CN107909579B - 视觉检测中的产品轮廓自动提取方法 - Google Patents
视觉检测中的产品轮廓自动提取方法 Download PDFInfo
- Publication number
- CN107909579B CN107909579B CN201711043277.2A CN201711043277A CN107909579B CN 107909579 B CN107909579 B CN 107909579B CN 201711043277 A CN201711043277 A CN 201711043277A CN 107909579 B CN107909579 B CN 107909579B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- product
- profile
- edge
- 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.)
- Active
Links
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
Abstract
本发明涉及一种视觉检测中的产品轮廓自动提取方法，包括以下步骤：1)对提取的图像进行预处理；2)提取图像中的边缘；3)在边缘图像中查找区域轮廓；提取边缘图像中所有的封闭轮廓，填充所有的封闭轮廓得到对应的区域，计算所有的区域的面积，找到最大面积的区域，则对应的封闭轮廓为产品的轮廓；4)对轮廓区域进行形态学的开运算，去掉轮廓上的通风孔或毛刺；5)产品轮廓恢复。本发明采用了多尺度的边缘提取算子，结合图像灰度矫正，形态学运算等方法，在大多数应用场景下实现了产品区域提取的良好效果，满足了印刷行业的视觉检测中自动提取产品区域的需求；实现自动提取产品区域，免除了人工手动绘制产品区域的步骤，适应范围广。
Description
技术领域
本发明涉及图像处理技术领域，尤其是一种视觉检测中的产品轮廓自动提取方法。
背景技术
印刷品检测在具体实施时，一般分为两步：首先是建模部分，即通过对合格产品的图像采集，获得标准印刷品图像，以标准图像建立进行检测的模板，该模板将标准图像划分为不同的检测区域，并且为每一个不同的检测区域指定了对应的检测算法。其次，是检测执行的过程，在这个过程中相机实时的采集待检测的图像，根据之前建立的模板，对待检测的产品进行检测，根据检测结果作最终的分仓处理。
在以标准印刷品图像建立图像模板的过程中，需要绘制各种检测区域，而首先要绘制的是整个产品的检测区域。传统上，整个建模的过程是由用户手动完成的，各个检测区域也是手工绘制的。但是手动建模过程繁琐，还需要建模的操作人员具有一定的专业知识。
最接近的现有技术有以下两种：1、采用sobel、canny等边缘检测算子检测图像的边缘，通过边缘对图像进行分割；2、采用神经网络或者支持向量机等分类器，对图像的产品区域和非产品区域进行训练，在训练结果收敛后，利用训练的模型对图像的产品区域和非产品区域进行分类，从而实现自动提取产品轮廓区域；但是以上两种技术分别具有以下缺点：1、直接采用canny、sobel算子，只能提取图像的边缘，并不能区域图像中的实际产品轮廓和图像中的其他干扰，如纹理和通风孔的轮廓等。此外，这种方法不能自动调整边缘检测的阈值，无法自动适应不同的光源、不同相机采集的图像下的产品区域自动提取；2、采用分类器方法，对于一些没有进行训练过的图像无法准确的提取产品区域。对各种不同的图像进行训练，可能会导致分类器无法收敛。分类器方法对于黑白图片下的产品区域和非产品区域的分类效果很差。
发明内容
本发明要解决的技术问题是：提出一种视觉检测中的产品轮廓自动提取方法，适应于不同光源、不同相机以及不同产品的成像，在大多数场景下实现良好的产品区域提取效果。
本发明所采用的技术方案为：一种视觉检测中的产品轮廓自动提取方法，包括以下步骤：
1)对提取的图像进行预处理，包括图像大小的调整和图像灰度的调整；
2)提取图像中的边缘；
3)在边缘图像中查找区域轮廓；提取边缘图像中所有的封闭轮廓，填充所有的封闭轮廓得到对应的区域，计算所有的区域的面积，找到最大面积的区域，则对应的封闭轮廓为产品的轮廓；
4)产品轮廓的进一步处理；对轮廓区域进行形态学的开运算，去掉轮廓上的通风孔或毛刺；
5)产品轮廓恢复，将提取的产品轮廓按照横向1/Sx，纵向1/Sy的比例进行缩放，得到最终的产品轮廓；其中，图像横向缩放的比例为Sx，图像纵向的缩放比例为Sy。
进一步的说，本发明所述的步骤1)中，若图像面积超过8百万像素，则将图像缩小到面积为2百万像素；如果图像面积小于8百万像素，将图像的长和宽各缩小一半；根据图像的平均灰度值进行灰度矫正。
再进一步的说，本发明所述的步骤2)中，采用canny算子检测图像中的边缘，设定canny算子的高阈值和低阈值；设定一个数值为步长，分别增加高阈值和低阈值，直到提取的边缘满足要求。
再进一步的说，本发明所述的步骤4)中，对产品轮廓的处理包括以下步骤：
A、用步骤2)中提取的边缘区域，减去产品轮廓区域，得到包含通风孔的背景边缘区域；
B、统计通风孔区域个数；以高度H和宽度W生成矩形结构元素element；
C、填充产品轮廓，得到产品区域，用矩形结构元素element对产品区域进行开运算；提取开运算后的产品区域的外轮廓。
本发明的创新点在于：
1、采用经验值，对采集图像进行大小调整，能够更好提取产品的轮廓；
2、采用合适的图像灰度矫正方法和参数，采用自动选择合适提取边缘阈值的方法，实现自适应提取印刷品图像中的产品轮廓。
3、采用统计皮带上通风孔区域的平均尺寸，并选择对应的结构元素，对产品轮廓区域进行开运算；使得保证既去掉区域上的突出物和毛刺，能够去掉粘连的通风孔轮廓，同时也避免过多的背景轮廓的边角被砍掉。
本发明的有益效果是：采用了多尺度的边缘提取算子，结合图像灰度矫正，形态学运算等方法，在大多数应用场景下实现了产品区域提取的良好效果，满足了印刷行业的视觉检测中自动提取产品区域的需求；实现自动提取产品区域，免除了人工手动绘制产品区域的步骤，适应范围广。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是印刷品的提取的产品区域(黑色线条内)；
图2是产品轮廓粘连了通风孔的轮廓；
图3是背景边缘图区域；
图4是产品轮廓提取示意图；
图5是另一产品轮廓提取示意图
图6是产品轮廓提取流程图。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
一种视觉检测中的产品轮廓自动提取方法，通过自动搜索合适的轮廓边缘检测的阈值，以解决不同成像环境下，图像的灰度不一样，固定的边缘检测的阈值无法满足不同图像的产品区域的边缘检测的问题；由于图像的尺寸大小不一，无论是canny、sobel还是其他类似的边缘算子的尺寸大小不超过3×3，而大尺寸的图像边缘是一个缓慢的过渡区，因此用边缘算子在原图像上难以提取到边缘；而将所有图像缩放到固定大小，可以解决该问题；在检测到的边缘中识别实际的产品区域的轮廓，如果在产品边缘区域存在通风孔，则提取的轮廓一定会包含了通风孔。因此本发明自动估计通风孔的大小，并自动选择合适大小的结构元素，对产品区域的轮廓进行开运算，得到不包含通风孔的实际产品区域的轮廓。
具体包括以下步骤：
1、提取图像的预处理
1)对图像大小的调整：工业检测领域采集的图形分辨率较高，图像边缘是一个缓慢的过渡区，因此用3×3大小的边缘算子在原图像上难以提取到边缘，需要将图像缩小。因此将待提取产品轮廓的图像缩小，对于图像面积超过8百万像素，则将图像缩小到面积为2百万像素(等比例缩小)；如果图像面积小于8百万像素，将图像的长和宽各缩小一半。记图像横向缩放的比例为Sx,图像纵向的缩放比例为Sy。
2)对图像灰度进行调整：根据图像的平均灰度值，对图像进行调整。根据图像的平均灰度，将图像的灰度矫正分为三种情况，分别为：图像的平均灰度值小于50；图像的平均灰度值介于50和80之间；图像的平均灰度值大于80。
其中，I(x,y)表示原图像的横坐标为x，纵坐标为y处的像素的灰度值；W、H分别表示原图像的宽度和高度；I’(x,y)表示灰度矫正后图像的横坐标为x，纵坐标为y处的像素的灰度值。
2、提取图像中的边缘
采用canny算子检测图像中的边缘。Canny算子的高阈值设为40，低阈值设为10；以10为步长，分别增加高阈值和低阈值，直到提取的边缘满足要求。
1)设置低阈值LowThreshold＝10，高阈值HighThreshold＝40；计算图像的总面积，记为Area(I)。
2)采用canny算子提取图像的边缘，得到，对于三通道彩色图像的每一个通道采用canny算子提取图像边缘并且求并集。得到图像边缘图像，计算图像中边缘区域的总面积为Area(E)。
3)计算边缘区域的总面积占图像总面积的比例，记Ratio＝Area(E)/Area(I)。
4)如果Ratio大于0.07或者HighThreshold大于180，提取边缘的过程结束；否则，LowThreshold和HighThreshold分别增加10，跳到第2)步。
3、在边缘图像中查找区域轮廓
提取边缘图像中所有的封闭轮廓，填充所有的封闭轮廓得到对应的区域，计算所有的区域的面积，找到最大面积的区域，则对应的封闭轮廓为产品的轮廓。
4、产品轮廓的进一步处理：通常如果在产品边缘区域存在通风孔，提取的产品轮廓一定会包含了通风孔(如图2所示)。对轮廓区域进行形态学的开运算，目的是为了去掉轮廓上的通风孔。但是该方法存在这样的问题:开运算除了去掉通风孔以外，还会将图像的角落砍掉。对产品轮廓的处理流程如下：
1)用第2步图像中提取的边缘区域，减去产品轮廓区域，得到包含通风孔的背景边缘区域(如图3所示)。
2)统计通风孔区域个数，如果个数大于10，则计算所有通风孔的平均的高度H和宽度W，分别对高度H和宽度W增加5个像素，以高度H和宽度W生成矩形结构元素element。如果统计通风孔的个数小于10，这默认将高度H设置为40，宽度W设置为30，生成矩形的结果元素element。
3)填充产品轮廓，得到产品区域，用矩形结构元素element对产品区域进行开运算。提取开运算后的产品区域的外轮廓。
5、产品轮廓恢复：将提取的产品轮廓按照横向1/Sx，纵向1/Sy的比例进行缩放，得到最终的产品轮廓。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离本发明的实质和范围。
Claims (2)
1.一种视觉检测中的产品轮廓自动提取方法，其特征在于包括以下步骤：
1)对提取的图像进行预处理，包括图像大小的调整和图像灰度的调整；
2)提取图像中的边缘：采用canny算子检测图像中的边缘，设定canny算子的高阈值和低阈值；设定一个数值为步长，分别增加高阈值和低阈值，直到提取的边缘满足要求；包括以下步骤：
a)设置低阈值和高阈值；计算图像的总面积，记为Area(I)；
b)采用canny算子提取图像的边缘，对于三通道彩色图像的每一个通道采用canny算子提取图像边缘并且求并集；得到图像边缘图像，计算图像中边缘区域的总面积为Area(E)；
c)计算边缘区域的总面积占图像总面积的比例，记Ratio＝Area(E)/Area(I)；
d)如果Ratio大于设定值或者高阈值大于设定值，提取边缘的过程结束；否则，低阈值和高阈值分别增加一个步长，跳到第b)步；
3)在边缘图像中查找区域轮廓；提取边缘图像中所有的封闭轮廓，填充所有的封闭轮廓得到对应的区域，计算所有的区域的面积，找到最大面积的区域，则对应的封闭轮廓为产品的轮廓；
4)产品轮廓的进一步处理；对轮廓区域进行形态学的开运算，去掉轮廓上的通风孔或毛刺；
对产品轮廓的处理包括以下步骤：
A)用步骤2)中提取的边缘区域，减去产品轮廓区域，得到包含通风孔的背景边缘区域；
B)统计通风孔区域个数；以高度H和宽度W生成矩形结构元素element；
C)填充产品轮廓，得到产品区域，用矩形结构元素element对产品区域进行开运算；提取开运算后的产品区域的外轮廓；
5)产品轮廓恢复，将提取的产品轮廓按照横向1/Sx，纵向1/Sy的比例进行缩放，得到最终的产品轮廓；其中，图像横向缩放的比例为Sx，图像纵向的缩放比例为Sy。
2.如权利要求1所述的视觉检测中的产品轮廓自动提取方法，其特征在于：所述的步骤1)中，若图像面积超过8百万像素，则将图像缩小到面积为2百万像素；如果图像面积小于8百万像素，将图像的长和宽各缩小一半；根据图像的平均灰度值进行灰度矫正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711043277.2A CN107909579B (zh) | 2017-10-31 | 2017-10-31 | 视觉检测中的产品轮廓自动提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711043277.2A CN107909579B (zh) | 2017-10-31 | 2017-10-31 | 视觉检测中的产品轮廓自动提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107909579A CN107909579A (zh) | 2018-04-13 |
| CN107909579B true CN107909579B (zh) | 2019-12-03 |
Family
ID=61842262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711043277.2A Active CN107909579B (zh) | 2017-10-31 | 2017-10-31 | 视觉检测中的产品轮廓自动提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107909579B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109632007B (zh) * | 2019-01-17 | 2020-12-04 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
| CN111260625B (zh) * | 2020-01-15 | 2021-06-18 | 征图新视(江苏)科技股份有限公司 | 胶印大张图像检测区域的自动提取方法 |
| CN111798429B (zh) * | 2020-07-03 | 2022-06-07 | 杭州东信北邮信息技术有限公司 | 一种印刷品缺陷的视觉检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101063662A (zh) * | 2007-05-15 | 2007-10-31 | 广州市万世德包装机械有限公司 | 空瓶瓶底缺陷的检测方法及基于dsp的空瓶瓶底缺陷检测装置 |
| CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
| CN102020036A (zh) * | 2010-11-02 | 2011-04-20 | 昆明理工大学 | 一种条烟外包装透明纸缺陷的视觉检测方法 |
| CN102194114A (zh) * | 2011-06-25 | 2011-09-21 | 电子科技大学 | 一种基于边缘梯度方向金字塔直方图的虹膜识别方法 |
| CN105335976A (zh) * | 2015-10-23 | 2016-02-17 | 广州视睿电子科技有限公司 | 一种图像处理方法和装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9251580B2 (en) * | 2013-08-23 | 2016-02-02 | Cimpress Schweiz Gmbh | Methods and systems for automated selection of regions of an image for secondary finishing and generation of mask image of same |
| CN104700421A (zh) * | 2015-03-27 | 2015-06-10 | 中国科学院光电技术研究所 | 一种基于canny的自适应阈值的边缘检测算法 |
| CN106097329B (zh) * | 2016-06-07 | 2018-11-13 | 浙江工业大学 | 一种基于边缘检测的集装箱轮廓定位方法 |
-
2017
- 2017-10-31 CN CN201711043277.2A patent/CN107909579B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101063662A (zh) * | 2007-05-15 | 2007-10-31 | 广州市万世德包装机械有限公司 | 空瓶瓶底缺陷的检测方法及基于dsp的空瓶瓶底缺陷检测装置 |
| CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
| CN102020036A (zh) * | 2010-11-02 | 2011-04-20 | 昆明理工大学 | 一种条烟外包装透明纸缺陷的视觉检测方法 |
| CN102194114A (zh) * | 2011-06-25 | 2011-09-21 | 电子科技大学 | 一种基于边缘梯度方向金字塔直方图的虹膜识别方法 |
| CN105335976A (zh) * | 2015-10-23 | 2016-02-17 | 广州视睿电子科技有限公司 | 一种图像处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107909579A (zh) | 2018-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107909579B (zh) | 视觉检测中的产品轮廓自动提取方法 | |
| CN105740945B (zh) | 一种基于视频分析的人群计数方法 | |
| CN104851085B (zh) | 自动获取图像中检测区的方法及系统 | |
| US8503826B2 (en) | System and method for computer-aided image processing for generation of a 360 degree view model | |
| US20150071530A1 (en) | Image processing apparatus and method, and program | |
| US8131013B2 (en) | Method and detecting system for positions of facial parts | |
| TWI435288B (zh) | Image processing apparatus and method, and program product | |
| CN103606132A (zh) | 基于空域和时域联合滤波的多帧数字图像去噪方法 | |
| TWI709085B (zh) | 用於對車輛損傷影像進行損傷分割的方法、裝置、電腦可讀儲存媒體和計算設備 | |
| US8655100B2 (en) | Correcting an artifact in an image | |
| JP6755787B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
| CN103413311A (zh) | 一种基于边缘的模糊检测方法 | |
| JP2007272435A (ja) | 顔特徴抽出装置及び顔特徴抽出方法 | |
| TW201730813A (zh) | 具有深度資訊之影像處理方法及其電腦程式產品 | |
| CN104504703A (zh) | 一种基于片式元器件smt焊点彩色图像分割方法 | |
| CN112883881A (zh) | 一种条状农产品无序分拣方法及装置 | |
| CN107730522A (zh) | 一种基于图像的围棋棋谱识别方法 | |
| CN109214367A (zh) | 一种基于视觉注意机制的人脸检测方法 | |
| CN111290582B (zh) | 一种基于改进型直线检测的投影交互区域定位方法 | |
| US20170352170A1 (en) | Nearsighted camera object detection | |
| CN110501339B (zh) | 一种复杂环境下的布面定位方法 | |
| CN110288531B (zh) | 一种辅助操作人员制作标准身份证相片的方法及工具 | |
| CN108573506B (zh) | 图像处理方法及系统 | |
| CN113610091A (zh) | 一种空气开关状态的智能识别方法、识别装置及存储介质 | |
| CN112270683B (zh) | 一种ihc数字预览图识别和组织前景分割方法及系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 213161 No. 258-6 Jinhua Road, West Taihu Lake, Wujin District, Changzhou City, Jiangsu Province Applicant after: Zhengtu Xinshi (Jiangsu) Science and Technology Co., Ltd. Address before: 213161 No. 258-6 Jinhua Road, West Taihu Lake, Wujin District, Changzhou City, Jiangsu Province Applicant before: Sign new map (Jiangsu) Technology Co. Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |