CN109087320B - 一种应用于倾斜传感器的图像筛选处理方法 - Google Patents

一种应用于倾斜传感器的图像筛选处理方法 Download PDF

Info

Publication number
CN109087320B
CN109087320B CN201810995370.1A CN201810995370A CN109087320B CN 109087320 B CN109087320 B CN 109087320B CN 201810995370 A CN201810995370 A CN 201810995370A CN 109087320 B CN109087320 B CN 109087320B
Authority
CN
China
Prior art keywords
image
max
binary
filtered
detection
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
Application number
CN201810995370.1A
Other languages
English (en)
Other versions
CN109087320A (zh
Inventor
龚小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Numen Precision Mechanical And Electrical Technology Co ltd
Original Assignee
Suzhou Numen Precision Mechanical And Electrical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Numen Precision Mechanical And Electrical Technology Co ltd filed Critical Suzhou Numen Precision Mechanical And Electrical Technology Co ltd
Priority to CN201810995370.1A priority Critical patent/CN109087320B/zh
Publication of CN109087320A publication Critical patent/CN109087320A/zh
Application granted granted Critical
Publication of CN109087320B publication Critical patent/CN109087320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/12—Measuring inclination, e.g. by clinometers, by levels by using a single pendulum plumb lines G01C15/10
    • G01C9/14—Measuring inclination, e.g. by clinometers, by levels by using a single pendulum plumb lines G01C15/10 movable in more than one direction
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种应用于倾斜传感器的图像筛选处理方法，包括以下步骤：对初始图像进行滤波处理，获得滤波后的图像；采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图；判断所述二值化图像是否能够作为检测图像，排除具有拖影的二值化图像；计算所述检测图像的感兴趣区域的中心点坐标。其检测精度高，能够筛选排除拖影状态下的图像，提高检测精度。

Description

一种应用于倾斜传感器的图像筛选处理方法
技术领域
本发明涉及电力仪表图像处理技术领域，具体涉及一种应用于倾斜传感器的图像筛选处理方法。
背景技术
倾斜传感器又称作倾斜仪、测斜仪、水平仪、倾角计，经常用于测量倾斜偏差角度的一种传感器。作为一种检测工具，它已成为桥梁架设、铁路铺设、土木工程、石油钻井、航空航海、工业自动化、智能平台、机械加工等领域不可缺少的重要测量工具。
中国专利申请号201620008585.6公开了一种倾斜传感器，该传感器的机械结构包括一个圆筒，在圆筒内设置有保持自由悬垂的悬垂件，光学成像系统与其相对以使悬垂件在光学成像系统中成像。其中光学成像系统拍摄的图像需要经图像处理系统进行处理，需准确定位悬垂件的位置，根据悬垂件的位置变化反应倾斜传感器的倾斜角度变化。因此，识别采集图像中的悬垂件的位置至关重要。
目前，理想状态下悬垂件所成图像为圆形的亮点，可与图像的背景明显区分。在实际使用过程中，这种倾斜传感器多安装在墙体上，而当墙体受环境影响，可能会振动，导致悬垂件晃动，而所获得的图像中，悬垂件所成像不再是一个圆形的亮点，而会带有拖影，此时若把此种带拖影的图像作为检测图像，检测结果不准确，且悬垂件的中心处无法准确计算，检测精度低。
发明内容
本发明要解决的技术问题是提供一种应用于倾斜传感器的图像筛选处理方法，其检测精度高，能够筛选排除拖影状态下的图像，提高检测精度。
为了解决上述技术问题，本发明提供了一种应用于倾斜传感器的图像筛选处理方法，包括以下步骤：
S1、对初始图像进行滤波处理，获得滤波后的图像；
S2、采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图；
S3、判断所述二值化图像是否能够作为检测图像，排除具有拖影的二值化图像；
S4、计算所述检测图像的感兴趣区域的中心点坐标。
作为本发明的进一步改进，所述判断所述二值化图像是否能够作为检测图像，排除具有拖影的二值化图像，具体包括：
S31、定义水平方向距离极限值xmax和竖直方向距离极限值ymax，其中，xmax大于0，ymax大于0；
S32、获取二值化图的目标轮廊点集，提取所述目标轮廊点集内的所有点在水平方向的最大值amax和最小值amin；
S33、计算水平方向的最大值amax和最小值amin间的差值Δax；
S34、判断所述二值化图是否适合做检测图像，若Δax大于xmax，则所述二值化图像不能作为检测图像，程序返回，若Δax小于xmax，则进入S35；
S35、提取所述目标轮廊点集内的所有点在在竖直方向上的最大值bmax和最小值bmin；
S36、计算竖直方向上的最大值bmax和最小值bmin间的差值Δbx；
S37、判断所述二值化图是否适合做检测图像，若Δbx大于bmax，则所述二值化图像不能作为检测图像，程序返回，若Δbx小于bmax，则所述二值化图像为检测图像。
作为本发明的进一步改进，所述获取二值化图的目标轮廊点集，具体包括：
利用opencv中的findcontours找到所述二值化图的目标轮廊点，获得目标轮廊点集。
作为本发明的进一步改进，所述对初始图像进行滤波处理，获得滤波后的图像，具体包括：
对初始图像进行中值滤波处理，滤除初始图像中的噪点，获得滤除噪点后的图像。
作为本发明的进一步改进，所述采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图，具体包括：
S21、采用直方图双峰法对所述滤波后的图像进行处理，获得双峰状的灰度直方图；
S22、选取所述双峰状的灰度直方图的最低谷作为图像分割阈值Zt；
S23、通过所述图像分割阈值Zt将所述滤波后的图像的背景和前景分割开，其中，所述滤波后的图像的灰度值大于图像分割阈值Zt的区域为前景，所述滤波后的图像的灰度值小于图像分割阈值Zt的区域为背景；
S24、将所述背景的灰度值设置为0，将所述前景的灰度值设置成255，获得二值化图，其中，所述前景即为感兴趣区域。
作为本发明的进一步改进，所述计算所述检测图像的感兴趣区域的中心点坐标，具体包括：
计算所述检测图像的感兴趣区域的一阶中心矩，获得图像的质心坐标，即为感兴趣区域的中心点坐标。
与现有技术相比，本发明的有益效果是：
1、本发明能够对图像进行滤波处理，去除部分图像噪声，提高检测精度。
2、本发明采用直方图双峰法定义分割阈值，而随着温度变化，直方图的峰值位置也会发生变化，即可实时定义分割阈值，将像的背景和前景分隔开，获得二值化图，相对于固定竖直的分割，具有自适应性，更为精准。
3、本发明判断二值化图像能否作为检测图像，若图像具有拖影，说明传感器中悬垂件处于运动状态，不够稳定，那么该时间点采集的图像则不能作为检测图像，从而提高传感器的检测精度。
4、本发明本发明方法简单，精度高，能够准确定位感兴趣区域的中心点。
附图说明
为了更清楚的说明本发明实施例技术中的技术方案，下面将对实施例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，还能够根据这些附图获得其他的附图。
图1为本发明应用于倾斜传感器的图像筛选处理方法的示意图。
具体实施方式
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作出创造性劳动的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。
实施例
参照图1所示，本发明公开了一种应用于倾斜传感器的图像筛选处理方法，包括以下步骤：
步骤S1、对初始图像进行滤波处理，获得滤波后的图像；
所述对初始图像进行滤波处理，获得滤波后的图像，具体包括：对初始图像进行中值滤波处理，滤除初始图像中的噪点，获得滤除噪点后的图像。
步骤S2、采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图；
所述采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图，具体包括：
S21、采用直方图双峰法对所述滤波后的图像进行处理，获得双峰状的灰度直方图；
S22、选取所述双峰状的灰度直方图的最低谷作为图像分割阈值Zt；
S23、通过所述图像分割阈值Zt将所述滤波后的图像的背景和前景分割开，其中，所述滤波后的图像的灰度值大于图像分割阈值Zt的区域为前景，所述滤波后的图像的灰度值小于图像分割阈值Zt的区域为背景；
S24、将所述背景的灰度值设置为0，将所述前景的灰度值设置成255，获得二值化图，其中，所述前景即为感兴趣区域。
步骤S3、判断所述二值化图像是否能够作为检测图像，排除具有拖影的二值化图像；
所述判断所述二值化图像是否能够作为检测图像，排除具有拖影的二值化图像，具体包括：
S31、定义水平方向距离极限值xmax和竖直方向距离极限值ymax，其中，xmax大于0，ymax大于0；
S32、获取二值化图的目标轮廊点集，提取所述目标轮廊点集内的所有点在水平方向的最大值amax和最小值amin；所述获取二值化图的目标轮廊点集，为利用opencv中的findcontours找到所述二值化图的目标轮廊点，获得目标轮廊点集。
S33、计算水平方向的最大值amax和最小值amin间的差值Δax；
S34、判断所述二值化图是否适合做检测图像，若Δax大于xmax，则所述二值化图像不能作为检测图像，程序返回，若Δax小于xmax，则进入S35；
S35、提取所述目标轮廊点集内的所有点在在竖直方向上的最大值bmax和最小值bmin；
S36、计算竖直方向上的最大值bmax和最小值bmin间的差值Δbx；
S37、判断所述二值化图是否适合做检测图像，若Δbx大于bmax，则所述二值化图像不能作为检测图像，程序返回，若Δbx小于bmax，则所述二值化图像为检测图像。
步骤S4、计算所述检测图像的感兴趣区域的中心点坐标。
所述计算所述检测图像的感兴趣区域的中心点坐标，具体包括：
计算所述检测图像的感兴趣区域的一阶中心矩，获得图像的质心坐标，即为感兴趣区域的中心点坐标。
设检测图像的长为M，宽为N，检测图像上的任一点的坐标为(i，j)，而f(i，j)为该点的灰度值。
那么，图像的一阶几何矩为：
Figure BDA0001781734630000051
Figure BDA0001781734630000052
中心矩即为：
Figure BDA0001781734630000061
那么，检测图像的质心坐标为
Figure BDA0001781734630000062
即为感兴趣区域的中心点坐标。由于背景的灰度值为0，前景的灰度值为255，那么求整幅图像的质心坐标即为感兴趣区域的中心点坐标。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理能够在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖点相一致的最宽的范围。

Claims (5)

1.一种应用于倾斜传感器的图像筛选处理方法，其特征在于，包括以下步骤：
S1、对初始图像进行滤波处理，获得滤波后的图像；
S2、采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图；
S3、判断所述二值化图是否能够作为检测图像，排除具有拖影的二值化图；
S4、计算所述检测图像的前景的中心点坐标；
其中，S3具体包括：
S31、定义水平方向距离极限值xmax和竖直方向距离极限值ymax，其中，xmax大于0，ymax大于0；
S32、获取二值化图的目标轮廊点集，提取所述目标轮廊点集内的所有点在水平方向的最大值amax和最小值amin；
S33、计算水平方向的最大值amax和最小值amin间的差值Δax；
S34、判断所述二值化图是否适合做检测图像，若Δax大于xmax，则所述二值化图不能作为检测图像，程序返回，若Δax小于xmax，则进入S35；
S35、提取所述目标轮廊点集内的所有点在竖直方向上的最大值bmax和最小值bmin；
S36、计算竖直方向上的最大值bmax和最小值bmin间的差值Δbx；
S37、判断所述二值化图是否适合做检测图像，若Δbx大于ymax，则所述二值化图不能作为检测图像，程序返回，若Δbx小于ymax，则所述二值化图为检测图像。
2.如权利要求1所述的应用于倾斜传感器的图像筛选处理方法，其特征在于，所述获取二值化图的目标轮廊点集，具体包括：
利用opencv中的findcontours找到所述二值化图的目标轮廊点，获得目标轮廊点集。
3.如权利要求1所述的应用于倾斜传感器的图像筛选处理方法，其特征在于，所述对初始图像进行滤波处理，获得滤波后的图像，具体包括：
对初始图像进行中值滤波处理，滤除初始图像中的噪点，获得滤除噪点后的图像。
4.如权利要求1所述的应用于倾斜传感器的图像筛选处理方法，其特征在于，所述采用直方图双峰法对所述滤波后的图像进行处理，将所述滤波后的图像的背景和前景分割开，获得二值化图，具体包括：
S21、采用直方图双峰法对所述滤波后的图像进行处理，获得双峰状的灰度直方图；
S22、选取所述双峰状的灰度直方图的最低谷作为图像分割阈值Zt；
S23、通过所述图像分割阈值Zt将所述滤波后的图像的背景和前景分割开，其中，所述滤波后的图像的灰度值大于图像分割阈值Zt的区域为前景，所述滤波后的图像的灰度值小于图像分割阈值Zt的区域为背景；
S24、将所述背景的灰度值设置为0，将所述前景的灰度值设置成255，获得二值化图，其中，所述前景即为感兴趣区域。
5.如权利要求1所述的应用于倾斜传感器的图像筛选处理方法，其特征在于，所述计算所述检测图像的感兴趣区域的中心点坐标，具体包括：
计算所述检测图像的感兴趣区域的一阶中心矩，获得图像的质心坐标，即为感兴趣区域的中心点坐标。
CN201810995370.1A 2018-08-29 2018-08-29 一种应用于倾斜传感器的图像筛选处理方法 Active CN109087320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810995370.1A CN109087320B (zh) 2018-08-29 2018-08-29 一种应用于倾斜传感器的图像筛选处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810995370.1A CN109087320B (zh) 2018-08-29 2018-08-29 一种应用于倾斜传感器的图像筛选处理方法

Publications (2)

Publication Number Publication Date
CN109087320A CN109087320A (zh) 2018-12-25
CN109087320B true CN109087320B (zh) 2022-05-03

Family

ID=64795019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810995370.1A Active CN109087320B (zh) 2018-08-29 2018-08-29 一种应用于倾斜传感器的图像筛选处理方法

Country Status (1)

Country Link
CN (1) CN109087320B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080040616A1 (en) * 2006-08-14 2008-02-14 Hideo Sato Authentication Apparatus, Authentication Method and Program
CN101995223A (zh) * 2009-08-25 2011-03-30 比亚迪股份有限公司 一种芯片外观检测方法及系统
CN102261906A (zh) * 2011-06-15 2011-11-30 常州市新瑞得仪器有限公司 倾斜传感器及其工作方法
CN103308523A (zh) * 2013-05-28 2013-09-18 清华大学 多尺度瓶口缺陷检测方法及装置
CN104156951A (zh) * 2014-07-30 2014-11-19 电子科技大学 一种针对支气管肺泡灌洗涂片的白细胞检测方法
CN105139003A (zh) * 2015-09-17 2015-12-09 桂林远望智能通信科技有限公司 一种动态人脸识别系统及方法
CN106097318A (zh) * 2016-06-06 2016-11-09 北京理工大学 一种粮食体积测量系统和方法
CN107369140A (zh) * 2017-06-29 2017-11-21 大连理工大学 非结构化环境下的高精密靶球中心提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080040616A1 (en) * 2006-08-14 2008-02-14 Hideo Sato Authentication Apparatus, Authentication Method and Program
CN101995223A (zh) * 2009-08-25 2011-03-30 比亚迪股份有限公司 一种芯片外观检测方法及系统
CN102261906A (zh) * 2011-06-15 2011-11-30 常州市新瑞得仪器有限公司 倾斜传感器及其工作方法
CN103308523A (zh) * 2013-05-28 2013-09-18 清华大学 多尺度瓶口缺陷检测方法及装置
CN104156951A (zh) * 2014-07-30 2014-11-19 电子科技大学 一种针对支气管肺泡灌洗涂片的白细胞检测方法
CN105139003A (zh) * 2015-09-17 2015-12-09 桂林远望智能通信科技有限公司 一种动态人脸识别系统及方法
CN106097318A (zh) * 2016-06-06 2016-11-09 北京理工大学 一种粮食体积测量系统和方法
CN107369140A (zh) * 2017-06-29 2017-11-21 大连理工大学 非结构化环境下的高精密靶球中心提取方法

Also Published As

Publication number Publication date
CN109087320A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
US7246034B2 (en) Surveying apparatus and method of analyzing measuring data
CN102788572B (zh) 一种工程机械吊钩姿态的测量方法、装置及系统
JP6844235B2 (ja) 距離測定装置および距離測定方法
CN110263662B (zh) 一种基于分级的人体轮廓关键点和关键部位识别方法
CN109712190A (zh) 三维激光扫描仪与三维激光雷达的外参标定方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN111337011A (zh) 一种基于激光和二维码融合的室内定位方法
JP2013148356A (ja) 車両位置算出装置
KR20180098945A (ko) 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치
CN111968079A (zh) 基于断面局部极值及分段稀疏的三维路面裂缝提取方法
CN113838114B (zh) 一种基于边缘散焦追踪的高炉料面深度估计方法及系统
CN109087320B (zh) 一种应用于倾斜传感器的图像筛选处理方法
JP4935769B2 (ja) 平面領域推定装置及びプログラム
JP6701905B2 (ja) 検出装置、視差値導出装置、物体認識装置、機器制御システム、およびプログラム
CN109118511B (zh) 一种倾斜传感器的图像处理方法
CN110969601A (zh) 基于视觉特征跟踪算法的结构转动响应非接触式识别方法
CN116109701A (zh) 一种基于被动双目的高反光物体抓取方法
CN115861352A (zh) 单目视觉、imu和激光雷达的数据融合和边缘提取方法
JP5891802B2 (ja) 車両位置算出装置
Zheng et al. Measurement of laser welding pool geometry using a closed convex active contour model
Gohane et al. Comparison of various centroiding algorithms to determine the centroids of circular marks in images
KR101563799B1 (ko) 초점 정보를 이용한 상대적 깊이 추정 방법
KR101907057B1 (ko) 구면 모델링을 통한 깊이 정보 보정 방법과 보정장치
Zhang et al. Silicon melt liquid level detection based on improved laser trigonometry
CN109767394B (zh) 一种非匀速直线运动的模糊图像复原方法

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