CN107093183A - 一种基于索贝尔边缘检测技术的涂胶路径提取方法 - Google Patents

Abstract

本发明公开了一种基于索贝尔边缘检测技术的涂胶路径提取方法，包括如下步骤：1）边缘检测：应用索贝尔算子（Sobel operator）作边缘检测；2）图像分割和图像二值化：选择一个近似阈值作为估计值的初始值，然后进行分割，产生子图像并根据子图像的特性来选取新的阈值，再用新的阈值分割图像，经过几次循坏，使错误分割的图像像素点降到最少，得到最佳阈值；3）边缘提取：在二值图像中，假定背景灰度为0，物体像素灰度值为1，边缘轮廓的提取规则：若中心像素值为0，不管相邻像素为何值，中心像素值为0；若中心像素值为1，相邻像素全为1，中心像素值为0；其它情况下，全部中心像素值改为1；根据规则得到图像中目标的边缘轮廓，形成涂胶路径。

Description

一种基于索贝尔边缘检测技术的涂胶路径提取方法

技术领域

本发明涉及涂胶路径提取技术，特别涉及一种基于索贝尔边缘检测技术的涂胶路径提取方法。

背景技术

涂胶工艺是制鞋、皮革制造、耳机组装和手机贴膜等生产的瓶颈工艺，要实现涂胶工艺的自动化，涂胶路径的高效和准确获取是非常关键的。索贝尔算子（Sobel operator）根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘，对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。然而，当对涂胶路径的精度要求较高时，单纯地采用Sobel算子获取边缘，显然已经不能满足要求。因此，需要在基于索贝尔边缘检测技术（Sobel operator）的基础在，来进一步完善边缘提取的精度。

发明内容

针对上述不足，本发明的目的在于，提供一种基于索贝尔边缘检测技术的涂胶路径提取方法，利用贝尔边缘检测技术和图像优化技术对鞋底、皮革等产品的图像进行优化处理，快速获取涂胶路径。

本发明采用的技术方案为：一种基于索贝尔边缘检测技术的涂胶路径提取方法，其特征在于，包括如下步骤：

1）边缘检测：应用索贝尔算子（Sobel operator）作边缘检测，运算图像亮度函数的灰度的近似值，在图像的任何一点使用索贝尔算子（Sobel operator），产生对应的灰度矢量或是其法矢量；设图像的灰度函数为f(x，y)，x和y分别为图像像素点行坐标值和列坐标值，在(x，y)处有边缘时，利用f(x，y)在x和y方向上的变化率算出其变化最快的方向，即梯度方向；

2）图像分割和图像二值化：选择一个近似阈值作为估计值的初始值，然后进行分割，产生子图像并根据子图像的特性来选取新的阈值，再用新的阈值分割图像，经过几次循坏，使错误分割的图像像素点降到最少，得到最佳阈值；

3）边缘提取：在二值图像中，假定背景灰度为0，物体像素灰度值为1，边缘轮廓的提取规则：若中心像素值为0，不管相邻像素为何值，中心像素值为0；若中心像素值为1，相邻像素全为1，中心像素值为0；其它情况下，全部中心像素值改为1；根据规则得到图像中目标的边缘轮廓，形成涂胶路径。

进一步，步骤1）中，还包括如下步骤：根据索贝尔算子（Sobel operator）：

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；用A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

索贝尔算子（Sobel operator）根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘，对噪声具有平滑作用，提供边缘方向信息。

进一步，步骤2）中，还包括如下步骤：对于二值图像中存在断线、凹洞、毛刺缺陷，采用开算子对图像进行缺陷修补，消除缺陷图像的影响。

本发明具有以下优点：涂胶路径提取的过程：获取原始图像-灰度化图像-对比度增强图像-二值图像-开运算-边界的提取。利用贝尔边缘检测技术和图像优化技术对鞋底、皮革等产品的图像进行优化处理，快速获取精度较高的涂胶路径。

下面结合附图说明与具体实施方式，对本发明作进一步说明。

附图说明

图1为优化前的涂胶路径示意图；

图2为优化后的涂胶路径示意图；

图3为传统的涂胶路径示意图；

图中：盖板1；插线孔位2；插线孔3；插线柱4；固定孔5；弧形凹槽6。

具体实施方式

参见图1至3，本实施例所提供的基于索贝尔边缘检测技术的涂胶路径提取方法，以鞋底轮廓为例，包括如下步骤：

1）边缘检测：应用索贝尔算子（Sobel operator）作边缘检测，运算图像亮度函数的灰度的近似值，在图像的任何一点使用索贝尔算子（Sobel operator），产生对应的灰度矢量或是其法矢量；设图像的灰度函数为f(x，y)，x和y分别为图像像素点行坐标值和列坐标值，在(x，y)处有边缘时，利用f(x，y)在x和y方向上的变化率算出其变化最快的方向，即梯度方向；

根据索贝尔算子（Sobel operator）：

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；用A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

索贝尔算子（Sobel operator）根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘，对噪声具有平滑作用，提供边缘方向信息。

2）图像分割和图像二值化：选择一个近似阈值作为估计值的初始值，然后进行分割，产生子图像并根据子图像的特性来选取新的阈值，再用新的阈值分割图像，经过几次循坏，使错误分割的图像像素点降到最少，得到最佳阈值；对于二值图像中存在断线、凹洞、毛刺缺陷，采用开算子对图像进行缺陷修补，消除缺陷图像的影响。

3）边缘提取：在二值图像中，假定背景灰度为0，物体像素灰度值为1，边缘轮廓的提取规则：若中心像素值为0，不管相邻像素为何值，中心像素值为0；若中心像素值为1，相邻像素全为1，中心像素值为0；其它情况下，全部中心像素值改为1；根据规则得到图像中目标的边缘轮廓，形成涂胶路径。

本发明并不限于上述实施方式，采用与本发明上述实施例相同或近似的技术特征，而得到的其他基于索贝尔边缘检测技术的涂胶路径提取方法，均在本发明的保护范围之内。

Claims (3)

1.一种基于索贝尔边缘检测技术的涂胶路径提取方法，其特征在于，包括如下步骤：

1）边缘检测：应用索贝尔算子（Sobel operator）作边缘检测，运算图像亮度函数的灰度的近似值，在图像的任何一点使用索贝尔算子（Sobel operator），产生对应的灰度矢量或是其法矢量；设图像的灰度函数为f(x，y)，x和y分别为图像像素点行坐标值和列坐标值，在(x，y)处有边缘时，利用f(x，y)在x和y方向上的变化率算出其变化最快的方向，即梯度方向；

2）图像分割和图像二值化：选择一个近似阈值作为估计值的初始值，然后进行分割，产生子图像并根据子图像的特性来选取新的阈值，再用新的阈值分割图像，经过几次循坏，使错误分割的图像像素点降到最少，得到最佳阈值；

3）边缘提取：在二值图像中，假定背景灰度为0，物体像素灰度值为1，边缘轮廓的提取规则：若中心像素值为0，不管相邻像素为何值，中心像素值为0；若中心像素值为1，相邻像素全为1，中心像素值为0；其它情况下，全部中心像素值改为1；根据规则得到图像中目标的边缘轮廓，形成涂胶路径。

2.根据权利要求1所述的基于索贝尔边缘检测技术的涂胶路径提取方法，其特征在于，步骤1）中，还包括如下步骤：根据索贝尔算子（Sobel operator）：

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；用A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

索贝尔算子（Sobel operator）根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘，对噪声具有平滑作用，提供边缘方向信息。

3.根据权利要求1所述的基于索贝尔边缘检测技术的涂胶路径提取方法，其特征在于，步骤2）中，还包括如下步骤：对于二值图像中存在断线、凹洞、毛刺缺陷，采用开算子对图像进行缺陷修补，消除缺陷图像的影响。