CN110332903A - 基于数字图像处理的非接触式监测结构变形的方法 - Google Patents
基于数字图像处理的非接触式监测结构变形的方法 Download PDFInfo
- Publication number
- CN110332903A CN110332903A CN201910641175.3A CN201910641175A CN110332903A CN 110332903 A CN110332903 A CN 110332903A CN 201910641175 A CN201910641175 A CN 201910641175A CN 110332903 A CN110332903 A CN 110332903A
- Authority
- CN
- China
- Prior art keywords
- image
- mark
- mark point
- point
- points
- 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 54
- 238000012545 processing Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 230000005484 gravity Effects 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000002956 ash Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036244 malformation Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
公开一种基于数字图像处理的非接触式监测结构变形的方法，包括：步骤一：在待监测结构的表面间隔预设距离作两个标记点；步骤二：对两个标记点先后进行多次图像采集；步骤三：对各张图像分别进行切分处理以每张图像中的各个标记点为中心分别切分出一含标记点图像区域；步骤四：分别计算各组所述标记点图像区域中的两个含标记点图像区域的灰度重心，得出各张图像中的两个标记点的中心的坐标，同时计算标记点的灰度点数；步骤五：求取各张图像中两标记点之间的距离；步骤六：根据得到的各张图像中，两个标记点之间的距离值、灰度点数以及图像采集时间，得出应变‑时间曲线。该方法可以实现针对无法直接布设表面应变计的结构进行连续非接触式监测。
Description
技术领域
本发明涉及建筑施工领域结构变形监测技术领域，更具体地，涉及一种基于数字图像处理的非接触式监测结构变形的方法。
背景技术
施工过程中，需要对结构变形进行长期监测，现有结构监测多采用在结构表面安装表面应变计的方法，进而监测结构变形。表面应变计适用于长期布设在水工结构物或其它结构物的表面，测量结构物表面的应变量，一般由应变计、安装夹具、信号传输电缆等组成。当被测结构物的应力发生变化时，应变计同步感受变形，变形通过前、后端座传递给振弦转变成振弦应力的变化，从而改变振弦的振动频率。电磁线圈激振振弦并测量其振动频率，频率信号经电缆传输至读数装置，即可测出被测结构物的应变量。
常规技术需要提前在被监测结构安装表面应变计，且施工过程需注意保护应变计安全，如有破坏需重新安置且结构初始应变量无法统计。由于目前国内施工人员整体文化素养不高，施工过程中表面应变计极易被损坏，安装及修复成本较高。
发明内容
有鉴于此，本发明的目的在于提供一种能够实现针对无法直接布设表面应变计的结构进行连续非接触式监测的基于数字图像处理的非接触式监测结构变形的方法，以解决现有技术中存在的问题。
根据本发明提供一种基于数字图像处理的非接触式监测结构变形的方法，包括：
步骤一：在待监测结构的表面间隔预设距离作两个标记点；
步骤二：对两个所述标记点先后进行多次图像采集，每次对两个所述标记点采集一张图像，从而得到多张图像；
步骤三：读取采集到的各张图像，并对各张所述图像分别进行切分处理，对每张所述图像进行切分处理时，以每张所述图像中的各个标记点为中心分别切分出一含标记点图像区域，从而将每张图像中的两个标记点分别切分出来，每张图像中切分出来的两个所述含标记点图像区域形成一组标记点图像区域；
步骤四：分别计算各组所述标记点图像区域中的两个所述含标记点图像区域的灰度重心，从而得出各张图像中的两个标记点的中心在各自对应的所述含标记点图像区域中的坐标，同时计算所述标记点的灰度点数；
步骤五：根据各张图像中的两个标记点在各自对应的所述含标记点图像区域中的坐标，求取各张图像中两标记点之间的距离；
步骤六：根据得到的各张图像中，两个标记点之间的距离值、两个标记点各自的灰度点数以及图像采集时间，得出应变-时间曲线。
优选地，所述标记点的形状为圆形，所述预设距离为100-200mm。
优选地，所述步骤二包括：
(a)、对待监测结构的表面上的两个所述标记点进行首次图像采集，同时记录图像采集的时间，从而完成初始数据采集；
(b)、根据监测频率要求，定期对两个所述标记点进行后续图像的采集，同时记录每次图像采集的时间。
优选地，所述步骤二中，对两个所述标记点多次进行图像采集时，保持图像采集时采集环境的亮度值处于预设范围内，从而使得获得的多张图像之间的亮度值之间处于亮度预设范围内。
优选地，所述步骤三中，采用imcrop函数将所述含标记点图像区域切出，或者，采用直接搜寻标记点的方法，实现对所述含标记点图像区域的切出。优选地，当采用imcrop函数实现对所述含标记点图像区域的切出时，包括两种方法，其中，
第一种方法为：一是给定区域向量切分，函数返回切分后的图像矩阵；
第二中方法为：交互式操作切分，函数返回切分后图像矩阵，同时返回区域向量。
优选地，所述步骤四包括：
根据实际情况判断是否先将待处理的所述含标记点图像区域进行反色再计算，如果判定需要进行反色处理，则首先对将待处理的所述含标记点图像区域进行反色处理，如果判定无需进行反色处理，再直接进入下一步骤；
对待处理的所述含标记点图像区域进行二值化处理，并对二值化时的阈值进行多次尝试选择，直至找到最佳阈值；
确定好所述最佳阈值后，计算所述含标记点图像区域的灰度重心，得出各个所述标记点的中心在各自对应的所述含标记点图像区域中的坐标，同时计算所述标记点的灰度点数。
优选地，所述步骤五包括：
根据各张图像中的两个标记点在各自对应的所述含标记点图像区域中的坐标，以及切分图像时的区域向量，将两个标记点的坐标转换至同一坐标系，计算出两个标记点的距离，从而得到两个所述标记点之间的应变值。
优选地，所述含标记点图像区域中，所述标记点占所述含标记点图像区域预设面积比例。
优选地，所述预设面积比例大于等于80％。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚。
图1示出了根据本发明实施例的基于数字图像处理的非接触式监测结构变形的方法的步骤流程图。
图2示出了步骤S04)的具体步骤流程图。
图3示出了根据本发明实施例的基于数字图像处理的非接触式监测结构变形的方法的中采集的待监测结构钢筋的图像。
图4示出了根据本发明实施例的基于数字图像处理的非接触式监测结构变形的方法的中对待监测结构钢筋的进行处理后的图像。
图中：标记点100。
具体实施方式
以下将参照附图更详细地描述本发明的各种实施例。在各个附图中，相同的元件采用相同或类似的附图标记来表示。为了清楚起见，附图中的各个部分没有按比例绘制。
本发明提供一种基于数字图像处理的非接触式监测结构变形的方法，该基于数字图像处理的非接触式监测结构变形的方法用于对被监测结构进行应变，即变形监测，该实施例中以钢筋作为被监测结构为例来对该监测结构变形的方法进行详细说明。需要说明的是，被监测结构不限于钢筋，也可为其他结构。
图1示出了根据本发明实施例的基于数字图像处理的非接触式监测结构变形的方法的步骤流程图。如图1所示，同时参考图2至图4，该基于数字图像处理的非接触式监测结构变形的方法，包括步骤S01)至步骤S06)。
S01)、在待监测结构的表面间隔预设距离作两个标记点；
参考图3，该步骤中，在被监测钢筋的表面沿着钢筋的长度方向间隔预设距离的作两个标记点，两个标记点的距离选为100-200mm，例如选为100mm、150mm或者200mm。为了防止标记点100之外的图像区域对结果的影响，后续需对图像进行二值化处理，而为了便于进行二值化处理，制作标记点100时需采用与基地反差大的标记点。并且，做标记点时选用的颜料要耐久稳定，不易在外部环境的影响下发生变色，以尽量避免对及监测结果造成影响。
S02)、对两个所述标记点先后进行多次图像采集，每次对两个所述标记点采集一张图像，从而得到多张图像；
该步骤中，又包括如下步骤：
S021)、对待监测结构的表面上的两个所述标记点进行首次图像采集，同时记录图像采集的时间，从而完成初始数据采集；
具体地，待对钢筋结构的表面作完标记点后，选择合适的时间点对两个标记点进行首次图像采集，同时记录下图像采集的时间，采集过程中要求镜头与待监测结构表面尽量保持平行，并且使得镜头尽量针对两个标记点。如此，实现了初始数据采集。
S022)、根据监测频率要求，定期对两个所述标记点进行后续图像的采集，同时记录每次图像采集的时间。
具体地，根据监测频率要求，对两个标记点100定期进行图像采集，同时记录每次图像采集的时间。图像采集时的注意事项可参考步骤S021)，此处不再赘述。另外需要注意的时，进行的各次图像采集过程中，注意各次图像采集时外界环境因素尽量保持一致，例如各次图像采集的时间点尽量在一天中相同的时间段内，例如图像采集均在一天的9点左右进行以至少保证图像采集时被监测结构所处环境的亮度基本一致，并且，图像采集时被监测结构所处环境的亮度尤其重要，对两个所述标记点进行图像采集时，保持图像采集时采集环境的亮度值处于预设范围内，从而使得获得的多张图像之间的亮度值之间处于亮度预设范围内。如果亮度变化较大，在后续进行图像二值化处理时阈值很难选择，甚至无法处理或者使得监测结果出现较大偏差。
S03)、读取采集到的各张图像，并对各张所述图像分别进行切分处理，对每张所述图像进行切分处理时，以每张所述图像中的各个标记点为中心分别切分出一含标记点图像区域，从而将每张图像中的两个标记点分别切分出来，每张图像中切分出来的两个所述含标记点图像区域形成一组标记点图像区域；
该步骤中，首先将图像传输至图像处理设备，该实例中，图像处理设备选为选为计算机，进行数字图像处理。进行数字图像处理时，可选用计算软件来处理，该实施例中，选用MATLAB来进行数字图像处理，在MATLAB中根据需要进行一些相应的编程，从而对数字图像做针对性的处理。另外，不同的图像采集阶段，随着灰度中心的不断变形，要保证截取图像在MATLAB的框选图形内。
读取并切分图像时，首先采用imcrop函数将所述含标记点图像区域切出，切出时，所述含标记点图像区域中，所述标记点占所述含标记点图像区域预设面积比例。所述预设面积比例大于等于80％，例如为80％或者80％。如此，一方面可以大大减少计算量，另一方面可以减小其他图像区域对重心计算的影响。
当采用imcrop函数实现对所述含标记点图像区域的切出时，包括两种方法，其中，第一种方法为：一是给定区域向量切分，函数返回切分后的图像矩阵；第二中方法为：交互式操作切分，函数返回切分后图像矩阵，同时返回区域向量，个向量的返回意味着我们只需要切分一次图像，后续可以直接参考该返回向量切分。
当然，也可以采用直接搜寻标记点的方法，实现对所述含标记点图像区域的切出。直接搜寻标记点的方法对采集的图像质量要求较高，具体采用imcrop函数进行图像切出，还是选用直接搜寻标记点的方法进行图像切出，可根据实际情况进行选择，例如可根据采集图像的摄像机性能进行选择。
S04)、分别计算各组所述标记点图像区域中的两个所述含标记点图像区域的灰度重心，从而得出各张图像中的两个标记点的中心在各自对应的所述含标记点图像区域中的坐标，同时计算所述标记点的灰度点数；
图2示出了步骤S04)的具体步骤流程图。如图2所示，该步骤中，又包括如下步骤S041)-S043)：
S041)、根据实际情况判断是否先将待处理的所述含标记点图像区域进行反色再计算，如果判定需要进行反色处理，则首先对将待处理的所述含标记点图像区域进行反色处理，如果判定无需进行反色处理，再直接进入下一步骤；
具体地，灰度重心法，是一种简单易行且适用性广的办法。如果将切分后的图像看做一个密度不均匀的平板，各像素点的灰度视为平板的密度，则将切分图像二值化后就像一个均匀且密度几乎为零的平板中间夹杂一个密度极大的质量块，由于二者密度差距较大，可以用整个板的重心代表质量块的重心。对图像来说就是用图像的“灰度重心”代表标记点的中心。
所谓反色，就是对于灰度值进行对调，白色的灰度值对调为255，黑色为0，所以对于待处理的含标记点图像区域，如果标记点趋向于白色，周边环境趋向于黑色，就不用反色，反之需要进行反色处理。进行反色处理，也就是将含标记点图像区域中的标记点处理为白色，周边处理为黑色，如果初始状态下，标记点为黑色，被测物体是白色，那就需要反色处理。
如果判定需要进行反色处理，则首先对将待处理的所述含标记点图像区域进行反色处理，在进入下一步骤S042)，如果判定无需进行反色处理，再直接进入下一步骤S042)；
S042)、对待处理的所述含标记点图像区域进行二值化，并对二值化时的阈值进行多次尝试选择，直至找到最佳阈值；
具体地，对切出的含标记点图像区域进行二值化处理，灰度重心法二值化中阈值的选择需要根据标记点的灰度值及被监测结构的灰度值(即标记点周围的灰度)多次尝试试验，直至找到最佳阈值。
所谓阈值，可理解为在含标记点图像区域中，标记点灰度值和其周围环境值的平均值。所谓最佳阈值，是指让标记点全部变为黑色，而让其它标记点周围的其他点全部变为白色的阈值。
S043)、确定好所述最佳阈值后，计算所述含标记点图像区域的灰度重心，得出各个所述标记点的中心在各自对应的所述含标记点图像区域中的坐标，同时计算所述标记点的灰度点数。
具体地，确定好最佳阈值进行二值化处理，计算所述含标记点图像区域的灰度重心。
图像是由一个个像素组成的，灰度点数就是说标记点的组成像素共有多少点，灰度重心是根据标记点的这些像素位置确定的，所有像素横纵坐标相加，除以像素数，就是平均的横纵坐标，也就是重心的坐标。如此，得出各个所述标记点在各自对应的所述含标记点图像区域中的坐标，从而得出每张图像切出的各个所述含标记点图像区域的灰度重心，即可得到标记点的中心坐标。
S05)、根据各张图像中的两个标记点在各自对应的所述含标记点图像区域中的坐标，求取各张图像中两标记点之间的距离；
该步骤中，根据各张图像中的两个标记点在各自对应的所述含标记点图像区域中的坐标，以及切分图像时的区域向量，将两个标记点的坐标转换至同一坐标系，计算出两个标记点的距离，从而得到两个所述标记点之间的应变值。
待监测的结构变形较大时，监测标记点可能出现“出格”问题，这里的出格是指标记点超出切分图像区域，为了解决这一问题，我们需要不断改变步骤S03)中的切分区域向量，本发明是根据前面图像的计算结果来改变切分区域向量，要注意的是，向量的变化导致坐标转换关系的变化，这一点在编程时要加以关注。
S06)、根据得到的各张图像中，两个标记点之间的距离值、两个标记点各自的灰度点数以及图像采集时间，得出应变-时间曲线。
该步骤中，根据步骤S05)得到的每张图像中的两个标记点之间的距离，步骤经步骤S04)得到的标记点的灰度点数，以及步骤S02)中得到的图像采集时间，就可得到应变-时间曲线。如此，便可得到被监测结构表面应变随时间的变化值，从而方便施工人员对结构安全性进行分析。
本发明中的基于数字图像处理的非接触式监测结构变形的方法，与现有技术相比所具有如下有益效果：
1、监测范围得到扩展，可以长期连续监测无法布设表面应变计的结构的应变；
2、监测技术由接触式到非接触式是一次飞跃，弥补了常规监测技术的不足；
3、监测费用大大降低；
4、监测点不易破坏，有利于长期持续监测。
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (10)
1.一种基于数字图像处理的非接触式监测结构变形的方法，其特征在于，包括：
步骤一：在待监测结构的表面间隔预设距离作两个标记点；
步骤二：对两个所述标记点先后进行多次图像采集，每次对两个所述标记点采集一张图像，从而得到多张图像；
步骤三：读取采集到的各张图像，并对各张所述图像分别进行切分处理，对每张所述图像进行切分处理时，以每张所述图像中的各个标记点为中心分别切分出一含标记点图像区域，从而将每张图像中的两个标记点分别切分出来，每张图像中切分出来的两个所述含标记点图像区域形成一组标记点图像区域；
步骤四：分别计算各组所述标记点图像区域中的两个所述含标记点图像区域的灰度重心，从而得出各张图像中的两个标记点的中心在各自对应的所述含标记点图像区域中的坐标，同时计算所述标记点的灰度点数；
步骤五：根据各张图像中的两个标记点在各自对应的所述含标记点图像区域中的坐标，求取各张图像中两标记点之间的距离；
步骤六：根据得到的各张图像中，两个标记点之间的距离值、两个标记点各自的灰度点数以及图像采集时间，得出应变-时间曲线。
2.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述标记点的形状为圆形，所述预设距离为100-200mm。
3.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述步骤二包括：
(a)、对待监测结构的表面上的两个所述标记点进行首次图像采集，同时记录图像采集的时间，从而完成初始数据采集；
(b)、根据监测频率要求，定期对两个所述标记点进行后续图像的采集，同时记录每次图像采集的时间。
4.根据权利要求1或3所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述步骤二中，对两个所述标记点多次进行图像采集时，保持图像采集时采集环境的亮度值处于预设范围内，从而使得获得的多张图像之间的亮度值之间处于亮度预设范围内。
5.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述步骤三中，采用imcrop函数将所述含标记点图像区域切出，或者采用直接搜寻标记点的方法，实现对所述含标记点图像区域的切出。
6.根据权利要求5所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，当采用imcrop函数实现对所述含标记点图像区域的切出时，包括两种方法，其中，
第一种方法为：一是给定区域向量切分，函数返回切分后的图像矩阵；
第二中方法为：交互式操作切分，函数返回切分后图像矩阵，同时返回区域向量。
7.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述步骤四包括：
根据实际情况判断是否先将待处理的所述含标记点图像区域进行反色再计算，如果判定需要进行反色处理，则首先对将待处理的所述含标记点图像区域进行反色处理，如果判定无需进行反色处理，再直接进入下一步骤；
对待处理的所述含标记点图像区域进行二值化处理，并对二值化时的阈值进行多次尝试选择，直至找到最佳阈值；
确定好所述最佳阈值后，计算所述含标记点图像区域的灰度重心，得出各个所述标记点的中心在各自对应的所述含标记点图像区域中的坐标，同时计算所述标记点的灰度点数。
8.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述步骤五包括：
根据各张图像中的两个标记点在各自对应的所述含标记点图像区域中的坐标，以及切分图像时的区域向量，将两个标记点的坐标转换至同一坐标系，计算出两个标记点的距离，从而得到两个所述标记点之间的应变值。
9.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述含标记点图像区域中，所述标记点占所述含标记点图像区域预设面积比例。
10.根据权利要求1所述的基于数字图像处理的非接触式监测结构变形的方法，其特征在于，所述预设面积比例大于等于80％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910641175.3A CN110332903A (zh) | 2019-07-16 | 2019-07-16 | 基于数字图像处理的非接触式监测结构变形的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910641175.3A CN110332903A (zh) | 2019-07-16 | 2019-07-16 | 基于数字图像处理的非接触式监测结构变形的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110332903A true CN110332903A (zh) | 2019-10-15 |
Family
ID=68145269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910641175.3A Pending CN110332903A (zh) | 2019-07-16 | 2019-07-16 | 基于数字图像处理的非接触式监测结构变形的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110332903A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113091699A (zh) * | 2021-03-31 | 2021-07-09 | 中煤科工集团重庆研究院有限公司 | 一种基于视频图像的微小位移放大方法 |
| CN113720296A (zh) * | 2021-08-30 | 2021-11-30 | 中交第一航务工程局有限公司 | 一种沉管水下形变监测方法 |
| CN115265366A (zh) * | 2022-07-29 | 2022-11-01 | 华能澜沧江水电股份有限公司 | 物体的变形检测方法、装置、终端设备和存储介质 |
| CN116678337A (zh) * | 2023-06-08 | 2023-09-01 | 交通运输部公路科学研究所 | 基于图像识别的架桥机主梁前后支点处高差和主梁变形监测预警系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06274266A (ja) * | 1993-03-23 | 1994-09-30 | Wacom Co Ltd | 光学式位置検出装置および光学式座標入力装置 |
| CN101526453A (zh) * | 2009-04-20 | 2009-09-09 | 南京工业大学 | 定量测定纳晶材料不均匀变形的方法 |
| CN101566465A (zh) * | 2009-05-18 | 2009-10-28 | 西安交通大学 | 一种物体变形的实时测量方法 |
| DE102011016868A1 (de) * | 2010-04-13 | 2011-10-13 | Baumer Innotec Ag | Messvorrichtung zum Messen von Verformungen elastisch verformbarer Objekte |
| CN103575227A (zh) * | 2013-09-23 | 2014-02-12 | 西安新拓三维光测科技有限公司 | 一种基于数字散斑的视觉引伸计实现方法 |
| CN103994724A (zh) * | 2014-05-13 | 2014-08-20 | 滕军 | 基于数字图像处理技术的结构二维位移及应变监测方法 |
| CN104751466A (zh) * | 2015-04-01 | 2015-07-01 | 电子科技大学 | 一种基于视觉显著性的形变物体跟踪算法及其系统 |
| CN105865664A (zh) * | 2016-06-02 | 2016-08-17 | 江西洪都航空工业集团有限责任公司 | 一种非接触式装配应力检测系统及使用方法 |
-
2019
- 2019-07-16 CN CN201910641175.3A patent/CN110332903A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06274266A (ja) * | 1993-03-23 | 1994-09-30 | Wacom Co Ltd | 光学式位置検出装置および光学式座標入力装置 |
| CN101526453A (zh) * | 2009-04-20 | 2009-09-09 | 南京工业大学 | 定量测定纳晶材料不均匀变形的方法 |
| CN101566465A (zh) * | 2009-05-18 | 2009-10-28 | 西安交通大学 | 一种物体变形的实时测量方法 |
| DE102011016868A1 (de) * | 2010-04-13 | 2011-10-13 | Baumer Innotec Ag | Messvorrichtung zum Messen von Verformungen elastisch verformbarer Objekte |
| CN103575227A (zh) * | 2013-09-23 | 2014-02-12 | 西安新拓三维光测科技有限公司 | 一种基于数字散斑的视觉引伸计实现方法 |
| CN103994724A (zh) * | 2014-05-13 | 2014-08-20 | 滕军 | 基于数字图像处理技术的结构二维位移及应变监测方法 |
| CN104751466A (zh) * | 2015-04-01 | 2015-07-01 | 电子科技大学 | 一种基于视觉显著性的形变物体跟踪算法及其系统 |
| CN105865664A (zh) * | 2016-06-02 | 2016-08-17 | 江西洪都航空工业集团有限责任公司 | 一种非接触式装配应力检测系统及使用方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113091699A (zh) * | 2021-03-31 | 2021-07-09 | 中煤科工集团重庆研究院有限公司 | 一种基于视频图像的微小位移放大方法 |
| CN113091699B (zh) * | 2021-03-31 | 2024-05-14 | 中煤科工集团重庆研究院有限公司 | 一种基于视频图像的微小位移放大方法 |
| CN113720296A (zh) * | 2021-08-30 | 2021-11-30 | 中交第一航务工程局有限公司 | 一种沉管水下形变监测方法 |
| CN115265366A (zh) * | 2022-07-29 | 2022-11-01 | 华能澜沧江水电股份有限公司 | 物体的变形检测方法、装置、终端设备和存储介质 |
| CN116678337A (zh) * | 2023-06-08 | 2023-09-01 | 交通运输部公路科学研究所 | 基于图像识别的架桥机主梁前后支点处高差和主梁变形监测预警系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110332903A (zh) | 基于数字图像处理的非接触式监测结构变形的方法 | |
| CN105865424B (zh) | 一种基于非线性模型的多光谱遥感水深反演方法及装置 | |
| CN104809362B (zh) | 一种基于数值计算的包含非均匀变形散斑图制作方法 | |
| US20150276392A1 (en) | Graphical feedback during 3d scanning operations for obtaining optimal scan resolution | |
| CN101980293B (zh) | 一种基于刃边图像的高光谱遥感系统mtf检测方法 | |
| CN103686152B (zh) | 显示设备图像重显率的调整方法和显示设备 | |
| JP3640311B2 (ja) | フラクタル次元を利用したディスプレー装置の画質分析方法及びシステム | |
| CN103076347B (zh) | 基于原位x射线断层照相的脆性材料力学损伤的测量方法 | |
| CN109738137A (zh) | 基于图像对比的土石坝渗漏实时监测与快速诊断方法 | |
| CN109816680A (zh) | 一种农作物株高的高通量计算方法 | |
| KR20120040981A (ko) | 응력-변형률 곡선을 획득하는 방법 및 그 장치 | |
| Zhou et al. | Multifractal analyses of grayscale and binary soil thin section images | |
| JP6358954B2 (ja) | 超音波診断装置 | |
| CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
| CN108871197B (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
| Mangini et al. | Tag recognition: A new methodology for the structural monitoring of cultural heritage | |
| CN113406006B (zh) | 一种用于探测第二模态凸型内孤立波振幅的方法 | |
| Kim et al. | Measurement of fiber orientation angle in FRP by intensity method | |
| JP5584300B2 (ja) | 画像再構成方法及び装置 | |
| CN110705578A (zh) | 一种海岸线年际演变分析系统及方法 | |
| Gebeješ et al. | A preliminary perceptual scale for texture feature parameters | |
| JPH05329133A (ja) | 皮膚表面形態特徴検出方法 | |
| CN111830036B (zh) | 一种织物密度分析方法及系统 | |
| CN101375182B (zh) | 多个观测张量间的改进插值方法 | |
| CN112489013B (zh) | 一种用于医疗图像精细化处理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191015 |
|
| RJ01 | Rejection of invention patent application after publication |