CN108986089A - 基于图像处理的分梳山羊绒长度检测方法 - Google Patents
基于图像处理的分梳山羊绒长度检测方法 Download PDFInfo
- Publication number
- CN108986089A CN108986089A CN201810760486.7A CN201810760486A CN108986089A CN 108986089 A CN108986089 A CN 108986089A CN 201810760486 A CN201810760486 A CN 201810760486A CN 108986089 A CN108986089 A CN 108986089A
- Authority
- CN
- China
- Prior art keywords
- image
- curve
- cashmere
- point
- length
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 210000000085 cashmere Anatomy 0.000 title claims abstract description 69
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000009499 grossing Methods 0.000 claims abstract description 18
- 238000009960 carding Methods 0.000 claims description 16
- 239000000835 fiber Substances 0.000 claims description 11
- 238000005259 measurement Methods 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 7
- 239000003344 environmental pollutant Substances 0.000 abstract description 7
- 231100000719 pollutant Toxicity 0.000 abstract description 7
- 210000001520 comb Anatomy 0.000 abstract 1
- 238000000605 extraction Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000003749 cleanliness Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000283707 Capra Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像处理的分梳山羊绒长度检测方法,包括:采集手排分梳山羊绒RGB图像;将所述RGB图像转换成灰度图像;将所述灰度图像进行平滑处理;将平滑处理后的图像进行中值滤波处理;将所述中值滤波处理后的图像转换为二值图像;对所述二值图像进行边缘曲线提取,得到边缘曲线h(x);将所述边缘曲线h(x)进行曲线拟合,得到拟合曲线z(x);根据所述拟合曲线z(x)计算分梳山羊绒平均长度。本发明采用以上检测方法,不仅解决了现有的分梳山羊绒长度手排测定法中的人工描点和绘图存在人为测量误差的问题,而且本发明采用平滑和中值滤波相结合的方法,解决了标准板在粘有一定污染物情况下,测量山羊绒长度不准确的问题。
Description
技术领域
本发明涉及分梳山羊绒长度检测技术领域,具体涉及一种基于图像处理的分梳山羊绒长度检测方法。
背景技术
山羊原绒、洗净山羊绒、分梳山羊绒统称为山羊绒。分梳山羊绒纤维长度是衡量分梳山羊绒的重要品质指标之一,其长度直接影响纤维的可纺性能及价格。分梳山羊绒长度的测定手排法是按照《GB18267-2013山羊绒》的要求制作出山羊绒标准板,要求很多高精度的测量,为了避免测量工具直接接触标准板上面的羊绒,目前的测量方法是:首先利用玻璃板水平压在山羊绒标准板之上,根据标准板上排列的羊绒画出山羊绒长度分布的曲线;再利用刻度纸描出一条光滑的纤维长度分布曲线;以长度分布图的底边为横坐标,以纤维长度曲线上的各点为纵坐标,从原点自左向右每隔10mm(组距)标出横坐标x1、x2、…、xi、…、xn-1、xn(其中xn-xn-1为末组组距,数值在0mm~10mm之间),按照手排长度标准板上的刻度测量,并记录每一组中点对应的长度曲线上的纵坐标即纤维长度L1、L2、…、Li、…、Ln-1、Ln,长度分布图的底边总长度为xn(mm),最后利用平均长度计算公式计算出山羊绒的平均长度。
现有技术中的分梳山羊绒长度手工测量方法,其缺点是人工描点、绘图和计算,测量时存在人为测量误差,并且检测时间长、效率低,人员成本投入高。
此外,现有的测量方法,在测量中,对摆放山羊绒的标准板的洁净度要求较高,如果在山羊绒摆放区域外的标准板上粘有污染物,采用上述方法得到的测量值会严重偏离真实值,使得测量结果无效。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种基于图像处理的分梳山羊绒长度检测方法。
为实现以上目的,本发明采用如下技术方案:一种基于图像处理的分梳山羊绒长度检测方法,包括:
采集手排分梳山羊绒RGB图像;
将所述RGB图像转换成灰度图像;
将所述灰度图像进行平滑处理;
将平滑处理后的图像进行中值滤波处理;
将所述中值滤波处理后的图像转换为二值图像;
对所述二值图像进行边缘曲线提取,得到边缘曲线h(x);
将所述边缘曲线h(x)进行曲线拟合,得到拟合曲线z(x);
根据所述拟合曲线z(x)计算分梳山羊绒平均长度。
可选的,所述采集手排分梳山羊绒RGB图像,包括:
采集标准板上的手排分梳山羊绒RGB图像,其中,所述标准板上的手排分梳山羊绒配置标尺,该标尺用来标定图像像素值与实际尺寸的比例关系。
可选的,所述将RGB图像转换成灰度图像的具体处理过程如下:
Gray=0.299×R+0.587×G+0.114×B
其中,R、G、B分别表示像素点的颜色值,Gray表示像素点的灰度值。
可选的,将所述灰度图像进行平滑处理的具体操作过程如下:
图像中的点的位置坐标用(x,y)表示,点的像素值用f(x,y)表示,平滑处理后的点的像素值用g(x,y)表示,对灰度图像中的所有点依次进行如下运算:
其中,
a=1,b=1,w(-1,-1)=0.1111,w(-1,0)=0.1111,w(-1,1)=0.1111,
w(0,-1)=0.1111,w(0,0)=0.1111,w(0,1)=0.1111,w(1,-1)=0.1111,
w(1,0)=0.1111,w(1,1)=0.1111。
可选的,所述将平滑处理后的图像进行中值滤波处理,包括:
通过如下公式进行处理,
v(x,y)=med{g(x-k,y-l),(k,l∈W)}
其中,v(x,y)表示滤波处理后的点的像素值,g(x,y)表示平滑处理后的点的像素值,W为二维模板。
可选的,所述二维模板W为滤波窗口n*1或1*n的区域,其中,3≤n≤20。
可选的,所述将中值滤波处理后的图像转换为二值图像的具体处理过程如下:
对中值滤波后图像中的所有点依次进行如下运算:
其中,v(x,y)表示滤波处理后的点的像素值,u(x,y)表示二值图像中的点的像素值。
可选的,对所述二值图像进行边缘曲线提取的具体操作过程如下:
在所述二值图像中,当点的横坐标x=c时,令h(x)=y,
其中,y是u(c,y)=0的点中纵坐标的最大值,c=1,2,…,N;N是二值图像横坐标的终点坐标。
可选的,将所述边缘曲线h(x)进行曲线拟合的具体操作过程如下:
采用三参数幂函数曲线拟合方法,设拟合曲线的模型为:
z(x)=axb+c
其中,(z(x),x)是所述边缘曲线h(x),计算出参数a、b和c的值,得到拟合曲线z(x)。
可选的,根据所述拟合曲线z(x)计算分梳山羊绒平均长度的具体步骤如下:
结合所述图像像素值与实际尺寸的比例关系,在拟合曲线z(x)中,横坐标自左向右每隔10mm标出横坐标x1、x2、…、xi、…、xn-1、xn,其中xn-xn-1为末组组距,数值在0mm~10mm之间;L1、L2、…、Li、…、Ln-1、Ln分别是x1与x2、x2与x3、…、xi与xi+1、…、xn-1与xn的中点坐标对应的函数值;
平均长度的计算公式为:
其中:
L——分梳山羊绒平均长度,单位为毫米;
Li——第i组中点坐标对应的纤维长度,单位为毫米;
xn——曲线终点横坐标,单位为毫米;
xn-1——第末组中点坐标对应的起点横坐标,单位为毫米;
Ln——末组中点坐标对应的纤维长度,单位为毫米;
I——组距,单位为毫米。
本发明采用以上技术方案,所述基于图像处理的分梳山羊绒长度检测方法,包括:采集手排分梳山羊绒RGB图像;将所述RGB图像转换成灰度图像;将所述灰度图像进行平滑处理;将平滑处理后的图像进行中值滤波处理;将所述中值滤波处理后的图像转换为二值图像;对所述二值图像进行边缘曲线提取,得到边缘曲线h(x);将所述边缘曲线h(x)进行曲线拟合,得到拟合曲线z(x);根据所述拟合曲线z(x)计算分梳山羊绒平均长度。本发明采用以上检测方法,不仅解决了现有的分梳山羊绒长度手排测定法中的人工描点和绘图存在人为测量误差的问题,而且本发明采用平滑和中值滤波相结合的方法,解决了标准板在粘有一定污染物情况下,测量山羊绒长度不准确的问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明分梳山羊绒长度检测方法的流程图;
图2是本发明中步骤S2得到的灰度图像;
图3是本发明中步骤S3平滑处理后得到的图像;
图4是本发明中步骤S4中值滤波处理后的图像;
图5是本发明中步骤S5中二值化处理后的图像;
图6是本发明中步骤S6中得到的边缘曲线h(x);
图7是现有技术中得到的边缘曲线h’(x)。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
如图1所示,本发明提供了一种基于图像处理的分梳山羊绒长度检测方法的实施方式,该实施方式包括以下步骤:
S1:采集手排分梳山羊绒RGB图像;
进一步的,所述采集手排分梳山羊绒RGB图像,包括:
采集标准板上的手排分梳山羊绒RGB图像,其中,所述标准板上的手排分梳山羊绒配置标尺,该标尺用来标定图像像素值与实际尺寸的比例关系。
具体的,所述手排分梳山羊绒RGB图像可利用相机拍照的方式采集。
S2:将所述RGB图像转换成灰度图像;
进一步的,所述将RGB图像转换成灰度图像的具体处理过程如下:
Gray=0.299×R+0.587×G+0.114×B
其中,R、G、B分别表示像素点的颜色值,Gray表示像素点的灰度值;图2为转换后的灰度图像。
S3:将所述灰度图像进行平滑处理;
进一步的,将所述灰度图像进行平滑处理的具体操作过程如下:
图像中的点的位置坐标用(x,y)表示,点的像素值用f(x,y)表示,平滑处理后的点的像素值用g(x,y)表示,对灰度图像中的所有点依次进行如下运算:
其中,
a=1,b=1,w(-1,-1)=0.1111,w(-1,0)=0.1111,w(-1,1)=0.1111,
w(0,-1)=0.1111,w(0,0)=0.1111,w(0,1)=0.1111,w(1,-1)=0.1111,
w(1,0)=0.1111,w(1,1)=0.1111。
图3为平滑处理后得到的图像。
S4:将平滑处理后的图像进行中值滤波处理;
进一步的,所述将平滑处理后的图像进行中值滤波处理,包括:
通过如下公式进行处理,
v(x,y)=med{g(x-k,y-l),(k,l∈W)}
其中,v(x,y)表示滤波处理后的点的像素值,g(x,y)表示平滑处理后的点的像素值,W为二维模板。
进一步的,所述二维模板W为滤波窗口n*1或1*n的区域。由于污染物是少量的,一般在20*20像素范围内,且污染物周围是洁净的砧板。为了保证中值滤波既能消除污染物又能保证不影响准确测量,滤波窗口选择n*1或1*n,其中,3≤n≤20。
图4为中值滤波处理后得到的图像。
S5:将所述中值滤波处理后的图像转换为二值图像;
进一步的,所述将中值滤波处理后的图像转换为二值图像的具体处理过程如下:
对中值滤波后图像中的所有点依次进行如下运算:
其中,v(x,y)表示滤波处理后的点的像素值,u(x,y)表示二值图像中的点的像素值。
图5为二值化处理后得到的图像。
本实施例通过采用平滑处理和中值滤波处理的方法,将标准板上粘有的污染物清除掉,以实现对分梳山羊绒长度更准确的测量,得到有效的分梳山羊绒长度。
S6:对所述二值图像进行边缘曲线提取,得到边缘曲线h(x);
进一步的,对所述二值图像进行边缘曲线提取的具体操作过程如下:
在所述二值图像中,当点的横坐标x=c时,令h(x)=y,
其中,y是u(c,y)=0的点中纵坐标的最大值,c=1,2,…,N;N是二值图像横坐标的终点坐标。
图6为得到的边缘曲线。
S7:将所述边缘曲线h(x)进行曲线拟合,得到拟合曲线z(x);
进一步的,将所述边缘曲线h(x)进行曲线拟合的具体操作过程如下:
采用三参数幂函数曲线拟合方法,设拟合曲线的模型为:
z(x)=axb+c
其中,(z(x),x)是所述边缘曲线h(x),计算出参数a、b和c的值,得到拟合曲线z(x)。
图7为得到的拟合曲线。
现有技术中国专利CN107517181.A公开了一种分梳山羊绒长度检测方法,该发明针对手工测量方法的缺点,提出了一种无人为因素干扰,检测速度快、效率高的测量方法。但是,该方法没有考虑到标准板的洁净度对测量结果的影响。图7为针对同一个采集到的手排分梳山羊绒RGB图像,采用专利CN107517181.A公开的方法得到的边缘曲线h’(x)。从图7中可以看出,图中存在一部分纵坐标很大的点,这些点就是由标准板上粘有的污染物所导致的,最终影响分梳山羊绒长度测量的准确性。
S8:根据所述拟合曲线z(x)计算分梳山羊绒平均长度。
进一步的,根据所述拟合曲线z(x)计算分梳山羊绒平均长度的具体步骤如下:
结合所述图像像素值与实际尺寸的比例关系,在拟合曲线z(x)中,横坐标自左向右每隔10mm标出横坐标x1、x2、…、xi、…、xn-1、xn,其中xn-xn-1为末组组距,数值在0mm~10mm之间;L1、L2、…、Li、…、Ln-1、Ln分别是x1与x2、x2与x3、…、xi与xi+1、…、xn-1与xn的中点坐标对应的函数值;
平均长度的计算公式为:
其中:
L——分梳山羊绒平均长度,单位为毫米;
Li——第i组中点坐标对应的纤维长度,单位为毫米;
xn——曲线终点横坐标,单位为毫米;
xn-1——第末组中点坐标对应的起点横坐标,单位为毫米;
Ln——末组中点坐标对应的纤维长度,单位为毫米;
I——组距,单位为毫米。
按照分梳山羊绒平均长度的计算公式完成分梳山羊绒平均长度的计算。
本发明采用数字图像处理并结合特定的处理流程,通过程序自动完成分梳山羊绒平均长度的检测,本发明中的检测方法避免了人工描点、绘图和计算,从而避免了人为测量误差,本发明检测速度快、效率高,有效的降低了人员成本的投入。
此外,本实施例通过采用平滑处理和中值滤波处理的方法,将标准板上粘有的污染物清除掉,以实现对分梳山羊绒长度更准确的测量,得到有效的分梳山羊绒长度,解决了现有技术中当标准板粘有污染物情况下,不能准确测量山羊绒长度的问题。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于图像处理的分梳山羊绒长度检测方法,其特征在于,包括:
采集手排分梳山羊绒RGB图像;
将所述RGB图像转换成灰度图像;
将所述灰度图像进行平滑处理;
将平滑处理后的图像进行中值滤波处理;
将所述中值滤波处理后的图像转换为二值图像;
对所述二值图像进行边缘曲线提取,得到边缘曲线h(x);
将所述边缘曲线h(x)进行曲线拟合,得到拟合曲线z(x);
根据所述拟合曲线z(x)计算分梳山羊绒平均长度。
2.根据权利要求1所述的方法,其特征在于,所述采集手排分梳山羊绒RGB图像,包括:
采集标准板上的手排分梳山羊绒RGB图像,其中,所述标准板上的手排分梳山羊绒配置标尺,该标尺用来标定图像像素值与实际尺寸的比例关系。
3.根据权利要求1所述的方法,其特征在于,所述将RGB图像转换成灰度图像的具体处理过程如下:
Gray=0.299×R+0.587×G+0.114×B
其中,R、G、B分别表示像素点的颜色值,Gray表示像素点的灰度值。
4.根据权利要求1所述的方法,其特征在于,将所述灰度图像进行平滑处理的具体操作过程如下:
图像中的点的位置坐标用(x,y)表示,点的像素值用f(x,y)表示,平滑处理后的点的像素值用g(x,y)表示,对灰度图像中的所有点依次进行如下运算:
其中,
a=1,b=1,w(-1,-1)=0.1111,w(-1,0)=0.1111,w(-1,1)=0.1111,
w(0,-1)=0.1111,w(0,0)=0.1111,w(0,1)=0.1111,w(1,-1)=0.1111,
w(1,0)=0.1111,w(1,1)=0.1111。
5.根据权利要求1所述的方法,其特征在于,所述将平滑处理后的图像进行中值滤波处理,包括:
通过如下公式进行处理,
v(x,y)=med{g(x-k,y-l),(k,l∈W)}
其中,v(x,y)表示滤波处理后的点的像素值,g(x,y)表示平滑处理后的点的像素值,W为二维模板。
6.根据权利要求5所述的方法,其特征在于,所述二维模板W为滤波窗口n*1或1*n的区域,其中,3≤n≤20。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述将中值滤波处理后的图像转换为二值图像的具体处理过程如下:
对中值滤波后图像中的所有点依次进行如下运算:
其中,v(x,y)表示滤波处理后的点的像素值,u(x,y)表示二值图像中的点的像素值。
8.根据权利要求1至6任一项所述的方法,其特征在于,对所述二值图像进行边缘曲线提取的具体操作过程如下:
在所述二值图像中,当点的横坐标x=c时,令h(x)=y,
其中,y是u(c,y)=0的点中纵坐标的最大值,c=1,2,…,N;N是二值图像横坐标的终点坐标。
9.根据权利要求1至6任一项所述的方法,其特征在于,将所述边缘曲线h(x)进行曲线拟合的具体操作过程如下:
采用三参数幂函数曲线拟合方法,设拟合曲线的模型为:
z(x)=axb+c
其中,(z(x),x)是所述边缘曲线h(x),计算出参数a、b和c的值,得到拟合曲线z(x)。
10.根据权利要求2至6任一项所述的方法,其特征在于,根据所述拟合曲线z(x)计算分梳山羊绒平均长度的具体步骤如下:
结合所述图像像素值与实际尺寸的比例关系,在拟合曲线z(x)中,横坐标自左向右每隔10mm标出横坐标x1、x2、…、xi、…、xn-1、xn,其中xn-xn-1为末组组距,数值在0mm~10mm之间;L1、L2、…、Li、…、Ln-1、Ln分别是x1与x2、x2与x3、…、xi与xi+1、…、xn-1与xn的中点坐标对应的函数值;
平均长度的计算公式为:
其中:
L——分梳山羊绒平均长度,单位为毫米;
Li——第i组中点坐标对应的纤维长度,单位为毫米;
xn——曲线终点横坐标,单位为毫米;
xn-1——第末组中点坐标对应的起点横坐标,单位为毫米;
Ln——末组中点坐标对应的纤维长度,单位为毫米;
I——组距,单位为毫米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810760486.7A CN108986089A (zh) | 2018-07-10 | 2018-07-10 | 基于图像处理的分梳山羊绒长度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810760486.7A CN108986089A (zh) | 2018-07-10 | 2018-07-10 | 基于图像处理的分梳山羊绒长度检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108986089A true CN108986089A (zh) | 2018-12-11 |
Family
ID=64537054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810760486.7A Pending CN108986089A (zh) | 2018-07-10 | 2018-07-10 | 基于图像处理的分梳山羊绒长度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986089A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489336A (zh) * | 2020-04-07 | 2020-08-04 | 内蒙古工业大学 | 一种基于像素计算的分梳山羊绒长度检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140161359A1 (en) * | 2012-11-09 | 2014-06-12 | Stmicroelectronics International N.V. | Method for detecting a straight line in a digital image |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN107507181A (zh) * | 2017-09-12 | 2017-12-22 | 内蒙古工业大学 | 一种分梳山羊绒长度检测方法 |
CN108073774A (zh) * | 2017-12-29 | 2018-05-25 | 辽宁科技大学 | 一种验证爆堆块度分布的可靠方法 |
-
2018
- 2018-07-10 CN CN201810760486.7A patent/CN108986089A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140161359A1 (en) * | 2012-11-09 | 2014-06-12 | Stmicroelectronics International N.V. | Method for detecting a straight line in a digital image |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN107507181A (zh) * | 2017-09-12 | 2017-12-22 | 内蒙古工业大学 | 一种分梳山羊绒长度检测方法 |
CN108073774A (zh) * | 2017-12-29 | 2018-05-25 | 辽宁科技大学 | 一种验证爆堆块度分布的可靠方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489336A (zh) * | 2020-04-07 | 2020-08-04 | 内蒙古工业大学 | 一种基于像素计算的分梳山羊绒长度检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019134252A1 (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN106780537B (zh) | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 | |
CN102261892B (zh) | 一种叶丝宽度的快速测量系统 | |
CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN102679883B (zh) | 一种基于图像处理的烟丝宽度测量方法 | |
CN101561249B (zh) | 手术刀片配合尺寸自动检测方法 | |
CN106855951A (zh) | 一种基于计算机视觉的粮种品质检测方法 | |
CN113763350B (zh) | 一种胶线检测方法、装置、胶线检测设备及存储介质 | |
CN113777033B (zh) | 一种基于机器视觉的生条缺陷检测方法和装置 | |
CN103839283A (zh) | 一种小型不规则物体的面积周长无损测量方法 | |
CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN104732520A (zh) | 一种胸部数字影像的心胸比测量算法及系统 | |
CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN112184791A (zh) | 一种基于cnn-lstm神经网络的牦牛体重预测方法 | |
CN107507181A (zh) | 一种分梳山羊绒长度检测方法 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN108986089A (zh) | 基于图像处理的分梳山羊绒长度检测方法 | |
CN109029256A (zh) | 一种基于最大类间方差的分梳山羊绒长度检测方法 | |
CN102589415A (zh) | 计量型数字图像平面等厚干涉仪及采用其测量物体表面平面度的方法 | |
CN208419911U (zh) | 一种陶瓷砖平整度激光测量装置 | |
CN105371769A (zh) | 一种测量动态裂纹长度的方法及装置 | |
CN104655642A (zh) | 一种钢材开裂型缺陷的自动测量、表征分类方法及其系统 | |
CN109444150A (zh) | 非接触式裂纹测量方法及其装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |