CN107449485A - 液面影像辨识方法 - Google Patents
液面影像辨识方法 Download PDFInfo
- Publication number
- CN107449485A CN107449485A CN201710331174.XA CN201710331174A CN107449485A CN 107449485 A CN107449485 A CN 107449485A CN 201710331174 A CN201710331174 A CN 201710331174A CN 107449485 A CN107449485 A CN 107449485A
- Authority
- CN
- China
- Prior art keywords
- image
- liquid level
- module
- raw video
- coordinate
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 44
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000013519 translation Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 16
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000005728 strengthening Methods 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000003707 image sharpening Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000003706 image smoothing Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
- G01F23/292—Light, e.g. infrared or ultraviolet
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
Abstract
一种液面影像辨识方法，用于测量一液体的水位高度。读入一原始影像后，一资料处理模组执行一影像处理程序以强化该原始影像的边缘特征。随后，该资料处理模组对该原始影像执行一影像分析程序，以求得该水位高度。因此，达到通过影像处理计算该水位高度的目的。
Description
技术领域
本发明关于一种液面影像辨识方法，特别是一种通过影像处理方式，计算液面位置的液面影像辨识方法。
背景技术
于化学相关领域的实验中，对于各种液态化学原料的测量，由于牵扯到各种化学原料间不同浓度的配置，因此，其剂量的测量精准度是非常重要。并且，于医学相关领域中，对于治疗病患所用的药剂的用量监测，例如：施打点滴时，其点滴瓶的药剂是否已经低于一临界值，而需提醒医疗人员补充该药剂或停止施打点滴。上述情况，都是于日常生活中所常见的液面测量方法的范畴。此外，该液面测量方法也可应用于掌握一河川的水位，尤其，当该河川暴涨时，该河川的附近地区容易于造成水患，进而严重威胁民众的生命与财产安全。因此，该液面测量方法不仅能应用于化学或医学相关领域，甚至于河川的水位监测也都可通过该液面测量方法达到监测液面位置的目的。
液位侦测方法，大致上可分为两种：“接触式液位侦测方法”及“非接触式液位侦测方法”。该接触式液位侦测方法利用一液位计进行液位侦测，如：浮筒式液位计、压力式液位计。但，侦测的液体可能具有腐蚀性、不可污染性或因设置于河川而有被大水冲毁或是被深埋河川底下的风险，故较佳采用该非接触式液位侦测方法。该非接触式液位侦测方法乃通过拍摄一影像，作为后续侦测该液体的液面位置的依据。换言之，该非接触式液位侦测方法无须设置任何液位计，故也无由于液位计长时间接触液体(例如：一强酸液体或一强碱液体)而遭锈蚀、液位计污染药剂，或是因设置于河川而遭冲毁或掩埋的风险。但，该非接触式液位侦测方法通常会因为许多外在因素而造成该影像中包括许多杂讯，如：光线、漂流物、桥梁、建物遮蔽所造成的阴影或液面侦测的参照物其表面上的图腾(例如：标尺图形、刻痕或干湿水痕)等，而造成“液位侦测结果误判”的问题。
此外，为了提升液位侦测的准确度，于中国台湾第I396832号“液面高度辨识方法”专利案中提供一种影像处理方法，通过直线侦测取得所要侦测的液面的液面线。但，该液面线会因液体流动所产生的波纹、液体接触到障碍物所产生的冲激水花、波纹或该参照物表面上的图腾，造成液位侦测结果误判。因此，本发明提供一种不同于以往的液面影像辨识方法，同时可融入一相对高程资讯(纪录相对于基隆平均海水面的高程值)，以提供河川水位防泛应用。借此，提升液位侦测准确度与实用性。
发明内容
本发明的目的为提供一种克服液体流动或接触所生成的波纹或冲激水花的干扰，以及排除因参照物表面上图腾而造成的误判，并融入一相对高程资讯的液面影像辨识方法，用以降低液位侦测的误判及提升液位侦测准确度与实用性。
一种液面影像辨识方法，应用于一液位辨识系统，该液位辨识系统包括一资料处理模组及一资料撷取模组，该资料撷取模组耦接该资料处理模组，并拍摄取得包括一液体及一参照物的原始影像，该方法包括：以该资料处理模组自该资料撷取模组读入该原始影像；以该资料处理模组取得一物理座标与影像座标转换公式；以该资料处理模组对该原始影像截取一子影像，该子影像包括该参照物的图像；以该资料处理模组侦测该子影像中的多条直线线段；以该资料处理模组判断该多条直线线段中，其长度最长的直线线段，并取得该直线线段的底缘的影像座标；及以该资料处理模组将该影像座标转换成一空间物理座标，该空间物理座标即为该液体的液面位置。
其中，该资料处理模组读入该原始影像后，该资料处理模组对该原始影像执行一影像杂讯滤波或一边缘强化。
其中，该影像杂讯滤波以一中值滤波滤除该原始影像的杂讯。
其中，该边缘强化以一同态滤波强化该原始影像的边缘特征。
其中，该资料处理模组取得该物理座标与影像座标转换公式后，该资料处理模组对该原始影像执行一灰阶内插法取得该原始影像中像素值为整数的影像座标，并将该影像座标代入该物理座标与影像座标转换公式将该原始影像进行重建。
其中，该灰阶内插法为一双线性内插法。
其中，该多条直线线段的侦测方法为以该资料处理模组对该子影像执行一边缘侦测及一直线侦测。
其中，该物理座标与影像座标转换公式通过该资料处理模组于该原始影像中设定多个影像座标，并将该多个影像座标及其对应的空间物理座标代入一直接线性转换法求出。
其中，该液位辨识系统另外包括一资料库模组，该资料库模组具有一相对高程资讯，该相对高程资讯供该资料处理模组查表，并将该液面位置转换成一水位高程值。
本发明的有益效果是：可通过影像处理方式计算液面位置。
附图说明
图1：本发明液面影像辨识方法实施例的系统架构图。
图2：本发明液面影像辨识方法实施例的运作流程图。
图3：本发明液面影像辨识方法实施例的投影校正示意图。
图4a：本发明液面影像辨识方法实施例的子影像示意图。
图4b：本发明液面影像辨识方法实施例的子影像示意图。
图5：本发明液面影像辨识方法实施例的液面位置示意图。
附图标记说明
1 资料处理模组 2 资料撷取模组
3 资料库模组
S1 影像前处理程序 S2 影像撷取程序
S3 影像处理程序 S31 灰阶处理步骤
S32 影像平滑步骤 S33 影像锐化步骤
S34 影像校正步骤 S35 影像重建步骤
S4 影像分析程序 S41 边缘侦测步骤
S42 液面特征侦测步骤 S43 液面估算步骤
L 液体 S 液面
R 参照物 P1 第一影像座标
P2 第二影像座标 P3 第三影像座标
P4 第四影像座标
具体实施方式
为使本发明的上述及其他目的、特征及优点能更明显易懂，下文特根据本发明的较佳实施例，并配合所附附图，作详细说明如下：
本发明全文所述的“耦接”(Coupled Connection)，是指两个电子装置可通过有线或是无线技术相互通讯，但不以此为限，为本发明所属技术领域中具有通常知识者可以理解的。
本发明全文所述的“像素”(Pixels)，是指一影像组成的最小单位，用以表示该影像的解析度(Resolution)，例如：若该影像的解析度为1024×768，则代表该影像共有1024×768个像素，为本发明所属技术领域中具有通常知识者可以理解的。
本发明全文所述的“色阶”(Color Level)，是指该像素所显现颜色分量或亮度的浓淡程度，例如：彩色影像的红色(R)、绿色(G)及蓝色(B)分量的色阶范围各为0～255；或者，灰阶影像的亮度(Luminance)的色阶范围可为0～255，为本发明所属技术领域中具有通常知识者可以理解的。
请参阅图1所示，其为本发明液面影像辨识方法实施例的系统架构图，包括一资料处理模组1及一资料撷取模组2。其中，该资料撷取模组2(例如：监视摄影机、网路摄影机或红外线摄影机等)耦接该资料处理模组1(例如：电脑主机、档案伺服器或云端伺服器等)作为系统执行架构。该资料撷取模组2可拍摄取得包括一液体L及一参照物R的原始影像(Original Image)，例如：单一或连续影像等。在本实施例中，该参照物可为一容器的侧边壁、一标尺或一桥墩等；该原始影像可为彩色或灰阶影像，但不以此为限；该资料撷取模组2以一摄影机为实施例，并据以执行本发明液面影像辨识方法较佳实施例所公开的运作流程，借此测量一液面位置。又，该系统较佳可另外包括一资料库模组3。该资料库模组3耦接该资料处理模组1，且该资料库模组3可为关联式资料库(Relational Database)，例如：MySQL、Oracle或dBASE等资料库，此外，该资料库模组3可用以存放该资料撷取模组2所拍摄的原始影像，作为后续影像处理分析使用，但不以此为限。又，该资料库模组3可另存一相对高程资讯并供该资料处理模组1查表，将该液体L的液面S位置转换成一水位高程值，以提供河川水位防泛的应用。
请参阅图2所示，其为本发明液面影像辨识方法实施例的运作流程图。其中，该方法包括一影像前处理程序S1、一影像撷取程序S2、一影像处理程序S3及一影像分析程序S4。
该影像前处理程序S1可由该资料处理模组1通过一校正公式调整该资料撷取模组2的内部参数。在本实施例中，可由该资料处理模组1将该资料撷取模组2朝向一平面校正板，该平面校正板与该资料撷取模组2的成像平面成平行，通过将该资料撷取模组2做不同方向的位移及旋转，以求得多个参数值。该校正公式通过该多个参数值调整该资料撷取模组2的内部参数，具有“提升测量准确度”的功效。其中，该校正公式可参酌“Holland等人(1997)所提供的一种用以解决影像扭曲的校正方法”，其为本发明所属技术领域中具有通常知识者可以理解的，在此容不赘述。
请一并参阅图1所示，该影像撷取程序S2可由该资料处理模组1将该资料撷取模组2朝向该液体L及该参照物R进行拍摄，以产生该原始影像。随后，通过该资料处理模组1自该资料撷取模组2读入该原始影像。在本实施例中，可由该资料处理模组1将该资料撷取模组2朝向一河道内的液体L及参照物R进行拍摄，并据以测量该液体L的液面S位置。此外，该原始影像以一彩色影像为实施例作为后续说明，其为本发明所属技术领域中具有通常知识者可以理解的，在此容不赘述，但不以此为限。
请再参阅图2所示，该影像处理程序S3可用以降低整体系统运算的复杂度，以及强化该原始影像中所包括的参照物R的边缘特征，以利后续该影像分析程序S4进行分析。该影像处理程序S3可包括一灰阶处理步骤S31、一影像平滑步骤S32、一影像锐化步骤S33、一影像校正步骤S34及一影像重建步骤S35。其中，该灰阶处理步骤S31可由该资料处理模组1对该原始影像进行灰阶处理，具有“降低系统运算复杂度”功效，其依据该原始影像各像素的红色、绿色及蓝色分量的色阶，将该原始影像的色调平均转换到色阶范围为0～255的亮度。但，该原始影像的色调的色阶范围为0～255的亮度时，即可省略该灰阶处理步骤S31，其为本发明所属技术领域中具有通常知识者可以理解的，在此不多加以赘述。
该影像平滑步骤S32可由该资料处理模组1对该原始影像执行一影像杂讯滤波，以滤除该原始影像的杂讯，使该原始影像更有利于后续影像处理分析，该影像杂讯滤波可为中值滤波(Median Filter)、均值滤波器(Mean Filter)、高斯平滑滤波器(Gaussiansmoothing Filter)、双边滤波器(Bilateral Filter)、排序值统计滤波器(Order-statistics Filters)或各种线性空间滤波器等滤波方法。在本实施例中，该资料处理模组1对该原始影像执行中值滤波，以滤除该原始影像的杂讯。但，当尚未执行该影像平滑步骤S32的原始影像即不影响后续影像处理分析时，该资料处理模组1可省略该影像平滑步骤S32，其为本发明所属技术领域中具有通常知识者可以理解的。
该影像锐化步骤S33可由该资料处理模组1对该原始影像执行一边缘强化，以强化该原始影像的边缘特征，该边缘强化可为同态滤波(Homomorphic Filter)。同态滤波主要应用在当该原始影像亮度不均匀的情况下，以强化该原始影像中所包括的较暗的影像边缘，更有利于后续影像处理分析。同态滤波为本发明所属技术领域中具有通常知识者可以理解的，在此不多加赘述。但，当尚未执行该影像锐化步骤S33的原始影像即不影响后续影像处理分析时，该资料处理模组1可省略该影像锐化步骤S33，其为本发明所属技术领域中具有通常知识者可以理解的。
并且，该影像锐化步骤S33也可采用其他频域锐化滤波器或各种空间锐化滤波器，例如：高频增幅(High-Boost Filtering)、非锐化遮罩(Unsharp Masking)、一阶微分强化或拉普拉斯(Laplacian)二阶微分等锐化滤波器，在此不一一列举。上述锐化滤波器为本发明所属技术领域中具有通常知识者可以理解的，在此不多加赘述。
请一并参阅图3所示，其为本发明液面影像辨识方法实施例的投影校正示意图，该影像校正步骤S34可由该资料处理模组1对该原始影像采用一投影转换法执行校正。在本实施例中，该投影转换法可由一直接线性转换法(Direct Linear Transform)简化而成，该直接线性转换法可参酌“Abdel-Aziz、Karara等人(1971)所提供的一种用以解决几何变形的校正方法”，其公式如下式(1)所示：
其中，(u,v)为该原始影像的影像座标，(x,y,z)为(u,v)的空间物理座标，Li(i＝1,2,…,11)为该资料撷取模组2的转换系数。此外，该公式(1)通过移项转换可重新整理成如下式(2)所示：
在本实施例中，假设该资料撷取模组2所拍摄的原始影像中所包括的参照物R的座标平面为一XZ座标平面，则公式(2)由三维退化至二维可视为落于Y轴为零的座标平面上，公式(2)可修改成如下式(3)所示：
除上所述，该参照物R的座标平面也可为一YZ座标平面，则公式(2)由三维退化至二维可视为落于X轴为零的座标平面上，公式(2)可修改成如下式(4)所示：
因此，根据公式(3)或公式(4)都可取得一提供影像座标与空间物理座标之间互相转换的物理座标与影像座标转换公式。在本实施例中，采用公式(3)取得该物理座标与影像座标转换公式，并作为后续说明，但不以此为限。举例而言，可由该资料处理模组1于该原始影像中设定四影像座标(例如：第一影像座标P1、第二影像座标P2、第三影像座标P3及第四影像座标P4)，并根据上述影像座标于该资料库模组3中取得相对应的空间物理座标后，将上述影像座标及其相对应的空间物理座标代入公式(3)，以产生一过定方程式(Over-Determined)。因此，通过该资料处理模组1计算该过定方程式求得该资料撷取模组2的转换系数，并将该转换系数代入公式(3)以得到该物理座标与影像座标转换公式。在本实施例中，计算该转换系数的方法可采用一最小二乘法(Generalized Least Squares)、高斯消去法(Gaussian Elimination Method)、高斯-乔登法(Guassian-Jordan Method)或克拉玛法(Cramer’s Rule)等，其为本发明所属技术领域中具有通常知识者可以理解的，在此不多加赘述。
此外，请参阅图1及图2所示，由于该资料撷取模组2可设置于一固定位置运作，所以，该资料撷取模组2所拍摄的原始影像会产生相同的物理座标与影像座标转换公式。故，该资料处理模组1可预先通过公式(3)产生该物理座标与影像座标转换公式，并将该物理座标与影像座标转换公式储存于该资料库模组3，以利后续查表换算使用。
请再参阅图2所示，该影像重建步骤S35可由该资料处理模组1以一灰阶内插法(Gray Level Interpolation)对该原始影像执行重建，例如：邻近邻域法(NearestNeighbor Interpolation)、三次旋积差值法(Cubic Convolution Interpolation)或双线性内插法(Bilinear Interpolation)等，在此不一一列举，其为本发明所属技术领域中具有通常知识者可以理解的，在此不多加赘述。在本实施例中，该资料处理模组1以双线性内插法及该物理座标与影像座标转换公式计算并重建该原始影像，其主要原理为以该原始影像的影像座标的整数值进行转换。但，该原始影像通过公式(3)执行该影像校正步骤S34后，该原始影像的影像座标可为非整数值，因此，需以双线性内插法推算出该原始影像的影像座标为整数值时的灰阶值。其中，双线性内插法的公式如下式(5)所示：
p(u,v)＝a1u+a2v+a3uv+a4 (5)
其中，p(u,v)为该原始影像的影像座标的像素值，ai(i＝1,2,…,4)为多个参数值。其中，该多个参数值可由该资料处理模组1以该最小二乘法计算取得。
该影像分析程序S4可包括一边缘侦测步骤S41、一液面特征侦测步骤S42及一液面估算步骤S43，分别叙述如后。
请一并参阅图4a及图4b所示，该边缘侦测步骤S41可由该资料处理模组1于该原始影像中截取一子影像(Region of Interest,ROI)，该子影像包括该参照物R的图像，且该子影像的影像尺寸小于该原始影像的影像尺寸。在本实施例中，如图4a所示，当该原始影像包括一标尺时，可由该资料处理模组1对该原始影像截取包括该标尺的子影像；反之，如图4b所示，当该原始影像不包括该标尺时，该资料处理模组1也可对该原始影像所包括的参照物R(如：桥墩)截取其子影像。综上所述，该原始影像所包括的参照物R并不拘限于非标尺不可，但不以此为限。随后，可由该资料处理模组1侦测该子影像的边缘特征。该边缘侦测步骤S41可为一种梯度运算子边缘搜寻法，如：肯尼边缘侦测(Canny Edge Detection)、索贝尔边缘侦测(Sobel Edge Detection)等。在本实施例中，采用肯尼边缘侦测为实施例作为后续说明，但不以此为限，其主要原理为计算该子影像中各像素的影像梯度(Gradient)值，并依据该影像梯度值计算各该像素的影像边界值。该子影像中任意像素值为1或0时，代表该子影像中同位置的像素是属于一边界或并非属于一边界。其中，该影像梯度值与影像边界值的计算方法如下式(6)～(8)所示：
其中，f(x,y)为该子影像的影像座标(x,y)时的灰阶值，且0≤x＜M且0≤y＜N；Gx代表该子影像的水平方向的梯度值，Gy代表该子影像的垂直方向的梯度值。当该子影像的影像座标(x,y)的影像梯度值大于一阈值时，设定该子影像的影像座标(x,y)的影像边界值E(x,y)为1，当该子影像的影像座标(x,y)的影像梯度值不大于该阈值时，设定该子影像的影像座标(x,y)的影像边界值E(x,y)为0。
该液面特征侦测步骤S42可由该资料处理模组1侦测该子影像中的多条直线线段。此外，也可由该资料处理模组1侦测该原始影像，并执行后续相关影像处理。综上所述，由于该子影像的影像尺寸小于该原始影像的影像尺寸，故，仅对该原始影像内的子影像进行直线侦测，具有“提升影像处理效率”功效。在本实施例中，该资料处理模组1可通过一直线侦测方法侦测该子影像中的多条直线线段，例如：霍夫转换法(Hough Transform)，可参酌“Hough(1962)”，其主要原理为将同一线段的座标点的x及y座标，转换为ρ(rho)及θ(theta)座标。根据霍夫转换法的原理，影像内同一方向线段在ρ及θ座标图上会具有交会于同一点的特性，因此，可取出最大交叉量的点，并选取ρ与θ接近最佳值的线段为所侦测的直线线段。
请参阅图5所示，该液面估算步骤S43可由该资料处理模组1判断该多条直线线段中，其长度最长的直线线段，并取得该直线线段的底缘的影像座标。随后，可由该资料处理模组1将该影像座标代入该物理座标与影像座标转换公式，以求得该影像座标所对应的空间物理座标，该空间物理座标即为该液面位置。
综上所述，本发明的液面影像辨识方法，可由该资料处理模组1于该影像前处理程序S1调整该资料撷取模组2的内部参数。随后，于该影像撷取程序S2中，读入该原始影像，并执行该影像处理程序S3以强化该原始影像所包括的边缘特征。执行上述程序后，对该原始影像执行该影像分析程序S4，以求得该液面位置。因此，本发明的液面影像辨识方法可达到通过影像处理方式计算该液面位置的目的。
Claims (9)
1.一种液面影像辨识方法，应用于一个液位辨识系统，该液位辨识系统包括一个资料处理模组及一个资料撷取模组，该资料撷取模组耦接该资料处理模组，并拍摄取得包括一个液体及一个参照物的原始影像，其特征在于：该方法包括：
以该资料处理模组自该资料撷取模组读入该原始影像；
以该资料处理模组取得一个物理座标与一个影像座标转换公式；
以该资料处理模组对该原始影像截取一个子影像，该子影像包括该参照物的图像；
以该资料处理模组侦测该子影像中的多条直线线段；
以该资料处理模组判断该多条直线线段中，其长度最长的直线线段，并取得该直线线段的底缘的影像座标；及
以该资料处理模组将该影像座标转换成一个空间物理座标，该空间物理座标即为该液体的液面位置。
2.如权利要求1所述的液面影像辨识方法，其特征在于：该资料处理模组读入该原始影像后，该资料处理模组对该原始影像执行影像杂讯滤波或边缘强化。
3.如权利要求2所述的液面影像辨识方法，其特征在于：该影像杂讯滤波以中值滤波滤除该原始影像的杂讯。
4.如权利要求2所述的液面影像辨识方法，其特征在于：该边缘强化以同态滤波强化该原始影像的边缘特征。
5.如权利要求1所述的液面影像辨识方法，其特征在于：该资料处理模组取得该物理座标与该影像座标转换公式后，该资料处理模组对该原始影像执行灰阶内插法取得该原始影像中像素值为整数的影像座标，并将该影像座标代入该物理座标与该影像座标转换公式将该原始影像进行重建。
6.如权利要求5所述的液面影像辨识方法，其特征在于：该灰阶内插法为双线性内插法。
7.如权利要求1所述的液面影像辨识方法，其特征在于：该多条直线线段的侦测方法为以该资料处理模组对该子影像执行边缘侦测及直线侦测。
8.如权利要求1所述的液面影像辨识方法，其特征在于：该物理座标与该影像座标转换公式通过该资料处理模组于该原始影像中设定多个影像座标，并将该多个影像座标及其对应的空间物理座标代入直接线性转换法求出。
9.如权利要求1所述的液面影像辨识方法，其特征在于：该液位辨识系统另外包括一个资料库模组，该资料库模组具有一个相对高程资讯，该相对高程资讯供该资料处理模组查表，并将该液面位置转换成一个水位高程值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW105116468A TWI590190B (zh) | 2016-05-26 | 2016-05-26 | 液面影像辨識方法 |
| TW105116468 | 2016-05-26 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107449485A true CN107449485A (zh) | 2017-12-08 |
| CN107449485B CN107449485B (zh) | 2019-12-17 |
Family
ID=60048553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710331174.XA Active CN107449485B (zh) | 2016-05-26 | 2017-05-11 | 液面影像辨识方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107449485B (zh) |
| TW (1) | TWI590190B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107462301A (zh) * | 2016-06-06 | 2017-12-12 | 财团法人成大水利海洋研究发展文教基金会 | 液面监测方法 |
| TWI761112B (zh) * | 2021-03-04 | 2022-04-11 | 楊惠玲 | 智慧化濾池氣洗水洗效能偵測系統及方法 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI690231B (zh) | 2018-09-07 | 2020-04-01 | 財團法人工業技術研究院 | 無線定位校準系統及其方法 |
| TWI670473B (zh) | 2018-09-12 | 2019-09-01 | 財團法人工業技術研究院 | 液位檢測方法及其裝置 |
| TWI744795B (zh) * | 2020-02-12 | 2021-11-01 | 國立臺中科技大學 | 海平面影像偵測系統 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07333039A (ja) * | 1994-06-14 | 1995-12-22 | Hitachi Ltd | 画像処理を用いた液面位置計測方法 |
| US6098029A (en) * | 1994-06-14 | 2000-08-01 | Hitachi, Ltd. | Liquid-level position measuring method and system |
| JP2001133311A (ja) * | 1999-11-04 | 2001-05-18 | Hitachi Ltd | 水位計測方法および水位計測システム |
| TW201030324A (en) * | 2009-02-09 | 2010-08-16 | Nat Applied Res Laboratories | An identification method for liquid level |
| CN101839741A (zh) * | 2009-03-20 | 2010-09-22 | 财团法人国家实验研究院 | 液面高度辨识方法 |
| JP2011080859A (ja) * | 2009-10-07 | 2011-04-21 | Nippon Telegr & Teleph Corp <Ntt> | 水面境界線検知装置、水面境界線検知方法及び水面境界線検知プログラム |
| CN103743452A (zh) * | 2013-12-30 | 2014-04-23 | 合肥金星机电科技发展有限公司 | 非接触式液位测量系统 |
| JP2016090279A (ja) * | 2014-10-30 | 2016-05-23 | 三菱電機株式会社 | 水位計測装置 |
-
2016
- 2016-05-26 TW TW105116468A patent/TWI590190B/zh active
-
2017
- 2017-05-11 CN CN201710331174.XA patent/CN107449485B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07333039A (ja) * | 1994-06-14 | 1995-12-22 | Hitachi Ltd | 画像処理を用いた液面位置計測方法 |
| US6098029A (en) * | 1994-06-14 | 2000-08-01 | Hitachi, Ltd. | Liquid-level position measuring method and system |
| JP2001133311A (ja) * | 1999-11-04 | 2001-05-18 | Hitachi Ltd | 水位計測方法および水位計測システム |
| TW201030324A (en) * | 2009-02-09 | 2010-08-16 | Nat Applied Res Laboratories | An identification method for liquid level |
| CN101839741A (zh) * | 2009-03-20 | 2010-09-22 | 财团法人国家实验研究院 | 液面高度辨识方法 |
| JP2011080859A (ja) * | 2009-10-07 | 2011-04-21 | Nippon Telegr & Teleph Corp <Ntt> | 水面境界線検知装置、水面境界線検知方法及び水面境界線検知プログラム |
| CN103743452A (zh) * | 2013-12-30 | 2014-04-23 | 合肥金星机电科技发展有限公司 | 非接触式液位测量系统 |
| JP2016090279A (ja) * | 2014-10-30 | 2016-05-23 | 三菱電機株式会社 | 水位計測装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107462301A (zh) * | 2016-06-06 | 2017-12-12 | 财团法人成大水利海洋研究发展文教基金会 | 液面监测方法 |
| TWI761112B (zh) * | 2021-03-04 | 2022-04-11 | 楊惠玲 | 智慧化濾池氣洗水洗效能偵測系統及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107449485B (zh) | 2019-12-17 |
| TWI590190B (zh) | 2017-07-01 |
| TW201741998A (zh) | 2017-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107449485A (zh) | 液面影像辨识方法 | |
| CN106197612B (zh) | 一种基于机器视觉的透明瓶装液位检测方法 | |
| CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
| CN110443243B (zh) | 水位监测方法、存储介质、网络设备和水位监测系统 | |
| CN103954542B (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
| CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
| CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN106373124B (zh) | 基于灰度共生矩阵与ransac的工业产品表面缺陷视觉检测方法 | |
| CN105761261A (zh) | 一种检测摄像头遭人为恶意破坏的方法 | |
| CN109035292A (zh) | 基于深度学习的运动目标检测方法及装置 | |
| CN105387801B (zh) | 一种地铁隧道管片错台量检测方法 | |
| CN109214380A (zh) | 车牌倾斜校正方法 | |
| CN105261031B (zh) | 基于梯度计算的直线检测方法及装置 | |
| CN106530271A (zh) | 一种红外图像显著性检测方法 | |
| CN105608703A (zh) | 一种变电站智能巡检机器人的电流互感器油位检测方法 | |
| Flesia et al. | Sub-pixel straight lines detection for measuring through machine vision | |
| CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
| CN106127261B (zh) | 一种快速多分辨率灰度图像模板匹配方法 | |
| CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN109359537A (zh) | 基于神经网络的人脸姿态角度检测方法及系统 | |
| CN104573647A (zh) | 一种非法身份证件的识别方法及装置 | |
| CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
| CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
| CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、系统及存储介质 | |
| TWI590196B (zh) | 液面監測方法 |
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 |