条的上边缘轮廓曲线，实现了基于表面粗糙度光切图像来自动提取待测试光条的上边缘轮廓曲线，与现有技术中采用人眼目测光条的边缘轮廓的方式相比，可以提高测量光带边缘轮廓曲线的效率和精确度，进而有利于提高测量表面粗糙度的精度。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种粗糙度光切轮廓曲线的自动检测方法，其特征在于，包括：
利用金属氧化物半导体元件CMOS图像传感器从光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像；
对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；
从二值化图像中提取所述待测试光条的上边缘轮廓曲线，其中，上边缘轮廓曲线以离散序列形式表示。
2.如权利要求1所述的方法，其特征在于，
对所述表面粗糙度光切图像进行二值化处理，包括：
利用类间差分割法获取分割阈值，并利用该分割阈值对所述表面粗糙度光切图像的灰度矩阵进行二值化分割，得到二值化图像，在所述二值化图像中所述待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0；
从二值化图像中提取所述待测试光条的上边缘轮廓曲线，包括：
在所述二值化图像中，从灰度值为1的像素点中删除无效的像素点，所述无效的像素点是指在以该像素点为中心的M/30范围内，该像素点的8邻域方向中至少两个方向上的像素点数目小于M/30，其中，M是所述表面粗糙度光切图像的灰度矩阵的行数；
在删除无效的像素点后的二值化图像中，对于每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘轮廓曲线中该列的像素点，并将所述M减去当前最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘轮廓曲线中该列像素点的纵坐标，并进而逐点得到整个上边缘轮廓曲线的离散序列。
3.如权利要求2所述的方法，其特征在于，得到上边缘轮廓曲线的离散序列之后，还包括：
针对上边缘的轮廓曲线序列中的每列像素点，在该列上以上边缘轮廓曲线序列中的像素点为中心，在上边缘轮廓曲线序列中像素点上下方向各20个像素点的范围内，计算每个像素点在原始灰度图像中所对应位置的梯度值和灰度值；
上述每个像素点的灰度值与梯度值分别乘以0.5加权值后再相加，将上边缘轮廓曲线序列中该列像素点移至梯度值和灰度值加权相加和最大值所对应像素点的纵坐标处，并再次将M减去该最大值所对应像素点的纵坐标得到的坐标值，确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。
4.如权利要求3所述的方法，其特征在于，重建上边缘轮廓曲线序列之后，还包括：
在重建的上边缘轮廓曲线序列中，判断当前像素点与当前像素点前一相邻像素点之间的距离是否大于预设距离，所述当前像素点的前方是指所述当前像素点所在列至列数减小的方向；
在判断当前像素点与当前像素点前一相邻像素点之间的距离大于预设距离时，计算所述当前像素点前相邻的三个像素点的坐标的平均坐标值，将所述当前像素点移至确定的平均坐标值处。
5.如权利要求1至4中任一项所述的方法，其特征在于，还包括：
分别改变基准直线的斜率或截距，计算每次改变斜率或截距后的基准直线各点坐标与上边缘轮廓曲线对应列像素点坐标之间的偏差绝对值，累加各偏差绝对值得到每次改变斜率或截距后的基准直线与上边缘轮廓曲线的偏差累计和值，并组成偏差累计和值的集合；
确定偏差累计和值的集合中最小偏差累计和值所对应的基准直线；
将上边缘轮廓曲线上各列像素点的坐标值减去确定出的基准直线上对应点的坐标值，得到与上边缘轮廓曲线上各像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，得到基准修正后的上边缘轮廓曲线序列。
6.一种粗糙度光切轮廓曲线的自动检测装置，其特征在于，包括：
金属氧化物半导体元件CMOS图像传感器，用于从光切显微镜的目镜接口处获取待测试光条的表面粗糙度光切图像；
图像处理设备，用于对所述表面粗糙度光切图像进行二值化处理，得到二值化图像；
轮廓曲线提取设备，用于从二值化图像中提取所述待测试光条的上边缘轮廓曲线，其中，上边缘轮廓曲线以离散序列形式表示。
7.如权利要求6所述的装置，其特征在于，
所述图像处理设备，具体用于利用类间差分割法获取分割阈值，并利用该分割阈值对所述表面粗糙度光切图像的灰度矩阵进行二值化分割，得到二值化图像，所述二值化图像中所述待测试光条轮廓区域内的像素点的灰度值为1，所述待测试光条轮廓区域外的像素点的灰度值为0；
所述轮廓曲线提取设备，包括：
图像滤波模块，用于在所述二值化图像中，从灰度值为1的像素点中删除无效的像素点，所述无效的像素点是指在以该像素点为中心的M/30范围内，该像素点的8邻域方向中至少两个方向上的像素点数目小于M/30，其中，M是所述表面粗糙度光切图像的灰度矩阵的行数；
轮廓曲线确定模块，用于在删除无效的像素点后的二值化图像中，对于每列像素点按照行数由小到大的顺序进行逐一扫描，最先扫描到的灰度值为1的像素点记为上边缘轮廓曲线中该列的像素点，并将所述M减去最先扫描到的灰度值为1的像素点所在行数得到的差值，确定为上边缘轮廓曲线中该列像素点的纵坐标，并进而逐点得到整个上边缘轮廓曲线的离散序列。
8.如权利要求7所述的装置，其特征在于，还包括：
计算模块，用于在得到上边缘轮廓曲线的离散序列之后，针对上边缘的轮廓曲线序列中的每列像素点，在该列上以上边缘轮廓曲线序列中的像素点为中心，在上边缘轮廓曲线序列中的像素点上下方向各20个像素点的范围内，计算每个像素点在原始灰度图像中所对应位置的梯度值和灰度值；
第一轮廓曲线修正模块，用于对上述每个像素点的灰度值与梯度值分别乘以0.5加权值后再相加，将上边缘轮廓曲线序列中该列像素点移至梯度值和灰度值加权相加和最大值所对应像素点的纵坐标处，并再次将M减去该最大值所对应的像素点的纵坐标得到的坐标值，确定为当前列像素点的纵坐标，依次调整上边缘轮廓曲线序列中的每列像素点，重建上边缘轮廓曲线序列。
9.如权利要求8所述的装置，其特征在于，还包括：
判断模块，用于重建上边缘轮廓曲线序列之后，在重建的上边缘轮廓曲线序列中，判断当前像素点与当前像素点前一相邻像素点之间的距离是否大于预设距离，所述当前像素点的前方是指所述当前像素点所在列至列数减小的方向；
第二轮廓曲线修正模块，用于在判断当前像素点与当前像素点前一相邻像素点之间的距离大于预设距离时，计算所述当前像素点前相邻的三个像素点的坐标的平均坐标值，将所述当前像素点移至确定的平均坐标值处。
10.如权利要求6至9中任一项所述的装置，其特征在于，还包括：
准直偏差计算模块，用于分别改变基准直线的斜率或截距，计算每次改变斜率或截距后的基准直线各点坐标与上边缘轮廓曲线对应列像素点坐标之间的偏差绝对值，累加各偏差绝对值得到每次改变斜率或截距后的基准直线与上边缘轮廓曲线的偏差累计和值，组成偏差累计和值的集合；
基准直线确定模块，用于确定偏差累计和值的集合中最小偏差累计和值对应的基准直线；
第三轮廓曲线修正模块，用于将上边缘轮廓曲线上各列像素点的坐标值减去确定出的基准直线上对应点的坐标值，得到与上边缘轮廓曲线上各像素点对应的坐标差，将上边缘轮廓曲线上各像素点移至对应的坐标差处，得到基准修正后的上边缘轮廓曲线序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510122476.7A CN104697476B (zh) | 2015-03-19 | 2015-03-19 | 粗糙度光切轮廓曲线的自动检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510122476.7A CN104697476B (zh) | 2015-03-19 | 2015-03-19 | 粗糙度光切轮廓曲线的自动检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104697476A true CN104697476A (zh) | 2015-06-10 |
| CN104697476B CN104697476B (zh) | 2017-06-06 |
Family
ID=53344848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510122476.7A Active CN104697476B (zh) | 2015-03-19 | 2015-03-19 | 粗糙度光切轮廓曲线的自动检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104697476B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678786A (zh) * | 2016-02-01 | 2016-06-15 | 绍兴文理学院 | 基于Jaccard相似度量的结构面粗糙度系数评价方法 |
| CN106571086A (zh) * | 2016-10-19 | 2017-04-19 | 何桂崧 | 一种基于图像处理的表面粗糙度测试显微镜教学系统 |
| CN106845494A (zh) * | 2016-12-22 | 2017-06-13 | 歌尔科技有限公司 | 一种检测图像中轮廓角点的方法及装置 |
| CN107655459A (zh) * | 2017-09-07 | 2018-02-02 | 南京理工大学 | 一种野外岩石结构面粗糙度的量测及计算方法 |
| CN107742119A (zh) * | 2017-11-14 | 2018-02-27 | 湖南大学 | 一种基于背影成像的物体轮廓提取和匹配装置及方法 |
| CN108229486A (zh) * | 2017-12-27 | 2018-06-29 | 浙江工业大学 | 一种纤维识别分割方法 |
| CN109408888A (zh) * | 2018-11-27 | 2019-03-01 | 广东工业大学 | 一种二维切削表面的粗糙度计算方法、计算机可读存储介质及终端 |
| CN110660096A (zh) * | 2019-10-08 | 2020-01-07 | 珠海格力电器股份有限公司 | 曲线一致性检测方法及存储介质 |
| CN110659343A (zh) * | 2019-09-23 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 一种地理围栏数据的提取方法、装置及设备 |
| CN111325789A (zh) * | 2020-02-01 | 2020-06-23 | 暨南大学 | 一种基于离散方向变化序列的曲率不连续点检测方法 |
| CN111383239A (zh) * | 2020-02-24 | 2020-07-07 | 上海航天控制技术研究所 | 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 |
| CN113095195A (zh) * | 2021-04-03 | 2021-07-09 | 西北工业大学 | 一种基于表面形貌自特征的零件唯一识别方法 |
| CN114235840A (zh) * | 2021-12-29 | 2022-03-25 | 复旦大学 | 一种基于光切显微镜的晶圆表面缺陷检测方法 |
| CN115294143A (zh) * | 2022-10-10 | 2022-11-04 | 雷锘家具(南通)有限公司 | 一种用于家具制造的板材平面自动打磨方法 |
| CN115661120A (zh) * | 2022-11-14 | 2023-01-31 | 江西捷锐机电设备有限公司 | 一种用于数控金钢线剖锭机的切割质量检测方法 |
| CN117115161A (zh) * | 2023-10-24 | 2023-11-24 | 四川新康意众申新材料有限公司 | 一种塑料缺陷检查方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04208805A (ja) * | 1990-12-04 | 1992-07-30 | Brother Ind Ltd | 光学式表面粗さ測定装置 |
| CN1081250A (zh) * | 1992-07-10 | 1994-01-26 | 山东工业大学 | 一种检测表面粗糙度的方法及装置 |
| CN1540283A (zh) * | 2003-10-30 | 2004-10-27 | 文晓希 | 工件表面粗糙度测量方法及装置 |
| CN203203583U (zh) * | 2013-04-24 | 2013-09-18 | 上海工程技术大学 | 一种基于ccd的工件智能检测系统 |
| CN203337113U (zh) * | 2013-06-04 | 2013-12-11 | 合肥米克光电技术有限公司 | 三维显微光切法表面粗糙度测量仪 |
-
2015
- 2015-03-19 CN CN201510122476.7A patent/CN104697476B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04208805A (ja) * | 1990-12-04 | 1992-07-30 | Brother Ind Ltd | 光学式表面粗さ測定装置 |
| CN1081250A (zh) * | 1992-07-10 | 1994-01-26 | 山东工业大学 | 一种检测表面粗糙度的方法及装置 |
| CN1540283A (zh) * | 2003-10-30 | 2004-10-27 | 文晓希 | 工件表面粗糙度测量方法及装置 |
| CN203203583U (zh) * | 2013-04-24 | 2013-09-18 | 上海工程技术大学 | 一种基于ccd的工件智能检测系统 |
| CN203337113U (zh) * | 2013-06-04 | 2013-12-11 | 合肥米克光电技术有限公司 | 三维显微光切法表面粗糙度测量仪 |
Non-Patent Citations (2)
| Title |
|---|
| 李博等: "基于光切图像处理的表面粗糙度检测系统", 《电子测量技术》 * |
| 贾晓艳等: ""基于光切法的表面粗糙度检测的图像处理研究", 《光学与光电技术》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678786B (zh) * | 2016-02-01 | 2018-08-17 | 绍兴文理学院 | 基于Jaccard相似度量的结构面粗糙度系数评价方法 |
| CN105678786A (zh) * | 2016-02-01 | 2016-06-15 | 绍兴文理学院 | 基于Jaccard相似度量的结构面粗糙度系数评价方法 |
| CN106571086A (zh) * | 2016-10-19 | 2017-04-19 | 何桂崧 | 一种基于图像处理的表面粗糙度测试显微镜教学系统 |
| CN106845494B (zh) * | 2016-12-22 | 2019-12-13 | 歌尔科技有限公司 | 一种检测图像中轮廓角点的方法及装置 |
| CN106845494A (zh) * | 2016-12-22 | 2017-06-13 | 歌尔科技有限公司 | 一种检测图像中轮廓角点的方法及装置 |
| CN107655459A (zh) * | 2017-09-07 | 2018-02-02 | 南京理工大学 | 一种野外岩石结构面粗糙度的量测及计算方法 |
| CN107742119A (zh) * | 2017-11-14 | 2018-02-27 | 湖南大学 | 一种基于背影成像的物体轮廓提取和匹配装置及方法 |
| CN107742119B (zh) * | 2017-11-14 | 2024-03-29 | 湖南大学 | 一种基于背影成像的物体轮廓提取和匹配装置及方法 |
| CN108229486A (zh) * | 2017-12-27 | 2018-06-29 | 浙江工业大学 | 一种纤维识别分割方法 |
| CN108229486B (zh) * | 2017-12-27 | 2021-07-06 | 浙江工业大学 | 一种纤维识别分割方法 |
| CN109408888A (zh) * | 2018-11-27 | 2019-03-01 | 广东工业大学 | 一种二维切削表面的粗糙度计算方法、计算机可读存储介质及终端 |
| CN109408888B (zh) * | 2018-11-27 | 2024-01-05 | 广东工业大学 | 一种二维切削表面的粗糙度计算方法、计算机可读存储介质及终端 |
| CN110659343A (zh) * | 2019-09-23 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 一种地理围栏数据的提取方法、装置及设备 |
| CN110659343B (zh) * | 2019-09-23 | 2023-08-11 | 创新先进技术有限公司 | 一种地理围栏数据的提取方法、装置及设备 |
| CN110660096A (zh) * | 2019-10-08 | 2020-01-07 | 珠海格力电器股份有限公司 | 曲线一致性检测方法及存储介质 |
| CN111325789A (zh) * | 2020-02-01 | 2020-06-23 | 暨南大学 | 一种基于离散方向变化序列的曲率不连续点检测方法 |
| CN111325789B (zh) * | 2020-02-01 | 2024-01-09 | 暨南大学 | 一种基于离散方向变化序列的曲率不连续点检测方法 |
| CN111383239A (zh) * | 2020-02-24 | 2020-07-07 | 上海航天控制技术研究所 | 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 |
| CN113095195B (zh) * | 2021-04-03 | 2023-04-07 | 西北工业大学 | 一种基于表面形貌自特征的零件唯一识别方法 |
| CN113095195A (zh) * | 2021-04-03 | 2021-07-09 | 西北工业大学 | 一种基于表面形貌自特征的零件唯一识别方法 |
| CN114235840A (zh) * | 2021-12-29 | 2022-03-25 | 复旦大学 | 一种基于光切显微镜的晶圆表面缺陷检测方法 |
| CN114235840B (zh) * | 2021-12-29 | 2024-03-08 | 复旦大学 | 一种基于光切显微镜的晶圆表面缺陷检测方法 |
| CN115294143A (zh) * | 2022-10-10 | 2022-11-04 | 雷锘家具(南通)有限公司 | 一种用于家具制造的板材平面自动打磨方法 |
| CN115661120B (zh) * | 2022-11-14 | 2023-03-10 | 江西捷锐机电设备有限公司 | 一种用于数控金钢线剖锭机的切割质量检测方法 |
| CN115661120A (zh) * | 2022-11-14 | 2023-01-31 | 江西捷锐机电设备有限公司 | 一种用于数控金钢线剖锭机的切割质量检测方法 |
| CN117115161A (zh) * | 2023-10-24 | 2023-11-24 | 四川新康意众申新材料有限公司 | 一种塑料缺陷检查方法 |
| CN117115161B (zh) * | 2023-10-24 | 2024-01-02 | 四川新康意众申新材料有限公司 | 一种塑料缺陷检查方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104697476B (zh) | 2017-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104697476A (zh) | 粗糙度光切轮廓曲线的自动检测方法及装置 | |
| CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
| CN101408985B (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
| WO2019134252A1 (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
| EP2594918B1 (en) | Hardness tester and hardness test method | |
| JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
| US9146185B2 (en) | Hardness tester and hardness test method | |
| CN106920245B (zh) | 一种边界检测的方法及装置 | |
| CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
| KR20090101356A (ko) | 결함 검출 장치 및 결함 검출 방법 | |
| CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
| CN104635428A (zh) | 一种基于图像处理的调焦调平测量装置和方法 | |
| CN115100127A (zh) | 一种基于视觉识别的圆形焊缝缺陷检测方法 | |
| CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
| CN107545557A (zh) | 粪便图像中的虫卵检测方法和装置 | |
| CN109883396B (zh) | 一种基于图像处理技术的水准泡刻线宽度测量方法 | |
| CN113749646A (zh) | 基于单目视觉的人体身高测量方法、装置及电子设备 | |
| WO2019007164A1 (zh) | 纸币涂鸦的检测方法及装置 | |
| CN113160223A (zh) | 轮廓的确定方法、确定装置、检测设备及存储介质 | |
| KR101733028B1 (ko) | 영상대조에 따른 에지 변위량 예측 방법 | |
| JP2001116513A (ja) | 距離画像算出装置 | |
| CN103942783A (zh) | 一种岩体裂隙信息的计算方法 | |
| CN109084721B (zh) | 用于确定半导体器件中的目标结构的形貌参数的方法和设备 | |
| CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
| Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Automatic detection method and device for roughness light-incision profile curve Effective date of registration: 20180926 Granted publication date: 20170606 Pledgee: Bank of Beijing Zhongguancun branch Limited by Share Ltd. Haidian Pledgor: Beijing TIME High-technology Ltd. Registration number: 2018990000883 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20191022 Granted publication date: 20170606 Pledgee: Bank of Beijing Zhongguancun branch Limited by Share Ltd. Haidian Pledgor: Beijing TIME High-technology Ltd. Registration number: 2018990000883 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Automatic detection method and device for roughness light-incision profile curve Effective date of registration: 20191028 Granted publication date: 20170606 Pledgee: Bank of Beijing Zhongguancun branch Limited by Share Ltd. Haidian Pledgor: Beijing TIME High-technology Ltd. Registration number: Y2019110000004 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20210721 Granted publication date: 20170606 Pledgee: Bank of Beijing Zhongguancun branch Limited by Share Ltd. Haidian Pledgor: BEIJING TIME HIGH-TECHNOLOGY Ltd. Registration number: Y2019110000004 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Automatic Measuring Method and Device of Roughness Light Cut Profile Curve Effective date of registration: 20221101 Granted publication date: 20170606 Pledgee: Hengfeng bank Limited by Share Ltd. Beijing branch Pledgor: BEIJING TIME HIGH-TECHNOLOGY Ltd. Registration number: Y2022980020387 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240307 Granted publication date: 20170606 |
|
| PP01 | Preservation of patent right |