CN109242916B - 一种基于回归算法自动标定图像的方法 - Google Patents
一种基于回归算法自动标定图像的方法 Download PDFInfo
- Publication number
- CN109242916B CN109242916B CN201811187482.0A CN201811187482A CN109242916B CN 109242916 B CN109242916 B CN 109242916B CN 201811187482 A CN201811187482 A CN 201811187482A CN 109242916 B CN109242916 B CN 109242916B
- Authority
- CN
- China
- Prior art keywords
- value
- ratio
- actual physical
- physical length
- height
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于回归算法自动标定图像的方法,包括采集若干样本数据,每个样本数据包括相机高度值、光源高度值以及像素灰度值与实际物理长度的比率值;以相机高度和光源高度作为自变量,以像素灰度值与实际物理长度的比率作为因变量,构建回归方程;将样本数据带入回归方程,求解出回归方程的回归系数和常数项;在测量时,将当前相机高度值和光源高度值带入回归方程,得到当前像素灰度值与实际物理长度的比率值ratio;利用当前像素灰度值与实际物理长度的比率值ratio,计算当前图像中物体的实际物理长度。本发明通过样本数据构建回归方程,利用回归方程可直接获取当前像素灰度值与实际物理长度的比率值,不需要查找配置列表。
Description
技术领域
本发明涉及一种基于回归算法自动标定图像的方法,属于图像处理技术领域。
背景技术
铸造完成的铸件物体需要取图分析,在分析后需要根据图像获取铸件物体的实际物理长度,但是由于每次拍摄时,平板相机和x射线光源的高度位置不同,所以每次采集的图像,每个像素灰度值对应到实际物理长度是不同的。因此需要逐点进行标定,即分别在平板相机和x射线光源不同的高度,计算获取当前像素灰度值与实际物理长度的比率,并将比率写到配置列表中,在实际测量中,根据当前平板相机和x射线光的高度在配置列表中找出最接近的那组值,进行计算。此操作步骤繁琐,检索列表时耗时长且容易出错。
发明内容
本发明提供了一种基于回归算法自动标定图像的方法,解决传统方法耗时长且容易出错的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于回归算法自动标定图像的方法,包括以下步骤,
采集若干样本数据,每个样本数据包括相机高度值、光源高度值以及像素灰度值与实际物理长度的比率值;
以相机高度和光源高度作为自变量,以像素灰度值与实际物理长度的比率作为因变量,构建回归方程;
将样本数据带入回归方程,求解出回归方程的回归系数和常数项;
在测量时,将当前相机高度值和光源高度值带入回归方程,得到当前像素灰度值与实际物理长度的比率值ratio;
利用当前像素灰度值与实际物理长度的比率值ratio,计算当前图像中物体的实际物理长度。
构建的回归方程为三元一次回归方程。
回归方程为,
Y=a+b1X1+b2X2
其中,Y为因变量,即像素灰度值与实际物理长度的比率,X1和X2为自变量,分别为相机高度和光源高度,a为常数项,b1和b2为回归系数。
回归系数的计算公式为,
b1∑X1 2+b2∑X1X2=∑X1Y;
b1∑X1X2+b2∑X2 2=∑X2Y;
其中,
x1为相机高度值;为样本数据中所有相机高度值的平均值;x2为光源高度值;为样本数据中所有光源高度值的平均值;y为像素灰度值与实际物理长度的比率值,为样本数据中所有像素灰度值与实际物理长度的比率值的平均值。
最少采集20组样本数据。
本发明所达到的有益效果:本发明通过样本数据构建回归方程,利用回归方程可直接获取当前像素灰度值与实际物理长度的比率值,不需要查找配置列表,效率高。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于回归算法自动标定图像的方法,包括以下步骤:
步骤1,采集若干样本数据。
每个样本数据包括相机高度值、光源高度值以及像素灰度值与实际物理长度的比率值;一般最少采集20组样本数据,当然采集的样本数据越多,后续计算越精确。
步骤2,以相机高度和光源高度作为自变量,以像素灰度值与实际物理长度的比率作为因变量,构建回归方程。
通过对样本数据进行分析后发现,相机高度、光源高度以及像素灰度值与实际物理长度的比率具有强相关性,拟合效果好,并且呈现三元一次的函数关系,因此构建的回归方程为三元一次回归方程,具体公式如下:
Y=a+b1X1+b2X2
其中,Y为因变量,即像素灰度值与实际物理长度的比率,X1和X2为自变量,分别为相机高度和光源高度,a为常数项,b1和b2为回归系数。
步骤3,将样本数据带入回归方程,求解出回归方程的回归系数和常数项。
回归系数的计算公式为:
b1∑X1 2+b2∑X1X2=∑X1Y;
b1∑X1X2+b2∑X2 2=∑X2Y;
其中,
x1为相机高度值;为样本数据中所有相机高度值的平均值;x2为光源高度值;为样本数据中所有光源高度值的平均值;y为像素灰度值与实际物理长度的比率值,为样本数据中所有像素灰度值与实际物理长度的比率值的平均值。
步骤4,在测量时,将当前相机高度值和光源高度值带入回归方程,得到当前像素灰度值与实际物理长度的比率值ratio。
步骤5,利用当前像素灰度值与实际物理长度的比率值ratio,计算当前图像中物体的实际物理长度。
上述方法通过样本数据构建回归方程,利用回归方程可直接获取当前像素灰度值与实际物理长度的比率值,不需要查找配置列表,效率高。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (3)
1.一种基于回归算法自动标定图像的方法,其特征在于:包括以下步骤,
采集若干样本数据,每个样本数据包括相机高度值、光源高度值以及像素灰度值与实际物理长度的比率值;
以相机高度和光源高度作为自变量,以像素灰度值与实际物理长度的比率作为因变量,构建回归方程,其中,回归方程为三元一次回归方程,
Y=a+b1X1+b2X2
其中,Y为因变量,即像素灰度值与实际物理长度的比率,X1和X2为自变量,分别为相机高度和光源高度,a为常数项,b1和b2为回归系数,
回归系数的计算公式为,
b1∑X1 2+b2∑X1X2=∑X1Y;
b1∑X1X2+b2∑X2 2=∑X2Y;
其中,
x1为相机高度值;为样本数据中所有相机高度值的平均值;x2为光源高度值;为样本数据中所有光源高度值的平均值;y为像素灰度值与实际物理长度的比率值,为样本数据中所有像素灰度值与实际物理长度的比率值的平均值;
将样本数据带入回归方程,求解出回归方程的回归系数和常数项;
在测量时,将当前相机高度值和光源高度值带入回归方程,得到当前像素灰度值与实际物理长度的比率值ratio;
利用当前像素灰度值与实际物理长度的比率值ratio,计算当前图像中物体的实际物理长度。
3.根据权利要求1所述的一种基于回归算法自动标定图像的方法,其特征在于:最少采集20组样本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811187482.0A CN109242916B (zh) | 2018-10-12 | 2018-10-12 | 一种基于回归算法自动标定图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811187482.0A CN109242916B (zh) | 2018-10-12 | 2018-10-12 | 一种基于回归算法自动标定图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242916A CN109242916A (zh) | 2019-01-18 |
CN109242916B true CN109242916B (zh) | 2022-01-07 |
Family
ID=65052356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811187482.0A Active CN109242916B (zh) | 2018-10-12 | 2018-10-12 | 一种基于回归算法自动标定图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242916B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107063424A (zh) * | 2017-04-30 | 2017-08-18 | 南京理工大学 | 基于多元线性回归模型的皮带秤主要误差因素分析的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650774A (zh) * | 2016-10-11 | 2017-05-10 | 国云科技股份有限公司 | 一种数据分析中获取因变量与自变量回归关系的方法 |
CN108184122B (zh) * | 2018-01-11 | 2020-11-13 | 马睿和 | 基于多元线性回归的图像可逆信息隐藏方法和装置 |
-
2018
- 2018-10-12 CN CN201811187482.0A patent/CN109242916B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107063424A (zh) * | 2017-04-30 | 2017-08-18 | 南京理工大学 | 基于多元线性回归模型的皮带秤主要误差因素分析的方法 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的机械零件自动精密测量;高飞等;《试验技术与试验机》;20060630;第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109242916A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578390B (zh) | 一种使用神经网络进行图像白平衡校正的方法及装置 | |
WO2021139258A1 (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
CN108122236B (zh) | 基于距离调制损失的迭代式眼底图像血管分割方法 | |
CN105261013B (zh) | 一种扫描图像质量综合评价方法及评价系统 | |
CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
CN101049011A (zh) | 镜头滑移校正方法和设备 | |
CN107562791B (zh) | 一种基于大数据统计的遥感卫星相对辐射定标处理方法 | |
CN104200457A (zh) | 基于广角摄像的离散型冠层叶面积指数检测系统和方法 | |
WO2019010932A1 (zh) | 一种利于模糊核估计的图像区域选择方法和系统 | |
CN112465895A (zh) | 一种基于计算机视觉的气密性检测中气泡体积计算方法 | |
CN110996096A (zh) | 一种基于结构相似性差异度的色调映射图像质量评价方法 | |
CN111145205B (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
CN114663392A (zh) | 一种基于知识蒸馏的工业图像缺陷检测方法 | |
WO2021051382A1 (zh) | 白平衡处理方法和设备、可移动平台、相机 | |
CN116228780A (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN109242916B (zh) | 一种基于回归算法自动标定图像的方法 | |
CN117541582A (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN115830514B (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN116051421A (zh) | 基于多维度的内窥镜图像质量评价方法、装置、设备及介质 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
CN114550069B (zh) | 一种基于深度学习的仔猪乳头计数方法 | |
CN105389775B (zh) | 融合图像灰度特征与结构化表示的图像群组配准方法 | |
CN113888563A (zh) | 基于紫外成像的光斑区域分割方法、系统和计算机设备 | |
CN112565637B (zh) | 一种单色sCMOS摄像机中低照度下条带噪声的去除方法 |
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 |