CN109118494B - 一种基于凹点匹配的重叠区域分割方法及装置 - Google Patents

一种基于凹点匹配的重叠区域分割方法及装置 Download PDF

Info

Publication number
CN109118494B
CN109118494B CN201810819506.3A CN201810819506A CN109118494B CN 109118494 B CN109118494 B CN 109118494B CN 201810819506 A CN201810819506 A CN 201810819506A CN 109118494 B CN109118494 B CN 109118494B
Authority
CN
China
Prior art keywords
concave point
pit
concave
point
matched
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
CN201810819506.3A
Other languages
English (en)
Other versions
CN109118494A (zh
Inventor
李歧强
杨杰丽
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN201810819506.3A priority Critical patent/CN109118494B/zh
Publication of CN109118494A publication Critical patent/CN109118494A/zh
Application granted granted Critical
Publication of CN109118494B publication Critical patent/CN109118494B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开公开了种一种基于凹点匹配的重叠区域分割方法及装置,该方法包括:接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;采用至少两种凹点查找方法对分割目标进行凹点选择,形成初始凹点集合;设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。

Description

一种基于凹点匹配的重叠区域分割方法及装置
技术领域
本公开属于晶粒识别的技术领域,涉及一种基于凹点匹配的重叠区域分割方法及装置。
背景技术
结晶工业是世界经济的重要组成部分,结晶产品在制药、食品、化工等各个行业均有广泛的应用。结晶过程中晶粒的形状与尺寸分布对于结晶过程的控制具有十分重要的意义,能够及时避免不必要的产品形式。
目前结晶过程控制领域比较先进的测量方法是基于图像处理技术的监测方法,通过获取晶粒图像并进行图像处理识别晶粒形状和获得粒度分布,因此,图像处理过程中的方法对于晶粒的特征统计具有十分重要的意义。
然而,在利用图像处理识别晶粒形状和获得粒度分布的方法中存在诸多问题。其中,在针对重叠晶粒图像的凹点匹配分割方法中,存在较多伪凹点以及匹配规则不好的问题,导致不能实现重叠晶粒图像的准确分割。
综上所述,现有技术中如何实现重叠晶粒图像的准确分割的问题,尚缺乏行之有效的解决方案。
发明内容
针对现有技术中存在的不足,解决现有技术存在的针对重叠晶粒图像的凹点匹配分割方法中,存在较多伪凹点以及匹配规则不好,导致不能实现重叠晶粒图像的准确分割的问题,本公开提供了一种基于凹点匹配的重叠区域分割方法及装置,实现了晶粒图像重叠区域的准确分割。
本公开的一个或多个实施例提供一种基于凹点匹配的重叠区域分割方法。
为了实现上述目的,本公开采用如下一种技术方案:
一种基于凹点匹配的重叠区域分割方法,该方法包括:
接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;
采用至少两种凹点查找方法对分割目标进行凹点选择,形成初始凹点集合;
设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;
划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;
将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。
进一步地,在本方法中,所述筛选重叠目标区域的具体步骤包括:
接收原始晶粒图像;
对原始晶粒图像进行预处理;
对通过预处理后的原始晶粒图像中的连通区域进行逐一标记,并获取每个连通区域的质心;
根据同一连通区域的质心数量进行重叠目标区域的筛选,确定重叠目标区域。
进一步地,所述预处理包括采用图像压缩技术对原始晶粒图像进行压缩,并经过灰度转换、图像去噪、均值滤波、形态学运算和去除边缘对象操作。
进一步地,在本方法中,所述确定分割目标的具体步骤包括:
对所述重叠目标区域进行三次腐蚀去噪,并初步进行边界划分;
对处理后的原始晶粒图像进行与去噪相等次数的膨胀操作,进行区域填充,恢复目标区域到腐蚀前的大小,确定分割目标区域。
进一步地,在本方法中,所述凹点选择的具体步骤包括:
采用链码追踪法选取凹点,包括根据链码法确定目标区域的轮廓边界,选择某一轮廓点作为当前点,选取包括当前点在内的前5点与后5点均值差作为当前点的凹角度数,根据预设第一阈值确定凹点;
采用K余弦曲率计算法选取凹点,包括采用K余弦曲率计算方法计算轮廓点的夹角余弦,根据预设第二阈值选取角点,将所述角点与其前后继点组成面积为负矢量三角形保留作为轮廓的待选凹点;
若某一轮廓点被两种凹点查找方法均选取为凹点,或在两种凹点查找方法选取的凹点距离不超过第三阈值时,采用K余弦曲率计算法选取为凹点。
进一步地,在本方法中,所述去除初始凹点集合中的冗余凹点的具体步骤包括:
根据晶粒图像的分辨率以及晶粒特点设定邻近凹点的距离阈值;
根据设定的距离阈值,小于该距离阈值的两个邻近凹点判定为一个凹点,去除当前目标凹点的冗余凹点。
进一步地,在本方法中,所述划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点,具体步骤包括:
采用聚类方法根据计算的目标区域的质心数量进行的等量凹点群的划分;
将凹点群中凹点的前驱凹点和后驱凹点加入凹点群,进行凹点群的扩展;
根据K余弦曲率计算结果,取凹点群中曲率最大点作为该凹点群的代表凹点。
进一步地,在本方法中,采用新的凹点匹配原则匹配凹点进行所述重叠区域的分割,具体步骤包括:
将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近的凹点作为备选匹配凹点;
将待匹配凹点与备选匹配凹点进行连线,判断待匹配凹点与备选匹配凹点之间的连线是否在目标区域内,若在目标区域内则保留该备选匹配凹点,否则删除;
判断待匹配凹点与备选匹配凹点之间的连线与对应质心的连线是否相交,若相交则保留该备选匹配凹点,否则删除;
若筛选结果集中存在多个备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割;
重复上述步骤,遍历所有凹点,直至完成晶粒图像中所有重叠区域的分割。
本公开的一个或多个实施例还提供一种结晶仪晶粒图像自动采集装置。
一种结晶仪晶粒图像自动采集装置,该装置包括:结晶罐,所述结晶罐内设置分别连接PC终端的搅拌器和温度传感器,所述PC终端还通过控制器分别连接环形光源和相机,所述环形光源设置于结晶罐外部,用于保证结晶罐各个位置亮度均衡,所述相机设置于结晶罐外部,用于采集晶粒图像。
本公开的一个或多个实施例还提供一种结晶仪晶粒图像自动采集及图像处理方法,该方法基于一种结晶仪晶粒图像自动采集装置和一种基于凹点匹配的重叠区域分割方法,包括如下步骤:
按照所述一种结晶仪晶粒图像自动采集装置搭建实验平台;
设置相机的采集间隔以及环形光光源的光照强度,保证结晶罐中各个位置亮度均衡;
进行结晶实验,在实验过程中,相机基于采样间隔进行图像采集,得到原始晶粒图像作为PC终端的图像处理单元的输入;
PC终端的图像处理单元接收原始晶粒图像,基于所述的一种基于凹点匹配的重叠区域分割方法进行图像分割,对分割后的图像进行特征提取与特征统计,得到粒度分布估计结果;
将粒度分布估计结果显示或者作为结晶控制的输入数据。
本公开的有益效果:
1、本公开所述的一种基于凹点匹配的重叠区域分割方法及装置,综合多种凹点查找方法进行凹点定位,定位结果更加准确,有效实现减少伪凹点以及噪点的影响。
2、本公开所述的一种基于凹点匹配的重叠区域分割方法及装置,提出一种新的凹点匹配规则,将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,有效解决传统方法中使用最小距离匹配造成的匹配错误问题。
3、本公开所述的一种基于凹点匹配的重叠区域分割方法及装置,适用于高密度背景下的重叠晶体分割,为后续的特征提取及统计奠定基础。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本公开的一种基于凹点匹配的重叠区域分割方法流程图。
图2为本公开提供的一种结晶仪晶粒图像自动采集装置,该装置作为本公开方法具体应用装置。
具体实施方式:
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本实施例使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是,附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合下面结合附图与实施例对本公开作进一步说明。
实施例:
本实施例的第一目的是提供一种基于凹点匹配的重叠区域分割方法。
为了实现上述目的,本公开采用如下一种技术方案:
如图1所示。
一种基于凹点匹配的重叠区域分割方法,该方法包括:
步骤(1):接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;
步骤(2):采用至少两种凹点查找方法对分割目标进行凹点选择,形成初始凹点集合;
步骤(3):设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;
步骤(4):划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;
步骤(5):将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。
在本实施例的所述步骤(1)中,包括:
步骤(1-1):筛选重叠目标区域;
所述筛选重叠目标区域的具体步骤包括:
步骤(1-1-1):接收原始晶粒图像;
步骤(1-1-2):对原始晶粒图像进行预处理;
在本实施例中,所述预处理包括采用图像压缩技术对原始晶粒图像进行压缩,并经过灰度转换、图像去噪、均值滤波、形态学运算和去除边缘对象操作。
步骤(1-1-3):对通过预处理后的原始晶粒图像中的连通区域进行逐一标记,并获取每个连通区域的质心;
步骤(1-1-4):根据同一连通区域的质心数量进行重叠目标区域的筛选,确定重叠目标区域。
步骤(1-2):确定分割目标;
所述确定分割目标的具体步骤包括:
步骤(1-2-1):对所述重叠目标区域进行三次腐蚀去噪,并初步进行边界划分;
步骤(1-2-2):对处理后的原始晶粒图像进行与去噪相等次数的膨胀操作,进行区域填充,恢复目标区域到腐蚀前的大小,确定分割目标区域。
在本实施例的所述步骤(2)中,所述凹点选择的具体步骤包括:
步骤(2-1):采用链码追踪法选取凹点,包括根据链码法确定目标区域的轮廓边界,选择某一轮廓点作为当前点,选取包括当前点在内的前5点与后5点均值差作为当前点的凹角度数,根据预设第一阈值确定凹点;
步骤(2-2):采用K余弦曲率计算法选取凹点,包括采用K余弦曲率计算方法计算轮廓点的夹角余弦,根据预设第二阈值选取角点,将所述角点与其前后继点组成面积为负矢量三角形保留作为轮廓的待选凹点;
在本实施例中,选取角点与前后继点组成矢量三角形,根据矢量三角形面积的正负进行筛选,面积为正则为凸点,去除该角点,面积为负为凹点,保留作为轮廓的待选凹点,在本实施例中还可以设定矢量三角形的面积阈值进行伪凹点的进一步筛选;
步骤(2-3):结合两种方法初步确定凹点,若某一轮廓点被两种凹点查找方法均选取为凹点,或在两种凹点查找方法选取的凹点距离不超过第三阈值时,采用K余弦曲率计算法选取为凹点,其他凹点去除,此处设定第三阈值为5个像素。
此处的方法不仅限于本实施例所提的两种方法,可以选用其他简单方法,在保证效率的前提下,可以选择更多中凹点选取方法。
在本实施例的所述步骤(3)中,所述去除初始凹点集合中的冗余凹点的具体步骤包括:
步骤(3-1):根据晶粒图像的分辨率以及晶粒特点设定邻近凹点的距离阈值;
步骤(3-2):根据设定的距离阈值,小于该距离阈值的两个邻近凹点判定为一个凹点,去除当前目标凹点的冗余凹点。减少匹配工作量。
在本实施例的所述步骤(4)中,所述划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点,具体步骤包括:
步骤(4-1):采用聚类方法根据计算的目标区域的质心数量进行的等量凹点群的划分;
步骤(4-2):将凹点群中凹点的前驱凹点和后驱凹点加入凹点群,进行凹点群的扩展;
步骤(4-3):根据K余弦曲率计算结果,取凹点群中曲率最大点作为该凹点群的代表凹点。
在本实施例的所述步骤(5)中,采用新的凹点匹配原则匹配凹点进行所述重叠区域的分割,具体步骤包括:
步骤(5-1):将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近的凹点作为备选匹配凹点;
步骤(5-2):将待匹配凹点与备选匹配凹点进行连线,判断待匹配凹点与备选匹配凹点之间的连线是否在目标区域内,若在目标区域内则保留该备选匹配凹点,否则删除;
步骤(5-3):判断待匹配凹点与备选匹配凹点之间的连线与对应质心的连线是否相交,若相交则保留该备选匹配凹点,否则删除;
步骤(5-4):若筛选结果集中存在多个备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割;
步骤(5-5):重复上述步骤(5-1)-步骤(5-4),遍历所有凹点,直至完成晶粒图像中所有重叠区域的分割。
本公开的一个或多个实施例还提供一种计算机可读存储介质。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备设备的处理器加载并执行以下处理:
步骤(1):接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;
步骤(2):采用至少两种凹点查找方法对分割目标进行凹点选择,形成初始凹点集合;
步骤(3):设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;
步骤(4):划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;
步骤(5):将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。
本公开的一个或多个实施例还提供一种终端设备。
一种终端设备,采用互联网终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行以下处理:
步骤(1):接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;
步骤(2):采用至少两种凹点查找方法对分割目标进行凹点选择,形成初始凹点集合;
步骤(3):设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;
步骤(4):划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;
步骤(5):将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。
这些计算机可执行指令在设备中运行时使得该设备执行根据本公开中的各个实施例所描述的方法或过程。
在本实施例中,计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开内容的各个方面。
如图2所示,本公开的一个或多个实施例还提供一种结晶仪晶粒图像自动采集装置,该装置包括:结晶罐,所述结晶罐内设置分别连接PC终端的搅拌器和温度传感器,所述PC终端还通过控制器分别连接环形光源和相机,所述环形光源设置于结晶罐外部,用于保证结晶罐各个位置亮度均衡,所述相机设置于结晶罐外部,用于采集晶粒图像。
本公开的一个或多个实施例还提供一种结晶仪晶粒图像自动采集及图像处理方法,该方法基于一种结晶仪晶粒图像自动采集装置和一种基于凹点匹配的重叠区域分割方法,包括如下步骤:
按照所述一种结晶仪晶粒图像自动采集装置搭建实验平台;
设置相机的采集间隔以及环形光光源的光照强度,保证结晶罐中各个位置亮度均衡;
进行结晶实验,在实验过程中,相机基于采样间隔进行图像采集,得到原始晶粒图像作为PC终端的图像处理单元的输入;
PC终端的图像处理单元接收原始晶粒图像,基于所述的一种基于凹点匹配的重叠区域分割方法进行图像分割,对分割后的图像进行特征提取与特征统计,得到粒度分布估计结果;
将粒度分布估计结果显示或者作为结晶控制的输入数据。
本公开的有益效果:
1、本公开所述的一种基于凹点匹配的重叠区域分割方法及装置,综合多种凹点查找方法进行凹点定位,定位结果更加准确,有效实现减少伪凹点以及噪点的影响。
2、本公开所述的一种基于凹点匹配的重叠区域分割方法及装置,提出一种新的凹点匹配规则,将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,有效解决传统方法中使用最小距离匹配造成的匹配错误以及不准确问题。
3、本公开所述的一种基于凹点匹配的重叠区域分割方法及装置,适用于高密度背景下的重叠晶体分割,为后续的特征提取及统计奠定基础。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。因此,本公开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特点相一致的最宽的范围。

Claims (10)

1.一种基于凹点匹配的重叠区域分割方法,其特征在于,该方法包括:
接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;
采用至少两种凹点查找方法对分割目标进行凹点选择,形成初始凹点集合;
设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;
划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;
将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。
2.如权利要求1所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,在本方法中,所述筛选重叠目标区域的具体步骤包括:
接收原始晶粒图像;
对原始晶粒图像进行预处理;
对通过预处理后的原始晶粒图像中的连通区域进行逐一标记,并获取每个连通区域的质心;
根据同一连通区域的质心数量进行重叠目标区域的筛选,确定重叠目标区域。
3.如权利要求2所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,所述预处理包括采用图像压缩技术对原始晶粒图像进行压缩,并经过灰度转换、图像去噪、均值滤波、形态学运算和去除边缘对象操作。
4.如权利要求2所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,在本方法中,所述确定分割目标的具体步骤包括:
对所述重叠目标区域进行三次腐蚀去噪,并初步进行边界划分;
对处理后的原始晶粒图像进行与去噪相等次数的膨胀操作,进行区域填充,恢复目标区域到腐蚀前的大小,确定分割目标区域。
5.如权利要求2所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,在本方法中,所述凹点选择的具体步骤包括:
采用链码追踪法选取凹点,包括根据链码法确定目标区域的轮廓边界,选择某一轮廓点作为当前点,选取包括当前点在内的前5点与后5点均值差作为当前点的凹角度数,根据预设第一阈值确定凹点;
采用K余弦曲率计算法选取凹点,包括采用K余弦曲率计算方法计算轮廓点的夹角余弦,根据预设第二阈值选取角点,将所述角点与其前后继点组成面积为负矢量三角形保留作为轮廓的待选凹点;
若某一轮廓点被两种凹点查找方法均选取为凹点,或在两种凹点查找方法选取的凹点距离不超过第三阈值时,采用K余弦曲率计算法选取为凹点。
6.如权利要求1所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,在本方法中,所述去除初始凹点集合中的冗余凹点的具体步骤包括:
根据晶粒图像的分辨率以及晶粒特点设定邻近凹点的距离阈值;
根据设定的距离阈值,小于该距离阈值的两个邻近凹点判定为一个凹点,去除当前目标凹点的冗余凹点。
7.如权利要求2所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,在本方法中,所述划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点,具体步骤包括:
采用聚类方法根据计算的目标区域的质心数量进行的等量凹点群的划分;
将凹点群中凹点的前驱凹点和后驱凹点加入凹点群,进行凹点群的扩展;
根据K余弦曲率计算结果,取凹点群中曲率最大点作为该凹点群的代表凹点。
8.如权利要求2所述的一种基于凹点匹配的重叠区域分割方法,其特征在于,在本方法中,采用新的凹点匹配原则匹配凹点进行所述重叠区域的分割,具体步骤包括:
将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近的凹点作为备选匹配凹点;
将待匹配凹点与备选匹配凹点进行连线,判断待匹配凹点与备选匹配凹点之间的连线是否在目标区域内,若在目标区域内则保留该备选匹配凹点,否则删除;
判断待匹配凹点与备选匹配凹点之间的连线与对应质心的连线是否相交,若相交则保留该备选匹配凹点,否则删除;
若筛选结果集中存在多个备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割;
重复上述步骤,遍历所有凹点,直至完成晶粒图像中所有重叠区域的分割。
9.一种结晶仪晶粒图像自动采集装置,其特征在于,该装置包括:结晶罐,所述结晶罐内设置分别连接PC终端的搅拌器和温度传感器,所述PC终端还通过控制器分别连接环形光源和相机,所述环形光源设置于结晶罐外部,用于保证结晶罐各个位置亮度均衡,所述相机设置于结晶罐外部,用于采集晶粒图像;
所述PC终端接收原始晶粒图像,通过预处理后的原始晶粒图像中同一连通区域的质心数量筛选重叠目标区域进行标记,确定分割目标;
对分割目标进行凹点选择,形成初始凹点集合;
设定邻近凹点的距离阈值,根据该阈值去除初始凹点集合中的冗余凹点;
划分出等数量的凹点群,选取凹点群中曲率最大点作为该凹点群的代表凹点;
将凹点群的代表凹点作为待匹配凹点,将与待匹配凹点曲率最接近且连线在目标区域内并且与对应质心的连线相交的凹点作为备选匹配凹点,连接待匹配凹点与其距离最近的备选匹配凹点进行重叠区域的分割,遍历所有凹点完成分割。
10.一种结晶仪晶粒图像自动采集及图像处理方法,该方法基于权利要求9所述的一种结晶仪晶粒图像自动采集装置和权利要求1-8任一所述的一种基于凹点匹配的重叠区域分割方法,包括如下步骤:
按照所述一种结晶仪晶粒图像自动采集装置搭建实验平台;
设置相机的采集间隔以及环形光源的光照强度,保证结晶罐中各个位置亮度均衡;
进行结晶实验,在实验过程中,相机基于采样间隔进行图像采集,得到原始晶粒图像作为PC终端的图像处理单元的输入;
PC终端的图像处理单元接收原始晶粒图像,基于所述的一种基于凹点匹配的重叠区域分割方法进行图像分割,对分割后的图像进行特征提取与特征统计,得到粒度分布估计结果;
将粒度分布估计结果显示或者作为结晶控制的输入数据。
CN201810819506.3A 2018-07-24 2018-07-24 一种基于凹点匹配的重叠区域分割方法及装置 Active CN109118494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810819506.3A CN109118494B (zh) 2018-07-24 2018-07-24 一种基于凹点匹配的重叠区域分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810819506.3A CN109118494B (zh) 2018-07-24 2018-07-24 一种基于凹点匹配的重叠区域分割方法及装置

Publications (2)

Publication Number Publication Date
CN109118494A CN109118494A (zh) 2019-01-01
CN109118494B true CN109118494B (zh) 2020-06-02

Family

ID=64863251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810819506.3A Active CN109118494B (zh) 2018-07-24 2018-07-24 一种基于凹点匹配的重叠区域分割方法及装置

Country Status (1)

Country Link
CN (1) CN109118494B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415257B (zh) * 2019-07-23 2023-08-22 东南大学 一种气液两相流重叠气泡图像分割方法
CN111583178B (zh) * 2020-04-02 2022-11-08 电子科技大学 一种在藻类细胞显微图像中分割黏连藻类细胞的方法
CN111739022B (zh) * 2020-08-24 2020-12-11 武汉精测电子集团股份有限公司 一种基于图像检测的晶圆计数方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203916134U (zh) * 2014-05-23 2014-11-05 福州海汇生物科技实业有限公司 一种鱼油结晶罐
CN106226240A (zh) * 2016-09-14 2016-12-14 广西大学 一种自动实时观测晶粒的煮糖罐

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203916134U (zh) * 2014-05-23 2014-11-05 福州海汇生物科技实业有限公司 一种鱼油结晶罐
CN106226240A (zh) * 2016-09-14 2016-12-14 广西大学 一种自动实时观测晶粒的煮糖罐

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高绍楠.结晶反应器搅拌桨型优化.《万方学位论文》.2013, *

Also Published As

Publication number Publication date
CN109118494A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
US10970844B2 (en) Image segmentation method and device, computer device and non-volatile storage medium
US20190011263A1 (en) Method and apparatus for determining spacecraft attitude by tracking stars
CN108564082B (zh) 图像处理方法、装置、服务器和介质
CN109118494B (zh) 一种基于凹点匹配的重叠区域分割方法及装置
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
CN111080526A (zh) 航拍图像的农田面积的测算方法、装置、设备及介质
CN110335313B (zh) 音频采集设备定位方法及装置、说话人识别方法及系统
CN109492639A (zh) 装载位置三维坐标获取方法、系统及图像识别设备
WO2021056501A1 (zh) 提取特征点的方法、可移动平台及存储介质
CN112966687B (zh) 图像分割模型训练方法、装置及通信设备
CN112418089A (zh) 一种手势识别方法、装置及终端
CN111368603B (zh) 遥感图像的飞机分割方法、装置、可读存储介质及设备
CN111985471A (zh) 一种车牌定位方法、装置及存储介质
CN115761698A (zh) 一种目标检测方法、装置、设备及存储介质
CN110580706A (zh) 一种视频背景模型的提取方法及装置
CN110634155A (zh) 一种基于深度学习的目标检测方法和装置
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN114037865B (zh) 图像处理方法、装置、设备、存储介质和程序产品
CN114092739B (zh) 图像处理方法、装置、设备、存储介质和程序产品
CN115690143B (zh) 图像分割方法、装置、电子设备及存储介质
CN115049895B (zh) 一种图像属性识别方法、属性识别模型训练方法及装置
CN113111921B (zh) 物体识别方法、装置、电子设备及存储介质
CN114219907B (zh) 三维地图生成方法、装置、设备以及存储介质
CN112528900B (zh) 基于极致下采样的图像显著性物体检测方法及系统
CN117853724A (zh) 夜间低矮障碍物分割和模型训练方法及自动驾驶车辆

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