CN110060231A - 一种活塞环图像快速计数方法 - Google Patents
一种活塞环图像快速计数方法 Download PDFInfo
- Publication number
- CN110060231A CN110060231A CN201910192426.4A CN201910192426A CN110060231A CN 110060231 A CN110060231 A CN 110060231A CN 201910192426 A CN201910192426 A CN 201910192426A CN 110060231 A CN110060231 A CN 110060231A
- Authority
- CN
- China
- Prior art keywords
- piston ring
- image
- point set
- matched
- profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000001404 mediated effect Effects 0.000 claims abstract description 4
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005303 weighing Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
一种活塞环图像快速计数方法，属于图像处理技术领域，在活塞环图像中裁剪出ROI，对ROI图像进行图像光照均衡、线条粗检测、图像二值化、对二值化图像去除孤立像素点，采用种子生长法提取ROI中的所有轮廓点集及标记轮廓序号，对点集进行最小二乘直线拟合获得直线方程，从轮廓点集中获取待匹配上、下点集；基于待匹配下点集优先计算，采用距离、XY坐标及轮廓面积的约束，获得最优待匹配上点集及所在的轮廓；计算已匹配的上下点集所在轮廓拟合直线的距离，同时满足距离约束，判断全部轮廓中一致的轮廓序号，获得活塞环检测数目。本发明可以对活塞环图像中感兴趣区域中的活塞环快速计数，提高活塞环计数包装效率，减轻工人劳动强度，提高计数准确率。
Description
技术领域
本发明属于图像处理技术领域，特别是涉及到一种活塞环图像快速计数方法。
背景技术
在活塞环的生产流程中，包装环节是十分重要的一环，要求工人将活塞环按固定的数目包装成卷成箱，需要一种能够快速准确的活塞环计数方法。目前常用的方法主要是依靠人工计数，工人劳动强度较大，并且人工点数很容易因为疲劳产生失误，效率低下，尤其是活塞环厚度较薄时，不适合在生产流水线末端进行实时性较高的手工包装计数处理。
目前在活塞环快速计数方面，主要有卡具法、图像法等。卡具法是采用特制的卡具，卡具上有尺寸标尺，将环放入卡具中，获得尺寸，然后除以单个环的厚度来检测数目；图像法是基于机器视觉技术，借助于外部光源对活塞环进行成像，然后对图像进行分析计数，获得个数。卡具法由于活塞环存在厚度偏差，影响最终的检测结果。图像法借助了机器视觉和图像处理技术，可以对活塞环实时准确计数，可以极大的提高工作效率。
CN201410442239.4公开了一种基于机器视觉的活塞环点数系统及其计数方法，但由于其活塞环计数时处于暗箱中进行，需要工作人员将环推入到暗室，待检测完毕后拉出暗室，并且在检测时活塞环必须成摞摆放，这也影响了活塞环的包装效率,专利中公开的计数算法也只是适应其公开的计数装置。基于开放式的活塞环图像检测，不需要暗室，因此活塞环的检测效率可以大幅提升；但随之而来的是环境光影响活塞环成像质量，造成活塞环图像中单个环的边缘间断，影响计数准确度。
因此现有技术当中亟需要一种新型的技术方案来解决上述问题。
发明内容
本发明所要解决的技术问题是：提供一种活塞环图像快速计数方法，可以对活塞环图像中感兴趣区域中的活塞环快速计数，提高活塞环计数包装效率，减轻工人劳动强度，提高计数准确率。
一种活塞环图像快速计数方法，其特征是：包括以下步骤，且以下步骤顺次进行，
步骤一、获取活塞环图像；
步骤二、对所述步骤一获取的图像进行感兴趣区域ROI裁剪；
步骤三、对所述步骤二裁剪后的图像通过限制对比度自适应直方图均衡 CLAHE算法，进行图像的照度均衡；
步骤四、通过直线滤波算子对均衡后感兴趣区域ROI进行线条粗检测；
步骤五、采用迭代法进行图像二值化，去除二值化图像孤立像素点；
步骤六、采用种子生长法提取感兴趣区域ROI中的所有轮廓区域并获得轮廓点集及标记轮廓序号，对轮廓点集进行最小二乘直线拟合获得直线方程，获取待匹配上点集和待匹配下点集；
步骤七、基于待匹配下点集优先计算原则，循环计算其余轮廓的待匹配上点集进行点到待匹配下点集所在轮廓拟合直线的垂直距离，采用垂直距离约束和XY坐标约束，检查是否满足约束条件，完成第一次校验，获得最小垂直距离的待匹配上点集中的轮廓；
步骤八、计算步骤七中确定的待匹配上下点集所在轮廓拟合直线的距离，采用距离约束，检查是否满足约束条件，完成第二次校验；
步骤九、同时满足步骤七或步骤八的约束条件，将待匹配下点集所在轮廓序号更新为与待匹配上点集所在的轮廓序号一致；
步骤十、判断全部轮廓中轮廓序号的个数，为待检测活塞环的检测数目。
所述步骤四中采用的直线滤波算子为
所述步骤五中去除二值化图像孤立像素点模板为8个，模板大小为3×3像素区域。
通过上述设计方案，本发明可以带来如下有益效果：一种活塞环图像快速计数方法，对ROI图像进行CLAHE自适应直方图均衡，提高了光照均匀程度；采用直线滤波算子对均衡后ROI区域进行线条粗检测，有效的去除了其他非环像素，减少了对后续识别的干扰；采用两次点集匹配校验，避免了活塞环因边缘间断造成检测不准确，提高了开放式活塞环图像计数的准确度，可以极大的改善工作效率。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明：
图1为本发明一种活塞环图像快速计数方法成像组成示意图。
图2为本发明一种活塞环图像快速计数方法流程示意框图。
图3为本发明一种活塞环图像快速计数方法轮廓上下待匹配点集的生成流程示意框图。
图4为本发明一种活塞环图像快速计数方法所用的孤立像素点去除模板算子示意图。
图5为本发明一种活塞环图像快速计数方法轮廓上下待匹配点集的匹配流程示意图。
图中、1-支撑框架、2-活塞环、3-相机、4-活塞环图像、5-活塞环支撑杆。
具体实施方式
一种活塞环图像快速计数方法，如图2所示，包括以下步骤，且以下步骤顺次进行，
步骤一、如图1所示，模拟三维坐标系建立支撑框架1，在Z轴上取一点为起点，沿X轴方向设置活塞环支撑杆5，沿箭头B方向推入活塞环2，在活塞环 2正上方用相机3获取活塞环图像4，其中箭头A为光线方向；
步骤二、对步骤一获得的活塞环图像4进行感兴趣区域ROI裁剪；
步骤三、对裁剪后图像进行CLAHE自适应直方图均衡，实现图像的照度均衡；
步骤四、通过直线滤波算子对均衡后感兴趣区域ROI进行线条粗检测；
步骤五、利用迭代法进行图像二值化，如图4所示，对二值化图像去除孤立像素点；
步骤六、采用种子生长法提取ROI中的所有轮廓区域并获得轮廓点集及标记轮廓序号，对轮廓点集进行最小二乘直线拟合获得直线方程，其中拟合方程按一般直线方程拟合；如图3所示，从轮廓点集中获取待匹配上、下点集；
步骤七、基于待匹配下点集优先计算原则，循环对其余的轮廓的待匹配上点集进行点到待匹配下点集所在轮廓拟合直线的垂直距离计算，采用垂直距离约束Td和XY坐标约束Tx和Ty，检查是否满足约束条件；循环结束后获得最小的垂直距离的待匹配上点集中的轮廓；
步骤八：计算步骤七中确定的待匹配上下点集所在轮廓拟合直线的距离，采用距离约束Td，检查是否满足约束条件；
步骤九：若同时满足步骤七和步骤八的约束条件，则将待匹配下点集所在的轮廓序号更新为与待匹配上点集所在的轮廓序号一致；
步骤十：判断全部轮廓中轮廓序号个数，获得活塞环的检测数目。
Claims (3)
1.一种活塞环图像快速计数方法，其特征是：包括以下步骤，且以下步骤顺次进行，
步骤一、获取活塞环图像；
步骤二、对所述步骤一获取的图像进行感兴趣区域ROI裁剪；
步骤三、对所述步骤二裁剪后的图像通过限制对比度自适应直方图均衡CLAHE算法，进行图像的照度均衡；
步骤四、通过直线滤波算子对均衡后感兴趣区域ROI进行线条粗检测；
步骤五、采用迭代法进行图像二值化，去除二值化图像孤立像素点；
步骤六、采用种子生长法提取感兴趣区域ROI中的所有轮廓区域并获得轮廓点集及标记轮廓序号，对轮廓点集进行最小二乘直线拟合获得直线方程，获取待匹配上点集和待匹配下点集；
步骤七、基于待匹配下点集优先计算原则，循环计算其余轮廓的待匹配上点集进行点到待匹配下点集所在轮廓拟合直线的垂直距离，采用垂直距离约束和XY坐标约束，检查是否满足约束条件，完成第一次校验，获得最小垂直距离的待匹配上点集中的轮廓；
步骤八、计算步骤七中确定的待匹配上下点集所在轮廓拟合直线的距离，采用距离约束，检查是否满足约束条件，完成第二次校验；
步骤九、同时满足步骤七或步骤八的约束条件，将待匹配下点集所在轮廓序号更新为与待匹配上点集所在的轮廓序号一致；
步骤十、判断全部轮廓中轮廓序号与索引号相等的个数，为待检测活塞环的检测数目。
2.根据权利要求1所述的一种活塞环图像快速计数方法，其特征是：所述步骤四中采用的直线滤波算子为
3.根据权利要求1所述的一种活塞环图像快速计数方法，其特征是：所述步骤五中去除二值化图像孤立像素点模板为8个，模板大小为3×3像素区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910192426.4A CN110060231A (zh) | 2019-03-14 | 2019-03-14 | 一种活塞环图像快速计数方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910192426.4A CN110060231A (zh) | 2019-03-14 | 2019-03-14 | 一种活塞环图像快速计数方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110060231A true CN110060231A (zh) | 2019-07-26 |
Family
ID=67316931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910192426.4A Pending CN110060231A (zh) | 2019-03-14 | 2019-03-14 | 一种活塞环图像快速计数方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110060231A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910403A (zh) * | 2019-11-16 | 2020-03-24 | 厦门梓蔓生物科技有限公司 | 一种基于图像处理的工业大麻种子计数方法 |
| CN113763279A (zh) * | 2021-09-10 | 2021-12-07 | 厦门理工学院 | 一种具有矩形框图像的精确校正处理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107369140A (zh) * | 2017-06-29 | 2017-11-21 | 大连理工大学 | 非结构化环境下的高精密靶球中心提取方法 |
| CN109919926A (zh) * | 2019-03-05 | 2019-06-21 | 长春工业大学 | 一种活塞环图像快速计数方法 |
-
2019
- 2019-03-14 CN CN201910192426.4A patent/CN110060231A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107369140A (zh) * | 2017-06-29 | 2017-11-21 | 大连理工大学 | 非结构化环境下的高精密靶球中心提取方法 |
| CN109919926A (zh) * | 2019-03-05 | 2019-06-21 | 长春工业大学 | 一种活塞环图像快速计数方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910403A (zh) * | 2019-11-16 | 2020-03-24 | 厦门梓蔓生物科技有限公司 | 一种基于图像处理的工业大麻种子计数方法 |
| CN113763279A (zh) * | 2021-09-10 | 2021-12-07 | 厦门理工学院 | 一种具有矩形框图像的精确校正处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110687904B (zh) | 一种巡线机器人视觉导航巡检和避障方法 | |
| CN110490874A (zh) | 基于yolo神经网络的纺织布匹表面瑕疵检测方法 | |
| CN102495076B (zh) | 一种基于机器视觉的拉链金属链牙缺陷检测方法 | |
| CN106969706A (zh) | 基于双目立体视觉的工件检测与三维测量系统及检测方法 | |
| CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN105954301A (zh) | 一种基于机器视觉的瓶口质量检测方法 | |
| CN103858147B (zh) | 在轮胎的内部表面上的浮凸元素特征的快速分析方法 | |
| CN109978940B (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
| CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
| CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
| CN106824816A (zh) | 一种基于机器视觉的pe瓶检测与分拣方法 | |
| CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
| CN110060231A (zh) | 一种活塞环图像快速计数方法 | |
| CN108230315A (zh) | 一种基于机器视觉的口罩带缺失检测方法 | |
| CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
| CN115953397B (zh) | 一种圆锥轴承保持器的工艺制备流程的监测方法及设备 | |
| CN111080638B (zh) | 一种检测模制瓶瓶底脏污的方法 | |
| CN113847881A (zh) | 一种基于机器视觉的自由曲面轮廓度检测方法 | |
| CN109324056B (zh) | 一种基于机器视觉的缝纫线迹测量方法 | |
| CN106875441A (zh) | 一种基于机器视觉的在线pe瓶识别定位方法 | |
| CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
| CN112893172A (zh) | 基于机器视觉的垫片尺寸检测系统、方法、处理终端及介质 | |
| CN104197866A (zh) | 玉米籽粒剖面角质与粉质百分比的定量测定方法 | |
| CN108855971B (zh) | 一种鞋底智能分拣方法 | |
| CN208042989U (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190726 |