CN110095410B - 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法 - Google Patents
靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法 Download PDFInfo
- Publication number
- CN110095410B CN110095410B CN201910375782.XA CN201910375782A CN110095410B CN 110095410 B CN110095410 B CN 110095410B CN 201910375782 A CN201910375782 A CN 201910375782A CN 110095410 B CN110095410 B CN 110095410B
- Authority
- CN
- China
- Prior art keywords
- circle
- perforation
- center
- image
- target plate
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0181—Memory or computer-assisted visual determination
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法,通过MATLAB编程实现对穿孔的数目、位置、尺寸、毁伤覆盖范围等毁伤特征参数的自动识别、提取和存储,其属于摄像测量领域。包括以下步骤:步骤一:靶板毁伤图像采集;步骤二:图像预处理;步骤三:图像二值化;步骤四:毁伤特征参数提取;步骤五:测量结果存储与输出。该测量方法解决了穿孔特征参数和毁伤覆盖范围难以精确测量的问题,适用于不同尺寸金属靶板、不同形状尺寸和不同分布范围的穿孔毁伤参数测量,该图像识别测试技术具有精度高、效率高的特点,在毁伤效应测试中有广泛的应用前景。
Description
技术领域
本发明属于毁伤效应摄像测量技术领域,提出了种基于图像处理的靶板穿孔毁伤特征测量方法及系统。
背景技术
弹体超高速撞击金属薄板过程中会产生大量的破片,对破片的状态进行测试分析是超高速撞击机理和毁伤效应研究的重要内容,在实验中布置效应靶是研究破片分布及其毁伤特征的常用手段。超高速撞击产生的破片群具有较高的速度,对靶板造成穿孔、成坑、鼓包、撕裂和变形等毁伤。效应靶上的孔洞数目较多,形状各异,有的尺寸较小,通过人工方法进行测量不仅费时费力,还难以进行精确测量。CT扫描和激光扫描也能用于靶板穿孔测试,但同样需要对获得的图像进行毁伤特征提取,与普通摄像相比,这两类方法需要更加昂贵的设备,耗费的时间也更多。
确定穿孔毁伤范围是最小覆盖圆问题,求解最小圆覆盖问题通常采用以下四种算法:二阶锥规划、次梯度方法、二次规划和随机增量算法。但采用这些数学求解的方法会面临两个问题:(1)求解起来比较复杂;(2)穿孔并不是规则的圆形。
发明内容
为了解决现有的靶板穿孔测试方法费时费力、求解过程复杂且精确度较低的问题,本发明基于数字图像处理原理,提出了一种靶板穿孔毁伤特征测量方法。该方法基于数字图像处理原理对图像进行二值化和毁伤特征参数提取,通过编程实现了靶板穿孔毁伤参数的测量及数据自动存储。该方法对摄像设备要求较低,便于校准,适用于不同尺寸金属靶板、不同形状尺寸和不同分布范围的穿孔毁伤参数测量,该图像识别测试技术具有精度高、效率高的特点,在毁伤效应测试中有广泛的应用前景。
本发明的技术解决方案是提供一种基于图像处理的靶板穿孔毁伤特征测量方法,包括以下步骤:
步骤一、采集靶板毁伤图像,获得穿孔图像I1;
步骤二、利用图像处理软件对步骤一获得的穿孔图像I1进行去污点、旋转、分割、滤波和/或转化预处理,获得预处理后的穿孔图像I6;
步骤三、对步骤二预处理后的穿孔图像I6进行二值化处理,获得处理后的二值化图像I9;
步骤四、通过处理步骤三获得的二值化图像I9,提取毁伤特征参数,所述毁伤特征参数包括穿孔位置、穿孔数目、穿孔尺寸、穿孔分布及穿孔毁伤覆盖范围;
4.1)、获取穿孔位置及数目;
采用二值化图像标记函数对二值化图像I9进行标记,将二值化图像I9中每个连通区域的重心视为穿孔位置,标记穿孔位置,获得标记有穿孔位置的图像I10;
4.2)、获取各穿孔特征尺寸参数,所述特征尺寸参数包括各穿孔的实际面积、等效椭圆长轴、短轴及等效圆的直径;
4.2.1)、计算步骤4.1)获得的图像I10中每个穿孔所占的像素,获得每个穿孔的实际面积,将每个穿孔的实际面积相加获得穿孔毁伤总面积;
4.2.2)、将步骤4.1)获得的图像I10中每个穿孔等效为椭圆,计算等效后椭圆的长轴和短轴;
4.2.3)、根据步骤4.2.1)获得的每个穿孔的实际面积,计算获得同样面积大小的圆的直径;
4.3)、根据步骤4.2)获得的各个穿孔的特征尺寸参数,进行数据分析及数学运算,获得统计分布参数;所述分布参数包括各个穿孔的特征尺寸参数最大值、最小值、均值、方差、尺寸-数目分布;
4.4)、计算穿孔毁伤覆盖范围,包括中心覆盖圆覆盖范围及最小覆盖圆的覆盖范围;
4.4.1)、获取中心覆盖圆的覆盖范围:
4.4.1.1)、计算中心覆盖圆的圆心C0(x0,y0):
其中,S(Mj)为第j个穿孔的实际面积,(xj,yj)为第j个穿孔的位置;m为穿孔数量;
4.4.1.2)、计算中心覆盖圆的圆心C0(x0,y0)到各穿孔区域Mj重心的距离R0(C0,Mj)及到边界距离R1(C0,Mj)=R0(C0,Mj)+L(Mj);其中,L(Mj)为穿孔区域Mj等效椭圆长轴,根据R(C0)=Max(R1(C0,Mj))获得圆心为C0(x0,y0)的中心覆盖圆的覆盖范围;
4.4.2)、获取最小覆盖圆的覆盖范围:
4.4.2.1)、以C0(x0,y0)为中心,在C0(x0,y0)的四周估计最小覆盖圆的圆心范围为I;
4.4.2.2)、在圆心范围I内,令最小覆盖圆的初始圆心为Ci,其中i=1;
4.4.2.3)、计算以Ci为圆心的覆盖范围R(Ci);
4.4.2.4)、令i=i+1,判断Ci∈I,若是,则返回步骤4.4.2.3),否则,根据R=Min(R(Ci))获得最小覆盖圆的覆盖范围;
步骤五、将步骤四获得的毁伤特征参数存储并显示。
进一步地,所述步骤4.4.2.3)具体为:
4.4.2.3.1)、计算初始圆心Ci到各穿孔区域Mj重心的距离R0(Ci,Mj);
4.4.2.3.2)、计算初始圆心Ci到各穿孔区域Mj边界的距离R1(Ci,Mj)=R0(Ci,Mj)+L(Mj);
4.4.2.3.3)、通过R(Ci)=Max(R1(Ci,Mj))计算以Ci为圆心的覆盖范围R(Ci)。
进一步地,为了提高计算精度,所述步骤4.4.2.3)具体为:
4.4.2.3.1)、令初始半径为Rk(Ci),k=1;半径为Rk(Ci)的覆盖圆范围为Dk(Ci);
4.4.2.3.2)、令Rk+1(Ci)=Rk(Ci)-1;k=k+1;
进一步的,上述方法还包括步骤4.5)提取中心孔特征参数的过程,所述中心孔特征参数包括中心孔位置、中心孔最大内切圆、中心孔最小外接圆。
4.5.1)、将毁伤面积最大的穿孔确定为中心孔;
4.5.2)、确定中心孔的最大内切圆的圆心C内切及半径R内切;
4.5.2.1)、确定最大内切圆的圆心范围为D内切,D内切是以中心孔重心为中心,边长为中心孔区域等效圆直径的正方形;
4.5.2.2)、在D内切范围内,令初始圆心为Ci内切,i=1;
4.5.2.3)、令初始半径为Rk内切(Ci内切)为中心孔等效圆半径,k=1;
4.5.2.4)、令Rk+1内切(Ci内切)=Rk内切(Ci内切)-1,k=k+1;
4.5.2.5)、判断圆心为Ci内切,半径为Rk内切(Ci内切)的圆是否在中心孔内,若否,则返回步骤4.5.2.4),若是,则令R(Ci内切)=Rk内切(Ci内切);
4.5.2.6)、令i=i+1,判断Ci内切∈D内切,若是,返回4.5.2.3),若否,则令R内切=max(R内切(Ci内切)),最大内切圆对应的圆心为最大内切圆圆心C内切。
4.5.3)、确定中心孔的最小外接圆的C外接及半径R外接;
4.5.3.1)、令最小外接圆的圆心范围D外接,D外接是以中心孔重心为中心,边长为中心孔区域等效圆直径的正方形;
4.5.3.2)、在D外接范围内,令初始圆心为Ci外接,i=1;
4.5.3.3)、令初始半径为Rk外接(Ci外接)为中心孔等效圆半径,k=1;
4.5.3.4)、令Rk+1外接(Ci外接)=Rk外接(Ci外接)+1,k=k+1;
4.5.3.5)、判断中心孔是否在圆心为Ci外接,半径为Rk外接(Ci外接)的圆内,若否,则返回步骤4.5.3.3),若是,则令R(Ci外接)=Rk外接(Ci外接);
4.5.3.6)、令i=i+1,判断Ci外接∈D外接,若是,返回4.5.3.3),若否,则令R外接=max(R(Ci外接)),最小外接圆对应的圆心为最小外接圆圆心C外接。
进一步地,还包括穿孔尺寸校准的过程,此处穿孔尺寸可以为实际面积、等效椭圆长轴、短轴及等效圆的直径等尺寸;
a1、加工尺寸与原靶板尺寸一致的较验靶,在较验靶上加工出尺寸及形状已知的孔;
b1、采用上述所述的方法获得较验靶上已知孔的测量尺寸数据LTi;此处测量尺寸可以为等效圆的直径;
c1、利用ηi=LOi/LTi获得单个孔的修正系数ηi,其中LOi为较验靶上孔的实际尺寸值;
进一步地,还可以通过下述过程实现校准:
a2、加工尺寸与原靶板尺寸一致的较验板,在较验靶上加工出尺寸及形状已知的孔;
b2、采用上述步骤一至步骤二所述的方法获得较验板穿孔图像;
c2、令较验板穿孔图像二值化阈值的范围为K;
d2、初始阈值ki,i=1;
e2、利用上述步骤四所述的方法,计算ki条件下较验靶上已知孔的尺寸Li;
f2、计算Li与LO之间的误差,Ei=|(LO-Li)|/LO*100%;其中LO为较验靶上已知孔的实际尺寸;
g2、令i=i+1,判断ki∈K,若是,则返回步骤d2,否则令最小误差Em=min(Ei),对应的二值化阈值为km;
h2、将km作为处理穿孔图像I6的二值化阈值。
进一步地,所述步骤一中以相机为采集设备,将待测靶板置于暗室中,利用选取的光源从靶板的一侧照射靶板,相机从靶板的另一侧拍摄靶板图像,获得清晰的穿孔图像。
进一步地,所述步骤三包括:
3.1)、采用自动阈值法或直接设定阈值将步骤二预处理后的穿孔图像I6进行阈值分割,然后根据分割阈值将灰度图转化为二值图;
3.2)、分别采用闭运算和开运算去除步骤3.1)二值图中的毛刺与杂点,获得二值化图像I9。
本发明还提提供一种基于图像处理的多层靶板弹道偏转测量方法,包括以下步骤:
S1、确定每层靶板的几何中心位置;
S2、根据上述的方法确定每层靶板中心孔特征参数;
S3、将所有靶板的几何中心对准后作为计算弹道偏转坐标系的坐标原点,假设,每层靶板中心孔的位置为弹道位置,则任意两层靶板间弹道沿X轴或Y轴的偏转为Δxij=xi-xj,Δyij=yi-yj,其中xi为第i个靶板中心孔特征参数的横坐标;xj为第j个靶板中心孔特征参数的横坐标;yi为第i个靶板中心孔特征参数的纵坐标;yj为第j个靶板中心孔特征参数的纵坐标。
进一步地,所述步骤S1具体为:
选取靶板上四个均匀分布的穿孔作为参照;
四个均匀分布的穿孔的重心位置分别为A1i(x1i,y1i)、A2i(x2i,y2i)、A3i(x3i,y3i)、A4i(x4i,y4i),则板中心位置Oi(xoi,yoi)为:
本发明还提供一种基于图像处理的靶板穿孔毁伤特征测量系统,其特殊之处在于:包括处理器及存储器,所述存储器中存储计算机程序,所述计算机程序运行时,实现上述步骤四的过程。
进一步地,所述计算机程序运行时,实现提取中心孔特征参数的过程。
本发明还替提供一种计算机可读存储介质,其特殊之处在于:储存有计算机程序,计算机程序被执行时实现上述步骤四的过程。
进一步地,所述计算机程序被执行时,实现提取中心孔特征参数的过程。
本发明具有如下有益效果:
(1)本发明基于数字图像处理原理对图像进行二值化和毁伤特征参数提取,通过编程实现了靶板穿孔毁伤参数的测量及数据自动存储;能够快速对穿孔的位置、数目、大小、分布特征、覆盖范围、中心孔特征等特征参数进行测量,该方法解决了穿孔特征参数和毁伤覆盖范围难以精确测量的问题,适用于不同尺寸金属靶板、不同形状尺寸和不同分布范围的穿孔毁伤参数测量,该图像识别测试技术具有精度高、效率高的特点,在毁伤效应测试中有广泛的应用前景。
(2)本发明对中心孔的最大内切圆、最小外接圆、等效圆等特征参数提取方法进行了说明,该提取方法也适用于任一孔的特征参数提取。
(3)本发明图像二值化过程中的阈值采用自动阈值法,但阈值的获得不限于此方法,二值化阈值也可以根据实际情况直接设定或根据校验实验获得。
(4)本发明提出采用“暗室透光拍摄法”获得靶板穿孔图像,穿孔区域与未毁伤区域特征差别明显,便于图像处理和毁伤特征提取且获得靶板毁伤特征图像的途径简单,对设备的要求较低,拍摄方法简单,易于操作。
(5)本发明基于数值图像处理原理编写了靶板穿孔覆盖范围求解程序,获得了穿孔覆盖范围,避免了复杂的数学计算分析。
(6)本发明提出的图像处理方法不仅能够用于数码相机拍摄的靶板穿孔图像,也能够用于CT扫描图像、激光扫描图像、X光闪光图像等。
(7)本发明的靶板穿孔特征测量方法不仅适用于单层板实验结果分析,也适用于多层板实验结果分析,能够通过中心孔定位进行弹道偏转分析。
(8)本发明提出的图像处理方法不仅能够用于金属靶板穿孔特征参数测量,也能够用于混凝土靶毁伤参数测量和其它靶标毁伤参数测量。
(9)本发明提出的测量校核方法简单易行,测试结果稳定可靠。
附图说明
图1为实施例中采用“暗室透光拍摄法”拍摄靶板的示意图;
图2为实施例获取的穿孔图像I1;
图3为实施例中经旋转分割处理后的穿孔图像I4;
图4为实施例中穿孔图像灰度图I5;
图5为实施例中二值化后的图像I7;
图6为实施例中标记有穿孔重心位置的图像I10;
图7为实施例中穿孔尺寸-数目分布示意图;
图8为实施例中中心覆盖圆的覆盖范围计算流程图;
图9为实施例中采用方式一计算最小覆盖圆的覆盖范围的流程图;
图10为实施例中采用方式二计算最小覆盖圆的覆盖范围的流程图;
图11为实施例中穿孔范围覆盖圆示意图;
图12为实施例中中心孔内切圆、外接圆和等效圆示意图;
图13为实施例中校验靶板示意图;
图14为实施例中二值化阈值算法修正流程图;
图中附图标记为:1-相机,2-穿孔靶板,3-遮光箱,4-光源。
具体实施方式
以下结合附图及具体实施例对本发明做进一步地描述。
步骤一、通过数码相机获得清晰的靶板毁伤图像;
1.1、配置合适的光源和参考标尺,设置合适的图像大小(像素),调整数码相机的光圈、快门、拍摄距离等参数,选取合适的拍摄方式,获得清晰的靶板图像;
在数字图像处理中以像素为基本单位,该方法的测量精度为:
δ=Lc/Nc(1)
其中,Lc为标尺的实际长度,Nc为标尺对应的像素值。
1.2、金属板穿孔毁伤图像采集;
采用“暗室透光拍摄法”对金属板穿孔毁伤进行拍摄,如图1所示,获得的穿孔图像为I1,由于孔的透光性,靶板的穿孔区域将形成高亮区域,而普通区域则较暗,使得穿孔毁伤与无穿孔损伤部分对比度明显,如图2所示。
在其他实施例中,也可以将CT扫描图像、激光扫描图像、X光闪光图像作为靶板毁伤图像。
步骤二、图像预处理;
根据需求,本实施例采用图像处理软件(Photoshop,Matlab等)对图像进行预处理,包括去污点、旋转、分割、滤波、转化等。
2.1、图像污点处理;
采用Photoshop软件中的“污点修复画笔”工具除去污点,一是提高图像数字化测量的精度,二是减少污点对毁伤特征的干扰。污点处理后的图像为I2。
2.2、图像旋转处理;
采用Photoshop软件中的“图像旋转”工具或Matlab软件中“imrotate”函数将图像调整至特定的方向,一是便于识别标尺比例,二是便于多幅图像的处理与分析。旋转后的图像为I3。
2.3、图像剪切分割处理;
采用Photoshop软件中的“剪裁”工具或Matlab软件中“imcrop”函数对图像进行剪切分割处理。图像剪切分割后的图像为I4,如图3所示。
2.4、图像转化处理;
将彩图转化成灰度图,便于后续的滤波降噪处理和二值化处理,采用Matlab软件中“rgb2gray”函数将彩图转化成灰度图。转化后的灰度图为I5,如图4所示。
2.5、滤波降噪处理;
穿孔特征参数可能会受到椒盐噪声的影响,采用中值滤波函数“medfilt2”进行降噪处理。滤波降噪处理后的图像为I6。
步骤三、图像二值化处理;
3.1、自动阈值法二值化处理;
通过“暗室透光拍摄法”采集的图像中,穿孔区域与未穿孔区域的明暗对比度较强,采用自动阈值法进行将图像进行阈值分割,然后根据分割阈值将进将灰度图转化成二值化图,二值化后的图像为I7,如图5所示。主要程序为:
level=graythresh(I6);
I7=im2bw(I6,level)。
3.2、毛刺杂点处理;
图像二值化以后,不可避免地会有一些毛刺和杂点,分别采用闭运算和开运算进行处理,处理后的图像为I9,主要程序为:
se1=strel('disk',n1);
I8=imopen(I7,se1);
se2=strel('disk',n2);
I9=imopen(I8,se1)。
步骤四、毁伤特征参数提取;
4.1、穿孔数目参数及穿孔位置参数;
本实施例采用bwlabel函数对穿孔毁伤二值化图像I9进行标记,进而对穿孔毁伤的详细信息进行识别。每个孔对应于二值化图像中独立的连通区域,穿孔数目为二值化图像中连通区域的数目,穿孔数目极记为Nk。主要程序为:
[L,num]=bwlabel(I8,n3);
Nk=num。
每个穿孔区域并不是规则的形状(圆形,正方形,三角形),提取位置信息时,将二值化图像中每个连通区域的重心视为穿孔位置,穿孔位置图记为I10,如图6所示
主要程序为:
gdata=regionprops(L,'all');
location=[gdata.Centroid]。
4.2、穿孔大小参数;
用于表示穿孔大小的参数有穿孔面积、等效椭圆长轴、短轴及等效圆。
4.2.1、穿孔面积;
通过二值化图像标记,能够很方便地计算出每个穿孔区域所占的像素,进而获得每个穿孔的实际面积,将每个孔的面积相加又能获得穿孔毁伤总面积。
主要程序为:
allarea=[gdata.Area]。
4.2.2、等效椭圆长、短轴;
等效椭圆长轴和短轴表示的是将该区域近似等效成椭圆后的长轴和短轴,能反映出孔的长度和宽度信息。
主要程序为:
Alength=[gdata.MajorAxisLength];
Blength=[gdata.MinorAxisLength]。
4.2.3、等效圆直径;
获得每个孔的面积后,进一步计算获得同样面积大小的圆的直径。
主要程序为:
Clength=2*sqrt(allarea/pi());
4.3、穿孔大小统计分布参数;
计算每个穿孔的特征尺寸后,进行数据分析后能进一步获得统计分布参数,主要有:最大值、最小值、均值、方差、尺寸-数目分布等。尺寸-数目分布表示的是不同尺寸范围内穿孔的数目,如图7所示:
主要程序为:
TAl=Clength;%
N1=11;
NTAl=zeros(N1,1);
fori=1:1:(N1-1)
NL=find(TAl>(i-1)&TAl<=i);
NTAl(i)=size(NL,1);
end
NL=find(TAl>(N1-1));
NTAl(N1)=size(NL,1);
plot(NTAl)。
摄影测量中每个像素对应的精度较高,因此在求解最小覆盖圆时没有必要采用数值分析的方法获得非常精确的解析解,以像素为单位进行处理就能满足要求。采用数字图像处理的方法,在Matlab中编程求解毁伤覆盖范围,进而实现了板穿孔毁伤特征的精确测量。
4.4、穿孔毁伤覆盖范围;
4.4.1、中心覆盖圆;
中心覆盖圆表示以穿孔面积的重心为圆心,能覆盖所有穿孔区域的最小的圆,计算流程如图8所示。
中心覆盖圆的圆心C0(x0,y0)为
其中S(Mj)为第j个穿孔区域的面积,(xj,yj)为第j个穿孔区域的重心。
4.4.2、最小覆盖圆;
最小覆盖圆是指能将所有穿孔区域都包含在内的最小的圆,圆心不一定是穿孔区域重心。确定最小覆盖圆分为两种:(1)初步短耗时算法,计算时间短但略有误差;(2)最终高精度算法,计算时间略长但精度较高。
短耗时算法的流程图如图9所示,搜索原理和中心覆盖圆类似,只是圆心不再是确定点,而是在一定的范围。
结合图9,通过下述过程获取最小覆盖圆的覆盖范围:
4.4.2.1)、以C0(x0,y0)为中心,在C0(x0,y0)的四周估计最小覆盖圆的圆心范围为I;本实施例中是以C0(x0,y0)为中心的正方形;
4.4.2.2)、在圆心范围I内,令最小覆盖圆的初始圆心为Ci,其中i=1;
4.4.2.3)、计算以Ci为圆心的覆盖范围R(Ci);
4.4.2.3.1)、计算初始圆心Ci到各穿孔区域Mj重心的距离R0(Ci,Mj);
4.4.2.3.2)、计算初始圆心Ci到各穿孔区域Mj边界的距离R1(Ci,Mj)=R0(Ci,Mj)+L(Mj);
4.4.2.3.3)、通过R(Ci)=Max(R1(Ci,Mj))计算以Ci为圆心的覆盖范围R(Ci);
4.4.2.4)、令i=i+1,判断Ci∈I,若是,则返回步骤4.4.2.3),否则,根据R=Min(R(Ci))获得最小覆盖圆的覆盖范围。
本算法耗时较短,计算圆心到边界距离的算法是一个近似的算法,穿孔区域的形状并不规则,会存在一定的误差。将R(Ci)求解转化成极值问题,就能够精确获得最小覆盖圆的直径,流程图如图10所示。
4.4.2.3.1)、令初始半径为Rk(Ci),k=1;半径为Rk(Ci)的覆盖圆范围为Dk(Ci);
4.4.2.3.2)、令Rk+1(Ci)=Rk(Ci)-1;k=k+1;
穿孔范围覆盖圆如图11所示,OC1、OC2和OC3分别为中心覆盖圆、初步最小覆盖圆和最终最小覆盖圆,O1、O2和O3为对应的圆心。
4.5、中心孔特征参数;
中心孔一般在毁伤区域中间位置,且尺寸最大,先识别出中心孔,然后确定其最大内切圆和最小外接圆。
4.5.1、确定中心孔;
对穿孔区域进行标记后,选取毁伤面积最大的孔为中心孔。
寻找最大孔的主要程序为:
index=find(area1==max(area1));
4.5.2、中心孔最大内切圆;
计算中心孔最大内切圆的流程与计算最小覆盖圆类似,先初步确定内切圆圆心的范围D内切(Ck内切),搜索获得不同圆心Ck内切位置下的内切圆,在D内切(Ck内切)范围内求所有内切圆的最大值即为最大内切圆,最大值对应的圆心为最大内切圆圆心。内切圆圆心初始范围是个圆,圆心为中心孔重心,半径为中心孔区域等效圆(面积等效)半径。
4.5.3、最小外接圆;
计算中心孔最小外接圆的流程与计算穿孔区域最小覆盖圆类似,先初步确定外接圆圆心的范围D外接(Ck外接),搜索获得不同圆心Ck外接位置下的外接圆,在D外接(Ck外接)范围内求所有外接圆的最小值即为最小外接圆,最小值对应的圆心为最小外接圆圆心。外接圆圆心初始范围是个圆,圆心为中心孔重心,半径为中心孔区域等效圆(面积等效)半径。
中心孔的内切圆和外接圆如图12所示。
利用上述方法,确定每层板的中心位置和中心孔的位置后,就可以计算层间弹道偏转,具体可通过下述过程实现:
步骤一、多层板定位处理;
以每层靶板上的固定孔为参照,获得第i层板的中心位置Oi(xoi,yoi)。板四周均匀分布的四个固定孔的中心位置为A1i(x1i,y1i)、A2i(x2i,y2i)、A3i(x3i,y3i)、A4i(x4i,y4i),则板中心位置为:
步骤二、中心孔的位置特征参数;
以每层板的中心位置为坐标原点,获得中心孔的位置特征参数。中心孔的位置特征参数Di(xi,yi)有:孔区域重心D1i,最小外接圆圆心D2i,最大内切圆圆心D3i。
步骤三、弹道偏转计算;
假设中心孔的位置为弹道位置,任意两层间弹道沿X轴和Y轴的偏转为
Δxij=xi-xjΔyij=yi-yj (4);
其中xi为第i个靶板中心孔特征参数的横坐标;xj为第j个靶板中心孔特征参数的横坐标;yi为第i个靶板中心孔特征参数的纵坐标;yj为第j个靶板中心孔特征参数的纵坐标。
受拍摄角度、镜头畸变、噪声的影响,穿孔区域识别及测量不可避免地存在一些误差。实际中小孔的边缘的灰度值变化是连续的,图像二值化处理就是将孔区域和板进行识别,本方法中二值化方法采用的是自动阈值法,对二值化阈值进行校准,能进一步提高测试精度。通过校验靶测试对比分析,对穿孔尺寸测量进行较准。
首先加工出校验靶板,较验靶尺寸与与原靶板尺寸一致,在板上加工出圆形和方形两种孔,大小从1mm到32mm。加工精度为0.01mm。如图13所示。
修正可以利用直接修正法与二值化阈值修正方法:
直接修正法:
校验板上第i个孔的实际尺寸为LOi,采用图像处理测量值为LTi,则对应的修正系数ηi为:
ηi=LOi/LTi (5)
在这种图像处理方法下的尺寸修正系数为
二值化阈值修正:
灰度图中灰度值高的部分为孔区域,灰度值低的部分为板区域。受光的散射和衍射的影响,穿孔的测量值一般偏大。需对二值化阈值进行修正。某一检验孔的实际尺寸为LO,二值化阈值为kT时的测量值为LT。二值化阈值修正流程图如图14所示。
b2、采用上述步骤一至步骤二所述的方法获得较验板穿孔图像;
c2、令较验板穿孔图像二值化阈值的范围为K;
d2、初始阈值ki,i=1;
e2、利用上述步骤四所述的方法,计算ki条件下较验靶上已知孔的尺寸Li;
f2、计算Li与LO之间的误差,Ei=|(LO-Li)|/LO*100%;其中LO为较验靶上已知孔的实际尺寸;
g2、令i=i+1,判断ki∈K,若是,则返回步骤d2,否则令最小误差Em=min(Ei),对应的二值化阈值为km;
h2、将km作为处理穿孔图像I6的二值化阈值。
Claims (14)
1.一种靶板穿孔毁伤特征测量方法,其特征在于,包括以下步骤:
步骤一、采集靶板毁伤图像,获得穿孔图像I1;
步骤二、利用图像处理软件对步骤一获得的穿孔图像I1进行去污点、旋转、分割、滤波和/或转化预处理,获得预处理后的穿孔图像I6;
步骤三、对步骤二预处理后的穿孔图像I6进行二值化处理,获得处理后的二值化图像I9;
步骤四、通过处理步骤三获得的二值化图像I9,提取毁伤特征参数,所述毁伤特征参数包括穿孔位置、穿孔数目、穿孔特征尺寸、穿孔分布及穿孔毁伤覆盖范围;
4.1)、获取穿孔位置及穿孔数目;
采用二值化图像标记函数对二值化图像I9进行标记,将二值化图像I9中每个连通区域的重心视为穿孔位置,标记穿孔位置,获得标记有穿孔位置的图像I10;
4.2)、获取各穿孔特征尺寸参数,所述特征尺寸参数包括各穿孔的实际面积、等效椭圆长轴、短轴及等效圆的直径;
4.2.1)、计算步骤4.1)获得的图像I10中每个穿孔所占的像素,获得每个穿孔的实际面积,将每个穿孔的实际面积相加获得穿孔毁伤总面积;
4.2.2)、将步骤4.1)获得的图像I10中每个穿孔等效为椭圆,计算等效后椭圆的长轴和短轴;
4.2.3)、根据步骤4.2.1)获得的每个穿孔的实际面积,计算获得同样面积大小的圆的直径;
4.3)、根据步骤4.2)获得的各个穿孔的特征尺寸参数,进行数据分析及数学运算,获得统计分布参数;所述分布参数包括各个穿孔的特征尺寸参数最大值、最小值、均值、方差、尺寸-数目分布;
4.4)、计算穿孔毁伤覆盖范围,包括中心覆盖圆覆盖范围及最小覆盖圆的覆盖范围;
4.4.1)、获取中心覆盖圆的覆盖范围:
4.4.1.1)、计算中心覆盖圆的圆心C0(x0,y0):
其中,S(Mj)为第j个穿孔的实际面积,(xj,yj)为第j个穿孔的位置;m为穿孔数量;
4.4.1.2)、计算中心覆盖圆的圆心C0(x0,y0)到各穿孔区域Mj重心的距离R0(C0,Mj)及到边界距离R1(C0,Mj)=R0(C0,Mj)+L(Mj);其中,L(Mj)为穿孔区域Mj等效椭圆长轴,根据R(C0)=Max(R1(C0,Mj))获得圆心为C0(x0,y0)的中心覆盖圆的覆盖范围;
4.4.2)、获取最小覆盖圆的覆盖范围:
4.4.2.1)、以C0(x0,y0)为中心,在C0(x0,y0)的四周估计最小覆盖圆的圆心范围为I;
4.4.2.2)、在圆心范围I内,令最小覆盖圆的初始圆心为Ci,其中i=1;
4.4.2.3)、计算以Ci为圆心的覆盖范围R(Ci);
4.4.2.4)、令i=i+1,判断Ci∈I,若是,则返回步骤4.4.2.3),否则,根据R=Min(R(Ci))获得最小覆盖圆的覆盖范围;
步骤五、将步骤四获得的毁伤特征参数存储并显示。
2.根据权利要求1所述的靶板穿孔毁伤特征测量方法,其特征在于,所述步骤4.4.2.3)具体为:
4.4.2.3.1)、计算初始圆心Ci到各穿孔区域Mj重心的距离R0(Ci,Mj);
4.4.2.3.2)、计算初始圆心Ci到各穿孔区域Mj边界的距离R1(Ci,Mj)=R0(Ci,Mj)+L(Mj);
4.4.2.3.3)、通过R(Ci)=Max(R1(Ci,Mj))计算以Ci为圆心的覆盖范围R(Ci)。
4.根据权利要求1所述的靶板穿孔毁伤特征测量方法,其特征在于:还包括步骤4.5)提取中心孔特征参数的过程,所述中心孔特征参数包括中心孔位置、中心孔最大内切圆、中心孔最小外接圆;
4.5.1)、将毁伤面积最大的穿孔确定为中心孔;
4.5.2)、确定中心孔的最大内切圆的圆心C内切及半径R内切;
4.5.2.1)、确定最大内切圆的圆心范围为D内切,D内切是以中心孔重心为中心,边长为中心孔区域等效圆直径的正方形;
4.5.2.2)、在D内切范围内,令初始圆心为Ci内切,i=1;
4.5.2.3)、令初始半径为Rk内切(Ci内切)为中心孔等效圆半径,k=1;
4.5.2.4)、令Rk+1内切(Ci内切)=Rk内切(Ci内切)-1,k=k+1;
4.5.2.5)、判断圆心为Ci内切,半径为Rk内切(Ci内切)的圆是否在中心孔内,若否,则返回步骤4.5.2.4),若是,则令R(Ci内切)=Rk内切(Ci内切);
4.5.2.6)、令i=i+1,判断Ci内切∈D内切,若是,返回4.5.2.3),若否,则令R内切=max(R内切(Ci内切)),最大内切圆对应的圆心为最大内切圆圆心C内切;
4.5.3)、确定中心孔的最小外接圆的C外接及半径R外接;
4.5.3.1)、令最小外接圆的圆心范围D外接,D外接是以中心孔重心为中心,边长为中心孔区域等效圆直径的正方形;
4.5.3.2)、在D外接范围内,令初始圆心为Ci外接,i=1;
4.5.3.3)、令初始半径为Rk外接(Ci外接)为中心孔等效圆半径,k=1;
4.5.3.4)、令Rk+1外接(Ci外接)=Rk外接(Ci外接)+1,k=k+1;
4.5.3.5)、判断中心孔是否在圆心为Ci外接,半径为Rk外接(Ci外接)的圆内,若否,则返回步骤4.5.3.3),若是,则令R(Ci外接)=Rk外接(Ci外接);
4.5.3.6)、令i=i+1,判断Ci外接∈D外接,若是,返回4.5.3.3),若否,则令R外接=max(R(Ci外接)),最小外接圆对应的圆心为最小外接圆圆心C外接。
6.根据权利要求1所述的靶板穿孔毁伤特征测量方法,其特征在于,还包括二值化阈值校准的过程,校准过程包括以下步骤:
a2、加工尺寸与原靶板尺寸一致的较验板,在较验靶上加工出尺寸及形状已知的孔;
b2、采用权利要求1中步骤一至步骤二所述的方法获得较验板穿孔图像;
c2、令较验板穿孔图像二值化阈值的范围为K;
d2、初始阈值ki,i=1;
e2、利用权利要求1或2中步骤四所述的方法,计算ki条件下较验靶上已知孔的尺寸Li;
f2、计算Li与LO之间的误差,Ei=|(LO-Li)|/LO*100%;其中LO为较验靶上已知孔的实际尺寸;
g2、令i=i+1,判断ki∈K,若是,则返回步骤d2,否则令最小误差Em=min(Ei),对应的二值化阈值为km;
h2、将km作为处理穿孔图像I6的二值化阈值。
7.根据权利要求1所述的靶板穿孔毁伤特征测量方法,其特征在于:所述步骤一中以相机为采集设备,将待测靶板置于暗室中,利用选取的光源从靶板的一侧照射靶板,相机从靶板的另一侧拍摄靶板图像,获得清晰的穿孔图像。
8.根据权利要求7所述的靶板穿孔毁伤特征测量方法,其特征在于,所述步骤三包括:
3.1)、采用自动阈值法或直接设定阈值将步骤二预处理后的穿孔图像I6进行阈值分割,然后根据分割阈值将灰度图转化为二值图;
3.2)、分别采用闭运算和开运算去除步骤3.1)二值图中的毛刺与杂点,获得二值化图像I9。
9.一种弹道偏转测量方法,其特征在于,包括以下步骤:
S1、确定每层靶板的几何中心位置;
S2、根据权利要求4所述的方法确定每层靶板中心孔特征参数;
S3、将所有靶板的几何中心对准后作为计算弹道偏转坐标系的坐标原点,设定,每层靶板中心孔的位置为弹道位置,则任意两层靶板间弹道沿X轴或Y轴的偏转为Δxij=xi-xj,Δyij=yi-yj,其中xi为第i个靶板中心孔特征参数的横坐标;xj为第j个靶板中心孔特征参数的横坐标;yi为第i个靶板中心孔特征参数的纵坐标;yj为第j个靶板中心孔特征参数的纵坐标。
11.一种靶板穿孔毁伤特征测量系统,其特征在于:包括处理器及存储器,所述存储器中存储计算机程序,所述计算机程序运行时,实现权利要求1-3任一所述步骤四的过程。
12.根据权利要求11所述的靶板穿孔毁伤特征测量系统,其特征在于:所述计算机程序运行时,实现权利要求4所述的过程。
13.一种计算机可读存储介质,其特征在于:储存有计算机程序,计算机程序被执行时实现权利要求1-3任一所述步骤四的过程。
14.一种计算机可读存储介质,其特征在于:所述计算机程序被执行时,实现权利要求4所述的过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910375782.XA CN110095410B (zh) | 2019-05-07 | 2019-05-07 | 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910375782.XA CN110095410B (zh) | 2019-05-07 | 2019-05-07 | 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110095410A CN110095410A (zh) | 2019-08-06 |
CN110095410B true CN110095410B (zh) | 2021-10-08 |
Family
ID=67447137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910375782.XA Active CN110095410B (zh) | 2019-05-07 | 2019-05-07 | 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110095410B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111486757A (zh) * | 2020-04-15 | 2020-08-04 | 西北核技术研究院 | 多层钢靶板侵彻毁伤三维测量系统 |
CN111366592B (zh) * | 2020-04-15 | 2022-10-25 | 西北核技术研究院 | 基于工业摄影测量的破片自动检测系统 |
CN112435252B (zh) * | 2020-12-04 | 2023-05-09 | 西安工业大学 | 一种战斗部破片穿孔和凹坑检测方法 |
CN112730036B (zh) * | 2021-01-25 | 2024-03-26 | 西安近代化学研究所 | 一种快速遮挡防护装置 |
CN114882354B (zh) * | 2022-04-15 | 2024-05-31 | 北京理工大学 | 一种活性毁伤元爆裂毁伤快速精确图像识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0043215A1 (en) * | 1980-06-28 | 1982-01-06 | Alflex Limited | Explosive cutting means |
CN2398607Y (zh) * | 1999-09-02 | 2000-09-27 | 西北核技术研究所 | 声自动检靶系统封闭靶牌 |
JP2001159519A (ja) * | 1999-12-02 | 2001-06-12 | Hitachi Plant Eng & Constr Co Ltd | 画像認識用ターゲット装置 |
CN103635794A (zh) * | 2011-05-17 | 2014-03-12 | Gii采集有限责任公司,以总检测有限责任公司的名义营业 | 用于光学检查零件的方法和系统 |
CN104122271A (zh) * | 2014-07-09 | 2014-10-29 | 宁波摩视光电科技有限公司 | 一种基于aoi的子弹表观缺陷检测方法 |
CN104331554A (zh) * | 2014-10-30 | 2015-02-04 | 中国工程物理研究院总体工程研究所 | 战斗部破片靶试数据采集分析及破片威力场重构再现方法 |
CN105300345A (zh) * | 2015-11-10 | 2016-02-03 | 中国科学院长春光学精密机械与物理研究所 | 光电经纬仪多目标跟踪方法 |
CN106996921A (zh) * | 2017-05-16 | 2017-08-01 | 长春理工大学光电信息学院 | 一种用于检测区域内目标状态的光电检测装置 |
CN107538493A (zh) * | 2017-10-20 | 2018-01-05 | 湘潭大学 | 一种避免线缆干涉约束的工业机器人轨迹规划方法 |
CN109664300A (zh) * | 2019-01-09 | 2019-04-23 | 湘潭大学 | 一种基于力觉学习的机器人多风格书法临摹方法 |
-
2019
- 2019-05-07 CN CN201910375782.XA patent/CN110095410B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0043215A1 (en) * | 1980-06-28 | 1982-01-06 | Alflex Limited | Explosive cutting means |
CN2398607Y (zh) * | 1999-09-02 | 2000-09-27 | 西北核技术研究所 | 声自动检靶系统封闭靶牌 |
JP2001159519A (ja) * | 1999-12-02 | 2001-06-12 | Hitachi Plant Eng & Constr Co Ltd | 画像認識用ターゲット装置 |
CN103635794A (zh) * | 2011-05-17 | 2014-03-12 | Gii采集有限责任公司,以总检测有限责任公司的名义营业 | 用于光学检查零件的方法和系统 |
CN104122271A (zh) * | 2014-07-09 | 2014-10-29 | 宁波摩视光电科技有限公司 | 一种基于aoi的子弹表观缺陷检测方法 |
CN104331554A (zh) * | 2014-10-30 | 2015-02-04 | 中国工程物理研究院总体工程研究所 | 战斗部破片靶试数据采集分析及破片威力场重构再现方法 |
CN105300345A (zh) * | 2015-11-10 | 2016-02-03 | 中国科学院长春光学精密机械与物理研究所 | 光电经纬仪多目标跟踪方法 |
CN106996921A (zh) * | 2017-05-16 | 2017-08-01 | 长春理工大学光电信息学院 | 一种用于检测区域内目标状态的光电检测装置 |
CN107538493A (zh) * | 2017-10-20 | 2018-01-05 | 湘潭大学 | 一种避免线缆干涉约束的工业机器人轨迹规划方法 |
CN109664300A (zh) * | 2019-01-09 | 2019-04-23 | 湘潭大学 | 一种基于力觉学习的机器人多风格书法临摹方法 |
Non-Patent Citations (3)
Title |
---|
Blasting Hole Recognition and Location based on Machine Vision;Congping Chen et al.,;《Applied Mechanics and Materials》;20150216;第733卷;第718-721页 * |
图像识别技术在战斗部静爆试验分析中的应用;李明富 等;《四川兵工学报》;20140630;第35卷(第6期);第101-104页 * |
长杆弹超高速侵彻金属靶体的实验和模型分析;肖云凯 等;《兵工学报》;20171231;第38卷(第S1期);第15-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110095410A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110095410B (zh) | 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法 | |
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN110675376A (zh) | 一种基于模板匹配的pcb缺陷检测方法 | |
CN111862037A (zh) | 基于机器视觉的精密孔类零件几何特征检测方法及系统 | |
CN107679535A (zh) | 一种基于模板匹配的指针式水表自动读数识别系统及方法 | |
JP6371044B2 (ja) | 表面欠陥検査装置および表面欠陥検査方法 | |
US20120213425A1 (en) | Combining feature boundaries | |
CN110706224B (zh) | 基于暗场图像的光学元件弱划痕检测方法、系统和装置 | |
CN111612846A (zh) | 基于U-net CNN图像识别和像素标定的混凝土裂缝宽度测定方法 | |
JP4776259B2 (ja) | パターン評価方法、パターン位置合わせ方法およびプログラム | |
CN113643371B (zh) | 一种飞行器模型表面标记点的定位方法 | |
CN116468687A (zh) | 划伤缺陷检测方法、装置及存储介质、电子设备 | |
CN115861307B (zh) | 基于人工智能的筋膜枪供电驱动板焊接故障检测方法 | |
CN115561249B (zh) | 一种喷涂设备的智能化监测方法及系统 | |
CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
CN115861170A (zh) | 基于改进yolo v4算法的表面缺陷检测方法 | |
JP2008232818A (ja) | レジストパターン測定方法及びレジストパターン測定装置 | |
CN117152129B (zh) | 一种电池盖板的表面缺陷视觉检测方法及系统 | |
CN117274251B (zh) | 基于图像数据的药品生产过程中药片质量检测方法 | |
CN110084807A (zh) | 一种焊缝探伤底片图像造假的检测方法 | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN110428916B (zh) | 一种包覆颗粒的厚度检测方法、装置和计算设备 | |
CN112329845A (zh) | 更换纸币的方法、装置、终端设备及计算机可读存储介质 | |
CN116597016A (zh) | 一种光纤内窥镜图像标定方法 | |
Zhang et al. | Research on chips’ defect extraction based on image-matching |
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 |