CN109099835A - 基于手机影像的电力线夹测量方法及其系统 - Google Patents
基于手机影像的电力线夹测量方法及其系统 Download PDFInfo
- Publication number
- CN109099835A CN109099835A CN201810710830.1A CN201810710830A CN109099835A CN 109099835 A CN109099835 A CN 109099835A CN 201810710830 A CN201810710830 A CN 201810710830A CN 109099835 A CN109099835 A CN 109099835A
- Authority
- CN
- China
- Prior art keywords
- image
- power line
- line clamp
- module
- point
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 17
- 238000003708 edge detection Methods 0.000 claims description 15
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 28
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 208000004350 Strabismus Diseases 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T7/13—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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于手机影像的电力线夹测量方法,使用手机通过微距模式给电力线夹拍摄局部照片,然后利用程序调用算法将所拍照片进行图像拼接获得完整高分辨率的电力线夹影像,最后通过算法检测电力线夹影像获得电力线夹的尺寸信息。据此,还设计了相应测量系统。该法可以利用普遍使用的手机,通过手机多次拍照,结合广泛使用的图像拼接技术,即可方便实现电力线夹的尺寸测量。手机可以轻易采集到电力线夹局部的高分辨率影像,方便于后期的整个电力线夹影像的拼接,确保拼接的效果好,提升最后电力线夹尺寸检测的精度。总之,本发明结构简单、成本低廉、测量方便且结果准确,是一种适于基层日常工作的电力线夹测量技术。
Description
技术领域
本发明属于电力检测技术领域,尤其涉及一种基于手机影像的电力线夹测量方法及其系统。
背景技术
目前,常见的电力线夹测量方法需要专业的仪器设备,这些专业的仪器设备大多价格昂贵。然而,有时工厂里需要的检测精度并没有那么高,此时采用这种昂贵设备就很不合适,不仅操作复杂,还费时费力。
如今手机已经十分普遍,不仅价格便宜,而且手机的相机镜头像素非常高,一般都达到千万像素级别。随着手机硬件的不断更新,手机的CPU运算能力也在不断提升。目前还未见使用手机来检测电力线夹尺寸的报道。
发明内容
本发明要解决的技术问题是提供一种结构简单、成本低廉、测量方便且结果准确的基于手机影像的电力线夹测量方法及其系统。
为解决上述技术问题,本发明采用以下技术方案:
基于手机影像的电力线夹测量方法,使用手机通过微距模式给电力线夹拍摄局部照片,然后利用程序调用算法将所拍照片进行图像拼接获得完整高分辨率的电力线夹影像,最后通过算法检测电力线夹影像获得电力线夹的尺寸信息。
拍摄按以下进行操作:将电力线夹固定在工作台上,在电力线夹上放置一块棋盘格标志块;通过转动手轮平移工作台,使得电力线夹在一个方向上平移一个指定距离,然后由手机(图像输入设备)拍摄一张微距照片,照片中需包含有一个完整的棋盘格标志块;再通过转动手轮平移一个指定距离,继续拍摄照片直到整个电力线夹拍摄完成。
图像拼接按以下进行操作:以Harris角点检测算法对待拼接图进行特征点的检测,并对特征点进行筛选,仅保留棋盘格中的角点;通过建立影像中棋盘格角点和实际棋盘格角点的之间的单应性,将影像恢复成正视视角,使得线夹影像平面恢复成垂直手机摄像头主光轴的状态;采用RANSAC算法进行误匹配点的剔除,保留正确匹配的点;采用最佳缝合线算法对图像重叠区域进行融合。
最佳缝合线算法包括通过差分图像选取最小差异值的点定义为要搜索缝合线的第一行起始点,通过延伸从第一行起始点开始向下找到各行的拼接点,把在每一行确定的拼接点连起来就可以得到最佳缝合线,然后融合出完整的电力线夹影像。
融合后采用对所得电力线夹影像进行滤波和形态学处理,消除图像的噪音、毛刺、伪目标点和孔洞。
检测按以下进行操作:采用Canny边缘检测算法检测边缘,Hough变换直线检测算法检测直线,以及Hough变换圆检测算法检测圆。
基于手机影像的电力线夹测量方法系统,包括拍摄装置和图像处理装置;拍摄装置主要包括手机固定夹及手机、底座以及安装在底座上的双向滑动平台;手机固定夹通过具有高度调节旋钮的横杆安装在底座的立柱上;双向滑动平台由工作台和滑动导轨组成,滑动导轨包括X方向滑动导轨和Y方向滑动导轨,X方向滑动导轨固定在底座上,Y方向滑动导轨置于X方向滑动导轨上,工作台安装在Y方向滑动导轨上;其中,X方向滑动导轨和 Y方向滑动导轨分别具有控制其滑动平移的X方向手轮和Y方向手轮;图像处理装置连接手机并从手机采集拍摄的照片进行图像处理;图像处理装置包括图像信息采集模块、提取待拼接影像特征信息模块、影像平面恢复模块、重叠位置配准模块、重叠区域融合模块和电力线夹尺寸测量模块。
图像信息采集模块从手机中采集所拍摄的电力线夹照片;提取待拼接影像特征信息模块以Harris角点检测算法对待拼接图进行特征点的检测,并对特征点进行筛选,仅保留棋盘格中的角点;影像平面恢复模块通过建立影像中棋盘格角点和实际棋盘格角点的之间的单应性,将影像恢复成正视视角,使得线夹影像平面恢复成垂直手机摄像头主光轴的状态;重叠位置配准模块采用RANSAC算法进行误匹配点的剔除,保留正确匹配的点;重叠区域融合模块采用最佳缝合线算法对图像重叠区域进行融合;电力线夹尺寸测量模块包括滤波模块、形态学处理模块、边缘检测模块、直线和圆检测模块,滤波模块采用对所得电力线夹影像进行滤波处理,消除图像的噪音,滤波模块对所得电力线夹影像进行滤波处理消除图像的噪音,形态学处理模块对所得电力线夹影像进行形态学处理,消除图像的毛刺、伪目标点和孔洞,边缘检测模块、直线和圆检测模块分别采用Canny边缘检测算法检测边缘,Hough变换直线检测算法检测直线,以及Hough变换圆检测算法检测圆。
针对现有常规电力线夹测量技术要求高的问题,发明人建立了一种基于手机影像的电力线夹测量方法,使用手机通过微距模式给电力线夹拍摄局部照片,然后利用程序调用算法将所拍照片进行图像拼接获得完整高分辨率的电力线夹影像,最后通过算法检测电力线夹影像获得电力线夹的尺寸信息。据此,还设计了相应测量系统。该法可以利用普遍使用的手机,通过手机多次拍照,结合广泛使用的图像拼接技术,即可方便实现电力线夹的尺寸测量。目前手机摄像头具有较高的分辨率,虽然比不上专业检测仪器的精度,但足以满足基层检测工作的需求。而且,手机可以轻易采集到电力线夹局部的高分辨率影像,方便于后期的整个电力线夹影像的拼接,确保拼接的效果好,提升最后电力线夹尺寸检测的精度。总之,本发明结构简单、成本低廉、测量方便且结果准确,是一种适于基层日常工作的电力线夹测量技术。
附图说明
图1是本发明本发明基于手机影像的电力线夹测量系统中拍摄装置械结构示意图,图中:1手机固定夹;2高度调节旋钮;3底座;4Y方向手轮;5X方向手轮;6Y方向滑动导轨;7X方向滑动导轨;8工作台;9立柱;10横杆;11手机;12棋盘格标志块;13 电力线夹。
图2是应用本发明筛选后得到棋盘格角点示意图。
图3是应用本发明棋盘格平面恢复示意图(左为斜视棋盘格,右为正视棋盘格)。
图4是本发明基于手机影像的电力线夹测量方法的流程图。
图5是本发明基于手机影像的电力线夹测量系统的结构框图。
具体实施方式
一、测量系统
如图5所示,测量系统包括拍摄装置和图像处理装置。
如图1所示,拍摄装置主要包括手机固定夹及手机、底座以及安装在底座上的双向滑动平台。手机固定夹通过具有高度调节旋钮的横杆安装在底座的立柱上。双向滑动平台由工作台和滑动导轨组成,滑动导轨包括X方向滑动导轨和Y方向滑动导轨,X方向滑动导轨固定在底座上,Y方向滑动导轨置于X方向滑动导轨上,工作台安装在Y方向滑动导轨上。其中,X方向滑动导轨和Y方向滑动导轨分别具有控制其滑动平移的X方向手轮和Y 方向手轮,通过操作手轮可实现工作台在相互垂直的X方向和Y方向上精确滑动平移。
如图5所示,图像处理装置连接手机并从手机采集拍摄的照片进行图像处理;图像处理装置包括图像信息采集模块、提取待拼接影像特征信息模块、影像平面恢复模块、重叠位置配准模块、重叠区域融合模块和电力线夹尺寸测量模块。
图像信息采集模块从手机中采集所拍摄的电力线夹照片;提取待拼接影像特征信息模块以Harris角点检测算法对待拼接图进行特征点的检测,并对特征点进行筛选,仅保留棋盘格中的角点;影像平面恢复模块通过建立影像中棋盘格角点和实际棋盘格角点的之间的单应性,将影像恢复成正视视角,使得线夹影像平面恢复成垂直手机摄像头主光轴的状态;重叠位置配准模块采用RANSAC算法进行误匹配点的剔除,保留正确匹配的点;重叠区域融合模块采用最佳缝合线算法对图像重叠区域进行融合;电力线夹尺寸测量模块包括滤波模块、形态学处理模块、边缘检测模块、直线和圆检测模块,滤波模块采用对所得电力线夹影像进行滤波处理,消除图像的噪音,滤波模块对所得电力线夹影像进行滤波处理消除图像的噪音,形态学处理模块对所得电力线夹影像进行形态学处理,消除图像的毛刺、伪目标点和孔洞,边缘检测模块、直线和圆检测模块分别采用Canny边缘检测算法检测边缘,Hough变换直线检测算法检测直线,以及Hough变换圆检测算法检测圆。
二、测量方法
<1>拍摄照片
将电力线夹固定在工作台(白色背光源作为工作台,既是载体又是光源)上,在电力线夹上放置一块棋盘格标志块;通过转动X、Y两个方向的手轮平移工作台实现电力线夹在平面上的任意移动,使得电力线夹在一个方向上平移一个指定距离,然后由手机拍摄一张微距照片,照片中需包含有一个完整的棋盘格标志块,再通过转动手轮平移一个指定距离后继续拍摄照片,直到整个电力线夹拍摄完成。每移动一次,手机就可以拍摄一张微距照片,最后把所有的照片拼接接成一个高分辨率的图像,通过这种微距拍照的方式,把所有的照片拼接接成一个高分辨率的图像,为后期通过图像处理分析测量出电力线夹的尺寸打下基础,在得到最终拼接图像之后,进入图像预处理阶段,在这个图像上进行电力线夹尺寸的检测,最后输出电力线夹尺寸结果。
<2>图像拼接
拼接算法第一步是找出图像的角点,准确无误的找到棋盘格内部角点的位置是本发明的首要任务。角点不仅可以说成灰度和梯度变化剧烈的点,也可以说成是信息含量很高的点。检测出来的这些点对以后的相机标定和图像匹配尤为重要。当今的角点检测算法有好多种,而harris角点检测算法是最简单易行的方法。在一幅图像当中,harris角点检测算法认为角点与自相关函数的曲率特性有关。
Harris角点检测算法的基本原理是选择一个目标像素点,并选取一个以该目标像素点为中心的小窗口,计算出窗口沿任何方向移动后的灰度变化,并用解析形式表达。假设以像素点(x,y)为中心的小窗口在x方向上移动u,y方向上移动v,Harris给出了灰度变化度量的解析表达式为:
其中,E(x,y)是由于两个窗口偏移(x,y)而造成的图像灰度的平均变化;wu,v为滤波窗口系数,一般定义为I为图像灰度函数,(1)式通过泰勒公式可改为:
其中:略去无穷小项,E(x,少)又可以表示成:
E(x,y)=Ax2+2Cxy+By2(3)
将E(x,y)化为二次型有:
其中:M为实对称矩阵:
为了消除噪声影响,harris角点检测算法中对图像进行了高斯平滑,高斯平滑函数为 wu,v。通过对角化处理得到:
其中,R为旋转因子,对角化处理后并不改变以u,v为坐标参数的空间曲面的形状,其特征值反应了两个主轴方向的图像表面曲率。当两个特征值均较小时,表明目标点附近区域为“平坦区域”;特征值一大一小时,表明特征点位于“边缘”上;只有当两个特征值均比较大时,沿任何方向的移动均将导致灰度的剧烈变化。Harris的角点响应函数(CRF) 表达式由此而得到:
R(i,j)=det(M)-K*(trace(M))2(7)
其中:det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹。当目标像素点的R值大于给定的阈值时,该像素点即为角点。
为了保证后面尺寸量测的准确性,需要确保电力线夹影像垂直于主光轴。而一般来说,由于线夹固定位置不准,手机固定不准等原因,线夹影像很难保证一定垂直于主光轴,从而变成一个斜视影像,导致后面尺寸检测出现较大误差,所以将线夹影像平面恢复成垂直相机(手机摄像头)主光轴的状态,变得十分重要。
本发明对其恢复采用的方法是,通过对检测到的特征点进行筛选,得到棋盘格的所有角点(如图2所示,棋盘格内有7*4共28个角点),并且已知实际棋盘格角点之间的物理尺寸,建立影像中棋盘格角点和实际棋盘格角点的之间的单应性,就可以将棋盘格恢复成垂直相机主光轴的状态(如图3所示,棋盘格平面恢复示意图)。
在找到关键点后对关键点进行比例、方向和大小方面的描述,对关键点的坐标比例各方面有了详细的信息,可是一旦影像中物体和轮廓图中颜色形状导致像素点很接近,此时会出现匹配误差。虽然Harris角点检测算法完成了关键点的匹配,但是由于噪声等诸多误差不能保证关键点匹配的准确性,所以要对匹配结果继续筛选。这里,需要一种能分辨错误配对的数据处理算法,并且在得到的准确配对数据中正确计算出H矩阵。在此,本发明选用随机抽样一致性(RANSAC,一种对包含错误信息数据集进行重复提取并计算出最适用数据转换的数学处理方法)来完成精匹配。具体数学流程为:在源图片与待配准图片中存在N对正确配对的关键点对,同时也存在不正确的匹配对,不妨设所扫描到的全部关键点集合是P,此集合P中包括正确匹配和偏差匹配对。要实现关键点在两幅图像中的转化,对应像素点应该通过包括m=8个数值的转换矩阵H来实现,即源图片的像素点乘以矩阵H 得到配准图像像素点坐标。由于图像发生的改变会比较复杂,计算一次转换矩阵H至少需要n=4对匹配点进行计算,这样每次随机选择4对匹配点以计算矩阵H,详细过程如下:
1、开始从全部匹配集合P中选择n组匹配点。
2、通过随机抽取的n组匹配点得到初始转换矩阵H。
3、对于P中剩下的N-n对匹配点计算出与转换矩阵的位置关系,若距离大于某一临界值T,则纳入到外点集合,剩余的其他匹配点均纳入到内点的集合u,得到内点总数C。
4、对上述步骤1-3进行重复计算K次。
5、把k次计算集合u中内点最多的一次(即c最大)计算结果定义为正确匹配对组q。
6、利用上一步得到的集合q计算出最终转换矩阵H。
两幅图像完成配准后下一步就是融合。传统的像素加权拼接方法虽然快捷方便,但拼接域容易出现重合鬼影等问题,毕竟在拼接域边缘没有平滑处理。为消除传统图像融合产生的鬼影问题,本发明使用最佳缝合线的方法解决。在两幅图像的重叠区域,计算出一条拼接线,使拼接线两侧像素点分别来自同一幅图像,属于动态规划处理的数学模型。要搜寻的最佳缝合线所处的像素点应该是两幅图片最接近的位置,这种接近可以用几个因子来量化,一个是拼接线附近像素点色彩差值最小,另一个是拼接线附近描述物体几何构造最相通。可以利用这两点进行图像拼接。本发明的最佳缝合线计算方法通过变化的系数因子来使灰度信息和构造差异得以最大程度的体现,并且考虑到了曝光不同给缝合线搜索带来的影像,将灰度、构造、曝光三方面的综合考量,使计算得到的拼接线更加准确和可靠。
在计算最佳缝合线的时候,搜寻的方式是每一行进行计算从上到下。在第一行得到缝合线的起始点后,分别比较下一行的距离上一个点最近的三个点,哪个h点差值最小则作为下一个延伸点,然后用相同方法计算下一行的拼接点直到最后一行,此时便完成了整个缝合线的搜索过程。本发明最终采用的拼接线搜索算法总结如下:
差分图像:得到待拼接图像重合部分的差分值,从第一行的每一个点(最好是关键点) 作为所有可能拼接线的起点,计算出其差异值,并选取最小差异值的点定义为要搜索缝合线的起始点;
延伸:从前述找到的起始点开始向下一行延伸,考虑下一行相邻最近的5个点,如果某一点是关键点可以乘以0.5的因子系数,比较这五个点差异值,选择最小值的点作为下一行的延伸点,重复此方法直到得到最后一行像素点的拼接点;把在每一行确定的拼接点连起来就可以得到最佳缝合线,然后就可以融合出完整的电力线夹影像。
得到拼接后完整的电力线夹影像后,就进入图像预处理阶段。因为主要是检测小零件的形状尺寸,因此,需要对零件图像进行边缘检测处理以提取零件的边缘特征。同时又由于直接通过采集装置捕捉的零件图像往往含有很多噪声等,因此,需要对图像进行滤波和形态学处理,改善图像的质量以利于图像特征的提取。综合以上分析,并考虑到所研究的零件图像的具体特征,比如对图像中零件的位置摆放无固定要求,目标零件的特征形状比较简单、规则等,则待测零件的图像预处理操作主要包括滤波处理、二值化处理和形态学处理。
高斯噪声是指图像中含有亮度服从高斯或正态分布的噪声,高斯噪声是许多传感器噪声的典型模型。通过上述分析,在本发明中,常出现的噪声是高斯噪声。针对高斯噪声,采用高斯滤波方法,它是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程中。通俗的讲,高斯滤波就是对整幅图像的像素点进行加权平均的过程,即每一个像素点的灰度值,都是由其本身和模板内其他像素点的灰度值经过加权平均后得到的,高斯滤波函数为:
该函数各向同性,这就意味着高斯滤波在后续的图像处理中不会偏向任何一个方向。由于高斯函数是单值函数,因此这使得每一邻域像素点的权值是随着该点与中心点距离单调递减的。高斯函数的这一性质是很重要的,因为如果在滤波运算中离模板中心很远的像素点仍然有很大旳影响,则滤波运算会使图像失真。高斯滤波常用的模板与均值滤波模板相似,常用的模板有均值滤波模板、Sobel模板、Roberts模板,如下所示为常用的高斯模板。
高斯滤波是一种根据高斯函数的形状来决定权值的线性平滑滤波。因此,高斯平滑滤波对于抑制服从正态分布的噪声非常有效。
图像二值化处理的原理就是通过选择适当的阈值将原本具有多个灰度等级的图像转换成仍然能够反映图像整体与局部特征的黑白二位图像,即凡是像素的灰度值大于给阈值的置为255,小于给阈值的置为0,这样整个图像就会现出明显的黑白效果。如此可以把灰度置为0的像素点组成的区域判定为属于特定目标物体;灰度值为表示255的像素点组成域判定为背景或者其他的物体域。当然,也可以将灰度为255的像素点域判定为背景,灰度为0的像素点区域判定为特定目标物体。这样处理后的图像就只有黑白两色,从而将灰度范围划分成目标和背景两类,实现了图像的二值化。
阈值是把目标和背景区分开的标尺,适当阈值的选取就是既要尽可能保图像信息,又要尽可能减少背景和噪声的干扰,这是选择阈值的原则。因此,对图像进行二值化处理的关键在于阀值的选择与确定。因为选择不同的阈值对图像进行二值化处理后会产生不同的处理结果,过高的阈值会导致图像一些真实边缘的丢失,过低的阈值又会产生一些无谓的虚假边缘。全局阈值法,在一些简单的图像中,图像的目标和背景明显分离,其灰度分布比较有规律,背景区域与目标区域在图像的直方图形成两个波峰,在两个波峰之间形成一个波谷。那么,选择双峰之间的波谷所代表的灰度值作为阈值,即可实现两个区域的分割,这种方法又称为双峰法,但对于由于光照不均匀、噪声干扰较大等原因使直方图分布不呈双峰的图像,这种全局值法效果明显变差。
由于以种种原因当滤波处理后的图像在进行二值化处理时往往会在二值图像中目标域的内部和边缘形成细小的孔洞和毛刺等。同时由于分割阀值的选择不同,往往在图像背景区域形成尺寸较小的伪目标点。针对以上图像中出现的孔洞、毛刺和伪目标点等缺陷,故在图像的预处理阶段设计了形态学处理这过程。在形态学处理过程中首先对二值图像进行开运算消除图像中出现的毛刺以及伪目标点,然后再对图像进行闭运算消除图像中出现的孔洞。经过形态学处理后,消除图像中出现的缺陷点,同时又不会改变目标区域的形状及面积,这为下一步的边缘检测处理打下了良好的基础。
<3>尺寸检测
图像预处理完成后就进入电力线夹尺寸检测阶段,本发明采用Canny边缘检测算法检测边缘,Hough变换直线检测算法检测直线,以及Hough变换圆检测算法检测圆。最后得到电力线夹的尺寸信息,并将这些信息通过手机发送出去。
Canny边缘检测算法的基本思想是首先对图像选择一定的滤波器进行平滑滤波,然后采用非极值抑制技术进行处理得到最后的边缘图像。其步骤如下:
(1)对图像进行高斯滤波处理。选用的高斯函数为:
(2)计算梯度的幅值和方向。
(3)对梯度幅值进行极值抑制。
(4)用双阀值算法检测和链接边缘。选择两个阈值,根椐高阈值得到个边缘图像,这样一个图像含有很少的假边缘但是由阈值较高产生的图像边缘可能闭合为解决这样个问题采用了另外个低阈值。在高阈值图像中把边缘链接成轮廓,当到达轮廓的端点时,该算法会在断点的邻域点中、找满足低阈值的点两根椐此点收集新的边缘,直到整个图像边缘闭合。
而后进行Hough变换直线检测,Hough变换的实现过程以简单的概括为:
(1)根据图像尺寸信息确定参数θ和ρ的取位范闱,建立相应的离散参数空间;
(2)建立一个二维累加数组A(0,ρ),并将数组内所有元素清零;
(3)对于图像中每一个目标像桌点,算出其在参数今间中对应的弦曲线,并将对应的累加器数组加1
(4)找出累加器中最大值所对应的点,该点所对应的直线即为图像空间中共线点最多的直线。
由于电力线夹具有圆形空洞,所以要进行Hough圆检测。圆的方程可以表示为
(x-a)2+(y-b)2=r2 (17)
按照直线变换的原理,相对于图像空间,参数空间中以(x,y)为圆心,半径为r的圆方程表示为
(a-x)2+(b-y)2=r2 (18)
显然,式中有三个参数,该方程在参数空间中表示为一个三维锥面。对于图像空间中的每一个目标像素点,在参数空间都对应一个三维锥面。则在图像空间中同一个圆上的点集,对应于参数空间中一簇三维锥面,并且它们相交于一点所以需要在参数空间建立一个三维的累加数组A(a,b,r)。然后对每个目标像素点进行运算,最后求取峰值A(a0,b0,r0),即为图像空间中圆心坐标和圆半径。
Claims (8)
1.一种基于手机影像的电力线夹测量方法,其特征在于使用手机通过微距模式给电力线夹拍摄局部照片,然后将所拍照片进行图像拼接获得完整高分辨率的电力线夹影像,最后检测电力线夹影像获得电力线夹的尺寸信息。
2.根据权利要求1所述的基于手机影像的电力线夹测量方法,其特征在于所述拍摄按以下进行操作:将电力线夹固定在工作台上,在电力线夹上放置一块棋盘格标志块;通过平移工作台,使得电力线夹在一个方向上平移一个指定距离,然后由手机拍摄一张微距照片,照片中需包含有一个完整的棋盘格标志块;再平移一个指定距离,继续拍摄照片直到整个电力线夹拍摄完成。
3.根据权利要求1所述的基于手机影像的电力线夹测量方法,其特征在于所述图像拼接按以下进行操作:以Harris角点检测算法对待拼接图进行特征点的检测,并对特征点进行筛选,仅保留棋盘格中的角点;通过建立影像中棋盘格角点和实际棋盘格角点的之间的单应性,将影像恢复成正视视角,使得线夹影像平面恢复成垂直手机摄像头主光轴的状态;采用RANSAC算法进行误匹配点的剔除,保留正确匹配的点;采用最佳缝合线算法对图像重叠区域进行融合。
4.根据权利要求3所述的基于手机影像的电力线夹测量方法,其特征在于所述最佳缝合线算法包括通过差分图像选取最小差异值的点定义为要搜索缝合线的第一行起始点,通过延伸从第一行起始点开始向下找到各行的拼接点,把在每一行确定的拼接点连起来就可以得到最佳缝合线,然后融合出完整的电力线夹影像。
5.根据权利要求4所述的基于手机影像的电力线夹测量方法,其特征在于所述融合后采用对所得电力线夹影像进行滤波和形态学处理,消除图像的噪音、毛刺、伪目标点和孔洞。
6.根据权利要求1所述的基于手机影像的电力线夹测量方法,其特征在于所述检测按以下进行操作:采用Canny边缘检测算法检测边缘,Hough变换直线检测算法检测直线,以及Hough变换圆检测算法检测圆。
7.一种基于手机影像的电力线夹测量系统,其特征在于包括拍摄装置和图像处理装置;所述拍摄装置主要包括手机固定夹及手机、底座以及安装在底座上的双向滑动平台;手机固定夹通过具有高度调节旋钮的横杆安装在底座的立柱上;双向滑动平台由工作台和滑动导轨组成,滑动导轨包括X方向滑动导轨和Y方向滑动导轨,X方向滑动导轨固定在底座上,Y方向滑动导轨置于X方向滑动导轨上,工作台安装在Y方向滑动导轨上;其中,X方向滑动导轨和Y方向滑动导轨分别具有控制其滑动平移的X方向手轮和Y方向手轮;所述图像处理装置连接手机并从手机采集拍摄的照片进行图像处理;所述图像处理装置包括图像信息采集模块、提取待拼接影像特征信息模块、影像平面恢复模块、重叠位置配准模块、重叠区域融合模块和电力线夹尺寸测量模块。
8.根据权利要求7所述的基于手机影像的电力线夹测量系统,其特征在于:所述图像信息采集模块从手机中采集所拍摄的电力线夹照片;所述提取待拼接影像特征信息模块以Harris角点检测算法对待拼接图进行特征点的检测,并对特征点进行筛选,仅保留棋盘格中的角点;所述影像平面恢复模块通过建立影像中棋盘格角点和实际棋盘格角点的之间的单应性,将影像恢复成正视视角,使得线夹影像平面恢复成垂直手机摄像头主光轴的状态;所述重叠位置配准模块采用RANSAC算法进行误匹配点的剔除,保留正确匹配的点;所述重叠区域融合模块采用最佳缝合线算法对图像重叠区域进行融合;所述电力线夹尺寸测量模块包括滤波模块、形态学处理模块、边缘检测模块、直线和圆检测模块,滤波模块采用对所得电力线夹影像进行滤波处理,消除图像的噪音,滤波模块对所得电力线夹影像进行滤波处理消除图像的噪音,形态学处理模块对所得电力线夹影像进行形态学处理,消除图像的毛刺、伪目标点和孔洞,边缘检测模块、直线和圆检测模块分别采用Canny边缘检测算法检测边缘,Hough变换直线检测算法检测直线,以及Hough变换圆检测算法检测圆。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710830.1A CN109099835A (zh) | 2018-07-02 | 2018-07-02 | 基于手机影像的电力线夹测量方法及其系统 |
CN202110653741.XA CN113375555A (zh) | 2018-07-02 | 2018-07-02 | 一种基于手机影像的电力线夹测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710830.1A CN109099835A (zh) | 2018-07-02 | 2018-07-02 | 基于手机影像的电力线夹测量方法及其系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110653741.XA Division CN113375555A (zh) | 2018-07-02 | 2018-07-02 | 一种基于手机影像的电力线夹测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109099835A true CN109099835A (zh) | 2018-12-28 |
Family
ID=64845403
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810710830.1A Pending CN109099835A (zh) | 2018-07-02 | 2018-07-02 | 基于手机影像的电力线夹测量方法及其系统 |
CN202110653741.XA Pending CN113375555A (zh) | 2018-07-02 | 2018-07-02 | 一种基于手机影像的电力线夹测量方法及系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110653741.XA Pending CN113375555A (zh) | 2018-07-02 | 2018-07-02 | 一种基于手机影像的电力线夹测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN109099835A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930447A (zh) * | 2019-12-09 | 2020-03-27 | 成都信息工程大学 | 基于Android的无人值守雪深测量方法 |
CN112229323A (zh) * | 2020-09-29 | 2021-01-15 | 华南农业大学 | 基于手机单目视觉的棋盘格合作目标的六自由度测量方法及其应用 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114298934B (zh) * | 2021-12-24 | 2022-12-09 | 北京朗视仪器股份有限公司 | 一种基于像素调节的面颊夹显影弱化方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149249A (zh) * | 2006-09-20 | 2008-03-26 | 上海量具刃具厂 | 影像测量仪的测量方法 |
CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
CN101710932A (zh) * | 2009-12-21 | 2010-05-19 | 深圳华为通信技术有限公司 | 图像拼接方法及装置 |
US20120287286A1 (en) * | 2011-05-13 | 2012-11-15 | Sony Corporation | Image processing device, image processing method, and program |
CN103438801A (zh) * | 2013-09-16 | 2013-12-11 | 苏州天准精密技术有限公司 | 移动平台式影像测量设备及方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5432835B2 (ja) * | 2010-06-24 | 2014-03-05 | アズビル株式会社 | カメラのキャリブレーション方法 |
CN102441581A (zh) * | 2010-09-30 | 2012-05-09 | 邓玥 | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 |
JP5923824B2 (ja) * | 2012-02-21 | 2016-05-25 | 株式会社ミツトヨ | 画像処理装置 |
CN104019745B (zh) * | 2014-06-18 | 2016-06-01 | 福州大学 | 基于单目视觉间接标定方法的自由平面尺寸测量方法 |
CN104637041B (zh) * | 2014-12-31 | 2017-06-23 | 浙江理工大学 | 一种基于参照特征的宽幅织物图像获取与拼接方法 |
JP2017138288A (ja) * | 2016-02-05 | 2017-08-10 | 株式会社ミツトヨ | 画像測定機及びプログラム |
CN105957008B (zh) * | 2016-05-10 | 2019-08-16 | 厦门美图之家科技有限公司 | 基于移动终端的全景图像实时拼接方法及系统 |
CN105928464B (zh) * | 2016-06-08 | 2018-11-09 | 广东工业大学 | 基于图像拼接的自动测量系统及测量方法 |
CN106204593B (zh) * | 2016-07-12 | 2018-11-09 | 大连理工大学 | 一种基于序列图像合成的特征点提取方法 |
CN106780328A (zh) * | 2016-12-06 | 2017-05-31 | 烟台大学 | 一种基于手机摄像头拍摄多幅照片自动拼接的文档扫描方法 |
CN107133986B (zh) * | 2017-04-26 | 2019-08-20 | 武汉科技大学 | 一种基于二维标定物的相机标定方法 |
CN107067371B (zh) * | 2017-05-12 | 2020-05-26 | 浙江工业大学 | 大幅面皮革图像拼接方法 |
-
2018
- 2018-07-02 CN CN201810710830.1A patent/CN109099835A/zh active Pending
- 2018-07-02 CN CN202110653741.XA patent/CN113375555A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149249A (zh) * | 2006-09-20 | 2008-03-26 | 上海量具刃具厂 | 影像测量仪的测量方法 |
CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
CN101710932A (zh) * | 2009-12-21 | 2010-05-19 | 深圳华为通信技术有限公司 | 图像拼接方法及装置 |
US20120287286A1 (en) * | 2011-05-13 | 2012-11-15 | Sony Corporation | Image processing device, image processing method, and program |
CN103438801A (zh) * | 2013-09-16 | 2013-12-11 | 苏州天准精密技术有限公司 | 移动平台式影像测量设备及方法 |
Non-Patent Citations (1)
Title |
---|
袁剑华: "图像拼接", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930447A (zh) * | 2019-12-09 | 2020-03-27 | 成都信息工程大学 | 基于Android的无人值守雪深测量方法 |
CN112229323A (zh) * | 2020-09-29 | 2021-01-15 | 华南农业大学 | 基于手机单目视觉的棋盘格合作目标的六自由度测量方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN113375555A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN101558355B (zh) | 聚焦辅助系统和方法 | |
CN101739674B (zh) | 影像序列自动拼接方法与装置以及拼接系统 | |
CN100494886C (zh) | 三维扫描系统中圆形标志点的检测方法 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN106485275A (zh) | 一种实现盖板玻璃与液晶屏定位贴合的方法 | |
CN109099835A (zh) | 基于手机影像的电力线夹测量方法及其系统 | |
CN111583114B (zh) | 一种管道螺纹自动测量装置及测量方法 | |
CN108764257A (zh) | 一种多视角的指针式仪表识别方法 | |
CN104236498B (zh) | 一种道岔钢轨件端面尺寸的测量方法 | |
CN106934803A (zh) | 电子器件表面缺陷的检测方法及装置 | |
CN102834845A (zh) | 用于多摄像装置校准的方法与装置 | |
Shin et al. | An objective comparison methodology of edge detection algorithms using a structure from motion task | |
CN102157004A (zh) | 用于超视场零件高精度影像测量仪的自动图像拼接方法 | |
CN106846352A (zh) | 一种用于镜头解析力测试的刀口图片获取方法和装置 | |
CN109284718A (zh) | 面向巡检机器人的变视角多仪表同时识别方法 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
KR20160034928A (ko) | 주요지점 식별 | |
CN110414521A (zh) | 一种变电站内变压器油位计示数识别方法 | |
US8995707B2 (en) | Image analysis system and/or method | |
JP2008116207A (ja) | 画像計測装置、画像計測方法及びプログラム | |
Conner et al. | Engineering design of an image acquisition and analysis system for dendrochronology | |
Jazayeri et al. | Interest operators in close-range object reconstruction | |
CN113538384B (zh) | 一种特征的定位方法及装置 | |
CN109448012A (zh) | 一种图像边缘检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |