CN107248158A - 一种图像处理的方法及系统 - Google Patents

Abstract

本申请公开了一种图像处理的方法，包括：对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；对空间域图像按预设像素点大小进行灰度识别，得到识别结果；根据识别结果提取空间域图像中的切割线连通域，并对切割线连通域执行形态学闭运算，得到闭运算结果；根据闭运算结果对各切割线连通域执行距离计算，得到各切割线连通域之间的实际距离。该方法能够用机器视觉代替人眼对切割线的检测，提高了生产效率和产品质量，减少了人工检测员的工作量。本申请还公开了一种图像处理的系统，具有上述有益效果。

Description

一种图像处理的方法及系统

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像处理的方法及系统。

背景技术

纺织厂在裁剪布匹时，需要先确定切割线位置，然后使用铡刀进行剪裁。而现在大多数纺织厂都是人工肉眼寻找切割线位置。人眼检测的方式存在很多弊端，常常发生检测不及时、漏检，导致布匹流入下道工序的情况，严重影响了生产效率和生产质量。并且人眼长时间的工作，对检测员的视力和身体健康都有很大损害，人工操作铡刀也存在极大的危险性，不符合安全生产的要求。

所以，如何提供一种能够用机器视觉代替人眼实现对布匹切割线检测，进而实现全自动剪裁布匹的图像处理机制是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种图像处理的方法及系统，能够提高工业制造的生产效率和产品质量，减少人工检测员的工作量。

为解决上述技术问题，本申请提供一种图像处理的方法，该方法包括：

对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；

对所述空间域图像按预设像素点大小进行灰度识别，得到识别结果；

根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果；

根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离。

可选的，对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像，包括：

对采集到的所述原始图像执行预处理操作，得到灰度化图像；

利用快速傅里叶变换将所述灰度化图像从所述空间域转换至所述频域，得到频域图像；

对所述频域图像做卷积，得到卷积图像；

利用快速傅里叶逆变换将所述卷积图像从所述频域转换至所述空间域，得到所述空间域图像。

可选的，对对采集到的所述原始图像执行预处理操作，得到灰度化图像，包括：

对两个高斯滤波器执行差值运算，得到滤波器差值；

利用所述滤波器差值生成一个新的低通带阻滤波器，并利用所述低通带阻滤波器对所述原始图像进行滤波处理，得到滤波图像；

对所述滤波图像进行灰度化处理，得到所述灰度化图像。

可选的，根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果，包括：

提取所述识别结果中携带的各所述像素点的灰度值；

计算每两个所述像素点分别对应的所述灰度值的差值，得到灰度差值；

判断所述灰度差值是否超过阈值；

若所述灰度差值超过所述阈值，则将所述灰度值较大的像素点归为所述切割线连通域；

对所述切割线连通域执行所述形态学闭运算，得到所述闭运算结果。

可选的，根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离，包括：

根据所述闭运算结果计算各所述切割线连通域的中心点坐标，并执行中心坐标差值运算，得到中心点坐标差值；

根据所述中心点坐标差值以及所述像素点的实际大小计算各所述切割线连通域之间的实际距离，以使切割工具根据所述中心点坐标以及所述实际距离定位切割线的位置。

本申请还提供了一种图像处理的系统，该系统包括：

转换单元，用于对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；

灰度范围识别单元，用于对所述空间域图像按预设像素点大小进行灰度识别，得到识别结果；

处理单元，用于根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果；

距离计算单元，用于根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离。

可选的，所述转换单元包括：

预处理子单元，用于对采集到的所述原始图像执行预处理操作，得到灰度化图像；

频域转换子单元，用于利用快速傅里叶变换将所述灰度化图像从所述空间域转换至所述频域，得到频域图像；

卷积处理子单元，用于对所述频域图像做卷积，得到卷积图像；

空间域转换子单元，用于利用快速傅里叶逆变换将所述卷积图像从所述频域转换至所述空间域，得到所述空间域图像。

可选的，所述预处理子单元包括：

滤波器差值运算模块，用于对两个高斯滤波器执行差值运算，得到滤波器差值；

滤波处理模块，用于利用所述滤波器差值生成一个新的低通带阻滤波器，并利用所述低通带阻滤波器对所述原始图像进行滤波处理，得到滤波图像；

灰度处理模块，用于对所述滤波图像进行灰度化处理，得到所述灰度化图像。

可选的，所述处理单元包括：

灰度值提取子单元，用于提取所述识别结果中携带的各所述像素点的灰度值；

灰度差值计算子单元，用于计算每两个所述像素点分别对应的所述灰度值的差值，得到灰度差值；

判断子单元，用于判断所述灰度差值是否超过阈值；

灰度差值处理子单元，用于若所述灰度差值超过阈值，则将所述灰度值较大的像素点归为所述切割线连通域；

闭运算处理子单元，用于对所述切割线连通域执行所述形态学闭运算，得到所述闭运算结果。

可选的，所述距离计算单元包括：

坐标差值计算子单元，用于根据所述闭运算结果计算各所述切割线连通域的中心点坐标，并执行中心坐标差值运算，得到中心点坐标差值；

实际距离计算子单元，用于根据所述中心点坐标差值以及所述像素点的实际大小计算各所述切割线连通域之间的实际距离，以使切割工具根据所述中心点坐标以及所述实际距离定位切割线的位置。

本申请所提供的一种图像处理的方法，通过对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；对所述空间域图像按预设像素点大小进行灰度识别，得到识别结果；根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果；根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离。

显然，本申请所提供的技术方案，通过对原始布匹图像进行一系列处理，使背景纹理弱化、强化切割线特征，并根据设置的识别算法使机器能够识别出经过处理得到的图像中的切割线连通域，并根据后续对连通域的一系列处理得到中心点坐标以及实际距离。能够用机器视觉代替人眼对切割线的检测，提高了生产效率和产品质量，减少了人工检测员的工作量。本申请同时还提供了一种图像处理的系统，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例所提供的一种图像处理的方法的流程图；

图2为本申请实施例所提供的另一种图像处理的方法的流程图；

图3为本申请实施例所提供的又一种图像处理的方法的流程图；

图4为本申请实施例所提供的还一种图像处理的方法的流程图；

图5为本申请实施例所提供的再一种图像处理的方法的流程图；

图6为本申请实施例所提供的一种图像处理的系统的结构框图。

具体实施方式

本申请的核心是提供一种图像处理的方法及系统，能够用机器视觉代替人眼对切割线的检测，提高生产效率和产品质量，减少了人工检测员的工作量。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

以下结合图1，图1为本申请实施例所提供的一种图像处理的方法的流程图。

其具体包括以下步骤：

S101：对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；

本步骤旨在对采集到的原始图像经过一系列的处理操作后得到一个弱化了背景纹理、强化了切割线特征的空间域图像。其中具体经过了怎样的处理，总的来说是首先执行从本身的空间域图像进行频域转换，因为经过频域转换得到的图像更便于进行弱化背景纹理和强化切割线特征的处理，在经过处理后在将其从频域转换回空间域图像。

当然，其中可能不可避免的存在一些其它的处理操作，此处并不做具体限定，应视具体实际情况中想要得到什么程度的处理图像、后续的机器视觉识别设备以及其它各种影响因素在综合考虑并选择相应的处理算法和步骤。

S102：对空间域图像按预设像素点大小进行灰度识别，得到识别结果；

在S101的基础上，本步骤旨在将已经弱化了背景纹理、强化了切割线特征的空间域图像按照预设大小进行灰度识别，并得到识别结果。其中，在本申请实际所应用的实际场景下，是要对半成品的布匹进行工业切割，且是使用机器去替代现有技术中使用的人工，不仅可以大大将宝贵的人力资源从繁重、枯燥单调重复的工作中解放出来，还可以显著的提高工作效率。

若交给机器去进行布匹的切割，就必须要让机器对处理好的图像能够识别，显而易见的是，机器更能够对灰度化图像进行更好的识别，所以在S101的处理中，不可避免的需要一步灰度化处理。经过灰度化处理后的空间域图像，大体上都呈现出不同程度的灰色，其中包含了灰色程度较轻的布匹上的背景纹理和灰色程度较重的切割线，相对应的，前者的灰度值较小，后者的灰度值会明显偏大。

故本步骤就是以预设的合适的大小对整张图像进行灰度识别，以此来均匀的将该图像的灰度值识别出来，得到识别结果，以供后续步骤根据识别出来的不同的灰度值判断具体是背景纹理部分还是切割线部分。

S103：根据识别结果提取空间域图像中的切割线连通域，并对切割线连通域执行形态学闭运算，得到闭运算结果；

在S102的基础上，本步骤旨在根据S102中的判断方式，将灰度值较大的像素点判定为切割线，并将全部判定为切割线的像素点根据其物理位置的差异形成各切割线连通域。在得到各切割线连通域之后，因为各种影响因素的存在，可以在形成的各切割线连通域中存在些许数量的空洞以及边缘的噪点，执行形态学闭运算，来优化已经得到的各切割线连通域，得到一个较为良好的各切割线连通域。

具体的，从识别结果中怎样提取出切割线连通域的方式多种多样，例如在上面提到的利用实际情况存在的灰度值的大小；还可以通过相邻像素点与该像素点的灰度值的差值，一旦该差值超过某个设定的阈值，则判断灰度值较大的应属于切割线连通域的像素点等等，旨在通过这些方法来从经过处理的空间域图像中找到要在后续步骤中进行切割的切割线，此处并不做具体限定，应视实际情况结合多种影响因素综合考虑，选择最适合的一种方法。

其中，形态学运算是针对二值图象依据数学形态学的集合论方法发展起来的图象处理方法，而数学形态学起源于岩相学对岩石结构的定量描述工作，近年来在数字图象处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图象分析方法和理论。

通常形态学图象处理表现为一种邻域运算形式，一种特殊定义的邻域称之为“结构元素”，在每个象素位置上它与二值图象对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图象的相应象素。形态学运算的效果取决于结构元素的大小、内容以及逻辑运算的性质。

常见的形态学运算有腐蚀和膨胀，其中，先膨胀后腐蚀的过程称为闭运算，一般用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。

S104：根据闭运算结果对各切割线连通域执行距离计算，得到各切割线连通域之间的实际距离。

在S103的基础上，本步骤旨在利用闭运算结果对经过优化的各切割线连通域在利用工业机器切割时进行定位。此处提到的方法很普遍，相应的，可以存在其它的方式来实现之一目的，例如，计算得到各切割线连通域的中心点坐标，因为切割线连通域一般都不是规则的图形，所以能够得到一个大体意义上的中心点坐标，在利用各切割线连通域中心点坐标的差值并结合具体坐标系的比例系数计算出各切割线连通域之间的实际距离。

通常情况下，一张布匹上会需要切割两次，即存在两条切割线或者两个切割线连通域，进一步的，可以在得到两个切割线连通域的中心点坐标以及实际距离差值后，选择一个切割线连通域作为基准点，即第一次切割从这个切割线或者切割线连通域进行切割作业，而第二次切割作业只需要根据该实际距离对切割刀进行相应距离的平移即可。当存在更多的切割线时，可以根据实际情况选定某个切割线或者切割线连通域为基准点，并以此进行相应的距离计算的平移即可。

基于上述技术方案，本申请实施例提供的一种图像处理的方法，通过对原始布匹图像进行一系列处理，使背景纹理弱化、强化切割线特征，并根据设置的识别算法使机器能够识别出经过处理得到的图像中的切割线连通域，并根据后续对连通域的一系列处理得到中心点坐标以及实际距离。能够用机器视觉代替人眼对切割线的检测，提高了生产效率和产品质量，减少了人工检测员的工作量。

以下结合图2，图2为本申请实施例所提供的另一种图像处理的方法的流程图。

本实施例是针对上一实施例中S101中具体怎样对原始图像进行处理最终得到空间域图像所做出的一个具体限定，其它步骤与上一实施例大体相同，相同部分可参见上一实施例相关部分，在此不再赘述。

其具体包括以下步骤：

S201：对采集到的原始图像执行预处理操作，得到灰度化图像；

本步骤旨在对采集到的原始图像执行一系列操作，得到便于机器识别的灰度化图像。当然，可以得到灰度化图像的方式很多，此外还可能在进行灰度化操作之前还存在其它的处理步骤，此处并不做具体限定。

S202：利用快速傅里叶变换将灰度化图像从空间域转换至频域，得到频域图像；

在S201的基础上，本步骤利用最常用的快速傅里叶变换算法将经过预处理操作得到的灰度化图像从空间域转换至频域，得到频域图像。

空间域又称图像空间，是由图像像元组成的空间，在图像空间中以长度为自变量直接对像元值进行处理称为空间域处理。频域，即自变量是频率,横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图，频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。简单来说，以频率作为变量所进行的研究就是频域；以空间坐标作为变量进行的研究就是空间域。

而还存在一个概念叫做以空间频率域，也被称为空间频域，这是本申请所提到的频域的真正概念。空间频率域为自变量描述图像的特征,可以将一幅图像像元值在空间上的变化分解为具有不同振幅、空间频率和相位的简振函数的线性叠加,图像中各种空问频率成分的组成和分布称为空间频谱。

这种对图像的空间频率特征进行分解、处理和分析称为空间频率域处理，和时间域与频率域可互相转换相似,空间域与空间频率域也可互相转换。在空间频率域中可以引用已经很成熟的频率域技术,处理的一般步骤为：对图像施行二维离散傅立叶变换或小波变换,将图像由图像空间转换到频域空间；在空间频率域中对图像的频谱作分析处理,以改变图像的频率特征，即设计不同的数字滤波器,对图像的频谱进行滤波。

频率域处理主要用于与图像空间频率有关的处理中，如图像恢复、图像重建、辐射变换、边缘增强、图像锐化、图像平滑、噪声压制、频谱分析、纹理分析等处理和分析中。

S203：对频域图像做卷积，得到卷积图像；

本步骤对频域图像做卷积的目的是对频域图像进行进一步处理，原理大体可以用接下来这个例子来进行说明：用一个模板和一幅图像进行卷积，对于图像上的一个点，让模板的原点和该点重合，然后模板上的点和图像上对应的点相乘，然后各点的积相加，就得到了该点的卷积值。对图像上的每个点都这样处理。由于大多数模板都是对称的，所以模板不旋转，卷积是一种积分运算，用来求两个曲线重叠区域面积。可以看作加权求和，可以用来消除噪声、特征增强。

把一个点的像素值用它周围的点的像素值的加权平均代替，卷积是一种线性运算,图像处理中常见的mask运算都是卷积，广泛应用于图像滤波，卷积在数据处理中用来平滑，卷积有平滑效应和展宽效应。

S204：利用快速傅里叶逆变换将卷积图像从频域转换至空间域，得到空间域图像。

在S203的基础上，本步骤将经过上面几个步骤对原始图像经过了一系列的处理，其目的归纳为一个，那就是弱化布匹的背景纹理以及强化切割线特征，通过在频域上的一系列处理操作后，考虑到后续步骤仍需要机器基于图像进行后续的识别，所以需要利用快速傅里叶逆变换将该卷积图像从频域转换回空间域，已得到可供后续步骤识别的空间域图像。

以下结合图3，图3为本申请实施例所提供的又一种图像处理的方法的流程图。

本实施例是针对实施一例S201中具体怎样进行预处理操作以得到灰度化图像所做出的一个限定，其它步骤与其它实施例大体相同，相同部分可参见其它实施例中相关部分，在此不再赘述。

其具体包括以下步骤：

S301：对两个高斯滤波器执行差值运算，得到滤波器差值；

S302：利用滤波器差值生成一个新的低通带阻滤波器，并利用低通带阻滤波器对原始图像进行滤波处理，得到滤波图像；

以上两步骤的旨在通过较为常见的两个高斯滤波器进行差值计算，已利用计算得到的滤波器差值来生成一个较为适合对原始图像进行滤波处理的低通滤波器。

在图像处理或者计算机视觉应用中，在正式对图像进行分析处理前一般需要一个预处理的过程。预处理是对图像作一些诸如降维、降噪的操作，主要是为后续处理提供一个体积合适的、只包含所需信息的图像。这里通常会用到一些滤波处理手法。滤波，实际上是信号处理里的一个概念，而图像本身也可以看成是一个二维的信号，其中像素点灰度值的高低代表信号的强弱。对应的高低频的意义为：高频代表着图像中灰度变化剧烈的点，一般是图像轮廓或者是噪声；低频则代表着图像中平坦的，灰度变化不大的点，图像中的大部分区域。

S303：对滤波图像进行灰度化处理，得到灰度化图像；

在S302的基础上，本步骤旨在对经过滤波处理得到的滤波图像进行灰度化处理，得到便于后续处理的灰度化图像。

当然，如何进行灰度化处理的方式多种多样，这一方面的技术相当成熟，此处并不做具体限定。

以下结合图4，图4为本申请实施例所提供的还一种图像处理的方法的流程图。

本实施例是针对实施一例S102和S103中具体怎样进行灰度识别以及怎样提取得到切割线连通域所做出的一个限定，其它步骤与其它实施例大体相同，相同部分可参见其它实施例中相关部分，在此不再赘述。

S401：提取识别结果中携带的各像素点的灰度值；

S402：计算每两个像素点分别对应的灰度值的差值，得到灰度差值；

S403：灰度差值是否超过阈值；

具体的，结合大量实际实验，得到该灰度差值可以设置在50左右时达到最好的效果，当然，此处并不做具体限定，只是针对某个特定环境下得到一个较为有代表性的参数，应视实际采用的具体场合以及结合各种影响因素来进行最合适的阈值范围。

S404：将灰度值较大的像素点归为切割线连通域；

结合S102以及S103的对于怎样判断该像素点是否应属于切割线连通域，与本步骤的目的以及实施方式大体相同，可以参见相关部分，在此不再赘述。

S405：对切割线连通域执行形态学闭运算，得到闭运算结果。

在得到各切割线连通域之后，因为各种影响因素的存在，可以在形成的各切割线连通域中存在些许数量的空洞以及边缘的噪点，执行形态学闭运算，来优化已经得到的各切割线连通域，得到一个较为良好的各切割线连通域。

以下结合图5，图5为本申请实施例所提供的再一种图像处理的方法的流程图。

S501：根据闭运算结果计算各切割线连通域的中心点坐标；

S502：执行中心坐标差值运算，得到中心点坐标差值；

S503：根据中心点坐标差值以及像素点的实际大小计算各切割线连通域之间的实际距离。

本实施描述的内容可参见S104中的相关描述，与本实施例大体相同，在此不再赘述。

基于上述技术方案，本申请实施例提供的一种图像处理的方法，通过对原始布匹图像进行一系列处理，使背景纹理弱化、强化切割线特征，并根据设置的识别算法使机器能够识别出经过处理得到的图像中的切割线连通域，并根据后续对连通域的一系列处理得到中心点坐标以及实际距离。能够用机器视觉代替人眼对切割线的检测，提高了生产效率和产品质量，减少了人工检测员的工作量。

因为情况复杂，无法一一列举进行阐述，本领域技术人员应能意识到更具本申请提供的基本方法原理结合实际情况可以存在很多的例子，在不付出足够的创造性劳动下，应均在本申请的保护范围内。

下面请参见图6，图6为本申请实施例所提供的一种图像处理的系统的结构框图。

该系统可以包括：

转换单元100，用于对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；

灰度范围识别单元200，用于对空间域图像按预设像素点大小进行灰度识别，得到识别结果；

具体的，该预设像素点大小选择采用一个50*10的矩形掩膜计算像素点的灰度范围。

处理单元300，用于根据识别结果提取空间域图像中的切割线连通域，并对切割线连通域执行形态学闭运算，得到闭运算结果；

距离计算单元400，用于根据闭运算结果对各切割线连通域执行距离计算，得到各切割线连通域之间的实际距离。

可选的，转换单元100包括：

预处理子单元，用于对采集到的原始图像执行预处理操作，得到灰度化图像；

频域转换子单元，用于利用快速傅里叶变换将灰度化图像从空间域转换至频域，得到频域图像；

计算公式如下：

其中，h(r，c)表示一幅图像，(r，c)和(k，l)表示像素点坐标，h表示图像的高，W表示图像的宽，频率(u，v)表示图像中每个像素的周期数。

从上式计算傅里叶变换，理论上需要O((wh)²)次操作，当w＝2ⁿ，h＝2^m时，傅里叶变换可以通过O(whlog(wh))次操作完成计算，极大减少了计算量

卷积处理子单元，用于对频域图像做卷积，得到卷积图像；

卷积计算公式为：

其中，f表示图像函数，h表示滤波器，由另一函数确定。(r，c)表示像素点坐标，(u，v)是频率，表示图像中每个像素的周期数。

空间域转换子单元，用于利用快速傅里叶逆变换将卷积图像从频域转换至空间域，得到空间域图像。

计算公式如下：

可选的，预处理子单元包括：

滤波器差值运算模块，用于对两个高斯滤波器执行差值运算，得到滤波器差值；

滤波处理模块，用于利用滤波器差值生成一个新的低通带阻滤波器，并利用低通带阻滤波器对原始图像进行滤波处理，得到滤波图像；

灰度处理模块，用于对滤波图像进行灰度化处理，得到灰度化图像。

可选的，处理单元300包括：

灰度值提取子单元，用于提取识别结果中携带的各像素点的灰度值；

灰度差值计算子单元，用于计算每两个像素点分别对应的灰度值的差值，得到灰度差值；

判断子单元，用于判断灰度差值是否超过阈值；

具体的，规定阈值50，若灰度范围Range<50,则阈值区间为(Max-(Range/3)*2,255)，其中，Max表示像素点灰度最大值。同理，若灰度范围Range>50,则阈值区间为(max([5.55,Max*0.5]),255)。

灰度差值处理子单元，用于若灰度差值超过阈值，则将灰度值较大的像素点归为切割线连通域；

具体的，提取area大于8000的连通域作为切割线连通域。

闭运算处理子单元，用于对切割线连通域执行形态学闭运算，得到闭运算结果。

具体的，使用半径为10的圆形结构对所选连通域作形态学闭运算。

可选的，距离计算单元400包括：

坐标差值计算子单元，用于根据闭运算结果计算各切割线连通域的中心点坐标，并执行中心坐标差值运算，得到中心点坐标差值；

计算上述闭运算后的连通域中心点坐标，记为(x₁，y₁)和(x₂，y₂)，并利用这两个左边以及计算公式得到中心点像素距离为：

实际距离计算子单元，用于根据中心点坐标差值以及像素点的实际大小计算各切割线连通域之间的实际距离，以使切割工具根据中心点坐标以及实际距离定位切割线的位置。

具体的，测量一幅布匹切割线之间的实际距离D₀；图像处理得到该幅布匹图像切割线间的像素距离d₀；计算比例系数k，其中，由比例系数k和经图像处理得到的像素距离，即可求得布匹切割线间的实际距离。D＝kd,其中，D表示实际距离，d表示像素距离。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种图像处理的方法，其特征在于，包括：

对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；

对所述空间域图像按预设像素点大小进行灰度识别，得到识别结果；

根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果；

根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离。

2.根据权利要求1所述的方法，其特征在于，对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像，包括：

对采集到的所述原始图像执行预处理操作，得到灰度化图像；

利用快速傅里叶变换将所述灰度化图像从所述空间域转换至所述频域，得到频域图像；

对所述频域图像做卷积，得到卷积图像；

利用快速傅里叶逆变换将所述卷积图像从所述频域转换至所述空间域，得到所述空间域图像。

3.根据权利要求2所述的方法，其特征在于，对对采集到的所述原始图像执行预处理操作，得到灰度化图像，包括：

对两个高斯滤波器执行差值运算，得到滤波器差值；

利用所述滤波器差值生成一个新的低通带阻滤波器，并利用所述低通带阻滤波器对所述原始图像进行滤波处理，得到滤波图像；

对所述滤波图像进行灰度化处理，得到所述灰度化图像。

4.根据权利要求3所述的方法，其特征在于，根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果，包括：

提取所述识别结果中携带的各所述像素点的灰度值；

计算每两个所述像素点分别对应的所述灰度值的差值，得到灰度差值；

判断所述灰度差值是否超过阈值；

若所述灰度差值超过所述阈值，则将所述灰度值较大的像素点归为所述切割线连通域；

对所述切割线连通域执行所述形态学闭运算，得到所述闭运算结果。

5.根据权利要求4所述的方法，其特征在于，根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离，包括：

根据所述闭运算结果计算各所述切割线连通域的中心点坐标，并执行中心坐标差值运算，得到中心点坐标差值；

根据所述中心点坐标差值以及所述像素点的实际大小计算各所述切割线连通域之间的实际距离，以使切割工具根据所述中心点坐标以及所述实际距离定位切割线的位置。

6.一种图像处理的系统，其特征在于，包括：

转换单元，用于对采集到的原始图像依次执行频域转换和空间域转换，得到空间域图像；

灰度范围识别单元，用于对所述空间域图像按预设像素点大小进行灰度识别，得到识别结果；

处理单元，用于根据所述识别结果提取所述空间域图像中的切割线连通域，并对所述切割线连通域执行形态学闭运算，得到闭运算结果；

距离计算单元，用于根据所述闭运算结果对各所述切割线连通域执行距离计算，得到各所述切割线连通域之间的实际距离。

7.根据权利要求6所述的系统，其特征在于，所述转换单元包括：

预处理子单元，用于对采集到的所述原始图像执行预处理操作，得到灰度化图像；

频域转换子单元，用于利用快速傅里叶变换将所述灰度化图像从所述空间域转换至所述频域，得到频域图像；

卷积处理子单元，用于对所述频域图像做卷积，得到卷积图像；

空间域转换子单元，用于利用快速傅里叶逆变换将所述卷积图像从所述频域转换至所述空间域，得到所述空间域图像。

8.根据权利要求7所述的系统，其特征在于，所述预处理子单元包括：

滤波器差值运算模块，用于对两个高斯滤波器执行差值运算，得到滤波器差值；

滤波处理模块，用于利用所述滤波器差值生成一个新的低通带阻滤波器，并利用所述低通带阻滤波器对所述原始图像进行滤波处理，得到滤波图像；

灰度处理模块，用于对所述滤波图像进行灰度化处理，得到所述灰度化图像。

9.根据权利要求8所述的系统，其特征在于，所述处理单元包括：

灰度值提取子单元，用于提取所述识别结果中携带的各所述像素点的灰度值；

灰度差值计算子单元，用于计算每两个所述像素点分别对应的所述灰度值的差值，得到灰度差值；

判断子单元，用于判断所述灰度差值是否超过阈值；

灰度差值处理子单元，用于若所述灰度差值超过阈值，则将所述灰度值较大的像素点归为所述切割线连通域；

闭运算处理子单元，用于对所述切割线连通域执行所述形态学闭运算，得到所述闭运算结果。

10.根据权利要求9所述的系统，其特征在于，所述距离计算单元包括：

坐标差值计算子单元，用于根据所述闭运算结果计算各所述切割线连通域的中心点坐标，并执行中心坐标差值运算，得到中心点坐标差值；

实际距离计算子单元，用于根据所述中心点坐标差值以及所述像素点的实际大小计算各所述切割线连通域之间的实际距离，以使切割工具根据所述中心点坐标以及所述实际距离定位切割线的位置。