CN109711405B - 一种基于骨架自校正的瓦楞纸板非监督提取方法 - Google Patents

一种基于骨架自校正的瓦楞纸板非监督提取方法 Download PDF

Info

Publication number
CN109711405B
CN109711405B CN201811585656.9A CN201811585656A CN109711405B CN 109711405 B CN109711405 B CN 109711405B CN 201811585656 A CN201811585656 A CN 201811585656A CN 109711405 B CN109711405 B CN 109711405B
Authority
CN
China
Prior art keywords
image
roi
angle
value
derivative
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
CN201811585656.9A
Other languages
English (en)
Other versions
CN109711405A (zh
Inventor
于兴虎
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.)
Ningbo Intelligent Equipment Research Institute Co.,Ltd.
Original Assignee
Ningbo Intelligent Equipment Research Institute Co ltd
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 Ningbo Intelligent Equipment Research Institute Co ltd filed Critical Ningbo Intelligent Equipment Research Institute Co ltd
Priority to CN201811585656.9A priority Critical patent/CN109711405B/zh
Publication of CN109711405A publication Critical patent/CN109711405A/zh
Application granted granted Critical
Publication of CN109711405B publication Critical patent/CN109711405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于骨架自校正的瓦楞纸板非监督提取方法。主要解决了现有的瓦楞纸板计数方法适应范围小、易误检、检测准确率低的问题。一种基于骨架自校正的瓦楞纸板非监督提取方法，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图像腐蚀；步骤4，ROI腐蚀图像二值化；步骤5，计算平坦纸宽度、瓦楞纸芯间距；步骤6，计算平坦纸宽度、瓦楞纸芯间距标准值；步骤7，计算导数二值图像等。该基于骨架自校正的瓦楞纸板非监督提取方法适应范围广、不易误检、检测准确率高。

Description

一种基于骨架自校正的瓦楞纸板非监督提取方法
技术领域
本发明涉及机器视觉技术领域，具体涉及一种基于骨架自校正的瓦楞纸板非监督提取方法。
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、需预设瓦楞纸板参数，如宽度、间距等，这就对不同瓦楞纸板型号的识别产生不便；
2、由于瓦楞纸计数过程中可能会因诸多原因产生光照变化，但光照变化会导致预设参数变得不合理，因此可能造成对光照的敏感；
3、现有算法有提取瓦楞纸芯特征的方法、也有提取平坦纸的方法，但一方面瓦楞纸芯有数种类型，一种算法很难适应各种瓦楞纸芯，另一方面提取平坦纸的方法可能会因干扰，产生不正常检测；
4、现有算法易受因瓦楞纸板偏转、翘起、倾斜等产生的空隙、角度不统一、角度突变问题的影响，产生检测错误。
发明内容
为了克服背景技术的不足，本发明提供一种基于骨架自校正的瓦楞纸板非监督提取方法，主要解决了现有的瓦楞纸板计数方法适应范围小、易误检、检测准确率低的问题。
本发明所采用的技术方案是：一种基于骨架自校正的瓦楞纸板非监督提取方法，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I，并将待检测图像I发送至计算机，计算机对待检测图像I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图像腐蚀：将若干ROI转化为ROI灰度图像，对ROI灰度图像进行腐蚀操作，使用掩膜核为宽度ew、长度eh矩形；
步骤4，ROI腐蚀图像二值化：对ROI腐蚀图像使用大小为mw、mh的矩形，选取像素点(x,y)区域内中值m(x,y)，而后使用阈值m(x,y)+Te将ROI腐蚀图像二值化，将大于m(x,y)+Te像素的灰度设为255，将小于m(x,y)+Te像素的灰度设为0，得ROI腐蚀二值化图像；
步骤5，计算平坦纸宽度、瓦楞纸芯间距：对ROI腐蚀二值化图像各列进行操作，得到灰度255的连通域起始坐标
Figure BDA0001919022740000021
终止坐标
Figure BDA0001919022740000022
对应纵坐标y下第υ个连通域，υ＝0,1,...,Ny，其中Ny为y坐标下连通域个数，根据坐标计算宽度
Figure BDA0001919022740000023
间距
Figure BDA0001919022740000024
步骤6，计算平坦纸宽度、瓦楞纸芯间距标准值：计算
Figure BDA0001919022740000025
个宽度、
Figure BDA0001919022740000031
个间距的均值
Figure BDA0001919022740000032
及
Figure BDA0001919022740000033
选取宽度中满足
Figure BDA0001919022740000034
的备选集合，对该集合元素计算均值得标准宽度lsta，选取距离中满足
Figure BDA0001919022740000035
的备选集合，对该集合元素计算均值得标准距离dsta；
步骤7，计算导数二值图像：首先对ROI腐蚀二值化图像使用水平卷积运算及垂直卷积计算，得到两方向导数，而后计算获得导数图像G、角度图像A，对导数图像使用大小为mw、mh的矩形，选取像素点(x,y)区域内中值m1(x,y)，而后使用阈值m1(x,y)+Td将导数图像二值化，将大于m1(x,y)+Td像素的灰度设为255，将小于m1(x,y)+Td像素的灰度设为0；
步骤8，更新阈值Te、Td：判断lsta范围，如果lsta∈[0,Ll]，将阈值Te、Td减ξ、ζ，得到更新阈值Te-ξ及Td-ζ，进行步骤4,5,6重新得到lsta及dsta，其中Ll表示合理宽度下限，ξ，ζ分别为阈值Te、Td更新步长；如果
Figure BDA0001919022740000036
进入步骤9，
Figure BDA0001919022740000037
表示一个比例系数；如果
Figure BDA00019190227400000324
则将阈值Te、Td加ξ、ζ，得到更新阈值Te+ξ及Td+ζ，根据新阈值，进行步骤4,5,6重新得到lsta及dsta；
步骤9，提取平坦纸骨架：对各列瓦楞纸芯间距进行处理，当
Figure BDA0001919022740000038
时将
Figure BDA0001919022740000039
设为0，获得最小值
Figure BDA00019190227400000310
并得到此时k,更新
Figure BDA00019190227400000311
值为
Figure BDA00019190227400000312
更新
Figure BDA00019190227400000313
值为
Figure BDA00019190227400000314
其中
Figure BDA00019190227400000315
κ表示滤除小距离的比例；当
Figure BDA00019190227400000316
计算
Figure BDA00019190227400000317
最小值，得到此时k1，根据k1，得到补充坐标
Figure BDA00019190227400000318
其中i＝0,1,...,k1，τ∈Z表示第τ个补充坐标；当
Figure BDA00019190227400000319
计算
Figure BDA00019190227400000320
最小时，得到此时k2，根据k2，得到补充坐标
Figure BDA00019190227400000321
其中j＝1,...,k2；根据更新的瓦楞纸芯间距，得到
Figure BDA00019190227400000322
的连通域坐标，结合补充坐标得到平坦纸骨架坐标，将这些坐标像素点设为255，其余为0，定义得到的骨架坐标为
Figure BDA00019190227400000323
其中γ＝0,1,...,Sy，Sy表示y坐标下对应骨架总条数，该坐标表示y列上第γ个骨架；
步骤10，提取平坦纸角度：根据步骤9得到的平坦纸骨架，以第一列寻找骨架起始点
Figure BDA0001919022740000041
根据起始点向相邻列向y方向，寻找连通平坦纸骨架，得到连通域终止点
Figure BDA0001919022740000042
从而得到该连通域像素点数yl+1及x方向坐标变化
Figure BDA0001919022740000043
选择其中满足yl＞ξ1rw，得到二维点
Figure BDA0001919022740000044
由此计算得到平坦纸角度初始集合ΓF，各元素为包含起始横坐标
Figure BDA0001919022740000045
相应角度
Figure BDA0001919022740000046
的二维点，其中ξ1∈[0,1]为比例系数；根据得到的角度集合，根据横坐标，由最小值对应角度起始，逐步比较相邻角度差值
Figure BDA0001919022740000047
如差值满足
Figure BDA0001919022740000048
则不做操作，如
Figure BDA0001919022740000049
则对
Figure BDA00019190227400000410
及其后4个角度进行判断，如果含两个以上与现有角度满足
Figure BDA00019190227400000411
则不进行操作，如含两个及以下则舍掉此角度对应元素，从而获得校正的角度集合Γ；
步骤11，导数图像、ROI腐蚀二值化图像投影：首先初始化角度，依据
Figure BDA00019190227400000412
对集合Γ中前5行平坦纸骨架角度进行提取，对五个角度两两相减获得角度差别，选取其中最小值，获取此时对应的两个角度，取均值作为初值；对导数图像中灰度值为255且
Figure BDA00019190227400000413
的像素点进行投影，得到投影坐标为
Figure BDA00019190227400000414
其中如果x小于横坐标最小值，则角度为初始角度，如果x大于等于最小横坐标，则角度为小于x的横坐标角度
Figure BDA00019190227400000415
其中
Figure BDA00019190227400000416
为设置的角度偏差；对ROI腐蚀二值化图像中灰度为255的像素点，采用同样方法进行投影；
步骤12，根据ROI腐蚀二值化图像投影确定平坦纸位置：首先设置阈值0.3rw，如投影对应像素点数大于0.3rw，则该位置设置为255，如小于等于0.3rw，则设置为0；将此结果做为一幅Nx×1图像，对该图像进行步骤9操作，所得结果即认为是平坦纸横坐标
Figure BDA00019190227400000419
其中i表示第i个横坐标，i＝1,...,L，其中L表示检测到L条边缘；
步骤13，根据平坦纸位置、导数投影结果进行纸张计数：计算两相邻横坐标
Figure BDA00019190227400000421
间导数投影像素点数pi，设导数投影结果为
Figure BDA00019190227400000417
其中γg表示对应投影横坐标，
Figure BDA00019190227400000418
表示该位置投影像素点数，g＝1,2,...,G表示含有导数投影的第g个投影结果，G表示投影个数；计算横坐标
Figure BDA00019190227400000420
Figure BDA00019190227400000515
间导数投影像素点数
Figure BDA0001919022740000051
检测所有
Figure BDA0001919022740000052
判断满足此条件的pi数量，其中
Figure BDA0001919022740000053
为一个比例系数，此数量即为瓦楞纸板计数结果。
所述步骤7中获得导数图像部分使用卷积核[-1,0,1]对水平方向及垂直方向做卷积运算，设得到水平、垂直卷积结果分别为
Figure BDA0001919022740000054
则导数图像为
Figure BDA0001919022740000055
角度图像为
Figure BDA0001919022740000056
所述步骤8更新阈值Te、Td最多执行五次。
所述步骤9中当
Figure BDA0001919022740000057
坐标计算方法为：设置横坐标
Figure BDA0001919022740000058
其中
Figure BDA0001919022740000059
表示所需计算坐标
Figure BDA00019190227400000510
所述步骤10中连通域提取采用八邻域提取方法，角度
Figure BDA00019190227400000511
计算方法为：
Figure BDA00019190227400000512
所述步骤11中投影角度的取值方法为：
Figure BDA00019190227400000513
Figure BDA00019190227400000514
本发明的有益效果是：
1、计算平坦纸坐标、宽度、瓦楞纸芯间距，可以确认当前瓦楞纸板的基本信息，有利于瓦楞纸板计数；
2、使用数步自适应获得当前图像的二值化阈值及导数阈值，该方法不仅能适应当前光照情况，使得该算法对光照不敏感，且可以适应当前瓦楞纸板，以提升对不同型号瓦楞纸板的检测；
3、含有平坦纸骨架提取及骨架优化部分，相较传统骨架提取方法，该部分利用了算法得到的平坦纸宽度、瓦楞纸芯间距信息，可以自动滤除不合理骨架、补充漏检骨架，提升算法准确性；
4、对各平坦纸骨架计算角度，并选取其中可信角度进行保存，利用这些角度对给定范围腐蚀二值化图像、导数二值图像进行投影，可适应因瓦楞纸垛倾斜、翘起导致角度的变化，有较好的鲁棒性。
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腐蚀二值化图像及导数二值化图像。
图4为本发明的平坦纸骨架连通域提取示意图。
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，一种基于骨架自校正的瓦楞纸板非监督提取方法，包括如下步骤：
一种基于骨架自校正的瓦楞纸板非监督提取方法，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I，并将待检测图像I发送至计算机，计算机对待检测图像I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图像腐蚀：将若干ROI转化为ROI灰度图像，对ROI灰度图像进行腐蚀操作，使用掩膜核为宽度ew、长度eh矩形；
步骤4，ROI腐蚀图像二值化：对ROI腐蚀图像使用大小为mw、mh的矩形，选取像素点(x,y)区域内中值m(x,y)，而后使用阈值m(x,y)+Te将ROI腐蚀图像二值化，将大于m(x,y)+Te像素的灰度设为255，将小于m(x,y)+Te像素的灰度设为0，得ROI腐蚀二值化图像；
步骤5，计算平坦纸宽度、瓦楞纸芯间距：对ROI腐蚀二值化图像各列进行操作，得到灰度255的连通域起始坐标
Figure BDA0001919022740000071
终止坐标
Figure BDA0001919022740000072
对应纵坐标y下第υ个连通域，υ＝0,1,...,Ny，其中Ny为y坐标下连通域个数，根据坐标计算宽度
Figure BDA0001919022740000073
间距
Figure BDA0001919022740000074
步骤6，计算平坦纸宽度、瓦楞纸芯间距标准值：计算
Figure BDA0001919022740000075
个宽度、
Figure BDA0001919022740000076
个间距的均值
Figure BDA0001919022740000077
及
Figure BDA0001919022740000078
选取宽度中满足
Figure BDA0001919022740000079
的备选集合，对该集合元素计算均值得标准宽度lsta，选取距离中满足
Figure BDA00019190227400000710
的备选集合，对该集合元素计算均值得标准距离dsta；
步骤7，计算导数二值图像：首先对ROI腐蚀二值化图像使用水平卷积运算及垂直卷积计算，得到两方向导数，而后计算获得导数图像G、角度图像A，对导数图像使用大小为mw、mh的矩形，选取像素点(x,y)区域内中值m1(x,y)，而后使用阈值m1(x,y)+Td将导数图像二值化，将大于m1(x,y)+Td像素的灰度设为255，将小于m1(x,y)+Td像素的灰度设为0；
步骤8，更新阈值Te、Td：判断lsta范围，如果lsta∈[0,Ll]，将阈值Te、Td减ξ、ζ，得到更新阈值Te-ξ及Td-ζ，进行步骤4,5,6重新得到lsta及dsta，其中Ll表示合理宽度下限，ξ，ζ分别为阈值Te、Td更新步长；如果
Figure BDA00019190227400000711
进入步骤9，
Figure BDA00019190227400000712
表示一个比例系数；如果
Figure BDA00019190227400000713
则将阈值Te、Td加ξ、ζ，得到更新阈值Te+ξ及Td+ζ，根据新阈值，进行步骤4,5,6重新得到lsta及dsta；
步骤9，提取平坦纸骨架：对各列瓦楞纸芯间距进行处理，当
Figure BDA00019190227400000714
时将
Figure BDA00019190227400000715
设为0，获得最小值
Figure BDA00019190227400000716
并得到此时k,更新
Figure BDA00019190227400000717
值为
Figure BDA00019190227400000718
更新
Figure BDA00019190227400000719
值为
Figure BDA00019190227400000720
其中
Figure BDA00019190227400000721
κ表示滤除小距离的比例；当
Figure BDA00019190227400000722
计算
Figure BDA00019190227400000723
最小值，得到此时k1，根据k1，得到补充坐标
Figure BDA00019190227400000724
其中i＝0,1,...,k1，τ∈Z表示第τ个补充坐标；当
Figure BDA0001919022740000081
计算
Figure BDA0001919022740000082
最小时，得到此时k2，根据k2，得到补充坐标
Figure BDA0001919022740000083
其中j＝1,...,k2；根据更新的瓦楞纸芯间距，得到
Figure BDA0001919022740000084
的连通域坐标，结合补充坐标得到平坦纸骨架坐标，将这些坐标像素点设为255，其余为0，定义得到的骨架坐标为
Figure BDA0001919022740000085
其中γ＝0,1,...,Sy，Sy表示y坐标下对应骨架总条数，该坐标表示y列上第γ个骨架；
步骤10，提取平坦纸角度：根据步骤9得到的平坦纸骨架，以第一列寻找骨架起始点
Figure BDA0001919022740000086
根据起始点向相邻列向y方向，寻找连通平坦纸骨架，得到连通域终止点
Figure BDA0001919022740000087
从而得到该连通域像素点数yl+1及x方向坐标变化
Figure BDA0001919022740000088
选择其中满足yl＞ξ1rw，得到二维点
Figure BDA0001919022740000089
由此计算得到平坦纸角度初始集合ΓF，各元素为包含起始横坐标
Figure BDA00019190227400000810
相应角度
Figure BDA00019190227400000811
的二维点，其中ξ1∈[0,1]为比例系数；根据得到的角度集合，根据横坐标，由最小值对应角度起始，逐步比较相邻角度差值
Figure BDA00019190227400000812
如差值满足
Figure BDA00019190227400000813
则不做操作，如
Figure BDA00019190227400000814
则对
Figure BDA00019190227400000815
及其后4个角度进行判断，如果含两个以上与现有角度满足
Figure BDA00019190227400000816
则不进行操作，如含两个及以下则舍掉此角度对应元素，从而获得校正的角度集合Γ；
步骤11，导数图像、ROI腐蚀二值化图像投影：首先初始化角度，依据
Figure BDA00019190227400000817
对集合Γ中前5行平坦纸骨架角度进行提取，对五个角度两两相减获得角度差别，选取其中最小值，获取此时对应的两个角度，取均值作为初值；对导数图像中灰度值为255且
Figure BDA00019190227400000818
的像素点进行投影，得到投影坐标为
Figure BDA00019190227400000819
其中如果x小于横坐标最小值，则角度为初始角度，如果x大于等于最小横坐标，则角度为小于x的横坐标角度
Figure BDA00019190227400000820
其中▽θ为设置的角度偏差；对ROI腐蚀二值化图像中灰度为255的像素点，采用同样方法进行投影；
步骤12，根据ROI腐蚀二值化图像投影确定平坦纸位置：首先设置阈值0.3rw，如投影对应像素点数大于0.3rw，则该位置设置为255，如小于等于0.3rw，则设置为0；将此结果做为一幅Nx×1图像，对该图像进行步骤9操作，所得结果即认为是平坦纸横坐标
Figure BDA00019190227400000917
其中i表示第i个横坐标，i＝1,...,L，其中L表示检测到L条边缘；
步骤13，根据平坦纸位置、导数投影结果进行纸张计数：计算两相邻横坐标
Figure BDA00019190227400000918
间导数投影像素点数pi，设导数投影结果为
Figure BDA0001919022740000091
其中γg表示对应投影横坐标，
Figure BDA0001919022740000092
表示该位置投影像素点数，g＝1,2,...,G表示含有导数投影的第g个投影结果，G表示投影个数；计算横坐标
Figure BDA00019190227400000919
Figure BDA00019190227400000920
间导数投影像素点数
Figure BDA0001919022740000093
检测所有
Figure BDA0001919022740000094
判断满足此条件的pi数量，其中
Figure BDA0001919022740000095
为一个比例系数，此数量即为瓦楞纸板计数结果。
所述步骤7中获得导数图像部分使用卷积核[-1,0,1]对水平方向及垂直方向做卷积运算，设得到水平、垂直卷积结果分别为
Figure BDA0001919022740000096
则导数图像为
Figure BDA0001919022740000097
角度图像为
Figure BDA0001919022740000098
所述步骤8更新阈值Te、Td最多执行五次。
所述步骤9中当
Figure BDA0001919022740000099
坐标计算方法为：设置横坐标
Figure BDA00019190227400000910
其中
Figure BDA00019190227400000911
表示所需计算坐标
Figure BDA00019190227400000912
所述步骤10中连通域提取采用八邻域提取方法，角度
Figure BDA00019190227400000913
计算方法为：
Figure BDA00019190227400000914
所述步骤11中投影角度的取值方法为：
Figure BDA00019190227400000915
Figure BDA00019190227400000916
本发明的有益效果是：
1、计算平坦纸坐标、宽度、瓦楞纸芯间距，可以确认当前瓦楞纸板的基本信息，有利于瓦楞纸板计数；
2、使用数步自适应获得当前图像的二值化阈值及导数阈值，该方法不仅能适应当前光照情况，使得该算法对光照不敏感，且可以适应当前瓦楞纸板，以提升对不同型号瓦楞纸板的检测；
3、含有平坦纸骨架提取及骨架优化部分，相较传统骨架提取方法，该部分利用了算法得到的平坦纸宽度、瓦楞纸芯间距信息，可以自动滤除不合理骨架、补充漏检骨架，提升算法准确性；
4、对各平坦纸骨架计算角度，并选取其中可信角度进行保存，利用这些角度对给定范围腐蚀二值化图像、导数二值图像进行投影，可适应因瓦楞纸垛倾斜、翘起导致角度的变化，有较好的鲁棒性。
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 (6)

1.一种基于骨架自校正的瓦楞纸板非监督提取方法，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I，并将待检测图像I发送至计算机，计算机对待检测图像I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图像腐蚀：将若干ROI转化为ROI灰度图像，对ROI灰度图像进行腐蚀操作，使用掩膜核为宽度ew、长度eh矩形；
步骤4，ROI腐蚀图像二值化：对ROI腐蚀图像使用大小为mw、mh的矩形，选取像素点(x,y)区域内中值m(x,y)，而后使用阈值m(x,y)+Te将ROI腐蚀图像二值化，将大于m(x,y)+Te像素的灰度设为255，将小于m(x,y)+Te像素的灰度设为0，得ROI腐蚀二值化图像；
步骤5，计算平坦纸宽度、瓦楞纸芯间距：对ROI腐蚀二值化图像各列进行操作，得到灰度255的连通域起始坐标
Figure FDA0001919022730000011
终止坐标
Figure FDA0001919022730000012
对应纵坐标y下第υ个连通域，υ＝0,1,...,Ny，其中Ny为y坐标下连通域个数，根据坐标计算宽度
Figure FDA0001919022730000013
间距
Figure FDA0001919022730000014
步骤6，计算平坦纸宽度、瓦楞纸芯间距标准值：计算
Figure FDA0001919022730000015
个宽度、
Figure FDA0001919022730000016
个间距的均值
Figure FDA0001919022730000017
及
Figure FDA0001919022730000018
选取宽度中满足
Figure FDA0001919022730000019
的备选集合，对该集合元素计算均值得标准宽度lsta，选取距离中满足
Figure FDA0001919022730000021
的备选集合，对该集合元素计算均值得标准距离dsta；
步骤7，计算导数二值图像：首先对ROI腐蚀二值化图像使用水平卷积运算及垂直卷积计算，得到两方向导数，而后计算获得导数图像G、角度图像A，对导数图像使用大小为mw、mh的矩形，选取像素点(x,y)区域内中值m1(x,y)，而后使用阈值m1(x,y)+Td将导数图像二值化，将大于m1(x,y)+Td像素的灰度设为255，将小于m1(x,y)+Td像素的灰度设为0；
步骤8，更新阈值Te、Td：判断lsta范围，如果lsta∈[0,Ll]，将阈值Te、Td减ξ、ζ，得到更新阈值Te-ξ及Td-ζ，进行步骤4,5,6重新得到lsta及dsta，其中Ll表示合理宽度下限，ξ，ζ分别为阈值Te、Td更新步长；如果
Figure FDA00019190227300000220
进入步骤9，
Figure FDA00019190227300000221
表示一个比例系数；如果
Figure FDA00019190227300000222
则将阈值Te、Td加ξ、ζ，得到更新阈值Te+ξ及Td+ζ，根据新阈值，进行步骤4,5,6重新得到lsta及dsta；
步骤9，提取平坦纸骨架：对各列瓦楞纸芯间距进行处理，当
Figure FDA0001919022730000022
时将
Figure FDA0001919022730000023
设为0，获得最小值
Figure FDA0001919022730000024
并得到此时k,更新
Figure FDA0001919022730000025
值为
Figure FDA0001919022730000026
更新
Figure FDA0001919022730000027
值为
Figure FDA0001919022730000028
其中
Figure FDA0001919022730000029
κ表示滤除小距离的比例；当
Figure FDA00019190227300000210
计算
Figure FDA00019190227300000211
最小值，得到此时k1，根据k1，得到补充坐标
Figure FDA00019190227300000212
其中i＝0,1,...,k1，τ∈Z表示第τ个补充坐标；当
Figure FDA00019190227300000213
计算
Figure FDA00019190227300000214
最小时，得到此时k2，根据k2，得到补充坐标
Figure FDA00019190227300000215
其中j＝1,...,k2；根据更新的瓦楞纸芯间距，得到
Figure FDA00019190227300000216
的连通域坐标，结合补充坐标得到平坦纸骨架坐标，将这些坐标像素点设为255，其余为0，定义得到的骨架坐标为
Figure FDA00019190227300000217
其中γ＝0,1,...,Sy，Sy表示y坐标下对应骨架总条数，该坐标表示y列上第γ个骨架；
步骤10，提取平坦纸角度：根据步骤9得到的平坦纸骨架，以第一列寻找骨架起始点
Figure FDA00019190227300000218
根据起始点向相邻列向y方向，寻找连通平坦纸骨架，得到连通域终止点
Figure FDA00019190227300000219
从而得到该连通域像素点数yl+1及x方向坐标变化
Figure FDA0001919022730000031
选择其中满足yl＞ξ1rw，得到二维点
Figure FDA0001919022730000032
由此计算得到平坦纸角度初始集合ΓF，各元素为包含起始横坐标
Figure FDA0001919022730000033
相应角度
Figure FDA0001919022730000034
的二维点，其中ξ1∈[0,1]为比例系数；根据得到的角度集合，根据横坐标，由最小值对应角度起始，逐步比较相邻角度差值
Figure FDA0001919022730000035
如差值满足
Figure FDA0001919022730000036
则不做操作，如
Figure FDA0001919022730000037
则对
Figure FDA0001919022730000038
及其后4个角度进行判断，如果含两个以上与现有角度满足
Figure FDA0001919022730000039
则不进行操作，如含两个及以下则舍掉此角度对应元素，从而获得校正的角度集合Γ；
步骤11，导数图像、ROI腐蚀二值化图像投影：首先初始化角度，依据
Figure FDA00019190227300000310
对集合Γ中前5行平坦纸骨架角度进行提取，对五个角度两两相减获得角度差别，选取其中最小值，获取此时对应的两个角度，取均值作为初值；对导数图像中灰度值为255且
Figure FDA00019190227300000311
的像素点进行投影，得到投影坐标为
Figure FDA00019190227300000312
其中如果x小于横坐标最小值，则角度为初始角度，如果x大于等于最小横坐标，则角度为小于x的横坐标角度
Figure FDA00019190227300000313
其中
Figure FDA00019190227300000314
为设置的角度偏差；对ROI腐蚀二值化图像中灰度为255的像素点，采用同样方法进行投影；
步骤12，根据ROI腐蚀二值化图像投影确定平坦纸位置：首先设置阈值0.3rw，如投影对应像素点数大于0.3rw，则该位置设置为255，如小于等于0.3rw，则设置为0；将此结果做为一幅Nx×1图像，对该图像进行步骤9操作，所得结果即认为是平坦纸横坐标
Figure FDA00019190227300000315
其中i表示第i个横坐标，i＝1,...,L，其中L表示检测到L条边缘；
步骤13，根据平坦纸位置、导数投影结果进行纸张计数：计算两相邻横坐标
Figure FDA00019190227300000316
间导数投影像素点数pi，设导数投影结果为
Figure FDA00019190227300000317
其中γg表示对应投影横坐标，
Figure FDA00019190227300000318
表示该位置投影像素点数，g＝1,2,...,G表示含有导数投影的第g个投影结果，G表示投影个数；计算横坐标
Figure FDA00019190227300000319
Figure FDA00019190227300000320
间导数投影像素点数
Figure FDA00019190227300000321
检测所有
Figure FDA00019190227300000322
判断满足此条件的pi数量，其中
Figure FDA00019190227300000323
为一个比例系数，此数量即为瓦楞纸板计数结果。
2.根据权利要求1所述的一种基于骨架自校正的瓦楞纸板非监督提取方法，其特征在于：所述步骤7中获得导数图像部分使用卷积核[-1,0,1]对水平方向及垂直方向做卷积运算，设得到水平、垂直卷积结果分别为
Figure FDA0001919022730000041
则导数图像为
Figure FDA0001919022730000042
角度图像为
Figure FDA0001919022730000043
3.根据权利要求2所述的一种基于骨架自校正的瓦楞纸板非监督提取方法，其特征在于：所述步骤8更新阈值Te、Td最多执行五次。
4.根据权利要求3所述的一种基于骨架自校正的瓦楞纸板非监督提取方法，其特征在于：所述步骤9中当
Figure FDA0001919022730000044
坐标计算方法为：设置横坐标
Figure FDA0001919022730000045
其中
Figure FDA0001919022730000046
表示所需计算坐标
Figure FDA0001919022730000047
5.根据权利要求4所述的一种基于骨架自校正的瓦楞纸板非监督提取方法，其特征在于：所述步骤10中连通域提取采用八邻域提取方法，角度
Figure FDA0001919022730000048
计算方法为：
Figure FDA0001919022730000049
6.根据权利要求5所述的一种基于骨架自校正的瓦楞纸板非监督提取方法，其特征在于：所述步骤11中投影角度的取值方法为：
Figure FDA00019190227300000410
Figure FDA00019190227300000411
CN201811585656.9A 2018-12-25 2018-12-25 一种基于骨架自校正的瓦楞纸板非监督提取方法 Active CN109711405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811585656.9A CN109711405B (zh) 2018-12-25 2018-12-25 一种基于骨架自校正的瓦楞纸板非监督提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811585656.9A CN109711405B (zh) 2018-12-25 2018-12-25 一种基于骨架自校正的瓦楞纸板非监督提取方法

Publications (2)

Publication Number Publication Date
CN109711405A CN109711405A (zh) 2019-05-03
CN109711405B true CN109711405B (zh) 2021-01-26

Family

ID=66257448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811585656.9A Active CN109711405B (zh) 2018-12-25 2018-12-25 一种基于骨架自校正的瓦楞纸板非监督提取方法

Country Status (1)

Country Link
CN (1) CN109711405B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113935996B (zh) * 2021-12-16 2022-03-15 武汉市菲利纸业有限责任公司 基于图像处理的瓦楞纸透楞现象检测方法及系统
CN116912256B (zh) * 2023-09-14 2023-11-28 山东大昌纸制品有限公司 基于图像处理的瓦楞纸排骨纹缺陷程度评估方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6061476A (en) * 1997-11-24 2000-05-09 Cognex Corporation Method and apparatus using image subtraction and dynamic thresholding
CN1739953A (zh) * 2004-08-24 2006-03-01 湖北京山轻机股份有限公司 多重纸板对齐系统
SE529920C2 (sv) * 2006-02-21 2008-01-08 Berg Ind Ab Enhet och förfarande för att vika wellpappark
EP3254081B1 (en) * 2015-02-06 2022-03-02 Life Technologies Corporation Methods and systems for determining optical regions of interest
JP6227024B2 (ja) * 2016-01-29 2017-11-08 三菱重工印刷紙工機械株式会社 段ボールシートの不良検出装置及び段ボールシートの不良除去装置並びに段ボールシートの製造装置
CN109018591A (zh) * 2018-08-09 2018-12-18 沈阳建筑大学 一种基于计算机视觉的自动贴标定位方法

Also Published As

Publication number Publication date
CN109711405A (zh) 2019-05-03

Similar Documents

Publication Publication Date Title
CN108921865B (zh) 一种抗干扰的亚像素直线拟合方法
CN104915963B (zh) 一种用于plcc元件的检测与定位方法
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
CN109711405B (zh) 一种基于骨架自校正的瓦楞纸板非监督提取方法
CN106599896A (zh) 一种字符分割方法和装置、及元件检测方法和装置
CN105894521A (zh) 基于高斯拟合的亚像素边缘检测方法
CN112183301B (zh) 一种建筑物楼层智能识别方法及装置
CN114219794A (zh) 基于机器视觉的刨花板表面质量评估方法及系统
CN113689429B (zh) 一种基于计算机视觉的木板缺陷检测方法
CN111178193A (zh) 一种车道线的检测方法、检测装置及计算机可读存储介质
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
CN104599288A (zh) 一种基于肤色模板的特征跟踪方法及装置
CN112016557B (zh) 一种表格干扰线去除方法
CN111222507A (zh) 数字式仪表读数的自动识别方法、计算机可读存储介质
CN106529368A (zh) 二维码识别区域定位的方法
CN111462214A (zh) 一种基于Hough变换的线结构光条纹中心线提取方法
CN109858484B (zh) 一种基于偏斜评价的多类别变换车牌校正方法
CN112361977A (zh) 一种基于权重分配的直线间距测量方法
CN111931537A (zh) 一种颗粒状qr二维码定位方法
JP6688989B2 (ja) カメラ校正装置およびカメラ校正方法
CN108256475B (zh) 一种票据图像倒置检测方法
CN112102189A (zh) 一种线结构光光条中心线提取方法
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
CN114359276B (zh) 基于麻点缺陷的钢模下料优选方案获取方法
CN112258396B (zh) 一种用于字符图像缩放的方法

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
TA01 Transfer of patent application right

Effective date of registration: 20210107

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

GR01 Patent grant
GR01 Patent grant