CN109636785A - 一种识别金刚砂颗粒的视觉处理方法 - Google Patents
一种识别金刚砂颗粒的视觉处理方法 Download PDFInfo
- Publication number
- CN109636785A CN109636785A CN201811494388.XA CN201811494388A CN109636785A CN 109636785 A CN109636785 A CN 109636785A CN 201811494388 A CN201811494388 A CN 201811494388A CN 109636785 A CN109636785 A CN 109636785A
- Authority
- CN
- China
- Prior art keywords
- image
- projective transformation
- coordinate
- silicon carbide
- coordinate points
- 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
- 229910010271 silicon carbide Inorganic materials 0.000 title claims abstract description 45
- 239000002245 particle Substances 0.000 title claims abstract description 34
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000002093 peripheral effect Effects 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 12
- 229910003460 diamond Inorganic materials 0.000 claims description 8
- 239000010432 diamond Substances 0.000 claims description 8
- 239000000428 dust Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000005534 acoustic noise Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- -1 Fig. 2 Chemical compound 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010959 steel Substances 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明公开了一种识别金刚砂颗粒的视觉处理方法，解决了人工检测效率低、基于形态学的检测方法受光源影响精准度低等问题，针对现有通用金刚砂线，采用频域分析的方法寻找金刚砂颗粒突变点，在保证图像精度的前提下，提取目标外围区域，进行统一投影定位，实现了金刚砂线表面金刚砂颗粒的快速精确提取。
Description
技术领域
本发明涉及一种识别金刚砂颗粒的视觉处理方法，特别是一种基于计算机视觉的金刚砂线表面金刚砂颗粒提取的图像处理方法，属于机器视觉应用领域。
背景技术
金刚砂线是由金刚砂颗粒电镀到细钢丝表面所构成的一种常见的切割或打磨工具，主要用于材料与精度要求较高的行业，比如光伏行业中硅原料的切片；金刚砂线表面的金刚砂颗粒数量与密度是评判金刚砂线品质的一种重要指标，工业上也常以此指标对所生产的金刚砂线进行质量评判。
传统的金刚砂颗粒检测方法有显微镜人工观察计算法，以及通过化学或物理方法(颗粒分离法)分离出单位长度内的金刚砂颗粒并进行计数。显微镜观察法需要人工进行取样与观察计算，效率较低；颗粒分离法操作过程繁琐，并且对金刚砂线本身造成了破坏。
近年，基于机器视觉的自动检测法逐渐发展起来。现有的视觉检测方法虽然针对金刚砂颗粒的提取具有一定效果，但是由于在图像处理过程中采用了形态学的基本操作，使图像精度显著受损，不具有较高的准确性。此外，考虑到金刚砂颗粒具有粘连的现象，现有视觉检测法中，主要通过提取目标区域的特征凹点进行计数，但是这种方法易受光线强度影响，并且在凹点不明显的情况下，难以进行金刚砂颗粒的精准提取。
发明内容
本发明的目的在于，克服现有技术存在的缺陷，提供一种识别金刚砂颗粒的视觉处理方法，针对现有通用金刚砂线，采用频域分析的方法寻找突变点，在保证图像精度的前提下，提取目标外围区域，进行统一投影定位，实现了金刚砂线表面金刚砂颗粒的快速精确提取。
本发明的一种识别金刚砂颗粒的视觉处理方法，包括以下步骤：
步骤1，设计频域高斯滤波器，利用差分原理，根据采集的图像尺寸创建两个标准差分别为c1、c2的频域高斯滤波器，并求差得到差分滤波器图片。
所创建的两个频域高斯滤波器的标准差c1、c2的值根据目标区域所在频域图上频段的分析确定。所采集的图像中，目标区域的高度占整幅图像高度的1/n，为提高滤波速度，并保持图像比例，频域高斯滤波器宽度、高度分别设定为整幅图像宽度、高度的1/n，c1等于图像的宽度，c2等于n。
n＝W/W1
W是相机的视野范围，W1金刚砂的线宽度是，单位都是毫米。
步骤2.对图像进行均值滤波与二值化处理，对采集到的原始图像进行图像的均值滤波与图像最大类间方差二值化，得到金刚砂线所在的目标外围区域图像。
步骤3：对图像进行投影处理，根据步骤2中得到的目标外围区域图像，计算图像投影变换矩阵，并对采集到的原始图像进行投影变换，将目标外围区域变换到图像的固定位置处，得到统一大小和位置的目标外围区域图像；具体包括如下步骤：
步骤301：投影矩阵的计算：
假设投影变换前的图像左上、右上、右下、左下四个顶点的行、列坐标向量分别为：
Px＝(px1,px2,px3,px4)T,Py＝(py1,py2,py3,py4)T (1)
式(1)中，px1...px4,py1...py4分别为上述四个顶点(以下简称顶点)的行坐标、列坐标；Px、Py分别为顶点的行坐标向量、列坐标向量。
假设投影变换后对应的坐标分别为：
Qx＝(qx1,qx2,qx3,qx4)T,Qy＝(qy1,qy2,qy3,qy4)T (2)
式(2)中，qx1...qx4,qy1...qy4分别为投影变换后顶点的行坐标、列坐标；Qx、Qy分别为投影变换后顶点的行坐标向量、列坐标向量。
则投影变换矩阵：
MatH＝(Qx,Qy,1,1)·(Px,Py,1,1)-1 (3)
投影逆变换矩阵：
MatH-1＝{(Qx,Qy,1,1)·(Px,Py,1,1)-1}-1 (4)
步骤302：图像的投影变换，具体步骤为，采用像素加权插值法确定投影变换后图像坐标点(x,y)的像素值f(x,y)。具体步骤为：
步骤3021：依次遍历投影变换前原图像中的每一个像素点对应的坐标点(x0,y0)，根据投影变换矩阵确定投影变换后的坐标点(x,y)；
由
(x,y,1,1)＝MatH·(x0,y0,1,1) (5)
可确定投影变换后的坐标点(x,y)。
步骤3022：像素点的加权插值法计算，具体步骤为：
步骤30221：根据两点式直线解析式计算公式计算投影变换前坐标点(x0,y0)周围4个像素点的两条对角线的解析式f1,f2分别为：
式(6)、(7)中，x1...x4以及y1...y4分别为投影变换前坐标点(x0,y0)周围顶点的行坐标、列坐标。
步骤30222：根据点斜式直线解析式计算公式计算投影变换前坐标点(x0,y0)，且与两条对角线分别垂直的两条垂线的解析式g1,g2分别为：
步骤30223：连立方程组求解f1与g1；f2与g2的交点(投影点)j1,j2；
步骤30224：将投影变换前坐标点(x0,y0)与四个周围像素点间的欧几里得距离投影到各自所对应的对角线上；
步骤30225：计算投影变换后坐标点(x,y)处像素值：
式(10)中,投影变换前坐标点(x0,y0)周围的四个像素值,按照左上、右上、右下、左下的顺序分别为T1(x1,y1)，T2(x2,y2)，T3(x3,y3)，T4(x4,y4)；u,v分别是投影变换前坐标点(x0,y0)与坐标点T1,T2间的欧几里得距离根据步骤30224所得的投影距离。
另外，在式(10)中，对角线长度L定义为：
式(11)中，i取值为3或4。
步骤4.对图像进行快速快速傅里叶变换处理，针对投影变换后的图像进行快速傅里叶变换，得到复数域内的频谱图。
步骤5.对图像进行卷积计算，采用步骤1中创建的频域差分滤波器对频谱图进行图像卷积计算，增强特征，得到金刚砂所在的目标区域频谱图像。
步骤6.对图像傅里叶反变换处理，对目标区域频谱图像进行图像傅里叶反变换，得到目标区域实数图像。
步骤7.对图像进行高斯滤波处理，通过空间域的高斯滤波处理目标区域实数图像，得到噪声减弱的目标区域图。
步骤8.对图像进行动态阈值处理，采用改进的动态阈值法,设定阈值d，获得目标区域图像的亮通道，得到金刚砂颗粒的位置图；具体步骤为：
步骤801.对图像进行中值滤波。
步骤802.采用步骤7得到的图像与步骤801得到的图像求差，得到两幅图像的偏差图像g(x,y)。
步骤803.提取图像亮通道；根据步骤801滤波前与滤波后的图像局部灰度值偏差offset；亮通道的集合为：
B＝{(x,y)|offset(x,y)≥d} (12)
式(12)中，(x,y)为变换后的坐标点，d为设定的阈值。
步骤9.对图像进行投影逆变换处理，对金刚砂颗粒的位置图执行投影逆变换，还原目标区域在图像中的位置。
本发明的优点或者有益效果
1、本发明通过计算图像投影变换矩阵并进行投影变换，将通过均值滤波与最大类间方差阈值得到的目标外围区域变换到图像固定位置处，既缩小了需要进行后续图像处理的区域，提高了图像处理算法的执行速度；又实现了随机性变换的目标区域的统一定位，可防止由于图像背景文理发生变化所造成的单张图片处理耗时过长而影响系统执行效率。
2、本发明所采用的像素加权插值法在图像投影变换中的应用，在实现图像位置与尺寸缩放的同时，在有限的计算复杂度(低于高阶线性插值法)范围内最大限度的还原了图像细节信息，解决了图像边缘区域插值模糊的问题，保持了图像的精度。
3、本发明针对投影变换后的图像进行快速傅里叶变换，转换为复数域内的频谱图进行差分滤波提取特征提取，可有效避免空间域内普遍存在的图像噪声干扰问题。
4、本发明在进行金刚砂颗粒的最终提取时，采用了改进的动态阈值法,设定阈值d，从图像局部特征考虑，根据局部区域相对灰度差获得满足灰度条件的图像亮通道，提取金刚砂颗粒所在目标区域，有效避免了图像亮度不均以及图像噪声对特征提取的干扰。
附图说明
图1是本发明识别金刚砂颗粒的视觉处理方法流程框图。
图2是图像的投影变换示意图。
图3是金刚砂的相机采集图。
图4是金刚砂识别的的结果图片。
具体实施方式
下面结合实施例和附图，对本发明方法作进一步详细说明。
实施例:
本实施例所处理的图像是由CMOS灰度工业相机采集得到，视觉图片是640*480的灰度图，金刚砂的相机视野范围是4mm左右，精钢砂的宽度是1mm左右，。
步骤1.高斯滤波器的标准差分别是c1＝640和c2＝4，高斯滤波器的宽度是640，高度是120。
步骤2.对采集到的原始图像进行图像的均值滤波与图像最大类间方差二值化，得到金刚砂线所在的目标外围区域图像。
步骤3：根据步骤2中得到的目标外围区域图像，建立投影矩阵，计算图像投影变换矩阵，并对采集到的原始图像进行投影变换，将目标外围区域变换到图像的固定位置处，得到统一大小和位置的目标外围区域图像；具体包括如下步骤：
步骤301：投影矩阵的计算：
投影变换前的图像左上、右上、右下、左下四个顶点的行、列坐标向量分别为：
px＝(px1,px2,px3,px4)T＝(0,0,504,504)T
py＝(py1,py2,py3,py4)T＝(0,640,640,0)T (1)
式(1)中，px1...px4,py1...py4分别为上述四个顶点(以下简称顶点)的行列坐标；Px、Py分别为顶点的行、列坐标向量。px1，px2，表示第一个目标所在区域的行坐标，px3，px4表示最后一个目标所在的行坐标，py1，py4值是0,py2和py3值是宽度。
投影变换后对应的行列坐标向量Qx、Qy:
Qx＝(0,0,504,504)
Qy＝(0,640,640,0)1 (2)
则投影变换矩阵：
投影逆变换矩阵：
步骤302：图像的投影变换，采用像素加权插值法确定投影变换后图像坐标点(x,y)的像素值f(x,y)。具体步骤为：
步骤3021：依次遍历投影变换前原图像中的每一个像素点对应的坐标点(x0,y0)，根据投影变换矩阵确定投影变换后的坐标点(x,y)；
由
(x,y,1,1)＝MatH·(x0,y0,1,1) (5)
可确定投影变换后的坐标点(x,y)。
步骤3022：像素点的加权插值法计算，具体步骤为：
步骤30221：如图2，根据两点式直线解析式计算公式计算投影变换前坐标点(x0,y0)周围4个像素点的两条对角线的解析式f1,f2分别为：
式(6)、(7)中，x1...x4以及y1...y4分别为投影变换前坐标点(x0,y0)周围顶点(如图2)的行、列坐标。
步骤30222：如图2，根据点斜式直线解析式计算公式计算投影变换前坐标点(x0,y0)，且与两条对角线分别垂直的两条垂线的解析式g1,g2分别为：
式(8)、(9)中，x1...x4以及y1...y4分别为投影变换前坐标点(x0,y0)周围顶点(如图2)的行、列坐标。
步骤30223：连立方程组求解f1与g1；f2与g2的交点(投影点)，如图2中的j1,j2；
步骤30224：将投影变换前坐标点(x0,y0)与四个周围像素点间的欧几里得距离投影到各自所对应的对角线上(如图2)；
步骤30225：计算投影变换后坐标点(x,y)处像素值：
式(10)中,投影变换前坐标点(x0,y0)周围的四个像素值(如图2),按照左上、右上、右下、左下的顺序分别为T1(x1,y1)，T2(x2,y2)，T3(x3,y3)，T4(x4,y4)；u,v分别是投影变换前坐标点(x0,y0)与坐标点T1,T2间的欧几里得距离根据步骤30224所得的投影距离。
另外，在式(10)中，如图2，对角线长度L定义为：
式(11)中，i取值为3或4，本次实验中，取的i＝3
步骤4.对投影变换后的图像进行快速傅里叶变换，将图像由空间域转换到频域中，得到复数域内的频谱图。
步骤5.采用步骤1中创建的频域差分滤波器对频谱图进行图像卷积，滤除背景及噪声，得到金刚砂所在的目标区域频谱图像。
步骤6.利用图像傅里叶反变换，对目标区域频谱图像进行反变换，得到目标区域空间图像信息。
步骤7.利用空间域的高斯滤波，通过空间域的高斯滤波处理目标区域实数图像，得到噪声减弱的目标区域图。
步骤8.利用动态阈值，设定阈值变换幅度为d＝12，获得目标区域图像的亮通道，得到金刚砂颗粒的位置图；具体步骤为：
步骤801.对图像进行中值滤波。
步骤802.采用步骤7得到的图像与步骤801得到的图像求差，得到两幅图像的偏差图像g(x,y)。
步骤803.提取图像亮通道；根据步骤801滤波前与滤波后的图像局部灰度值偏差offset；亮通道的集合为：
B＝{(x,y)|offset(x,y)≥(d＝12)} (12)
式(12)中，(x,y)为变换后的坐标点，d为设定的阈值。
步骤9.利用投影逆变换模块，对金刚砂颗粒的位置图执行投影逆变换，还原目标区域在图像中的位置并输出位置信息。该实施例下的金刚砂颗粒提取效果见图4。
Claims (5)
1.一种识别金刚砂颗粒的视觉处理方法，其步骤是：
步骤1.设计频域高斯滤波器，利用差分原理，根据采集的图像尺寸创建两个标准差分别为c1、c2的频域高斯滤波器，并求差得到差分滤波器图片；
步骤2.对图像进行均值滤波与二值化处理，对采集到的原始图像进行图像的均值滤波与图像最大类间方差二值化，得到金刚砂线所在的目标外围区域图像；
步骤3：对图像进行投影处理，根据步骤2中得到的目标外围区域图像，计算图像投影变换矩阵，并对采集到的原始图像进行投影变换，将目标外围区域变换到图像的固定位置处，得到统一大小和位置的目标外围区域图像；
步骤4.图像处理软件调用快速傅里叶变换模块，针对投影变换后的图像进行快速傅里叶变换，得到复数域内的频谱图；
步骤5.图像处理软件调用图像卷积模块，采用步骤1中创建的频域差分滤波器对频谱图进行图像卷积计算，增强特征，得到金刚砂所在的目标区域频谱图像；
步骤6.再利用用图像傅里叶反变换，对目标区域频谱图像进行图像傅里叶反变换，得到目标区域实数图像；
步骤7.图像处理软件调用空间域的高斯滤波模块，通过空间域的高斯滤波处理目标区域实数图像，得到噪声减弱的目标区域图；
步骤8.图像处理软件调用动态阈值模块，采用改进的动态阈值法,设定阈值d，获得目标区域图像的亮通道，得到金刚砂颗粒的位置图；
步骤9.图像处理软件调用投影逆变换模块，对金刚砂颗粒的位置图执行投影逆变换，还原目标区域在图像中的位置。
2.根据权利要求1所述的识别金刚砂颗粒的视觉处理方法，其特征是：
所述创建两个频域高斯滤波器的标准差c1、c2的值，根据目标区域所在频域图上频段的确定；所采集的图像中，目标区域的高度占整幅图像高度的1/n，频域高斯滤波器宽度、高度分别设定为整幅图像宽度、高度的1/n,c1等于图像的宽度，c2等于n；
n＝W/W1
W是相机的视野范围，W1是金刚砂的线宽度，单位都是毫米。
3.根据权利要求1所述的识别金刚砂颗粒的视觉处理方法，其特征是：
所述步骤3，步骤如下：
步骤301：投影矩阵的计算：
假设投影变换前的图像左上、右上、右下、左下四个顶点的行、列坐标向量分别为：
Px＝(px1,px2,px3,px4)T,Py＝(py1,py2,py3,py4)T
式中，px1...px4,py1...py4分别为上述四个顶点(以下简称顶点)的行坐标、列坐标；Px、Py分别为顶点的行坐标向量、列坐标向量；
假设投影变换后对应的坐标分别为：
Qx＝(qx1,qx2,qx3,qx4)T,Qy＝(qy1,qy2,qy3,qy4)T
式中，qx1...qx4,qy1...qy4分别为投影变换后顶点的行坐标、列坐标；Qx、Qy分别为投影变换后顶点的行坐标向量、列坐标向量；
则投影变换矩阵：
MatH＝(Qx,Qy,1,1)·(Px,Py,1,1)-1
投影逆变换矩阵：
MatH-1＝{(Qx,Qy,1,1)·(Px,Py,1,1)-1}-1；
步骤302：图像的投影变换，采用像素加权插值法确定投影变换后图像坐标点(x,y)的像素值f(x,y)。
4.根据权利要求3所述的识别金刚砂颗粒的视觉处理方法，其特征是：
所述步骤302所述的图像投影变换，其步骤是：
步骤3021：依次遍历投影变换前原图像中的每一个像素点对应的坐标点(x0,y0)，根据投影变换矩阵确定投影变换后的坐标点(x,y)；
由
(x,y,1,1)＝MatH·(x0,y0,1,1)
确定投影变换后的坐标点(x,y)；
步骤3022：加权插值法计算像素点，具体步骤为：
步骤30221：根据两点式直线解析式计算公式计算投影变换前坐标点(x0,y0)周围4个像素点的两条对角线的解析式f1,f2分别为：
式中，x1...x4以及y1...y4分别为投影变换前坐标点(x0,y0)周围顶点的行坐标、列坐标；
步骤30222：根据点斜式直线解析式计算公式计算投影变换前坐标点(x0,y0)，且与两条对角线分别垂直的两条垂线的解析式g1,g2分别为：
步骤30223：连立方程组求解f1与g1；f2与g2的交点(投影点)j1,j2；
步骤30224：将投影变换前坐标点(x0,y0)与四个周围像素点间的欧几里得距离投影到各自所对应的对角线上；
步骤30225：计算投影变换后坐标点(x,y)处像素值：
式中,投影变换前坐标点(x0,y0)周围的四个像素值,按照左上、右上、右下、左下的顺序分别为T1(x1,y1)，T2(x2,y2)，T3(x3,y3)，T4(x4,y4)；u,v分别是投影变换前坐标点(x0,y0)与坐标点T1,T2间的欧几里得距离根据步骤30224所得的投影距离；
L为对角线长度：
式中，i取值为3或4。
5.根据权利要求1所述的识别金刚砂颗粒的视觉处理方法，其特征是：所述步骤8具体步骤为：
步骤801.对图像进行中值滤波；
步骤802.采用步骤7得到的图像与步骤801得到的图像求差，得到两幅图像的偏差图像g(x,y)；
步骤803.提取图像亮通道；根据步骤801滤波前与滤波后的图像局部灰度值偏差offset；亮通道的集合为：
B＝{(x,y)offset(x,y)≥d}
式中，(x,y)为变换后的坐标点，d为设定的阈值。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811494388.XA CN109636785A (zh) | 2018-12-07 | 2018-12-07 | 一种识别金刚砂颗粒的视觉处理方法 |
| PCT/CN2019/112854 WO2020114134A1 (zh) | 2018-12-07 | 2019-10-23 | 一种识别金刚砂颗粒的视觉处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811494388.XA CN109636785A (zh) | 2018-12-07 | 2018-12-07 | 一种识别金刚砂颗粒的视觉处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109636785A true CN109636785A (zh) | 2019-04-16 |
Family
ID=66071960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811494388.XA Pending CN109636785A (zh) | 2018-12-07 | 2018-12-07 | 一种识别金刚砂颗粒的视觉处理方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109636785A (zh) |
| WO (1) | WO2020114134A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020114134A1 (zh) * | 2018-12-07 | 2020-06-11 | 南京埃斯顿机器人工程有限公司 | 一种识别金刚砂颗粒的视觉处理方法 |
| CN113063705A (zh) * | 2021-03-22 | 2021-07-02 | 陕西科技大学 | 一种基于机器视觉的金刚线表面金刚砂颗粒质量检测方法 |
| CN113409266A (zh) * | 2021-06-17 | 2021-09-17 | 陕西科技大学 | 一种金刚砂颗粒检测及计数方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1445714A (zh) * | 2003-03-19 | 2003-10-01 | 上海交通大学 | 虹膜纹理归一化处理方法 |
| CN101093538A (zh) * | 2006-06-19 | 2007-12-26 | 电子科技大学 | 一种基于小波变换过零表示的虹膜识别方法 |
| US20120008143A1 (en) * | 2009-03-23 | 2012-01-12 | Baumer Optronic Gmbh | Device for determining particle sizes |
| CN103020920A (zh) * | 2013-01-10 | 2013-04-03 | 厦门大学 | 一种低照度图像增强方法 |
| CN103077504A (zh) * | 2013-01-10 | 2013-05-01 | 厦门大学 | 一种基于自适应光照计算的图像去雾方法 |
| CN105046681A (zh) * | 2015-05-14 | 2015-11-11 | 江南大学 | 一种基于SoC的图像显著性区域检测方法 |
| US20170140522A1 (en) * | 2015-11-12 | 2017-05-18 | Research & Business Foundation Sungkyunkwan University | Method of analysing images of rod-like particles |
| CN106846263A (zh) * | 2016-12-28 | 2017-06-13 | 中国科学院长春光学精密机械与物理研究所 | 基于融合通道且对天空免疫的图像去雾方法 |
| CN107478657A (zh) * | 2017-06-20 | 2017-12-15 | 广东工业大学 | 基于机器视觉的不锈钢表面缺陷检测方法 |
| CN108171244A (zh) * | 2016-12-07 | 2018-06-15 | 北京深鉴科技有限公司 | 对象识别方法和系统 |
| CN108226159A (zh) * | 2017-12-29 | 2018-06-29 | 钢铁研究总院 | 金属材料中析出相颗粒的全视场定量统计分布表征方法 |
| CN108875731A (zh) * | 2017-12-28 | 2018-11-23 | 北京旷视科技有限公司 | 目标识别方法、装置、系统及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177458B (zh) * | 2013-04-17 | 2015-11-25 | 北京师范大学 | 一种基于频域分析的可见光遥感图像感兴趣区域检测方法 |
| CN107767385A (zh) * | 2017-08-28 | 2018-03-06 | 江苏理工学院 | 一种基于机器视觉的金刚砂线颗粒计数方法和装置 |
| CN109636785A (zh) * | 2018-12-07 | 2019-04-16 | 南京埃斯顿机器人工程有限公司 | 一种识别金刚砂颗粒的视觉处理方法 |
-
2018
- 2018-12-07 CN CN201811494388.XA patent/CN109636785A/zh active Pending
-
2019
- 2019-10-23 WO PCT/CN2019/112854 patent/WO2020114134A1/zh active Application Filing
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1445714A (zh) * | 2003-03-19 | 2003-10-01 | 上海交通大学 | 虹膜纹理归一化处理方法 |
| CN101093538A (zh) * | 2006-06-19 | 2007-12-26 | 电子科技大学 | 一种基于小波变换过零表示的虹膜识别方法 |
| US20120008143A1 (en) * | 2009-03-23 | 2012-01-12 | Baumer Optronic Gmbh | Device for determining particle sizes |
| CN103020920A (zh) * | 2013-01-10 | 2013-04-03 | 厦门大学 | 一种低照度图像增强方法 |
| CN103077504A (zh) * | 2013-01-10 | 2013-05-01 | 厦门大学 | 一种基于自适应光照计算的图像去雾方法 |
| CN105046681A (zh) * | 2015-05-14 | 2015-11-11 | 江南大学 | 一种基于SoC的图像显著性区域检测方法 |
| US20170140522A1 (en) * | 2015-11-12 | 2017-05-18 | Research & Business Foundation Sungkyunkwan University | Method of analysing images of rod-like particles |
| CN108171244A (zh) * | 2016-12-07 | 2018-06-15 | 北京深鉴科技有限公司 | 对象识别方法和系统 |
| CN106846263A (zh) * | 2016-12-28 | 2017-06-13 | 中国科学院长春光学精密机械与物理研究所 | 基于融合通道且对天空免疫的图像去雾方法 |
| CN107478657A (zh) * | 2017-06-20 | 2017-12-15 | 广东工业大学 | 基于机器视觉的不锈钢表面缺陷检测方法 |
| CN108875731A (zh) * | 2017-12-28 | 2018-11-23 | 北京旷视科技有限公司 | 目标识别方法、装置、系统及存储介质 |
| CN108226159A (zh) * | 2017-12-29 | 2018-06-29 | 钢铁研究总院 | 金属材料中析出相颗粒的全视场定量统计分布表征方法 |
Non-Patent Citations (4)
| Title |
|---|
| XUAN-YANG ZHENG ET AL.: "《Online surface characterization of Ni/diamond sawing wire based on machine vision》", 《2018 IEEE INTERNATIONAL CONFERENCE ON APPLIED SYSTEM INVENTION (ICASI)》 * |
| YUNFENG GAO ET AL.: "《Online quality inspection technology for electroplated diamond wire based on machine vision》", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO 2014)》 * |
| 李随民: "《基于GIS的金属矿床资源潜力评价》", 北京：地质出版社 * |
| 郭树青: "《金刚石颗粒形貌检测系统关键技术研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020114134A1 (zh) * | 2018-12-07 | 2020-06-11 | 南京埃斯顿机器人工程有限公司 | 一种识别金刚砂颗粒的视觉处理方法 |
| CN113063705A (zh) * | 2021-03-22 | 2021-07-02 | 陕西科技大学 | 一种基于机器视觉的金刚线表面金刚砂颗粒质量检测方法 |
| CN113063705B (zh) * | 2021-03-22 | 2022-09-27 | 陕西科技大学 | 一种基于机器视觉的金刚线表面金刚砂颗粒质量检测方法 |
| CN113409266A (zh) * | 2021-06-17 | 2021-09-17 | 陕西科技大学 | 一种金刚砂颗粒检测及计数方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020114134A1 (zh) | 2020-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
| CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
| CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
| CN109816652B (zh) | 一种基于灰度显著性的复杂铸件缺陷识别方法 | |
| CN104331876B (zh) | 直线检测、图像处理的方法及相关装置 | |
| US20210049769A1 (en) | Vibe-based three-dimensional sonar point cloud image segmentation method | |
| CN107808161B (zh) | 一种基于光视觉的水下目标识别方法 | |
| CN109636785A (zh) | 一种识别金刚砂颗粒的视觉处理方法 | |
| CN108376403B (zh) | 基于霍夫圆变换的网格菌落图像分割方法 | |
| CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
| Selvakumar et al. | The performance analysis of edge detection algorithms for image processing | |
| CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
| CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
| CN109584215A (zh) | 一种电路板在线视觉检测系统 | |
| CN113034452A (zh) | 一种焊件轮廓检测方法 | |
| CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
| CN109781737A (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
| CN109118434A (zh) | 一种图像预处理方法 | |
| CN112489042A (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
| CN109671084B (zh) | 一种工件形状的测量方法 | |
| CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
| WO2015115499A1 (ja) | 工具検査方法及び工具検査装置 | |
| CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
| CN116168025B (zh) | 一种油幕式油炸花生生产系统 | |
| CN107784626B (zh) | 一种基于单幅图像的三维数字凹浮雕生成方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |