CN107705302A - 一种圆形及类圆形视觉检测方法及系统 - Google Patents
一种圆形及类圆形视觉检测方法及系统 Download PDFInfo
- Publication number
- CN107705302A CN107705302A CN201710942035.0A CN201710942035A CN107705302A CN 107705302 A CN107705302 A CN 107705302A CN 201710942035 A CN201710942035 A CN 201710942035A CN 107705302 A CN107705302 A CN 107705302A
- Authority
- CN
- China
- Prior art keywords
- point
- chained list
- target
- examined object
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种圆形及类圆形视觉检测方法及系统,利用平滑滤波减少图片噪声,再通过寻找图片亮度梯度提取图像边缘特征,并对边缘筛选,二值化,将各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;对于任意一组目标链表,随机选取初始点,获取距离所述初始点最远的目标点,将所述初始点与所述目标点之间的中间点作为所述目标链表对应的待检测物体的准圆心点;根据每个点到所述准圆心点的距离求取方差,若所述方差小于预设阈值,则确定所述目标链表对应的待检测物体为圆形或类圆形。通过本发明不用编写复杂的霍夫圆算法,避免了复杂的计算过程,提高了识别圆心及类圆形的速度。
Description
技术领域
本发明属于圆形及类圆形视觉识别相关领域,属于物体及工件自动视觉技术领域,更具体地,涉及一种圆形及类圆形视觉检测方法及系统。
背景技术
随着镜头和计算机技术的高速发展,视觉检测在生产生活中的应用越来越多,现有的对圆识别的方法,有准确度较高的基于霍夫变换的霍夫圆检测及其衍生方法,但霍夫圆检测本身对圆的完整程度要求较高,对于不够规则的类圆难以检测,另外其计算量大,占用内存大,对小型智能设备负载过大,所需时间较长,无法在识别数量较大的情况下完成快速地识别,不能满足运动中拾取球体、快速检测大批量零件等应用要求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种圆形及类圆形视觉检测方法及系统,由此解决现有视觉检测方法中对圆拟合程度要求高以及检测效率低的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种圆形及类圆形视觉检测方法,包括:
(1)对获取的待检测图像进行平滑去噪处理得到预处理后图像;
(2)由所述预处理后图像中的亮度梯度在所述预处理后图像中跟踪边缘,并对边缘进行筛选,二值化得到所述预处理后图像的边缘二值图像,其中,所述边缘二值图像中包含各待检测物体的边缘信息;
(3)将所述各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;
(4)对于任意一组目标链表,随机选取初始点,获取距离所述初始点最远的目标点,将所述初始点与所述目标点连线的中间点作为所述目标链表对应的待检测物体的准圆心点;
(5)根据所述目标链表中的每个点到所述准圆心点的距离求取所述目标链表对应的待检测物体的方差,若所述方差小于预设阈值,则确定所述目标链表对应的待检测物体为圆形或类圆形。
优选地,步骤(4)具体包括:
(4.1)对于任意一组目标链表,随机选取第一初始点(x,y),其中, x表示横坐标,y表示纵坐标;
(4.2)遍历所述目标链表中的坐标点,比较每个点(xi,yi)到所述第一初始点(x,y)的距离(xi-x)*(xi-x)+(yi-y)*(yi-y),将距离最大的点作为第一目标点,将所述第一初始点与所述第一目标点之间的第一中间点作为所述目标链表对应的待检测物体的第一准圆心点;
(4.3)若所述第一准圆心点不满足预设精度需求,则继续随机选取第二初始点,将所述第二初始点与距离所述第二初始点最远的第二目标点之间的第二中间点作为第二准圆心点,直至选取的准圆心点满足所述预设精度需求;
(4.4)取所有准圆心点的坐标的平均值作为目标准圆心点坐标值。
优选地,在步骤(5)中的方差表示为:
其中,N表示所述目标链表中的坐标点的个数,Pr表示准圆心点,Pj表示所述目标链表中的任意一点,r表示所述目标链表对应的待检测物体的半径,且r2=distance(P0,Pi),P0表示初始点, Pi表示距离P0的最远点,对于任意两点Pq与Pm之间的距离表示为: distance(Pq,Pm)=(xm-xq)2+(ym-yq)2。
优选地,所述方法还包括:
若所述方差小于预设阈值,则获取所述目标链表对应的待检测物体边缘包含的区域的颜色均值,若所述颜色均值满足预设要求,则确定所述目标链表对应的待检测物体为圆形或类圆形。
按照本发明的另一方面,提供了一种圆形及类圆形视觉检测系统,包括:
预处理模块,用于对获取的待检测图像进行平滑去噪处理得到预处理后图像;
边缘处理模块,用于由所述预处理后图像中的亮度梯度在所述预处理后图像中跟踪边缘,并对边缘进行筛选,二值化得到所述预处理后图像的边缘二值图像,其中,所述边缘二值图像中包含各待检测物体的边缘信息;
存储模块,用于将所述各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;
圆心点获取模块,用于对于任意一组目标链表,随机选取初始点,获取距离所述初始点最远的目标点,将所述初始点与所述目标点连线的中间点作为所述目标链表对应的待检测物体的准圆心点;
确定模块,用于根据所述目标链表中的每个点到所述准圆心点的距离求取所述目标链表对应的待检测物体的方差,若所述方差小于预设阈值,则确定所述目标链表对应的待检测物体为圆形或类圆形。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:本发明根据二值化后的边缘特征来设计,避开了复杂的数学公式和霍夫变换中抽象空间转换概念,提高了识别圆形及类圆形的速度。
附图说明
图1是本发明实施例公开的一种圆形及类圆形视觉检测方法的流程示意图;
图2是本发明实施例中不同类圆形方差的示意图;
图3是本发明实施例中椭圆内圆心到各个点距离的方差与椭圆长短轴比的函数图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的说明书和权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象,而不是用于描述特定顺序。
本发明提供的一种圆形及类圆形视觉检测方法及系统,以提高在球场、工业生产、物品识别中的对不规则类圆的检测效率,目的在于克服现有方法中对圆拟合程度要求高、效率低的问题。
如图1所示是本发明实施例公开的一种圆形及类圆形视觉检测方法的流程示意图;在图1所示的方法中包括:
(1)对获取的待检测图像进行平滑去噪处理得到预处理后图像;
其中,在硬件实现上,可以采用CCD相机获取待检测图像,该CCD 相机可以采用小视场低畸变的镜头,另外可以通过处理器,连接CCD相机以驱动相机在预定时间拍摄、读取图像。
(2)由预处理后图像中的亮度梯度在预处理后图像中跟踪边缘,并对边缘进行筛选,二值化得到预处理后图像的边缘二值图像,其中,边缘二值图像中包含各待检测物体的边缘信息;
(3)将各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;
(4)对于任意一组目标链表,随机选取初始点,获取距离初始点最远的目标点,将初始点与目标点连线的中间点作为目标链表对应的待检测物体的准圆心点;
在一个可选的实施方式中,步骤(4)具体包括:
(4.1)对于任意一组目标链表,随机选取第一初始点(x,y),其中, x表示横坐标,y表示纵坐标;
(4.2)遍历目标链表中的坐标点,比较每个点(xi,yi)到第一初始点 (x,y)的距离(xi-x)*(xi-x)+(yi-y)*(yi-y),将距离最大的点作为第一目标点,将第一初始点与第一目标点之间的第一中间点作为目标链表对应的待检测物体的第一准圆心点;
(4.3)若第一准圆心点不满足预设精度需求,则继续随机选取第二初始点,将第二初始点与距离第二初始点最远的第二目标点之间的第二中间点作为第二准圆心点,直至选取的准圆心点满足预设精度需求;
(4.4)取所有准圆心点的坐标的平均值作为目标准圆心点坐标值。
其中,预设精度需求可以根据实际需要进行确定。
(5)根据目标链表中的每个点到准圆心点的距离求取目标链表对应的待检测物体的方差,若方差小于预设阈值,则确定目标链表对应的待检测物体为圆形或类圆形。
其中,若方差大于预设阈值,则说明目标链表对应的待检测物体不在所求的类圆形范围内。
在一个可选的实施方式中,在步骤(5)中的方差表示为:
其中,N表示目标链表中的坐标点的个数,Pr表示准圆心点,Pj表示目标链表中的任意一点,r表示目标链表对应的待检测物体的半径,且r2=distance(P0,Pi),P0表示初始点,Pi表示距离P0的最远点,对于任意两点Pq(xq,yq)与Pm(xm,ym)之间的距离表示为:distance(Pq,Pm)=(xm-xq)2+(ym-yq)2。
其中,预设阈值可以根据实际需要进行确定。
在一个可选的实施方式中,该方法还包括:
若方差小于预设阈值,则获取目标链表对应的待检测物体边缘包含的区域的颜色均值,若颜色均值满足预设要求,则确定目标链表对应的待检测物体为圆形或类圆形。
其中,预设要求可以根据实际需要进行确定。
如图2所示是本发明实施例中不同类圆形方差的示意图。其中,图2 中(a)(b)(c)分别展示出不同椭圆的方差,其中(a)是标准圆,方差为0,(b)比(c)更接近标准圆,(b)的方差也更小,为38,(c)的方差为190。(d)是一个接近标准圆的类圆形,其方差也小于椭圆,为27。
图3表示长短轴之比与方差的一个函数图像,可以视情况设定一个方差的阈值筛选出接近标准圆(长短轴之比为0)的形状,从而达到识别圆形及类圆形的目的。
在本发明的另一方面公开了一种圆形及类圆形视觉检测系统,包括:
预处理模块,用于对获取的待检测图像进行平滑去噪处理得到预处理后图像;
边缘处理模块,用于由预处理后图像中的亮度梯度在预处理后图像中跟踪边缘,并对边缘进行筛选,二值化得到预处理后图像的边缘二值图像,其中,边缘二值图像中包含各待检测物体的边缘信息;
存储模块,用于将各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;
圆心点获取模块,用于对于任意一组目标链表,随机选取初始点,获取距离初始点最远的目标点,将初始点与目标点连线的中间点作为目标链表对应的待检测物体的准圆心点;
确定模块,用于根据目标链表中的每个点到准圆心点的距离求取目标链表对应的待检测物体的方差,若方差小于预设阈值,则确定目标链表对应的待检测物体为圆形或类圆形。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种圆形及类圆形视觉检测方法,其特征在于,包括:
(1)对获取的待检测图像进行平滑去噪处理得到预处理后图像;
(2)由所述预处理后图像中的亮度梯度在所述预处理后图像中跟踪边缘,并对边缘进行筛选,二值化得到所述预处理后图像的边缘二值图像,其中,所述边缘二值图像中包含各待检测物体的边缘信息;
(3)将所述各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;
(4)对于任意一组目标链表,随机选取初始点,获取距离所述初始点最远的目标点,将所述初始点与所述目标点连线的中间点作为所述目标链表对应的待检测物体的准圆心点;
(5)根据所述目标链表中的每个点到所述准圆心点的距离求取所述目标链表对应的待检测物体的方差,若所述方差小于预设阈值,则确定所述目标链表对应的待检测物体为圆形或类圆形。
2.根据权利要求1所述的方法,其特征在于,步骤(4)具体包括:
(4.1)对于任意一组目标链表,随机选取第一初始点(x,y),其中,x表示横坐标,y表示纵坐标;
(4.2)遍历所述目标链表中的坐标点,比较每个点(xi,yi)到所述第一初始点(x,y)的距离(xi-x)*(xi-x)+(yi-y)*(yi-y),将距离最大的点作为第一目标点,将所述第一初始点与所述第一目标点之间的第一中间点作为所述目标链表对应的待检测物体的第一准圆心点;
(4.3)若所述第一准圆心点不满足预设精度需求,则继续随机选取第二初始点,将所述第二初始点与距离所述第二初始点最远的第二目标点之间的第二中间点作为第二准圆心点,直至选取的准圆心点满足所述预设精度需求;
(4.4)取所有准圆心点的坐标的平均值作为目标准圆心点坐标值。
3.根据权利要求1所述的方法,其特征在于,在步骤(5)中的方差表示为:
其中,N表示所述目标链表中的坐标点的个数,Pr表示准圆心点,Pj表示所述目标链表中的任意一点,r表示所述目标链表对应的待检测物体的半径,且r2=distance(P0,Pi),P0表示初始点,Pi表示距离P0的最远点,对于任意两点Pq(xq,yq)与Pm(xm,ym)之间的距离表示为:distance(Pq,Pm)=(xm-xq)2+(ym-yq)2。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述方法还包括:
若所述方差小于预设阈值,则获取所述目标链表对应的待检测物体边缘包含的区域的颜色均值,若所述颜色均值满足预设要求,则确定所述目标链表对应的待检测物体为圆形或类圆形。
5.一种圆形及类圆形视觉检测系统,其特征在于,包括:
预处理模块,用于对获取的待检测图像进行平滑去噪处理得到预处理后图像;
边缘处理模块,用于由所述预处理后图像中的亮度梯度在所述预处理后图像中跟踪边缘,并对边缘进行筛选,二值化得到所述预处理后图像的边缘二值图像,其中,所述边缘二值图像中包含各待检测物体的边缘信息;
存储模块,用于将所述各待检测物体的边缘信息存储于链表中,其中,同一个待检测物体的边缘点位置信息位于同一组链表中;
圆心点获取模块,用于对于任意一组目标链表,随机选取初始点,获取距离所述初始点最远的目标点,将所述初始点与所述目标点连线的中间点作为所述目标链表对应的待检测物体的准圆心点;
确定模块,用于根据所述目标链表中的每个点到所述准圆心点的距离求取所述目标链表对应的待检测物体的方差,若所述方差小于预设阈值,则确定所述目标链表对应的待检测物体为圆形或类圆形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710942035.0A CN107705302A (zh) | 2017-10-11 | 2017-10-11 | 一种圆形及类圆形视觉检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710942035.0A CN107705302A (zh) | 2017-10-11 | 2017-10-11 | 一种圆形及类圆形视觉检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107705302A true CN107705302A (zh) | 2018-02-16 |
Family
ID=61183525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710942035.0A Pending CN107705302A (zh) | 2017-10-11 | 2017-10-11 | 一种圆形及类圆形视觉检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705302A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883905A (zh) * | 2019-03-07 | 2019-06-14 | 南京理工大学 | 水下粒径在线测量系统及方法 |
CN110097533A (zh) * | 2019-02-12 | 2019-08-06 | 哈尔滨新光光电科技股份有限公司 | 一种光斑外形尺寸和位置的精确测试方法 |
CN115830011A (zh) * | 2023-02-08 | 2023-03-21 | 山东瑞峰新材料科技有限公司 | 一种无声胶带生产过程的视觉检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002000567A (ja) * | 2000-06-23 | 2002-01-08 | Kansai Tlo Kk | 瞳孔中心位置計測方法及び視点位置検出方法 |
US20020006223A1 (en) * | 2000-05-19 | 2002-01-17 | Ricoh Company, Ltd. | Image detecting method, image detecting system, program, and recording medium for image detection |
CN102568007A (zh) * | 2011-03-22 | 2012-07-11 | 黄海清 | 利用改进霍夫变换进行类圆形检测的图像处理方法 |
CN102831420A (zh) * | 2012-08-17 | 2012-12-19 | 银江股份有限公司 | 基于颜色信息和随机圆检测的圆形交通标志定位方法 |
-
2017
- 2017-10-11 CN CN201710942035.0A patent/CN107705302A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020006223A1 (en) * | 2000-05-19 | 2002-01-17 | Ricoh Company, Ltd. | Image detecting method, image detecting system, program, and recording medium for image detection |
JP2002000567A (ja) * | 2000-06-23 | 2002-01-08 | Kansai Tlo Kk | 瞳孔中心位置計測方法及び視点位置検出方法 |
CN102568007A (zh) * | 2011-03-22 | 2012-07-11 | 黄海清 | 利用改进霍夫变换进行类圆形检测的图像处理方法 |
CN102831420A (zh) * | 2012-08-17 | 2012-12-19 | 银江股份有限公司 | 基于颜色信息和随机圆检测的圆形交通标志定位方法 |
Non-Patent Citations (2)
Title |
---|
ANDREW KIRILLOV: "Detecting some simple shapes in images", 《HTTP://WWW.AFORGENET.COM/ARTICLES/SHAPE_CHECKER/》 * |
RUDOLF SCITOVSKI ETAL.: "Multiple circle detection based on center-based clustering", 《PATTERN RECOGNITION LETTERS》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097533A (zh) * | 2019-02-12 | 2019-08-06 | 哈尔滨新光光电科技股份有限公司 | 一种光斑外形尺寸和位置的精确测试方法 |
CN109883905A (zh) * | 2019-03-07 | 2019-06-14 | 南京理工大学 | 水下粒径在线测量系统及方法 |
CN115830011A (zh) * | 2023-02-08 | 2023-03-21 | 山东瑞峰新材料科技有限公司 | 一种无声胶带生产过程的视觉检测方法 |
CN115830011B (zh) * | 2023-02-08 | 2023-05-09 | 山东瑞峰新材料科技有限公司 | 一种无声胶带生产过程的视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10692210B2 (en) | Recording medium storing computer program for pupil detection, information processing apparatus, and pupil detecting method | |
WO2019169532A1 (zh) | 车牌识别方法及云系统 | |
CN107657639A (zh) | 一种快速定位目标的方法和装置 | |
CN107292318B (zh) | 基于中心暗通道先验信息的图像显著性物体检测方法 | |
CN111241927A (zh) | 级联式人脸图像优选方法、系统、设备及可读存储介质 | |
JP2013522754A (ja) | 複数の虹彩テンプレートを用いた虹彩認識装置及び方法 | |
CN102147857A (zh) | 利用改进霍夫变换进行类圆形检测的图像处理方法 | |
CN113011385B (zh) | 人脸静默活体检测方法、装置、计算机设备及存储介质 | |
CN107705302A (zh) | 一种圆形及类圆形视觉检测方法及系统 | |
CN106446862A (zh) | 一种人脸检测方法及系统 | |
JP6351243B2 (ja) | 画像処理装置、画像処理方法 | |
CN105205437B (zh) | 基于头部轮廓验证的侧脸检测方法及装置 | |
Han et al. | Research and implementation of an improved canny edge detection algorithm | |
CN106709500A (zh) | 一种图像特征匹配的方法 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN111080542A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN108446642A (zh) | 一种快速人脸识别系统 | |
CN107844803B (zh) | 一种图片比对的方法和装置 | |
WO2017101292A1 (zh) | 自动对焦的方法、装置和系统 | |
CN111832464A (zh) | 一种基于近红外摄像头的活体检测方法及装置 | |
JP5995217B2 (ja) | 瞳孔部分を近似する楕円の検出を行う方法 | |
CN108334870A (zh) | Ar设备数据服务器状态的远程监控系统 | |
CN101681510A (zh) | 登记设备、检查设备、程序和数据结构 | |
CN108446639A (zh) | 低功耗增强现实设备 | |
CN108388854A (zh) | 一种基于改进fast-surf算法的定位方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |
|
RJ01 | Rejection of invention patent application after publication |