CN107230212B - 一种基于视觉的手机尺寸的测量方法及系统 - Google Patents
一种基于视觉的手机尺寸的测量方法及系统 Download PDFInfo
- Publication number
- CN107230212B CN107230212B CN201710318073.9A CN201710318073A CN107230212B CN 107230212 B CN107230212 B CN 107230212B CN 201710318073 A CN201710318073 A CN 201710318073A CN 107230212 B CN107230212 B CN 107230212B
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- straight line
- mobile phone
- points
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Abstract
本发明公开了一种基于视觉的手机尺寸的测量方法,所述方法包括:采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;采用霍夫直线检测方法从所述边缘点中获取四条直线;采用选择性迭代的方法确定所述四条直线的内点;根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;获取所述四个顶点的坐标;基于所述坐标,获得所述被测手机的实际尺寸。本发明提供的一种基于视觉的手机尺寸的测量方法及系统,解决了现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在的精度不高的技术问题。
Description
技术领域
本发明涉及视觉测量技术领域,尤其涉及一种基于视觉的手机尺寸的测量方法及系统。
背景技术
在工业4.0智能化自动化生产中,智能生产是核心,涉及到零件在加工过程中各种各样的检查、测量等领域。智能生产通常是连续大批量生产,对零件尺寸的测量精度和测量速度要求很高。
现有技术中,对手机(圆角矩形)的尺寸测量,主要是利用最小外接矩形的方法,转化求得矩形的四个顶点坐标,进而求得手机尺寸。
本申请发明人在实现本发明的技术方案时,发现现有技术中至少存在如下问题:
现有技术中一般通过最小外接矩形的方法来测量手机尺寸,但是通过最小外接矩形的方法往往测量精度不够。
可见,现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题,因此如何提高手机尺寸测量方法的精度是重要研究课题。
发明内容
本发明实施例提供一种基于视觉的手机尺寸的测量方法及系统,用以解决现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题。
本发明公开了一种基于视觉的手机尺寸的测量方法,所述方法包括:
采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;
采用霍夫直线检测方法从所述边缘点中获取四条直线;
采用选择性迭代的方法确定所述四条直线的内点;
根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
获取所述四个顶点的坐标;
基于所述坐标,获得所述被测手机的实际尺寸。
可选地,所述采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,包括:
获取所述被测手机的灰度图像;
根据所述灰度图像,获得高斯模糊后的图像;
对所述高斯模糊后的图像通过Canny算子进行边缘检测,获得所述被测手机的第一轮廓边缘;
采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘。
可选地,所述对所述高斯模糊后的图像进行边缘检测,获得所述被测手机的第一轮廓边缘,包括:
采用Sobel水平算子和Sobel垂直算子分别对所述高斯模糊后的图像进行卷积,获得图像在x方向上的第一梯度分量和y方向上的第二梯度分量;
根据所述第一梯度分量和所述第二梯度分量,获得梯度图像;
根据所述梯度图像,获得梯度方向;
基于所述梯度方向,获得细化的第一边缘图;
对所述第一边缘图进行双阈值处理,获得第二边缘图,以所述第二边缘图为所述第一轮廓边缘。
可选地,所述根据所述灰度图像,获得高斯模糊后的图像,包括:
采用二维高斯核对所述灰度图像进行卷积,获得高斯模糊后的图像。
可选地,所述采用选择性迭代的方法确定所述四条直线的内点,包括:
获取所述四条直线中的第一直线的第一参数ρ0和第二参数θ0,其中,ρ0为图像原点到所述第一直线的垂线像素距离,θ0为所述第一直线的垂线与图像x轴正方向的夹角;
将所述第一直线附近距离为T的所有非背景点作为迭代点集,其中,
T=D*tan(1/2),D为所拍图像对角线的像素距离;
在所述迭代点集中,选取两点确定第二直线,获得所述第二直线的第三参数ρ1和第四参数θ1,其中,ρ1和θ1为直线法线参数方程的变量,ρ1对应于图像原点到第二直线的垂线像素距离,θ1对应于第二直线的垂线与图像x轴正方向的夹角;
判断ρ1-ρ0和θ2-θ0是否都在预设的范围内;
如果在,则确定所述距离T内的点为所述第二直线的内点,并统计内点个数;否则重新选取两点确定第三直线;
选取内点数最多的线为目标直线,以所述目标直线为所述被测手机的直线,确定所述直线的内点。
基于同样的发明构思,本发明第二方面提供了一种基于视觉的手机尺寸的测量系统,所述系统包括:
第一获取模块,用于采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;
第二获取模块,用于采用霍夫直线检测方法从所述边缘点中获取四条直线;
确定模块,用于采用选择性迭代的方法确定所述四条直线的内点;
第三获取模块,用于根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
第四获取模块,用于获取所述四个顶点的坐标;
获得模块,用于基于所述坐标,获得所述被测手机的实际尺寸。
可选地,所述第一获取模块还用于:
获取所述被测手机的灰度图像;
根据所述灰度图像,获得高斯模糊后的图像;
对所述高斯模糊后的图像通过Canny算子进行边缘检测,获得所述被测手机的第一轮廓边缘;
采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘。
可选地,所述第一获取模块还用于:
采用Sobel水平算子和Sobel垂直算子分别对所述高斯模糊后的图像进行卷积,获得图像在x方向上的第一梯度分量和y方向上的第二梯度分量;
根据所述第一梯度分量和所述第二梯度分量,获得梯度图像;
根据所述梯度图像,获得梯度方向;
基于所述梯度方向,获得细化的第一边缘图;
对所述第一边缘图进行双阈值处理,获得第二边缘图,以所述第二边缘图为所述第一轮廓边缘。
可选地,采用二维高斯核对所述灰度图像进行卷积,获得高斯模糊后的图像。
可选地,所述确定模块还用于:
获取所述四条直线中的第一直线的第一参数ρ0和第二参数θ0,其中,ρ0为图像原点到所述第一直线的垂线像素距离,θ0为所述第一直线的垂线与图像x轴正方向的夹角;
将所述第一直线附近距离为T的所有非背景点作为迭代点集,其中,
T=D*tan(1/2),D为所拍图像对角线的像素距离;
在所述迭代点集中,选取两点确定第二直线,获得所述第二直线的第三参数ρ1和第四参数θ1,其中,ρ1和θ1为直线法线参数方程的变量,ρ1对应于图像原点到第二直线的垂线像素距离,θ1对应于第二直线的垂线与图像x轴正方向的夹角;
判断ρ1-ρ0和θ2-θ0是否都在预设的范围内;
如果在,则确定所述距离T内的点为所述第二直线的内点,并统计内点个数;否则重新选取两点确定第三直线;
选取内点数最多的线为目标直线,以所述目标直线为所述被测手机的直线,确定所述直线的内点。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种基于视觉的手机尺寸的测量方法,采用边缘聚焦方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;采用霍夫直线检测方法从所述边缘点中获取四条直线;并采用选择性迭代的方法确定所述四条直线的内点;然后根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;通过获取所述四个顶点的坐标;并基于所述坐标,获得所述被测手机的实际尺寸。由于本申请采用边缘聚焦方法获取被测手机的轮廓边缘,可以获得较高定位精度,并具有较佳的噪声抑制效果,解决了现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中的基于视觉的手机尺寸的测量方法的流程图;
图2为本发明实施例中提供的基于视觉的手机尺寸的测量系统的逻辑结构图;
图3为本发明实施例中提供的方法中获得细化的第一边缘图的原理图;
图4为本发明实施例中提供的方法中采用霍夫直线检测方法提取直线的相关参数的几何解释图;
图5为图4中不同方向的直线的θ值;
图6为图4中不同方向直线的ρ值;
图7为本发明实施例中提供的基于视觉的手机尺寸方法获取的手机轮廓图。
具体实施方式
本发明实施例提供一种手机尺寸的测量方法及系统,用以解决现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题。
本申请实施例中的技术方案,总体思路如下:
一种基于视觉的手机尺寸的测量方法,所述方法包括:采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;并采用霍夫直线检测方法从所述边缘点中获取四条直线;然后采用选择性迭代的方法确定所述四条直线的内点;再根据所述内点,采用最小二乘法获取最终的四条直线,其中,所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;获取所述四个顶点的坐标;最后基于所述坐标,获得所述被测手机的实际尺寸。
上述方法中,由于Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,可以获得较高定位精度,并具有较佳的噪声抑制效果,解决了现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本实施例提供了一种基于视觉的手机尺寸的测量方法,请参见图1,所述方法包括:
步骤S101:采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;
步骤S102:采用霍夫直线检测方法从所述边缘点中获取四条直线;
步骤S103:采用选择性迭代的方法确定所述四条直线的内点;
步骤S104:根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
步骤S105:获取所述四个顶点的坐标;
步骤S106:基于所述坐标,获得所述被测手机的实际尺寸。
上述方法中,由于Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,可以获得较高定位精度,并具有较佳的噪声抑制效果,解决了现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题。
下面,结合图1对本申请提供的基于视觉的手机尺寸的测量方法进行详细介绍:
首先,执行步骤S101,采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点。
具体地,上述采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,具体包括:
获取所述被测手机的灰度图像;
根据所述灰度图像,获得高斯模糊后的图像;
对所述高斯模糊后的图像通过Canny算子进行边缘检测,获得所述被测手机的第一轮廓边缘;
采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘。
在具体的实现过程中,获取所述被测手机的灰度图像,可以通过对采集的图像进行图像灰度化来实现,具体的方法为:Gray=R*0.299+G*0.587+B*0.114,式中R、G、B为彩色图像的红绿蓝三通道,数值分别为0-255,Gray则为得到的灰度图像。
更为具体地,所述根据所述灰度图像,获得高斯模糊后的图像,包括:
采用二维高斯核对所述灰度图像进行卷积,获得高斯模糊后的图像,举例来说可以采用初始宽度σ=σ0和尺寸为(2σ+1)×(2σ+1)的二维高斯核对灰度图像进行卷积。
具体地,所述对所述高斯模糊后的图像进行边缘检测,获得所述被测手机的第一轮廓边缘,包括:
采用Sobel水平算子和Sobel垂直算子分别对所述高斯模糊后的图像进行卷积,获得图像在x方向上的第一梯度分量和y方向上的第二梯度分量;
根据所述第一梯度分量和所述第二梯度分量,获得梯度图像;
根据所述梯度图像,获得梯度方向;
基于所述梯度方向,获得细化的第一边缘图;
对所述第一边缘图进行双阈值处理,获得第二边缘图,以所述第二边缘图为所述第一轮廓边缘。
具体来说,利用Sobel水平算子和Sobel垂直算子分别对高斯模糊后的图像进行卷积,可以得到图像在x方向上和y方向上的梯度分量,即第一梯度分量和第二梯度分量。然后可以通过计算对应位置第一梯度分量和第二梯度分量的算术平方根,得到梯度图像,再通过计算对应位置第一梯度分量和第二梯度分量商的反正切得到梯度方向。下一步就是通过非最大抑制细化边缘,具体实施步骤如图3所示,图3中的四个图表示非最大抑制的原理图,O表示中心位置点,斜的直线表示梯度方向,gx和gy分别对应x第一梯度分量和y的第二梯度分量,左上角的图对应于gy的绝对值大于gx的绝对值且gx与gy方向相同的情况,a1,a2,a3,a4为待差值的四个梯度点,d1和d2是根据权重分别通过a1和a2,a3和a4计算得到的差值梯度,权重为gx和gy的绝对商值,然后用处于中心位置O处的梯度值与沿着梯度方向的两个梯度差值d1和d2进行比较,若比它们都大则将中心点的梯度值置为1,否知置为0,遍历整个梯度图得到非极大抑制后细化的边缘图,即第一边缘图。然后对得到的第一边缘图进行双阈值处理,具体来说可以通过以下步骤实现:首先设定高低阈值,高阈值设定标准为:用高阈值处理后,对保留的边缘点不超过图像的20%。低阈值设置为0。用高阈值处理图像,得到的边缘为强边缘,用低阈值处理图像,得到的边缘去除包含在强边缘中的点,剩下的即为弱边缘。采用8连通性的连接方法将弱边缘连接到强边缘,即为Canny算子得出的边缘图,即第二边缘图。
具体地,采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘。
在具体的实现过程中,可以将初始σ减小0.5,然后重复执行灰度图像卷积,得到高斯模糊后的图像、并糊后的图像运用改进的Canny算子进行边缘检测步骤,需要注意的是,在用Canny算子边缘检测时,只需对所述第一边缘图进行双阈值处理后获得第二边缘图的边缘区域进行重新定位边缘,在σ每次迭代减小的情况下,重新检测的新边缘与旧边缘会产生不超过一个像素的偏移且会在产生额外的边缘,对新旧边缘采用8连通方法,符合条件的新边缘将取代旧边缘保留,不符合条件的新边缘以及全部的旧边缘均舍弃。
然后执行步骤S102:采用霍夫直线检测方法从所述边缘点中获取四条直线;
在具体的实现过程中,直线的法线方程为:xcosθ+ysinθ=ρ,图4表示了参数ρ和θ的几何解释,ρ对应于正的x轴截距,θ对应直线的垂线与x轴正方向夹角。图5表示了不同方向的直线的θ值,图6表示了不同方向直线的ρ值。将ρθ参数空间划分为累加单元,设定参数范围:-90°≤θ≤90°,-D≤ρ≤D,D为图像中对角之间的最大距离。
从所述边缘点中获取四条直线具体可以通过以下步骤实现:
1)将这些累加单元的初始值设为0。
2)对于xy平面上每个非背景点令θ等于θ轴上每个允许的细分值,同时使用直线的法线方程解出对应的ρ,经四舍五入后,得到沿ρ轴最接近的允许单元值,则对应的ρθ细分单元将增加1。
3)重复步骤2)直到所有的背景点均计算完毕。
4)依次定位累加单元中最大值,标记其ρθ值,并将其周围的累加单元置零。
5)重复步骤4),直到找到累加单元中4个最大值对应的ρθ值,即为手机轮廓所在四条直线的初始参数值。
为了方便区分四条直线,请参见图7,l1、l2、l3和l4表示手机轮廓所在的四条直线,不管手机在水平方向上怎样旋转放置,手机轮廓所在的四条边均可以按指定的方法归类标号,方便后续程序调用处理。举例来说,具体归类方法为:四条边线中,靠近图像原点且斜率为正的为l1边,然后顺时针旋转,依次为l2边、l3边和l4边。判别方法如下:手机轮廓所在的四条边对应四对ρ和θ,其中ρ3>ρ1且θ1、θ3≥0,ρ2>ρ4且θ2、θ2<0。当θ≥0时,较小的ρ对应的即为l1边;当θ<0时,较大的ρ对应的即为l2边;当θ≥0时,较大的ρ对应的即为l3边;当θ<0时,较小的ρ对应的即为l4边。
接下来执行步骤S103:采用选择性迭代的方法确定所述四条直线的内点;
具体地,所述采用选择性迭代的方法确定所述四条直线的内点,包括:
获取所述四条直线中的第一直线的第一参数ρ0和第二参数θ0,其中,ρ0为图像原点到所述第一直线的垂线像素距离,θ0为所述第一直线的垂线与图像x轴正方向的夹角;
将所述第一直线附近距离为T的所有非背景点作为迭代点集,其中,T=D*tan(1/2),D为所拍图像对角线的像素距离;
在所述迭代点集中,选取两点确定第二直线,获得所述第二直线的第三参数ρ1和第四参数θ1,其中,ρ1和θ1为直线法线参数方程的变量,ρ1对应于图像原点到第二直线的垂线像素距离,θ1对应于第二直线的垂线与图像x轴正方向的夹角;
判断ρ1-ρ0和θ2-θ0是否都在预设的范围内;
如果在,则确定所述距离T内的点为所述第二直线的内点,并统计内点个数;否则重新选取两点确定第三直线;
选取内点数最多的线为目标直线,以所述目标直线为所述被测手机的直线,确定所述直线的内点。
再执行步骤S104:根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
然后执行步骤S105:获取所述四个顶点的坐标;
最后执行步骤S106:基于所述坐标,获得所述被测手机的实际尺寸。
具体地,可以根据相机标定数据的坐标尺寸换算即可得到手机轮廓实际尺寸,从而实现基于视觉的手机尺寸的测量方法。
实施例二
基于与实施例一同样的发明构思,本发明实施例二提供了一种基于视觉的手机尺寸的测量系统,所述系统包括:
第一获取模块,用于采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;
第二获取模块,用于采用霍夫直线检测方法从所述边缘点中获取四条直线;
确定模块,用于采用选择性迭代的方法确定所述四条直线的内点;
第三获取模块,用于根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
第四获取模块,用于获取所述四个顶点的坐标;
获得模块,用于基于所述坐标,获得所述被测手机的实际尺寸。
在上述系统中,所述第一获取模块还用于:
获取所述被测手机的灰度图像;
根据所述灰度图像,获得高斯模糊后的图像;
对所述高斯模糊后的图像通过Canny算子进行边缘检测,获得所述被测手机的第一轮廓边缘;
采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘。
在上述系统中,所述第一获取模块还用于:
采用Sobel水平算子和Sobel垂直算子分别对所述高斯模糊后的图像进行卷积,获得图像在x方向上的第一梯度分量和y方向上的第二梯度分量;
根据所述第一梯度分量和所述第二梯度分量,获得梯度图像;
根据所述梯度图像,获得梯度方向;
基于所述梯度方向,获得细化的第一边缘图;
对所述第一边缘图进行双阈值处理,获得第二边缘图,以所述第二边缘图为所述第一轮廓边缘。
在上述系统中,采用二维高斯核对所述灰度图像进行卷积,获得高斯模糊后的图像。
在上述系统中,所述确定模块还用于:
获取所述四条直线中的第一直线的第一参数ρ0和第二参数θ0,其中,ρ0为图像原点到所述第一直线的垂线像素距离,θ0为所述第一直线的垂线与图像x轴正方向的夹角;
将所述第一直线附近距离为T的所有非背景点作为迭代点集,其中,T=D*tan(1/2),D为所拍图像对角线的像素距离;
在所述迭代点集中,选取两点确定第二直线,获得所述第二直线的第三参数ρ1和第四参数θ1,其中,ρ1和θ1为直线法线参数方程的变量,ρ1对应于图像原点到第二直线的垂线像素距离,θ1对应于第二直线的垂线与图像x轴正方向的夹角;
判断ρ1-ρ0和θ2-θ0是否都在预设的范围内;
如果在,则确定所述距离T内的点为所述第二直线的内点,并统计内点个数;否则重新选取两点确定第三直线;
选取内点数最多的线为目标直线,以所述目标直线为所述被测手机的直线,确定所述直线的内点。
实施例一中的基于视觉的手机尺寸的测量方法的各种变化方式和具体实例同样适用于本实施例的基于视觉的手机尺寸的测量系统,通过前述对基于视觉的手机尺寸的测量方法的详细描述,本领域技术人员可以清楚的知道本实施例中的基于视觉的手机尺寸的测量系统,所以为了说明书的简洁,在此不再详述。
本申请实施例提供的一种基于视觉的手机尺寸的测量方法,采用边缘聚焦方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;采用霍夫直线检测方法从所述边缘点中获取四条直线;并采用选择性迭代的方法确定所述四条直线的内点;然后根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;通过获取所述四个顶点的坐标;并基于所述坐标,获得所述被测手机的实际尺寸。由于本申请采用边缘聚焦方法获取被测手机的轮廓边缘,可以获得较高定位精度,并具有较佳的噪声抑制效果,解决了现有技术中利用最小外接矩形的方法来测量手机尺寸的方法,存在精度不高的技术问题。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种基于视觉的手机尺寸的测量方法,其特征在于,所述方法包括:
采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;
采用霍夫直线检测方法从所述边缘点中获取四条直线;
采用选择性迭代的方法确定所述四条直线的内点;
根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
获取所述四个顶点的坐标;
基于所述坐标,获得所述被测手机的实际尺寸;
其中,所述采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,包括:
获取所述被测手机的灰度图像;
根据所述灰度图像,获得高斯模糊后的图像;
对所述高斯模糊后的图像通过Canny算子进行边缘检测,获得所述被测手机的第一轮廓边缘;
采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘;
所述采用选择性迭代的方法确定所述四条直线的内点,包括:
获取所述四条直线中的第一直线的第一参数ρ0和第二参数θ0,其中,ρ0为图像原点到所述第一直线的垂线像素距离,θ0为所述第一直线的垂线与图像x轴正方向的夹角;
将所述第一直线附近距离为T的所有非背景点作为迭代点集,其中,T=D*tan(1/2),D为所拍图像对角线的像素距离;
在所述迭代点集中,选取两点确定第二直线,获得所述第二直线的第三参数ρ1和第四参数θ1,其中,ρ1和θ1为直线法线参数方程的变量,ρ1对应于图像原点到第二直线的垂线像素距离,θ1对应于第二直线的垂线与图像x轴正方向的夹角;
判断ρ1-ρ0和θ2-θ0是否都在预设的范围内;
如果在,则确定所述距离T内的点为所述第二直线的内点,并统计内点个数;否则重新选取两点确定第三直线;
选取内点数最多的线为目标直线,以所述目标直线为所述被测手机的直线,确定所述直线的内点;
其中,所述对所述高斯模糊后的图像进行边缘检测,获得所述被测手机的第一轮廓边缘,包括:
采用Sobel水平算子和Sobel垂直算子分别对所述高斯模糊后的图像进行卷积,获得图像在x方向上的第一梯度分量和y方向上的第二梯度分量;
根据所述第一梯度分量和所述第二梯度分量,获得梯度图像;
根据所述梯度图像,获得梯度方向;
基于所述梯度方向,获得细化的第一边缘图;
对所述第一边缘图进行双阈值处理,获得第二边缘图,以所述第二边缘图为所述第一轮廓边缘。
2.如权利要求1所述的方法,其特征在于,所述根据所述灰度图像,获得高斯模糊后的图像,包括:
采用二维高斯核对所述灰度图像进行卷积,获得高斯模糊后的图像。
3.一种基于视觉的手机尺寸的测量系统,其特征在于,所述系统包括:
第一获取模块,用于采用Canny算子结合边缘聚焦的方法获取被测手机的轮廓边缘,所述轮廓边缘包括多个边缘点;
第二获取模块,用于采用霍夫直线检测方法从所述边缘点中获取四条直线;
确定模块,用于采用选择性迭代的方法确定所述四条直线的内点;
第三获取模块,用于根据所述内点,采用最小二乘法获取最终的四条直线,其中所述最终的四条直线形成的四个交点构成为所述被测手机的四个顶点;
第四获取模块,用于获取所述四个顶点的坐标;
获得模块,用于基于所述坐标,获得所述被测手机的实际尺寸;
其中,所述第一获取模块还用于:
获取所述被测手机的灰度图像;
根据所述灰度图像,获得高斯模糊后的图像;
对所述高斯模糊后的图像通过Canny算子进行边缘检测,获得所述被测手机的第一轮廓边缘,具体包括:采用Sobel水平算子和Sobel垂直算子分别对所述高斯模糊后的图像进行卷积,获得图像在x方向上的第一梯度分量和y方向上的第二梯度分量;
根据所述第一梯度分量和所述第二梯度分量,获得梯度图像;
根据所述梯度图像,获得梯度方向;
基于所述梯度方向,获得细化的第一边缘图;
对所述第一边缘图进行双阈值处理,获得第二边缘图,以所述第二边缘图为所述第一轮廓边缘;
采用边缘聚焦方法对所述第一轮廓边缘重新定位,获得所述被测手机的轮廓边缘;
所述确定模块还用于:
获取所述四条直线中的第一直线的第一参数ρ0和第二参数θ0,其中,ρ0为图像原点到所述第一直线的垂线像素距离,θ0为所述第一直线的垂线与图像x轴正方向的夹角;
将所述第一直线附近距离为T的所有非背景点作为迭代点集,其中,T=D*tan(1/2),D为所拍图像对角线的像素距离;
在所述迭代点集中,选取两点确定第二直线,获得所述第二直线的第三参数ρ1和第四参数θ1,其中,ρ1和θ1为直线法线参数方程的变量,ρ1对应于图像原点到第二直线的垂线像素距离,θ1对应于第二直线的垂线与图像x轴正方向的夹角;
判断ρ1-ρ0和θ2-θ0是否都在预设的范围内;
如果在,则确定所述距离T内的点为所述第二直线的内点,并统计内点个数;否则重新选取两点确定第三直线;
选取内点数最多的线为目标直线,以所述目标直线为所述被测手机的直线,确定所述直线的内点。
4.如权利要求3所述的系统,其特征在于,所述根据所述灰度图像,获得高斯模糊后的图像,包括:
采用二维高斯核对所述灰度图像进行卷积,获得高斯模糊后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710318073.9A CN107230212B (zh) | 2017-05-08 | 2017-05-08 | 一种基于视觉的手机尺寸的测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710318073.9A CN107230212B (zh) | 2017-05-08 | 2017-05-08 | 一种基于视觉的手机尺寸的测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107230212A CN107230212A (zh) | 2017-10-03 |
CN107230212B true CN107230212B (zh) | 2020-04-17 |
Family
ID=59933585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710318073.9A Expired - Fee Related CN107230212B (zh) | 2017-05-08 | 2017-05-08 | 一种基于视觉的手机尺寸的测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107230212B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759661A (zh) * | 2018-03-27 | 2018-11-06 | 松下电子部品(江门)有限公司 | 边缘检测视觉系统的直线偏移方法 |
CN108538246A (zh) * | 2018-04-20 | 2018-09-14 | 京东方科技集团股份有限公司 | 显示屏像素数据获取方法及装置、像素补偿方法及系统 |
CN110766741A (zh) * | 2019-10-30 | 2020-02-07 | 广东三维家信息科技有限公司 | 室内设计的效果图评级方法、装置和电子设备 |
CN111174734A (zh) * | 2019-12-11 | 2020-05-19 | 武汉一本光电有限公司 | 高精度ccd同轴识别系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292701A (zh) * | 2013-06-24 | 2013-09-11 | 哈尔滨工业大学 | 基于机器视觉的精密器件在线尺寸测量方法 |
CN103344182A (zh) * | 2013-07-25 | 2013-10-09 | 中国科学院自动化研究所 | 一种基于双目视觉的糖果几何尺寸测量系统和方法 |
CN103839264A (zh) * | 2014-02-25 | 2014-06-04 | 中国科学院自动化研究所 | 一种车道线的检测方法 |
CN104036282A (zh) * | 2014-04-01 | 2014-09-10 | 西北工业大学 | 一种适用于空间非合作目标的三角形帆板支架识别方法 |
CN104279960A (zh) * | 2014-10-14 | 2015-01-14 | 安徽大学 | 用移动设备进行物体尺寸测量的方法 |
CN105354815A (zh) * | 2015-09-12 | 2016-02-24 | 沈阳理工大学 | 一种基于平板类微小型零件的精确识别定位方法 |
CN105678763A (zh) * | 2016-01-05 | 2016-06-15 | 吴晓军 | 一种稳定的直线/圆特征检测方法 |
-
2017
- 2017-05-08 CN CN201710318073.9A patent/CN107230212B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292701A (zh) * | 2013-06-24 | 2013-09-11 | 哈尔滨工业大学 | 基于机器视觉的精密器件在线尺寸测量方法 |
CN103344182A (zh) * | 2013-07-25 | 2013-10-09 | 中国科学院自动化研究所 | 一种基于双目视觉的糖果几何尺寸测量系统和方法 |
CN103839264A (zh) * | 2014-02-25 | 2014-06-04 | 中国科学院自动化研究所 | 一种车道线的检测方法 |
CN104036282A (zh) * | 2014-04-01 | 2014-09-10 | 西北工业大学 | 一种适用于空间非合作目标的三角形帆板支架识别方法 |
CN104279960A (zh) * | 2014-10-14 | 2015-01-14 | 安徽大学 | 用移动设备进行物体尺寸测量的方法 |
CN105354815A (zh) * | 2015-09-12 | 2016-02-24 | 沈阳理工大学 | 一种基于平板类微小型零件的精确识别定位方法 |
CN105678763A (zh) * | 2016-01-05 | 2016-06-15 | 吴晓军 | 一种稳定的直线/圆特征检测方法 |
Non-Patent Citations (2)
Title |
---|
基于视觉感知的超分辨率图像重建及其质量评价;舒雷;《万方数据知识服务平台》;20161117;正文第42页第1段,第43页附图3-4 * |
油菜直播机导航路径识别方法研究;周雅文 等;《华中农业大学学报》;20160531;第35卷(第3期);正文第131页左栏第2段,右栏第1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN107230212A (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN111758024B (zh) | 一种缺陷检测方法及装置 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN106651828B (zh) | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 | |
CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN111080661A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN113077459B (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
CN109300104B (zh) | 角点检测方法、装置 | |
CN108986129B (zh) | 标定板检测方法 | |
CN112085709B (zh) | 一种图像对比方法及设备 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN106919883B (zh) | 一种qr码的定位方法及装置 | |
CN111047615A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN116958125B (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
KR101574195B1 (ko) | 모바일 플랫폼에 기반한 가상 카메라의 자동 캘리브레이션 방법 | |
CN113744200B (zh) | 一种摄像头脏污检测方法、装置及设备 | |
CN112819842B (zh) | 适用于工件质检的工件轮廓曲线拟合方法、装置及介质 | |
CN113160259B (zh) | 边缘检测方法、装置、计算机设备及存储介质 | |
CN115830049A (zh) | 角点检测的方法和装置 | |
CN114049304A (zh) | 一种3d光栅检测方法、装置、计算机设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200417 Termination date: 20210508 |