CN109685792B - 一种基于图像差分空间频率特性的瓦楞纸智能识别算法 - Google Patents
一种基于图像差分空间频率特性的瓦楞纸智能识别算法 Download PDFInfo
- Publication number
- CN109685792B CN109685792B CN201811585652.0A CN201811585652A CN109685792B CN 109685792 B CN109685792 B CN 109685792B CN 201811585652 A CN201811585652 A CN 201811585652A CN 109685792 B CN109685792 B CN 109685792B
- Authority
- CN
- China
- Prior art keywords
- image
- roi
- corrugated
- obtaining
- spatial frequency
- 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
- G06T7/0002—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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- 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 by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30242—Counting objects in image
Abstract
本发明涉及一种基于图像差分空间频率特性的瓦楞纸智能识别算法。主要解决了现有的瓦楞纸板计数方法不能有效识别因纸板翘起导致的误检、算法复杂度高的问题。一种基于图像差分空间频率特性的瓦楞纸智能识别算法,包括如下步骤:步骤1,读取图像;步骤2,截取图像中ROI;步骤3,ROI图像二值化;步骤4,ROI图像腐蚀;步骤5,ROI腐蚀图像二值化;步骤6,获取差分图像;步骤7,差分图像投影;步骤8,获取瓦楞位置;步骤9,周期性检测;步骤10,获取计数结果。该基于图像差分空间频率特性的瓦楞纸智能识别算法可有效识别因纸板翘起导致的误检;算法步骤简单,计算负担低,可实时检测瓦楞纸板数量。
Description
技术领域
本发明涉及机器视觉技术领域,具体涉及一种基于图像差分空间频率特性的瓦楞纸智能识别算法。
背景技术
瓦楞纸板是一个多层的黏合体,它最少由一层波浪形芯纸夹层(俗称“坑张”、“瓦楞纸”、“瓦楞芯纸”、“瓦楞纸芯”、“瓦楞原纸”)及一层纸板(又称“箱板纸”、“箱纸板”)构成。具有良好的抗压强度和防震性能,能承受一定的压力、冲击和振动;重量轻,价格便宜,可以大规模生产多种尺寸,使用前储存空间很小,并能印刷各种图案,因此在制成品包装运输上得到广泛运用。
大规模生产中需对瓦楞纸板进行计数工作,但人工进行计数方法需要耗费大量时间,而且随着工作时间的增加,人工可能会因疲劳等产生计数误差。
计算机视觉识别是基于图像处理计数对瓦楞纸中纸板信息进行提取,但现有瓦楞纸识别算法主要有如下问题:
1、算法通常利用平坦纸板的直线检测瓦楞纸板,但瓦楞的信息没有得到有效利用,可能因纸板翘起产生误检;
2、算法复杂度较高,程序复现和调试困难,且计算负担大,不满足实时检测要求。
发明内容
为了克服背景技术的不足,本发明提供一种基于图像差分空间频率特性的瓦楞纸智能识别算法,主要解决了现有的瓦楞纸板计数方法不能有效识别因纸板翘起导致的误检、算法复杂度高的问题,该基于图像差分空间频率特性的瓦楞纸智能识别算法利用平坦纸呈现直线的特征,同时利用了瓦楞的周期性特征,可有效识别因纸板翘起导致的误检;算法步骤简单,利于程序复现,且给实际调试过程带来了方便,计算负担低,可实时检测瓦楞纸板数量。
本发明所采用的技术方案是:一种基于图像差分空间频率特性的瓦楞纸智能识别算法,包括如下步骤:
步骤1,读取图像:线阵相机在线获取待检测图像,并将待检测图像发送至计算机,计算机对待检测图像进行读取计算,计算待检测图像的行数为Nx,列数为Ny;
步骤2,截取图像中ROI:设定ROI的宽度rw、ROI区域的间距rp、ROI区域个数rn,根据ROI选取的这三个参数,以图像中心对称选取rn个ROI;
步骤3,ROI图像二值化:将若干ROI转化为灰度图像,得到ROI灰度图像I,对ROI灰度图像I使用大小为mw、mh的矩形做中值滤波操作得到图像使用阈值T1,将像素点设为255,将像素点设为0,获得ROI二值图像Ibin;
步骤7,差分图像投影:对差分图像中灰度为255像素点,向纵轴方向做投影,得到投影结果a(i),其中i表示纵坐标位置,a(i)为该位置投影个数;
步骤8,获取瓦楞位置:搜寻投影中个数小于阈值Tnum位置,以搜索区间U逐步搜索,确定瓦楞纸边缘位置,根据边缘位置确认瓦楞位置;
步骤9,周期性检测:于瓦楞位置,以横轴方向进行检测,得到其中灰度为255位置相邻间距,根据间距检测是否呈现周期性,如果合格则确认此位置为瓦楞位置;
步骤10,获取计数结果:将获取的瓦楞位置个数进行统计,得到瓦楞纸板个数。
所述步骤8中获取瓦楞位置,通过标记投影结果中小于阈值Tnum位置来获取各位置坐标,从被标记起始位置搜索i,搜索区间定义为[i+nd,i+(n+1)d],其中d表示瓦楞搜索间距,n=2,3,...,N表示所在第n个搜索区间,其中N表示搜索区间个数,则定义瓦楞边缘位置为:
根据上式得到所有瓦楞边缘位置,根据瓦楞边缘位置获取瓦楞位置,计算公式为:
设定瓦楞间距标准值fsta,根据假设k>10且满足fk∈((1-ξ)fsta,(1+ξ)fsta)的个数k1>0.5k,且这些fk满足:
则判断此位置含有瓦楞。
本发明的有益效果是:由于采取上述技术方案,该基于图像差分空间频率特性的瓦楞纸智能识别算法利用平坦纸呈现直线的特征,同时利用了瓦楞的周期性特征,可有效识别因纸板翘起导致的误检;算法步骤简单,利于程序复现,且给实际调试过程带来了方便,计算负担低,可实时检测瓦楞纸板数量。
附图说明
图1为本发明的工作流程示意图。
图2为本发明的瓦楞纸板的结构示意图。
图3为本发明的ROI二值图像及ROI二值图像。
图4为本发明的周期性检测示意图。
具体实施方式
下面结合附图对本发明实施例作进一步说明:
如图1—4所示,一种基于图像差分空间频率特性的瓦楞纸智能识别算法,包括如下步骤:
步骤1,读取图像:线阵相机在线获取待检测图像,并将待检测图像发送至计算机,计算机对待检测图像进行读取计算,计算待检测图像的行数为Nx,列数为Ny;
步骤2,截取图像中ROI:设定ROI的宽度rw、ROI区域的间距rp、ROI区域个数rn,根据ROI选取的这三个参数,以图像中心对称选取rn个ROI;
步骤3,ROI图像二值化:将若干ROI转化为灰度图像,得到ROI灰度图像I,对ROI灰度图像I使用大小为mw、mh的矩形做中值滤波操作得到图像使用阈值T1,将像素点设为255,将像素点设为0,获得ROI二值图像Ibin;
步骤7,差分图像投影:对差分图像中灰度为255像素点,向纵轴方向做投影,得到投影结果a(i),其中i表示纵坐标位置,a(i)为该位置投影个数;
步骤8,获取瓦楞位置:搜寻投影中个数小于阈值Tnum位置,以搜索区间U逐步搜索,确定瓦楞纸边缘位置,根据边缘位置确认瓦楞位置;
步骤9,周期性检测:于瓦楞位置,以横轴方向进行检测,得到其中灰度为255位置相邻间距,根据间距检测是否呈现周期性,如果合格则确认此位置为瓦楞位置;
步骤10,获取计数结果:将获取的瓦楞位置个数进行统计,得到瓦楞纸板个数。
所述步骤8中获取瓦楞位置,通过标记投影结果中小于阈值Tnum位置来获取各位置坐标,从被标记起始位置搜索i,搜索区间定义为[i+nd,i+(n+1)d],其中d表示瓦楞搜索间距,n=2,3,...,N表示所在第n个搜索区间,其中N表示搜索区间个数,则定义瓦楞边缘位置为:
根据上式得到所有瓦楞边缘位置,根据瓦楞边缘位置获取瓦楞位置,计算公式为:
设定瓦楞间距标准值fsta,根据假设k>10且满足fk∈((1-ξ)fsta,(1+ξ)fsta)的个数k1>0.5k,且这些fk满足:
则判断此位置含有瓦楞。
该基于图像差分空间频率特性的瓦楞纸智能识别算法利用平坦纸呈现直线的特征,同时利用了瓦楞的周期性特征,可有效识别因纸板翘起导致的误检;算法步骤简单,利于程序复现,且给实际调试过程带来了方便,计算负担低,可实时检测瓦楞纸板数量。
各位技术人员须知:虽然本发明已按照上述具体实施方式做了描述,但是本发明的发明思想并不仅限于此发明,任何运用本发明思想的改装,都将纳入本专利专利权保护范围内。
Claims (1)
1.一种基于图像差分空间频率特性的瓦楞纸智能识别算法,其特征在于:包括如下步骤:
步骤1,读取图像:线阵相机在线获取待检测图像,并将待检测图像发送至计算机,计算机对待检测图像进行读取计算,计算待检测图像的行数为Nx,列数为Ny;
步骤2,截取图像中ROI:设定ROI的宽度rw、ROI区域的间距rp、ROI区域个数rn,根据ROI选取的这三个参数,以图像中心对称选取rn个ROI;
步骤3,ROI图像二值化:将若干ROI转化为灰度图像,得到ROI灰度图像I,对ROI灰度图像I使用大小为mw、mh的矩形做中值滤波操作得到图像使用阈值T1,将像素点设为255,将像素点设为0,获得ROI二值图像Ibin;
步骤7,差分图像投影:对差分图像中灰度为255像素点,向纵轴方向做投影,得到投影结果a(i),其中i表示纵坐标位置,a(i)为该位置投影个数;
步骤8,获取瓦楞位置:搜寻投影中个数小于阈值Tnum位置,以搜索区间U逐步搜索,确定瓦楞纸边缘位置,根据边缘位置确认瓦楞位置;
步骤9,周期性检测:于瓦楞位置,以横轴方向进行检测,得到其中灰度为255位置相邻间距,根据间距检测是否呈现周期性,如果合格则确认此位置为瓦楞位置;
步骤10,获取计数结果:将获取的瓦楞位置个数进行统计,得到瓦楞纸板个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585652.0A CN109685792B (zh) | 2018-12-25 | 2018-12-25 | 一种基于图像差分空间频率特性的瓦楞纸智能识别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585652.0A CN109685792B (zh) | 2018-12-25 | 2018-12-25 | 一种基于图像差分空间频率特性的瓦楞纸智能识别算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685792A CN109685792A (zh) | 2019-04-26 |
CN109685792B true CN109685792B (zh) | 2021-01-26 |
Family
ID=66189086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811585652.0A Active CN109685792B (zh) | 2018-12-25 | 2018-12-25 | 一种基于图像差分空间频率特性的瓦楞纸智能识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685792B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559131A (zh) * | 2020-11-27 | 2022-05-31 | 北京颖捷科技有限公司 | 一种焊接控制方法、装置及上位机 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1985276A (zh) * | 2004-07-07 | 2007-06-20 | 惠普发展公司,有限责任合伙企业 | 使用波纹图检测条带效应的方法和装置 |
CN104331693A (zh) * | 2014-10-28 | 2015-02-04 | 武汉大学 | 一种印刷品对称性检测方法及系统 |
US9222260B1 (en) * | 2009-04-10 | 2015-12-29 | Su Hao | Lightweight multi-layer arch-structured armor (LMAR) |
CN107095665A (zh) * | 2017-06-26 | 2017-08-29 | 四川长虹电器股份有限公司 | 一种基于心电信号的心率计算方法 |
CN108700530A (zh) * | 2016-01-29 | 2018-10-23 | 三菱重工机械系统株式会社 | 瓦楞纸板的不良检测装置及瓦楞纸板的不良去除装置以及瓦楞纸板的制造装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3912004A (en) * | 1974-05-10 | 1975-10-14 | William J Darm | Heat exchanger apparatus with spacer projections between plates |
CN103077529B (zh) * | 2013-02-27 | 2016-04-06 | 电子科技大学 | 基于图像扫描的植物叶片特征分析系统 |
CN204807047U (zh) * | 2015-07-29 | 2015-11-25 | 深圳市慧大成智能科技有限公司 | 一种瓦楞纸板翘曲度检测装置 |
CN108830274A (zh) * | 2018-05-03 | 2018-11-16 | 南京邮电大学 | 一种复杂背景环境下车牌字符自动检测定位及识别方法 |
-
2018
- 2018-12-25 CN CN201811585652.0A patent/CN109685792B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1985276A (zh) * | 2004-07-07 | 2007-06-20 | 惠普发展公司,有限责任合伙企业 | 使用波纹图检测条带效应的方法和装置 |
US9222260B1 (en) * | 2009-04-10 | 2015-12-29 | Su Hao | Lightweight multi-layer arch-structured armor (LMAR) |
CN104331693A (zh) * | 2014-10-28 | 2015-02-04 | 武汉大学 | 一种印刷品对称性检测方法及系统 |
CN108700530A (zh) * | 2016-01-29 | 2018-10-23 | 三菱重工机械系统株式会社 | 瓦楞纸板的不良检测装置及瓦楞纸板的不良去除装置以及瓦楞纸板的制造装置 |
CN107095665A (zh) * | 2017-06-26 | 2017-08-29 | 四川长虹电器股份有限公司 | 一种基于心电信号的心率计算方法 |
Non-Patent Citations (1)
Title |
---|
基于数字图像处理的瓦楞纸材料破损度自动检测;张琴等;《包装工程》;20100131;第31卷(第1期);第10-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109685792A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264445B (zh) | 分块模板匹配结合形态学处理的电池丝印质量检测方法 | |
CN106557764A (zh) | 一种基于二进制编码字符水尺和图像处理的水位识别方法 | |
CN102937595A (zh) | 一种pcb板检测方法、装置及系统 | |
CN101600957A (zh) | 缺陷检测装置及缺陷检测方法 | |
CN109671079B (zh) | 一种基于灰度共生矩阵特征的瓦楞纸板智能检测方法 | |
CN109685791B (zh) | 一种基于多窗自相关纹理检测的瓦楞纸板鲁棒检测方法 | |
CN105184770B (zh) | 一种用于球栅阵列引脚芯片的焊球定位及其参数识别方法 | |
CN104331695B (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN104517276A (zh) | 一种棋盘格角点检测方法 | |
CN103439348A (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN109658404A (zh) | 一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法 | |
CN109685792B (zh) | 一种基于图像差分空间频率特性的瓦楞纸智能识别算法 | |
CN115294099A (zh) | 一种钢板轧制过程发纹缺陷的检测方法及系统 | |
US8160349B2 (en) | Pattern shape evaluation method, program, and semiconductor device manufacturing method | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN114022439A (zh) | 一种基于形态学图像处理的柔性电路板缺陷检测方法 | |
CN114549504A (zh) | 一种基于机器视觉的外观质量检测方法 | |
CN115619845A (zh) | 一种自适应扫描文档图像倾斜角检测方法 | |
CN109858484B (zh) | 一种基于偏斜评价的多类别变换车牌校正方法 | |
CN109711405B (zh) | 一种基于骨架自校正的瓦楞纸板非监督提取方法 | |
CN105678731A (zh) | 一种识别带钢瓢曲的方法 | |
CN101364271A (zh) | 手写汉字笔画的识别方法和识别装置 | |
CN114359276B (zh) | 基于麻点缺陷的钢模下料优选方案获取方法 | |
CN103093462B (zh) | 基于视觉注意机制下的铜带表面缺陷快速检测方法 | |
JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210111 Address after: 315200 No.189 Guangming Road, Zhuangshi street, Zhenhai District, Ningbo City, Zhejiang Province Applicant after: Ningbo Intelligent Equipment Research Institute Co.,Ltd. Address before: 264006 No. 32, Yantai economic and Technological Development Zone, Shandong, Zhujianglu Road Applicant before: Yu Xinghu |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |