CN110021017B - 一种提取焊缝中心线的方法 - Google Patents
一种提取焊缝中心线的方法 Download PDFInfo
- Publication number
- CN110021017B CN110021017B CN201910261024.5A CN201910261024A CN110021017B CN 110021017 B CN110021017 B CN 110021017B CN 201910261024 A CN201910261024 A CN 201910261024A CN 110021017 B CN110021017 B CN 110021017B
- Authority
- CN
- China
- Prior art keywords
- image
- binary image
- processing
- binary
- welding
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30152—Solder
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Abstract
本发明涉及一种提取焊缝中心线的方法,包括:获取焊缝的原始图像;对所述原始图像进行同态滤波,获得削弱光照影响的灰度图像;对所述灰度图像进行局部阈值二值化处理得到二值图像;对局部阈值二值化处理后的二值图像进行形态学操作;将处理后的二值图像进行连通域处理,提取最大连通域,得仅保留焊缝的二值图像;使用距离变换函数将二值图像变换为凸显出焊缝中心线的灰度图像;对处理得到的灰度图像进行局部阈值二值化处理,得到保留焊缝中心线的二值图像;对处理得到的保留焊缝中心线的二值图像进行形态学处理和连通域处理,提取焊缝中心线。本发明公开的提取焊缝中心线的方法提取准确度高,而且对焊接环境要求不高,应用广泛。
Description
技术领域
本发明涉及焊缝跟踪技术领域,更具体地说,涉及一种提取焊缝中心线的方法。
背景技术
随着社会的发展,自动焊接机器人以及焊后应力处理装置的应用范围越来越广,在焊接或进行焊后处理之前,利用机器视觉找到焊缝是一个比较关键的问题,目前对焊缝中心线的提取方法有很多,但能够广泛应用的提取焊缝中心线的算法却不多。
因为焊接环境的特殊性,焊接作业过程中往往会有火光飞溅等现象的发生,焊接结束后的结构件表面也会有一些残渣残留,在这样的环境中得到的焊缝图像经预处理后往往达不到预期效果,即无法完全滤去图像中的干扰噪声,亦或在滤除噪声的过程中会导致图像中有效信息也被滤除。当对一副图像的预处理达不到预期效果时,对焊缝中心线的提取会变得难上加难。
同时当焊缝在一副图像中所占的比重比较大时,直接对二值化的焊缝图像进行无限次细化操作或者骨骼化操作后去毛刺是无法准确提取焊缝中心线的,甚至会导致一些复杂纹路的出现,从而导致焊缝中心线提取失败。例如针对图7所示的二值化焊缝图像,图像本身就带有一定的毛刺体,此时如果直接对其进行无限次骨骼化会得到如图8所示的图像,可以看出,图像经骨骼化后毛刺体显得更加繁多复杂,这种情况下对图8进行去毛刺操作就只能去除一些短突出毛刺,就如图9所示,其他毛刺部分会被误认为焊缝图像中的一部分而无法去除。对图7所示的二值化焊缝图像进行无限次细化操作可以得到图10,因为图7的焊缝轮廓本身就带有一些毛刺,在执行细化操作后会连毛刺部分一同细化,可通过图10直观的看出,图像经细化后毛刺体会显得复杂且连接在一起,在这种情况下对图10执行去毛刺操作,如图11所示,焊缝本体部分等有效信息反而被当作毛刺一同去除,导致了焊缝中心线提取的失败。
综上所述,如何提高焊缝中心线的提取准确度是目前本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种提取焊缝中心线的方法,其能在一定程度上解决如何提高焊缝中心线的提取准确度的技术问题。
为了实现以上目的,本发明提供了如下技术方案:
一种提取焊缝中心线的方法,包括以下步骤:
S1.获取焊缝的原始图像;
S2.对所述原始图像进行同态滤波,获得削弱光照影响的灰度图像;
S3.对所述灰度图像进行局部阈值二值化处理得到二值图像;
S4.对局部阈值二值化处理后的二值图像进行形态学操作;
S5.将处理后的二值图像进行连通域处理,提取最大连通域,得到仅保留焊缝的二值图像;
S6.使用距离变换函数将步骤S5处理得到的二值图像变换为凸显出焊缝中心线的灰度图像;
S7.对步骤S6处理得到的灰度图像进行局部阈值二值化处理,得到保留焊缝中心线的二值图像;
S8.对步骤S7处理得到的保留焊缝中心线的二值图像进行形态学处理和连通域处理,提取焊缝中心线。
优选的,对灰度图像进行局部阈值二值化处理得到二值图像,包括:对步骤S2得到的灰度图像中的每个像素点进行处理,得到二值图像;其中,二值图像中像素值为1的点属于前景区域,所述前景区域对应焊缝位置,二值图像中像素值为0的点属于背景区域。
优选的,对局部阈值二值化后的二值图像进行形态学操作,具体为:通过开操作断开不同连通区域之间的弱小的连接,使噪声形成孤立的小区域,再通过设定面积阈值去除噪声,得到降噪图像;对所述降噪图像通过闭操作闭合图像缺损。
优选的,步骤S6中所采用的距离变换函数为bwdist函数,公式为:
b2=bwdist(~b1)
上式中,b1对应二值化焊缝图像矩阵,b2对应变换得到的凸显出焊缝中心线的灰度图像矩阵;
优选的,对保留焊缝中心线的二值图像进行形态学处理和连通域处理,提取焊缝中心线,具体包括:对保留焊缝中心线的二值化图像进行闭操作,得到消除内部孔洞的二值图像;对闭操作处理后的二值图像求最大连通域并保留最大连通域,得到略粗的二值化焊缝图像;对略粗的二值化焊缝图像进行细化操作得到所提取的焊缝中心线。
本发明的有益效果是:本发明提供的方法能够在对图像的预处理达不到效果以及焊缝占图像比重较大时完成对焊缝图像中心线的提取,相较直接对二值化后的焊缝图像进行无限次骨骼化后去毛刺以及直接对二值化后的焊缝图像进行无限次细化后去毛刺两种方法相比能够更加稳定的削弱毛刺干扰,从而达到准确提取焊缝中心线的目的。
附图说明
图1为本发明一种提取焊缝中心线的方法的流程图;
图2为本发明实施例中采用的焊缝原始图像;
图3为本发明实施例中对图2进行同态滤波处理后得到的灰度图像;
图4为本发明实施例中图3进行局部阈值二值化处理得到的焊缝二值图像;
图5为本发明实施例中图4进行开操作得到的图像;
图6为本发明实施例中对图5进行闭操作得到的图像;
图7为本发明实施例中对图6保留最大连通域得到的图像;
图8为现有技术中对图7显示的二值图像直接使用无限次骨骼化得到的图像;
图9为现有技术中对图8显示的图像去毛刺得到的图像;
图10为现有技术中对图7直接使用无限次细化得到的图像;
图11为现有技术中对图10去毛刺得到的图像;
图12为本发明实施例中将图7通过距离函数变换得到的凸显焊缝中心线的灰度图像;
图13为本发明实施例中对图12进行局部阈值二值化处理得到二值图像;
图14为本发明实施例中对图13进行无限次闭操作处理得到的二值图像;
图15为本发明实施例中对图14进行连通域处理得到的焊缝图像;
图16为本发明实施例中对图15进行细化得到提取出来的焊缝中心线。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,本发明实施例提供的一种提取焊缝中心线的方法,可以包括以下步骤:
步骤S1:获取焊缝的原始图像;
这里所说的焊缝原始图像是指焊接前或焊接后的焊缝的图像,如图2所示。实际应用中,处理系统获取的焊缝图像可以是接收图像采集器获得的,也可以是接收外界输入获得的,当然,在具体的应用场景中,还可以在处理系统上设置激光传感器等图像采集器,使得处理系统可以直接获得焊缝图像。
步骤S2:对所述原始图像进行灰度变换,得到灰度图像;
利用傅里叶变换将变换后的图像在频域中将其照度分量和反射分量线性分离,照度是低频成分,反射率为高频成分,分别对高频成分和低频成分进行处理,构造高通滤波器,将高斯高通滤波器与变换后的图像卷积,再将图像通过幂变换的方式变换为灰度图像,最终生成削弱了光照影响的灰度图像,如图3所示。
S3:对所述滤波图像进行局部阈值二值化处理得到焊缝的二值图像;
原始图像经过同态滤波后生成了灰度图像,而局部阈值二值化就是通过对灰度图像中的每个像素点进行处理,得到黑白二值图像,其中,二值图像中像素值为1的点属于前景区域,所述前景区域对应焊缝位置,二值图像中像素值为0的点属于背景区域。图4为焊缝的二值图像。灰度的阈值变换能够把一幅灰度图像转变成黑白二值图像,若图像中某一个像素的灰度值比阈值小,那么把这个像素的灰度值设定成0,若比阈值大则灰度值设定成255。而之所以采用局部阈值二值化是因为,局部阈值二值化根据像素的邻域块像素值的分布来确定这一像素位置上的二值化阈值,每个像素位置的二值化阈值不再是固定不变的了,阈值由像素周围邻域像素的分布来决定,亮度较高的区域的二值化阈值一般来说会比较高,而亮度较低的区域的二值化阈值则会比较小。对一副图像来说,不同亮度、不同对比度、不同纹理的局部区域将会拥有与之对应的阈值。
S4:对局部阈值二值化处理后的二值图像进行形态学操作;
通过开操作断开不同连通区域之间的弱小的连接,使噪声形成孤立的小区域,再通过设定面积阈值去除细的突出物噪声,得到降噪后的焊缝二值图像,如图5所示;焊缝二值图像的前景区域内部会因为经历局部阈值二值化以及开操作的原因存在一些孔洞,对二值图像执行闭操作可以“闭合”掉内部的孔洞,得到填充后的焊缝二值图像,如图6所示。由于背景噪声较复杂,在实际项目实现中,为了达到最佳的去噪效果,开操作和闭操作也可以进行多次。
S5:将处理后的二值图像进行连通域处理,提取最大连通域,得仅保留焊缝的二值图像;
步骤S4处理后图像中剩下一个个连通域,所需要的焊缝区域为最大的连通域,只需要通过统计的方法求出白色像素连通最大的区域即可,求出最大连通域后舍去其他连通域,保留最大连通域,即得到只保留了焊缝区域的二值图像,如图7所示。
S6:使用距离变换函数将步骤S5处理得到二值图像变换为凸显出焊缝中心线的灰度图像;
因为在保留最大连通域后得到图7后,发现焊缝的轮廓已经带有了一些毛刺体,如果此时直接对其使用无限次骨骼化或者细化操作得到的焊缝曲线会严重变形,直接进行无限次骨骼化得到的图8,对其去毛刺得到图9,对图7无限次细化的到图10,对图10去毛刺得到图11,可以直观地看出,这两种方法的提取结果非常差。
本发明根据公式b2=bwdist(~b1),采用bwdist距离变换将步骤S5中进行连通域处理后得到的二值图像变换为灰度图像,其中,b1对应二值化焊缝图像矩阵,b2对应变换得到的凸显出焊缝中心线的灰度图像,矩阵变换得到的灰度图像每一点的像素值为二值图像上的非零像素点到最近的值为零的像素点的距离,所以对于一条焊缝来说,中心线上的点是距离值为0的像素点距离最远的,即处理后可以突出二值图像焊缝的中心线。图12为处理后得到的凸显焊缝中心线的灰度图像。
S7:对步骤S6处理得到的灰度图像进行局部阈值二值化处理,得到保留焊缝中心线的二值图像;
凸显出焊缝中心线后,对凸显出焊缝中心线的灰度图像进行局部阈值二值化将其再变换为二值图像,得到的图像保留了焊缝的细轮廓以及存在一些其他噪声,如图13所示。
S8:对步骤S7处理得到的保留焊缝中心线的二值图像进行形态学处理和连通域处理,提取焊缝中心线。
焊缝的细轮廓可能存在不连续的现象,对其进行无限次闭操作可以连结细轮廓上的断点,得到消除内部孔洞的二值图像,如图14所示;对带有焊缝细轮廓的焊缝图像求最大连通域并保留最大连通域,最终可以得到仅剩焊缝细轮廓的二值图像,如图15所示;对处理后的图进行无限次细化得到焊缝中心线,如图16所示。
本发明的核心思想是对二值化焊缝图像使用bwdist函数使得中心线变亮突出,即处理后可以突出二值图像焊缝的中心线,然后使用局部阈值的二值化,可以得到很细的一个焊缝轮廓,此时细化就可以得到焊缝的中心线了。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种提取焊缝中心线的方法,其特征在于,包括以下步骤:
S1.获取焊缝的原始图像;
S2.对所述原始图像进行同态滤波,获得削弱光照影响的灰度图像;
S3.对所述灰度图像进行局部阈值二值化处理得到二值图像;
S4.对局部阈值二值化处理后的二值图像进行形态学操作;
S5.将处理后的二值图像进行连通域处理,提取最大连通域,得到仅保留焊缝的二值图像;
S6.使用距离变换函数将步骤S5处理得到的二值图像变换为凸显出焊缝中心线的灰度图像;
S7.对步骤S6处理得到的灰度图像进行局部阈值二值化处理,得到保留焊缝中心线的二值图像;
S8.对步骤S7处理得到的保留焊缝中心线的二值图像进行形态学处理和连通域处理,提取焊缝中心线;
其中,步骤S8具体包括:对保留焊缝中心线的二值化图像进行闭操作,得到消除内部孔洞的二值图像;对闭操作处理后的二值图像求最大连通域并保留最大连通域,得到略粗的二值化焊缝图像;对略粗的二值化焊缝图像进行细化操作得到所提取的焊缝中心线。
2.根据权利要求1所述的提取焊缝中心线的方法,其特征在于,对所述灰度图像进行局部阈值二值化处理得到二值图像,具体包括:对所述灰度图像中的每个像素点进行处理,得到二值图像;其中,二值图像中像素值为1的点属于前景区域,所述前景区域对应焊缝位置,二值图像中像素值为0的点属于背景区域。
3.根据权利要求1所述的提取焊缝中心线的方法,其特征在于,对局部阈值二值化处理后的二值图像进行形态学操作,具体为:通过开操作断开不同连通区域之间的弱小的连接,使噪声形成孤立的小区域,再通过设定面积阈值去除噪声,得到降噪图像;对所述降噪图像通过闭操作闭合图像缺损。
4.根据权利要求1所述的提取焊缝中心线的方法,其特征在于,步骤S6中所述距离变换函数为bwdist函数,所采用的公式为:
b2= bwdist(~b1)
上式中,b1对应二值化焊缝图像矩阵,b2对应变换得到的凸显出焊缝中心线的灰度图像矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910261024.5A CN110021017B (zh) | 2019-04-02 | 2019-04-02 | 一种提取焊缝中心线的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910261024.5A CN110021017B (zh) | 2019-04-02 | 2019-04-02 | 一种提取焊缝中心线的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110021017A CN110021017A (zh) | 2019-07-16 |
CN110021017B true CN110021017B (zh) | 2022-06-17 |
Family
ID=67190396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910261024.5A Active CN110021017B (zh) | 2019-04-02 | 2019-04-02 | 一种提取焊缝中心线的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110021017B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053368B (zh) * | 2019-09-23 | 2023-07-21 | 华北电力大学(保定) | 一种用于薄板焊接的焊缝中心识别方法及系统 |
CN114081625B (zh) * | 2020-07-31 | 2023-08-25 | 上海微创卜算子医疗科技有限公司 | 导航路径规划方法、系统和可读存储介质 |
CN112975282B (zh) * | 2021-02-09 | 2022-02-01 | 芜湖造船厂有限公司 | 用于确定夏比冲击试验试样缺口加工位置的方法 |
CN113436209B (zh) * | 2021-06-23 | 2023-11-17 | 南通大学 | 一种基于逐层缩进策略的新型焊缝中心线提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108132017A (zh) * | 2018-01-12 | 2018-06-08 | 中国计量大学 | 一种基于激光视觉系统的平面焊缝特征点提取方法 |
CN108596930A (zh) * | 2018-04-23 | 2018-09-28 | 西安交通大学 | 基于天牛须算法和数学形态学的射线图像焊缝提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE529841T1 (de) * | 2008-11-28 | 2011-11-15 | Agfa Healthcare Nv | Verfahren und vorrichtung zur bestimmung einer position in einem bild, insbesondere einem medizinischen bild |
CN104574418A (zh) * | 2015-01-27 | 2015-04-29 | 西安工业大学 | 基于神经网络的压力容器焊缝缺陷识别方法及其装置 |
CN105976352B (zh) * | 2016-04-14 | 2019-01-11 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN105975972B (zh) * | 2016-04-27 | 2019-05-07 | 湖南桥康智能科技有限公司 | 基于影像的桥梁裂缝检测与特征提取方法 |
CN106093035B (zh) * | 2016-05-30 | 2018-10-26 | 武汉大学 | 一种土体演变的微距视频图像识别方法 |
CN106469312A (zh) * | 2016-09-29 | 2017-03-01 | 江苏省特种设备安全监督检验研究院 | 基于区域生长标号的焊缝视觉识别方法 |
CN109215000A (zh) * | 2018-08-03 | 2019-01-15 | 武汉工程大学 | 一种焊缝图像处理方法及系统 |
-
2019
- 2019-04-02 CN CN201910261024.5A patent/CN110021017B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108132017A (zh) * | 2018-01-12 | 2018-06-08 | 中国计量大学 | 一种基于激光视觉系统的平面焊缝特征点提取方法 |
CN108596930A (zh) * | 2018-04-23 | 2018-09-28 | 西安交通大学 | 基于天牛须算法和数学形态学的射线图像焊缝提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110021017A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110021017B (zh) | 一种提取焊缝中心线的方法 | |
CN109615596B (zh) | 一种深度图像的去噪方法、装置和电子设备 | |
US20230377158A1 (en) | Image segmentation method, apparatus, device, and medium | |
CN109993736B (zh) | 一种基于改进加权otsu算法的电气设备热成像分割查异方法 | |
CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
CN107085836A (zh) | 一种在运动物体检测中通用的鬼影消除方法 | |
CN110688871A (zh) | 一种基于条码识别的边缘检测方法 | |
CN108010035A (zh) | 基于方向谷形检测的指静脉图像分割方法及其系统、终端 | |
EP3510526B1 (en) | Particle boundary identification | |
CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
CN112381084B (zh) | 断层图像的轮廓自动识别方法 | |
CN117095020A (zh) | 含噪声电子束图像的轮廓提取方法、装置、系统和介质 | |
Zhu et al. | Optimization of image processing in video-based traffic monitoring | |
US6289123B1 (en) | Character extracting method and its apparatus | |
Sadiq | On the accuracy of edge detectors in number plate extraction | |
Tao | Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment | |
CN112258421A (zh) | 一种基于prewitt算子的图像增强及降噪的方法与系统 | |
Mubin et al. | Identification of parking lot status using circle blob detection | |
CN109459451A (zh) | 一种基于射线造影的金属内部微小裂纹检测方法 | |
Zeng et al. | An improved canny edge detector against impulsive noise based on CIELAB space | |
CN111160074A (zh) | 设备内部异物识别方法、装置、计算机设备和存储介质 | |
Biradar et al. | Automated delineation of Doppler echocardiographic images using texture filters | |
CN115908184B (zh) | 一种摩尔纹图案的自动去除方法和装置 | |
CN115908543A (zh) | 一种基于随机霍夫变换的热管管口圆心定位方法 | |
CN115170446B (zh) | 基于形态学处理的自适应钣金图像增强方法 |
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 |