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

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

一种基于图像差分空间频率特性的瓦楞纸智能识别算法

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N_x，列数为N_y；

步骤2，截取图像中ROI：设定ROI的宽度r_w、ROI区域的间距r_p、ROI区域个数r_n，根据ROI选取的这三个参数，以图像中心对称选取r_n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m_w、m_h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I_bin；

步骤4，ROI图像腐蚀：对ROI灰度图像进行腐蚀操作，使用掩膜核为宽度e_w、长度e_h矩形，得到ROI腐蚀图像

步骤5，ROI腐蚀图像二值化：对ROI腐蚀图像

使用大小为m_w、m_h的矩形做中值滤波操作得到图像

使用阈值T₂，将

像素点设为255，将

像素点设为0，获得ROI腐蚀二值图像

步骤6，获取差分图像：对ROI二值图像及ROI腐蚀二值图像做差分，将

图像设置为0，将

图像设置为255，从而获得差分图像；

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T_num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T_num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：

所述步骤9中周期性检测，获取瓦楞位置

中包括的255像素点起始坐标

终止坐标

其中k表示第k个255区域；获取相邻区域间距为：

设定瓦楞间距标准值f_sta，根据假设k＞10且满足f_k∈((1-ξ)f_sta,(1+ξ)f_sta)的个数k₁＞0.5k，且这些f_k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N_x，列数为N_y；

步骤2，截取图像中ROI：设定ROI的宽度r_w、ROI区域的间距r_p、ROI区域个数r_n，根据ROI选取的这三个参数，以图像中心对称选取r_n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m_w、m_h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I_bin；

步骤4，ROI图像腐蚀：对ROI灰度图像进行腐蚀操作，使用掩膜核为宽度e_w、长度e_h矩形，得到ROI腐蚀图像

步骤5，ROI腐蚀图像二值化：对ROI腐蚀图像

使用大小为m_w、m_h的矩形做中值滤波操作得到图像

使用阈值T₂，将

像素点设为255，将

像素点设为0，获得ROI腐蚀二值图像

步骤6，获取差分图像：对ROI二值图像及ROI腐蚀二值图像做差分，将

图像设置为0，将

图像设置为255，从而获得差分图像；

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T_num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T_num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：

所述步骤9中周期性检测，获取瓦楞位置

中包括的255像素点起始坐标

终止坐标

其中k表示第k个255区域；获取相邻区域间距为：

设定瓦楞间距标准值f_sta，根据假设k＞10且满足f_k∈((1-ξ)f_sta,(1+ξ)f_sta)的个数k₁＞0.5k，且这些f_k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N_x，列数为N_y；

步骤2，截取图像中ROI：设定ROI的宽度r_w、ROI区域的间距r_p、ROI区域个数r_n，根据ROI选取的这三个参数，以图像中心对称选取r_n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m_w、m_h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I_bin；

步骤4，ROI图像腐蚀：对ROI灰度图像进行腐蚀操作，使用掩膜核为宽度e_w、长度e_h矩形，得到ROI腐蚀图像

步骤5，ROI腐蚀图像二值化：对ROI腐蚀图像

使用大小为m_w、m_h的矩形做中值滤波操作得到图像

使用阈值T₂，将

像素点设为255，将

像素点设为0，获得ROI腐蚀二值图像

步骤6，获取差分图像：对ROI二值图像及ROI腐蚀二值图像做差分，将

图像设置为0，将

图像设置为255，从而获得差分图像；

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T_num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。

Images