CN110400321A - 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法 - Google Patents

基于机器视觉的皮革原料轮廓及实际尺寸的提取方法 Download PDF

Info

Publication number
CN110400321A
CN110400321A CN201910683768.6A CN201910683768A CN110400321A CN 110400321 A CN110400321 A CN 110400321A CN 201910683768 A CN201910683768 A CN 201910683768A CN 110400321 A CN110400321 A CN 110400321A
Authority
CN
China
Prior art keywords
leather material
actual size
leather
profile
image
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
Application number
CN201910683768.6A
Other languages
English (en)
Inventor
赵钦辉
张学习
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201910683768.6A priority Critical patent/CN110400321A/zh
Publication of CN110400321A publication Critical patent/CN110400321A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Treatment And Processing Of Natural Fur Or Leather (AREA)

Abstract

本发明公开了一种基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，该技术包括以下步骤：相机标定与矫正；对皮革图像的获取，将获得的图像做灰度化、滤波和二值化处理；对图像中四边形轮廓提取，根据所述提取的四边形四个顶点坐标进行图像到实际尺寸的透视变换；对所述变换后的图像检测提取皮革轮廓部分，得到皮革轮廓的多边形坐标并记录。本发明可以快速准确提取皮革母版的轮廓及实际尺寸，提高自动化工业生产效率。

Description

基于机器视觉的皮革原料轮廓及实际尺寸的提取方法
技术领域
本发明涉及一种轮廓提取技术领域，更具体的说，是涉及一种基于机器视觉的皮革原料轮廓及实际尺寸的提取方法。
背景技术
皮革制品在人类生活中的应用极为广泛，常见的有皮制服装、鞋帽、箱包等等。对产品的加工精度和材料的利用率越来越高，生产周期加快。但在皮革制造业生产设备中，自动化、智能化、节约化不高，导致生产效率和材料利用率低下。为了改变现状，以适应社会和市场的发展需求，提高皮革产品的科技含量、产量及生产效率势在必行。
皮革常常为不规则图形，将皮革应用于自动化切割需要得到皮革原料的实际尺寸，而由于其不规则性又不便于直接测量，本发明公开的一种基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，可以快速准确提取皮革原料的轮廓及实际尺寸，提高自动化工业生产效率。
发明内容
本发明解决了现有技术中提取不规则皮革原料的轮廓及实际尺寸的技术不成熟的问题，提高了皮革原料的利用率和皮革产品的加工精度。
为实现上述目的，本发明提供如下技术方案：
基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，包括以下步骤：
S1：获取皮革原料图像，对所述皮革原料图像进行灰度化、滤波和二值化处理；
S2：提取所述皮革原料图像中的标准框轮廓，根据所述标准框轮廓的四个顶点坐标，对所述标准框轮廓内部图像进行到实际尺寸的透视变换，得到变换后的皮革原料图像；
S3：提取所述变换后的皮革原料图像中的皮革原料轮廓；
S4：根据S3中的所述皮革原料轮廓得到所述皮革原料的实际尺寸并记录。
进一步地，S1之前还包括：利用相机从不同角度拍摄多张标定板照片，调用标定矫正程序，使相机得到标定与矫正。
进一步地，S1具体包括：利用opencv对所述俯视图进行灰度化处理
进一步地，S1具体包括：利用opencv对所述俯视图进行滤波处理。
进一步地，S1具体包括：利用opencv对所述俯视图进行二值化处理。
进一步地，S2具体包括：根据所述四个顶点坐标得到所述标准框轮廓在图像中的尺寸，根据所述标准框轮廓在图像中的尺寸与所述标准框的实际尺寸，得到变换比例，根据所述变换比例，实现对所述标准框轮廓内部图像进行到实际尺寸的透视变换。
进一步地，S3具体包括：运用opencv中寻找轮廓、绘制轮廓的算法寻找并绘制所述变换后的皮革原料图像的轮廓边缘。
进一步地，S4具体包括：运用逼近多边形算法对所述轮廓边缘进行多边形拟合。
进一步地，S4具体包括：利用所述拟合后的皮革轮廓坐标，得到所述皮革原料的实际尺寸。
本发明提供的一种基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，能获取并保存不规则形状的皮革原料图像，可以快速准确提取原始皮革原料的轮廓及实际尺寸信息，提高自动化工业生产效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例使用的硬件设备的立体图；
图2为本发明实施例使用的硬件设备的平面效果图；
图3为本发明一种基于机器视觉的皮革原料轮廓及实际尺寸的提取方法的算法流程图；
图4为本发明实施例所拍摄的皮革原料图像；
图5为本发明实施例提取的标准框轮廓的示意图，如虚线部分所示；
图6为本发明实施例进行透视变换后得到的具有实际尺寸的皮革原料图像；
图7为本发明实施例进行多边形拟合得到的皮革原料轮廓图像；
图8为本发明实施例进行多边形拟合得到的皮革原料轮廓图像的顶点坐标群。
附图说明如下：
1、拍摄平台；2、背景布；3、标准框；4、皮革原料；5、摄像头支架；6、摄像头与光源。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，包括以下步骤：
标定与矫正相机；获取皮革原料图像，对所述皮革原料图像依次进行灰度化、滤波和二值化处理；对四边形标准框进行提取；根据提取到的四个顶点坐标对内部图像做到实际尺寸的透视变换；透视变换后的图像做皮革轮廓检测提取；得到皮革轮廓实际尺寸信息并记录，具体算法流程如附图3所示。
在对相机进行标定与矫正之前，需组装拍摄皮革原料图像的硬件设备，如附图1及附图2所示，具体硬件包括：拍摄平台1、背景布2、标准框3、摄像头支架5及摄像头与光源6。其中，标准框3为已知长度、宽度的矩形框，标准框3的大小要求能完全覆盖皮革原料4，即皮革原料4可全部放置在标准框3内。为了更好进行图像处理，要求标准框3色调与皮革原料4的色调相近，背景布2色调与标准框3、皮革原料4相反，光源最优为漫反射环形光源，在拍摄平台1上放入背景布2，在背景布2上放入标准框3。调整摄像头及光源6的位置，尽量让摄像头及光源6与拍摄平台1平行；摄像头及光源6的高度应调节到能拍摄到皮革原料4的图像，保证光源能完全照到标准框，同时不超过背景布2的大小。
摄像头的标定处理，因摄像头的透镜生产不能理想化，受透镜影响，拍摄到的图片会产生畸变，如“鱼眼”效果等。在标定与矫正相机的具体过程中，采用张氏标定法，将打印好的棋盘表格，放置在平台1，从不同角度拍摄8张棋盘图像，经过张氏标定法完成摄像头的标定。
利用相机拍摄获取皮革原料4图像，具体为将皮革原料4放于标准框3内部，利用标定后的相机拍摄皮革原料4图像并保存，拍摄的效果如附图4所示。
对所获取的皮革原料4图像进行预处理，具体为对皮革原料4图像进行灰度，进行二值化处理，因背景布2的色调与标准框3及皮革原料4的色调相差较大，直接进行阈值二值化即可。
提取标准框3的外围四边形轮廓并进行透视变换，具体为：将灰度化的皮革原料4图像提取黑色四边形标准框3轮廓，通过四边形标准框3的四个顶点可得皮革原料4图像中四边形标准框3的尺寸，再根据现实测量的四边形标准框3的实际尺寸，可做皮革原料4的图像尺寸到实际尺寸的透视变换，从而得到具有原始尺寸信息的皮革原料4图像。
首先利用opencv获得的皮革原料4图像进行灰度化、滤波和二值化处理。调用函数CV_BGR2GRAY做灰度化处理，采用阈值为80/200的二值化处理，得到处理后的皮革原料4图像。通过opencv中findContours()函数和drawContours()函数提取处理后的皮革原料4图像轮廓，取四边形标准框3的四个顶点，标准框3如附图5中虚线部分所示。根据皮革原料4图像中标准框3的顶点坐标，可以得到标准框3在皮革原料4图像中的尺寸大小，已知现实中测量的四边形标准框3的实际尺寸，得到图像尺寸到实际尺寸的变换比例。根据变换比例，实现对标准框3轮廓内部图像进行到实际尺寸的透视变换，因此可做皮革原料4图像尺寸到实际尺寸的透视变换，这样可以得到带有实际尺寸信息的皮革原料4图像，如附图6所示。
然后，对透视变换后的具备实际尺寸信息的皮革原料4图像，进行皮革原料4的外围轮廓提取，并记录相关信息。
对于附图6得到的具有实际尺寸信息的皮革原料4图像，提取皮革原料4图像中皮革原料4的轮廓部分，并用opencv中approxPloyDP()函数做逼近多边形处理，逼近精度为30，采用闭合曲线逼近，并得到多边形坐标点群，实验结果如附图7和附图8所示，这样可以得到皮革原料4的实际尺寸保存并记录。

Claims (9)

1.基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，包括以下步骤：
S1：获取皮革原料图像，对所述皮革原料图像进行灰度化、滤波和二值化处理；
S2：提取所述皮革原料图像中的标准框轮廓，根据所述标准框轮廓的四个顶点坐标，对所述标准框轮廓内部图像进行到实际尺寸的透视变换，得到变换后的皮革原料图像；
S3：提取所述变换后的皮革原料图像中的皮革原料轮廓；
S4：根据S3中的所述皮革原料轮廓得到所述皮革原料的实际尺寸并记录。
2.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S1之前还包括：利用相机从不同角度拍摄多张标定板照片，调用标定矫正程序，使相机得到标定与矫正。
3.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S1具体包括：利用opencv对所述俯视图进行灰度化处理。
4.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S1具体包括：利用opencv对所述俯视图进行滤波处理。
5.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S1具体包括：利用opencv对所述俯视图进行二值化处理。
6.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S2具体包括：根据所述四个顶点坐标得到所述标准框轮廓在图像中的尺寸，根据所述标准框轮廓在图像中的尺寸与所述标准框的实际尺寸，得到变换比例，根据所述变换比例，实现对所述标准框轮廓内部图像进行到实际尺寸的透视变换。
7.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S3具体包括：运用opencv中寻找轮廓、绘制轮廓的算法寻找并绘制所述变换后的皮革原料图像的轮廓边缘。
8.如权利要求1所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S4具体包括：运用逼近多边形算法对所述轮廓边缘进行多边形拟合。
9.如权利要求8所述的基于机器视觉的皮革原料轮廓及实际尺寸的提取方法，其特征在于，S4具体包括：利用所述拟合后的皮革轮廓坐标，得到所述皮革原料的实际尺寸。
CN201910683768.6A 2019-07-26 2019-07-26 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法 Pending CN110400321A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910683768.6A CN110400321A (zh) 2019-07-26 2019-07-26 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910683768.6A CN110400321A (zh) 2019-07-26 2019-07-26 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法

Publications (1)

Publication Number Publication Date
CN110400321A true CN110400321A (zh) 2019-11-01

Family

ID=68325222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910683768.6A Pending CN110400321A (zh) 2019-07-26 2019-07-26 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法

Country Status (1)

Country Link
CN (1) CN110400321A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560821A (zh) * 2021-02-22 2021-03-26 浙江大胜达包装股份有限公司 回收瓦楞纸原料检测的自动分类分拣系统及方法
CN113284157A (zh) * 2021-05-26 2021-08-20 广东工业大学 一种大幅面皮革轮廓检测与轨迹优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6720592B1 (en) * 2001-06-29 2004-04-13 National Semiconductor Corp. Apparatus for high sensitivity, low lag, high voltage swing in a pixel cell with an electronic shutter
CN107154050A (zh) * 2017-05-03 2017-09-12 魏玉震 一种基于机器视觉的石材几何参数的自动获取方法
CN107705293A (zh) * 2017-09-14 2018-02-16 广东工业大学 一种基于ccd面阵相机视觉检测的五金零件尺寸测量方法
CN107945194A (zh) * 2017-10-31 2018-04-20 四川长虹电器股份有限公司 基于OpenCV技术的票据分割方法
CN108106554A (zh) * 2018-03-07 2018-06-01 南京工程学院 一种基于机器视觉的大型环件外径检测系统及方法
CN108460776A (zh) * 2018-04-12 2018-08-28 广东工业大学 一种基于机器视觉的刹车片尺寸检测方法及装置
CN109190616A (zh) * 2018-08-03 2019-01-11 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪算法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6720592B1 (en) * 2001-06-29 2004-04-13 National Semiconductor Corp. Apparatus for high sensitivity, low lag, high voltage swing in a pixel cell with an electronic shutter
CN107154050A (zh) * 2017-05-03 2017-09-12 魏玉震 一种基于机器视觉的石材几何参数的自动获取方法
CN107705293A (zh) * 2017-09-14 2018-02-16 广东工业大学 一种基于ccd面阵相机视觉检测的五金零件尺寸测量方法
CN107945194A (zh) * 2017-10-31 2018-04-20 四川长虹电器股份有限公司 基于OpenCV技术的票据分割方法
CN108106554A (zh) * 2018-03-07 2018-06-01 南京工程学院 一种基于机器视觉的大型环件外径检测系统及方法
CN108460776A (zh) * 2018-04-12 2018-08-28 广东工业大学 一种基于机器视觉的刹车片尺寸检测方法及装置
CN109190616A (zh) * 2018-08-03 2019-01-11 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪算法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560821A (zh) * 2021-02-22 2021-03-26 浙江大胜达包装股份有限公司 回收瓦楞纸原料检测的自动分类分拣系统及方法
CN112560821B (zh) * 2021-02-22 2021-05-25 浙江大胜达包装股份有限公司 回收瓦楞纸原料检测的自动分类分拣系统及方法
CN113284157A (zh) * 2021-05-26 2021-08-20 广东工业大学 一种大幅面皮革轮廓检测与轨迹优化方法

Similar Documents

Publication Publication Date Title
US8290279B2 (en) Method, a system, and a computer program product for processing images
CN105187721B (zh) 一种快速提取人像特征的证照相机及方法
CN110400321A (zh) 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法
WO2013099772A1 (ja) 細胞輪郭線形成装置及びその方法、コンピュータにより処理可能な細胞輪郭線形成プログラムを記憶する記憶媒体
CN108053366A (zh) 一种图像处理方法及电子设备
CN113808027B (zh) 一种人体图像处理方法、装置、电子设备及存储介质
CN108921813A (zh) 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法
WO2023103372A1 (zh) 一种人脸口罩佩戴状态下的识别方法
CN105791636A (zh) 一种视频处理系统
CN110309806A (zh) 一种基于视频图像处理的手势识别系统及其方法
CN109325421A (zh) 一种基于边缘检测的睫毛去除方法及系统
CN112529800B (zh) 一种用于滤除毛发噪声的近红外静脉图像处理方法
CN110687122A (zh) 一种陶瓦表面裂纹检测方法及系统
CN114965497A (zh) 一种基于一次成像技术的皮革表面缺陷检测装置及方法
CN108589060A (zh) 一种视觉定位自动缝制系统以及缝制方法
CN109596620A (zh) 基于机器视觉的产品表面形状缺陷检测方法和系统
CN113706521A (zh) 碳纤维表面毛团检测方法、装置、存储介质和电子设备
CN117523174A (zh) 一种快速匹配和识别表盖喷码的方法
CN110288531B (zh) 一种辅助操作人员制作标准身份证相片的方法及工具
CN109591472B (zh) 一种基于视觉的经编鞋面数码喷墨印花方法
CN107527367A (zh) 一种基于双目相机的棉花识别及定位方法
CN114549694B (zh) 一种证件照换装方法及系统
CN109325501A (zh) 基于吉他背板图像的材质识别方法、装置及可读存储介质
CN109035135B (zh) 一种基于机器视觉的织物在线自动整花方法
CN109934215B (zh) 一种身份证识别方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191101