CN108280854A - 一种工业图像的近圆形目标快速检测方法 - Google Patents
一种工业图像的近圆形目标快速检测方法 Download PDFInfo
- Publication number
- CN108280854A CN108280854A CN201611267373.0A CN201611267373A CN108280854A CN 108280854 A CN108280854 A CN 108280854A CN 201611267373 A CN201611267373 A CN 201611267373A CN 108280854 A CN108280854 A CN 108280854A
- Authority
- CN
- China
- Prior art keywords
- target
- detection method
- subgraph
- rapid detection
- grid
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims description 4
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000009825 accumulation Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明仅针对检测目标不存在重叠，且目标间距大于目标半径的工业图像，提供一种工业图像的接近圆形目标的快速检测方法。本发明仅需要一次扫描图像，即可确定近圆目标的粗略位置。通过计算粗略位置确定的局部区域的统计特征，即计算以粗略位置为中心的局部区域的统计特征，可确定近圆目标的精确位置。并且计算量小，运算速度快，提高了生产效率和生产节拍。解决了工业图像中目标检测方法的计算复杂度高，实现困难等技术问题。
Description
技术领域
本发明涉及工业图像的处理方法，仅针对工业图像中，确定大小的目标检测，且在工业图像中，目标不重叠，目标间距大于目标半径，具体涉及一种工业图像的接近圆形目标的快速检测方法。
背景技术
机器视觉检测是用机器视觉代替人眼来做测量和判别。首先，机器视觉检测系统通过图像采集设备采集包含有目标的工业图像；然后，通过设计的图像处理算法来抽取图像的各种特征，以实现对目标的识别，或对目标属性的测量；进而根据机器视觉检测结果来控制现场的设备动作，或做相应的处理，是用于生产、装配或包装的有价值的机制。
机器视觉检测的目的是提高生产的柔性和自动化程度。在一些不适合人工作业的危险环境或人眼难以满足要求的场合，常用机器视觉来替代人眼；同时在大批量工业生产过程中，用人眼检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。另外，机器视觉检测相比于人眼检测，具有检测结果稳定、一致性好等优点，可以保证检测质量。
工业图像中的目标检测具有目标属性确定，背景简单等特点，同时对检测效率具有较高的要求。目前采用的近圆目标检测技术一般是对工业图像二值化，并进行连通区域标记，然后分析每个连通块的几何特征。其需要多次扫描图像，在算法设计上比较复杂，实现困难。由于计算量较大，目前的机器视觉目标检测方法运算速度较慢，在一定程度上影响生产效率和生产节拍，需要进一步提高计算速度。
发明内容
针对上述现有技术的不足，本发明仅针对检测目标不存在重叠，且目标间距大于目标半径的工业图像，提供一种工业图像的接近圆形目标的快速检测方法。本发明仅需要一次扫描图像，即可确定近圆目标的粗略位置。通过计算粗略位置确定的局部区域的统计特征，可确定近圆目标的精确位置。解决了工业图像中目标检测方法的计算复杂度高，实现困难等技术问题。
为达到上述目的，本发明的一种工业图像的接近圆形目标的快速检测方法，包括如下步骤：
第一步，将图像二值化为，其中和分别是图像在水平方向和垂直方向的坐标，将目标灰度值设置为，背景灰度值设置为；
第二步，将二值图像划分成边长为的正方形网格，其中和分别是网格在水平方向和垂直方向的索引，第个正方形网格对应子图像；按一定次序扫描正方形网格；
第三步，对于当前扫描的正方形网格，计算对应子图像的累计灰度；
第四步，判断累计灰度是否满足候选目标存在条件，若满足,则确定网格存在候选目标，为对应的正方形网格索引，否则确定网格不存在候选目标,直接执行第六步；
第五步，以网格为中心，和其八邻域网格，共同生成八邻域子图像，判断八邻域子图像中是否存在目标，若存在目标，则计算目标方向坐标和方向坐标,确定该目标位置；
第六步，若存在未扫描正方形网格,则按次序扫描下一个正方形网格，执行第三步,否则结束。
进一步地，第二步中，的取值满足条件，其，是设定的近圆目标面积，以目标在图像中所占像素的数量来表示，是圆周率。
进一步地，第三步中，子图像的累计灰度表达式为。
进一步地，第四步中，累计灰度满足的条件为或。
进一步地，第四步中，累计灰度满足的条件为子图像中目标所占像素的数量大于。
进一步地，第五步中，八邻域子图像中是否存在目标的判断方法为：生成八邻域子图像后，分别统计方向目标像素坐标的最小值和最大值，方向目标像素坐标的最小值和最大值，以及目标像素的数量，若满足条件、且，则判定子图像中存在目标，其中，和分别是检测目标和设定目标在方向，方向和面积的偏差约束。
进一步地，第五步中，通过表达式计算。当等于，时，等于1。当不等于时，等于0。
进一步地，第五步中，目标方向坐标和方向坐标的计算方法为：取表达式为目标方向坐标，表达式为目标方向坐标；当等于时，等于1。当不等于时，等于0。
本发明具有如下有益效果：本发明仅需要一次扫描图像，即可确定近圆目标的粗略位置。通过计算粗略位置确定的局部区域的统计特征，可确定近圆目标的精确位置。并且计算量小，运算速度快，提高了生产效率和生产节拍。解决了工业图像中目标检测方法的计算复杂度高，实现困难等技术问题。
附图说明
图1为二值图像网格化后示意图。
图2为目标确认及定位示意图。
具体实施方式
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，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做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。
本发明的一种工业图像的接近圆形目标的快速检测方法，具体包括如下步骤。
1、采用大津法等方法由灰度图像获得二值图像。将图像二值化为，其中和分别是图像在水平方向和垂直方向的坐标。将目标灰度值设置为，背景灰度值设置为。
2、将二值图像划分成边长为的正方形网格，其中和分别是网格在水平方向和垂直方向的索引。的取值满足条件（1），其中，是设定的近圆目标面积，以目标在图像中所占像素的数量来表示，具体根据检测目标设定；是圆周率。第个正方形网格对应子图像。按一定次序扫描正方形网格。
3、对于第个正方形网格，计算对应子图像的累计灰度表达式（A）。
4、若累计灰度满足条件（2）或条件（3），即子图像中目标所占像素的数量大于，则确定网格存在候选目标，为对应的正方形网格索引。否则确定网格不存在候选目标，直接执行第六步。
5、若正方形网格存在候选目标，则以网格为中心，和其八邻域网格，共同生成八邻域子图像，分别统计方向目标像素坐标的最小值和最大值，方向目标像素坐标的最小值和最大值，以及目标像素的数量。通过表达式（B）计算。当等于时，等于1。当不等于时，等于0。若满足条件（4），条件（5）且条件（6），则判定子图像中存在目标。其中，和分别是检测目标和设定目标在方向，方向和面积的偏差约束，均为人为设置。取表达式（C）为目标方向坐标，表达式（D）为目标方向坐标。当等于时，等于1。当不等于时，等于0。
6、若存在未扫描正方形网格,则按次序扫描下一个正方形网格，执行第三步,否则结束。
说明：下述具体实施例中引用的条件（1）、（2）、（3）、（4）、（5）和（6）及表达式（A）、（B）、（C）和（D）均采用上述工业图像中接近圆形目标的快速检测方法中的定义。
在具体实施例中，根据上述工业图像中接近圆形目标的快速检测方法，如图一所示，图像二值化后，将二值图像划分为边长满足条件（1）的正方形网格。这里取待检测近圆形目标半径的2倍。
从左到右，从上到下，扫描网格，分析每个网格是否存在候选目标。示例中，目标灰度设为128，背景灰度设为255。
在图一中，子图像中全部像素为背景灰度的网格的累积灰度不满足条件（2）和条件（3），故不存在候选目标。
可能存在目标的网格包括(1,3)、(2,2)、(2,3)、(3,2)、(3,3)、(4,2)、(4,4)、(5,2)、(5,4)、(6,2)。
经过计算，网格(1,3)、(2,2)、(3,2)、(3,3)、(4,2)、(4,4)、(6,2)的累积灰度不满足条件（2）和（3），故不存在候选目标。
经过计算，网格(2,3)的累积灰度满足条件（3），故网格(2,3)中存在候选目标。以网格(2,3)作为中心，取其八邻域网格，包括网格(1,2)、(1,3)、(1,4)、(2,2)、(2,4)、(3,2)、(3,3)、(3,4)。和网格(2,3)共同构成了八邻域子图像,如图二包含上述网格的黑框所示。分别统计方向目标灰度像素坐标的最小值和最大值，方向目标灰度像素坐标的最小值和最大值，以及目标灰度像素的数量。其结果满足条件（4）、条件（5）和条件（6），故子图像中检测到目标，根据表达式（C）和（D）计算目标的准确位置。
经过计算，网格（5,2）的累积灰度不满足条件（2），也不满足条件（3），故网格（5,2）中不存在目标。
经过计算，网格（5,4）的累积灰度满足条件（3），故网格（5，4）中存在候选目标。以网格（5,4）作为中心，取其八邻域网格，包括网格（4,3）、（4,4）、（4,5）、（5,3）、（5,5）、（6,3）、（6,4）、（6,5）。和网格（5,4）共同构成八邻域子图像,如图二包含上述网格的黑框所示。分别统计方向目标灰度像素坐标的最小值和最大值，方向目标灰度像素坐标的最小值和最大值，以及目标灰度像素的数量。其结果满足条件（4）、条件（5），但不满足条件（6），故子图像中没有检测到目标。
Claims (8)
1.一种工业图像的接近圆形目标的快速检测方法，包括如下步骤：
第一步，将图像二值化为，其中和分别是图像在水平方向和垂直方向的坐标，将目标灰度值设置为，背景灰度值设置为；
第二步，将二值图像划分成边长为的正方形网格，其中和分别是网格在水平方向和垂直方向的索引，第个正方形网格对应子图像；按一定次序扫描正方形网格；
第三步，对于当前扫描的正方形网格，计算对应子图像的累计灰度；
第四步，判断累计灰度是否满足候选目标存在条件，若满足,则确定网格存在候选目标，为对应的正方形网格索引，否则确定网格不存在候选目标,直接执行第六步；
第五步，以网格为中心，和其八邻域网格，共同生成八邻域子图像，判断八邻域子图像中是否存在目标，若存在目标，则计算目标方向坐标和方向坐标,确定该目标位置；
第六步，若存在未扫描正方形网格,则按次序扫描下一个正方形网格，执行第三步,否则结束。
2.如权利要求1所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第二步中，的取值满足条件，其中，是设定的近圆目标面积，以目标在图像中所占像素的数量来表示，是圆周率。
3.如权利要求1或2所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第三步中，子图像的累计灰度表达式为。
4.如权利要求3所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第四步中，累计灰度满足的条件为或。
5.如权利要求3所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第四步中，累计灰度满足的条件为子图像中目标所占像素的数量大于。
6.如权利要求4或5所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第五步中，八邻域子图像中是否存在目标的判断方法为：生成八邻域子图像后，分别统计方向目标像素坐标的最小值和最大值，方向目标像素坐标的最小值和最大值，以及目标像素的数量，若满足条件、且，则判定子图像中存在目标，其中，和分别是检测目标和设定目标在方向，方向和面积的偏差约束。
7.如权利要求6所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第五步中，通过表达式计算，当等于时，等于1，当不等于时，等于0。
8.如权利要求6或7所述的一种工业图像的接近圆形目标的快速检测方法，其特征在于，第五步中，目标方向坐标和方向坐标的计算方法为：取表达式为目标方向坐标，表达式为目标方向坐标；当等于时，等于1，当不等于时，等于0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611267373.0A CN108280854A (zh) | 2016-12-31 | 2016-12-31 | 一种工业图像的近圆形目标快速检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611267373.0A CN108280854A (zh) | 2016-12-31 | 2016-12-31 | 一种工业图像的近圆形目标快速检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108280854A true CN108280854A (zh) | 2018-07-13 |
Family
ID=62800283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611267373.0A Pending CN108280854A (zh) | 2016-12-31 | 2016-12-31 | 一种工业图像的近圆形目标快速检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108280854A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10102325A1 (de) * | 2001-01-19 | 2002-07-25 | Daimler Chrysler Ag | Verfahren zur Detektion von Objekten |
| CN1811794A (zh) * | 2006-03-03 | 2006-08-02 | 清华大学 | 基于反射或透射光强分布特性的灰度图像分割方法 |
| CN102147857A (zh) * | 2011-03-22 | 2011-08-10 | 黄晓华 | 利用改进霍夫变换进行类圆形检测的图像处理方法 |
| CN102346850A (zh) * | 2011-10-13 | 2012-02-08 | 西北工业大学 | 复杂金属背景下DataMatrix条码区域定位方法 |
| CN105631846A (zh) * | 2014-10-31 | 2016-06-01 | 陕西高华知本化工科技有限公司 | 一种圆形图形的检测方法 |
-
2016
- 2016-12-31 CN CN201611267373.0A patent/CN108280854A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10102325A1 (de) * | 2001-01-19 | 2002-07-25 | Daimler Chrysler Ag | Verfahren zur Detektion von Objekten |
| CN1811794A (zh) * | 2006-03-03 | 2006-08-02 | 清华大学 | 基于反射或透射光强分布特性的灰度图像分割方法 |
| CN102147857A (zh) * | 2011-03-22 | 2011-08-10 | 黄晓华 | 利用改进霍夫变换进行类圆形检测的图像处理方法 |
| CN102346850A (zh) * | 2011-10-13 | 2012-02-08 | 西北工业大学 | 复杂金属背景下DataMatrix条码区域定位方法 |
| CN105631846A (zh) * | 2014-10-31 | 2016-06-01 | 陕西高华知本化工科技有限公司 | 一种圆形图形的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
| US10424078B2 (en) | Height measuring system and method | |
| CN108764257A (zh) | 一种多视角的指针式仪表识别方法 | |
| CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
| CN109472822A (zh) | 基于深度图像处理的物体尺寸测量方法 | |
| CN106327532A (zh) | 一种单幅图像的三维配准方法 | |
| CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
| CN113435282B (zh) | 基于深度学习的无人机影像麦穗识别方法 | |
| CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
| CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
| CN103389042A (zh) | 基于深度图像的地面自动检测以及场景高度计算的方法 | |
| KR101932214B1 (ko) | 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법 | |
| CN108009556A (zh) | 一种基于定点图像分析的河道漂浮物检测方法 | |
| CN108229524A (zh) | 一种基于遥感图像的烟囱和冷凝塔检测方法 | |
| CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
| CN105913013A (zh) | 双目视觉人脸识别算法 | |
| CN102621154B (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法 | |
| JP6723798B2 (ja) | 情報処理装置、方法、プログラム | |
| CN103617611A (zh) | 一种自动阈值分割光斑中心及尺寸检测方法 | |
| CN107016697A (zh) | 一种高度测量方法及装置 | |
| CN104809756A (zh) | 基于X-ray CT图像的沥青混合料空隙空间结构重构方法 | |
| CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
| CN109493384A (zh) | 相机位姿估计方法、系统、设备及存储介质 | |
| CN106709905A (zh) | 一种基于双目视觉图像的防振锤故障在线检测识别方法 | |
| CN103514460B (zh) | 视频监控多视角车辆检测方法和装置 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Gou Yang Inventor after: Deng Kun Inventor after: Li Guangyuan Inventor after: Kang Zhenguo Inventor after: Sun Jian Inventor after: Jiang Hongbin Inventor before: Gou Yang Inventor before: Wang Xin Inventor before: Deng Kun Inventor before: Li Guangyuan Inventor before: Kang Zhenguo Inventor before: Sun Jian Inventor before: Jiang Hongbin |
|
| CB03 | Change of inventor or designer information | ||
| CB02 | Change of applicant information |
Address after: 130012 No. 177, Software 3 Road, Changchun High-tech Development Zone, Jilin Province Applicant after: Changchun Rongcheng Intelligent Equipment Manufacturing Co., Ltd. Applicant after: Changchun blue boat Technology Co., Ltd. Applicant after: Changchun wisdom and intelligent packaging equipment Co., Ltd. Address before: 130012 No. 177, Software 3 Road, Changchun High-tech Development Zone, Jilin Province Applicant before: Changchun North Chemical Filling Equipment Co., Ltd. Applicant before: Changchun blue boat Technology Co., Ltd. Applicant before: Changchun wisdom and intelligent packaging equipment Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180713 |
|
| WD01 | Invention patent application deemed withdrawn after publication |