CN110766671B - 一种基于机器视觉软件的图像处理方法 - Google Patents
一种基于机器视觉软件的图像处理方法 Download PDFInfo
- Publication number
- CN110766671B CN110766671B CN201911001617.4A CN201911001617A CN110766671B CN 110766671 B CN110766671 B CN 110766671B CN 201911001617 A CN201911001617 A CN 201911001617A CN 110766671 B CN110766671 B CN 110766671B
- Authority
- CN
- China
- Prior art keywords
- image
- fitting
- positioning
- machine vision
- coordinate
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 230000010354 integration Effects 0.000 abstract description 3
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 230000008569 process Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Abstract
本发明公开了一种基于机器视觉软件的图像处理方法，包括步骤：图像获取、方向指示、标定图像、定位图像、坐标修正、拟合、IO、图像队列、二维码识别。本发明针对传统检测功能的有限性以及检测效果的差异，基于机器视觉软件的图像处理系统从机器视觉软件对硬件系统的依赖性、对象或特征的精确定位、完整的工具集、图形接口、未来升级、图像预处理、视觉系统与运动系统的集成、通用接口方面做了很多完善，减少了对硬件系统的依赖，具有很大的可移植性。
Description
技术领域
本发明涉及图像处理方法领域，尤其涉及的是一种基于机器视觉软件的图像处理方法。
背景技术
现有技术中，图像处理软件作为机器视觉系统的重要组成部分，主要通过对图像的分析、处理和识别，实现对特定目标特征的检测。机器视觉软件的竞争，已从过去单纯追求软件多功能的竞争，转向对检测算法的准确性、高效性的竞争。常规的机器视觉软件均可提供光学字符识别、边缘、卡尺工具等多种检测功能，但由于算法设计的不同，其检测效果却存在较大的差异。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明所要解决的技术问题是：提供一种处理方法简单、图像检测精准、能简化视觉系统与其他主控程序的融合处理、高性能的基于机器视觉软件的图像处理方法。
本发明的技术方案如下：一种基于机器视觉软件的图像处理方法，包括如下步骤：
S1、图像获取：获取需要分析、处理和识别的图像；
S2、方向指示：在获取的图像上显示一个可以设置大小、颜色、线宽度的箭头；
S3、标定图像：在图像上取得一张7*7标准标定板的图片，抓取图片中的所有圆点并计算出各相邻圆点之间的间距，计算出像素与毫米的比例关系；
S4、定位图像：在一个图像上建立一个定位模板，其他图像通过该定位模板进行相应的对比得到相识度；
S5、坐标修正：在处理的图像中显示相应的坐标系和进行位置修正；
S6、拟合：根据指定区域的对比阈值来拟合形状，所述拟合形状包括拟合线段、拟合矩形、拟合圆；
S7、IO：包含变量输出，告知外部此图像是否处理成功和把得出的结果数据提供给外部引用。
采用上述技术方案，所述的基于机器视觉软件的图像处理方法中，还包括步骤S8：图像队列，所述图像队列包含图像入队列、图像出队列、图像队列清除。
采用上述各个技术方案，所述的基于机器视觉软件的图像处理方法中，还包括步骤S9：二维码识别，识别图像中的二维码数据。
采用上述各个技术方案，所述的基于机器视觉软件的图像处理方法中，所述图像获取包括：通过相机捕获图像或通过导入文件路径捕获图像。
采用上述各个技术方案，所述的基于机器视觉软件的图像处理方法中，所述定位图像包括：
S41、相关性匹配：在图像上绘制出需要的区域，并以此区域作为定位模板，其他图像通过绘制的区域进行相应对比得到图像与定位模板的比分值；
S42、模板识别结果收集：判断图像与定位模板相关性匹配是否成功；检测模板，填写S41中相关性匹配做的定位模板，可支持三个定位模板；最后运行得出当前图像与各定位模板的匹配状态。
采用上述各个技术方案，所述的基于机器视觉软件的图像处理方法中，所述坐标修正步骤包括：
S51、设定中心点X坐标：是坐标系中点显示在图像中的X坐标的位置，取捕获图像运行数据Width值的一半；
S52、设定中心点Y坐标：是坐标系中点显示在图像中的Y坐标的位置，取捕获图像运行数据Height值的一半；
S53、X方向反转：根据更改False和True来控制X方向的朝向；
S54、Y方向反转：根据更改False和True来控制Y方向的朝向；
S55、比例填写：填写步骤S3中像素与毫米的比例关系数据；
S56、显示坐标系统：控制坐标系统是否在图像中显示。
采用上述各个技术方案，所述的基于机器视觉软件的图像处理方法中，所述拟合步骤包括：
S61、在图像上绘制出需要拟合的地方，绘制完后通过对比阀值来拟合出一条线段或一个矩形或一个圆；
S62、通过设置ROI宽度来控制拟合中每个小矩形的宽度，ROI宽度值越大，每个小矩形的宽度值越大；
S63、通过设置ROI高度来控制拟合中每个小矩形的高度，ROI高度值越大，每个小矩形的高度值越大；
S64、通过设置ROI间距来决定搜索区域的密集度，ROI间距值越小，搜索区域的密集度值越密集；
S65、通过分割阀值、高斯核大小、最小分数决定拟合的程度；
S66、绘制完成后，可通过查找来判断做的ROI是否成功。
采用上述各个技术方案，本发明针对传统检测功能的有限性以及检测效果的差异，基于机器视觉软件的图像处理系统从机器视觉软件对硬件系统的依赖性、对象或特征的精确定位、完整的工具集、图形接口、未来升级、图像预处理、视觉系统与运动系统的集成、通用接口方面做了很多完善，减少了对硬件系统的依赖，具有很大的可移植性。
附图说明
图1为本发明的整体步骤示意图；
图2为本发明的定位图像步骤示意图；
图3为本发明的坐标修正步骤示意图；
图4为本发明的拟合步骤示意图。
具体实施方式
以下结合附图和具体实施例，对本发明进行详细说明。
本实施例提供了一种基于机器视觉软件的图像处理方法，包括如下步骤：
S1、图像获取：获取需要分析、处理和识别的图像；
S2、方向指示：在获取的图像上显示一个可以设置大小、颜色、线宽度的箭头；
S3、标定图像：在图像上取得一张7*7标准标定板的图片，抓取图片中的所有圆点并计算出各相邻圆点之间的间距，计算出像素与毫米的比例关系；
S4、定位图像：在一个图像上建立一个定位模板，其他图像通过该定位模板进行相应的对比得到相识度；
S5、坐标修正：在处理的图像中显示相应的坐标系和进行位置修正；
S6、拟合：根据指定区域的对比阈值来拟合形状，所述拟合形状包括拟合线段、拟合矩形、拟合圆；
S7、IO：包含变量输出，告知外部此图像是否处理成功和把得出的结果数据提供给外部引用。
本实施例为一种图像处理方法，处理方法体现于操作界面或处理系统，通过此处理方法可以方便快捷的对图像分析、处理和识别，实现对特定目标特征的检测。
如图1，首先需要获取图像，处理系统通过相机捕获图像，或者通过导入文件路径捕获图像，其中，通过相机捕获图像，可以通过设置相机曝光和增益提高图像的清晰度。
图像捕获后，根据图像来源选择需要处理的图像，绘制标识、设置箭头，箭头颜色、箭头大小、箭头线宽度等。
其中，通过绘制标识，圈出要处理的范围，比如需要处理的图像上有很多行文字，可以圈出来提取某一行文字进行识别。而箭头的颜色选择则为了与图像进行区分，便于观察。箭头的大小、线宽则可以根据图像的大小进行调节，以使箭头与图像大小相适配。
通过处理系统的标定工具可以得出像素与长度的转换关系，通过绘制矩形，在图像上取得一张7*7mm标准标定板的图片，抓取图片中所有圆点并计算出各相邻圆点之间的间距，最后计算出像素与毫米的比例关系。具体操作流程为：1、绘制矩形可以在图像区域内框选你需要的位置；2、进行标定，成功则会在结果哪里显示比例关系，标定失败则会弹框提示标定失败；3、标定成功后必须把结果数据填写到后续步骤坐标系统项属性的比例(像素/毫米)中；4、标定工具项里面的间距是设定7*7标准标定板实物的两圆之间距离(mm)。
定位图像整体来说就是建立一个模板，其他图像与该模板的相识度是多少，定位图像包括相关性匹配和模板识别结果收集。
如图1和图2，步骤S41中，需要在图像上绘制选定出需要的区域，设置有效区域来限定模板匹配区域，通过设置高斯滤波、轮廓最大最小、边缘化高低、最小分数来决定区域匹配程度；步骤S42中，该项功能起着判断此图像与模板匹配是否成功，图像提供者是当前相机拍摄的图像或者文件路径加载的图像；模板检测可以填写之前相关性匹配做的模板，可支持三个模板；最后运行得出当前图像与各模板的匹配状态。
如图3，为坐标修正具体步骤，在处理的结果图像中显示相应的坐标系和进行位置修正，具体步骤包括：
S51、设定中心点X坐标：是坐标系中点显示在图像中的X坐标的位置，取捕获图像运行数据Width值的一半；
S52、设定中心点Y坐标：是坐标系中点显示在图像中的Y坐标的位置，取捕获图像运行数据Height值的一半；
S53、X方向反转：根据更改False和True来控制X方向的朝向；
S54、Y方向反转：根据更改False和True来控制Y方向的朝向；
S55、比例填写：填写步骤S3中像素与毫米的比例关系数据；
S56、显示坐标系统：控制坐标系统是否在图像中显示。
如图4，为拟合具体步骤，根据指定区域的对比阀值来拟合出一个形状，拟合形状可以为三种，线段、矩形以及圆。拟合步骤包括：
S61、在图像上绘制出需要拟合的地方，绘制完后通过对比阀值来拟合出一条线段或一个矩形或一个圆；
S62、通过设置ROI宽度来控制拟合中每个小矩形的宽度，ROI宽度值越大，每个小矩形的宽度值越大；
S63、通过设置ROI高度来控制拟合中每个小矩形的高度，ROI高度值越大，每个小矩形的高度值越大；
S64、通过设置ROI间距来决定搜索区域的密集度，ROI间距值越小，搜索区域的密集度值越密集；
S65、通过分割阀值、高斯核大小、最小分数决定拟合的程度；
S66、绘制完成后，可通过查找来判断做的ROI是否成功。
拟合完毕，通过IO输出变量，告知外部此图像是否处理成功和把得出的结果数据提供给外部引用。
进一步的，经过IO步骤后，还包括步骤S8：图像队列，所述图像队列包含图像入队列、图像出队列、图像队列清除。
更进一步的，整个图像处理过程中，还可以包括步骤S9：二维码识别，识别图像中的二维码数据。
当然，本图像处理方法中，还设置有基本动作，基本动作里面包含的功能项有延时和判断是否已失败；延时动作为：运行在此等待，等待时间是你在延时属性内设定的时间(单位：S)；判断是否已失败动作为：引用于判断条件分支下面，可通过指定动作对象添加需要判定项的路径，路径可由选定的项复制路径得到。
本图像处理方法中，还设置有动作容器，动作容器里面包含的功能项有顺序执行容器、循环执行容器、跳出循环、判断、选择分支；这些功能项都是对运行逻辑的相应控制。顺序逻辑，按照从上往下的逻辑运行，建立在选择分支内有一个判断语句；通过判断条件对是否已经失败内包含的项进行判断，是否已经失败返回false则跳转，判断通过则执行位置修正内的拟合线段；如果是否已经失败返回true则跳转，判断不通过则执行。
例如，数字2表示的是一个循环逻辑，一般应用在相机飞拍模式；建立在选择分支内也有一个判断语句；通过判断条件对是否已经失败内包含的项进行判断，是否已经失败返回false则跳转，判断通过则执行相关性匹配，最后跳出循环；如果是否已经失败返回true则跳转，判断不通过则执行。
采用上述各个技术方案，本发明针对传统检测功能的有限性以及检测效果的差异，基于机器视觉软件的图像处理系统从机器视觉软件对硬件系统的依赖性、对象或特征的精确定位、完整的工具集、图形接口、未来升级、图像预处理、视觉系统与运动系统的集成、通用接口方面做了很多完善，减少了对硬件系统的依赖，具有很大的可移植性。具有如下技术优势：
1、快速开发强大的基于PC的视觉应用；
2、简化视觉系统与其他主控制程序的融合处理；
3、配合视觉工具库，以获得高性能。
以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于机器视觉软件的图像处理方法，其特征在于：
包括如下步骤：
S1、图像获取：获取需要分析、处理和识别的图像；
S2、方向指示：在获取的图像上显示一个可以设置大小、颜色、线宽度的箭头；
S3、标定图像：在图像上取得一张7*7标准标定板的图片，抓取图片中的所有圆点并计算出各相邻圆点之间的间距，计算出像素与毫米的比例关系；
S4、定位图像：在一个图像上建立一个定位模板，其他图像通过该定位模板进行相应的对比得到相识度；
S5、坐标修正：在处理的图像中显示相应的坐标系和进行位置修正；
S6、拟合：根据指定区域的对比阈值来拟合形状，所述拟合形状包括拟合线段、拟合矩形、拟合圆；
S7、IO：包含变量输出，告知外部此图像是否处理成功和把得出的结果数据提供给外部引用；
所述定位图像包括：
S41、相关性匹配：在图像上绘制出需要的区域，并以此区域作为定位模板，其他图像通过绘制的区域进行相应对比得到图像与定位模板的比分值；
S42、模板识别结果收集：判断图像与定位模板相关性匹配是否成功；检测模板，填写S41中相关性匹配做的定位模板，可支持三个定位模板；最后运行得出当前图像与各定位模板的匹配状态；
所述坐标修正步骤包括：
S51、设定中心点X坐标：是坐标系中点显示在图像中的X坐标的位置，取捕获图像运行数据Width值的一半；
S52、设定中心点Y坐标：是坐标系中点显示在图像中的Y坐标的位置，取捕获图像运行数据Height值的一半；
S53、X方向反转：根据更改0和1来控制X方向的朝向；
S54、Y方向反转：根据更改0和1来控制Y方向的朝向；
S55、比例填写：填写步骤S3中像素与毫米的比例关系数据；
S56、显示坐标系统：控制坐标系统是否在图像中显示；
所述拟合步骤包括：
S61、在图像上绘制出需要拟合的地方，绘制完后通过对比阀值来拟合出一条线段或一个矩形或一个圆；
S62、通过设置ROI宽度来控制拟合中每个小矩形的宽度，ROI宽度值越大，每个小矩形的宽度值越大；
S63、通过设置ROI高度来控制拟合中每个小矩形的高度，ROI高度值越大，每个小矩形的高度值越大；
S64、通过设置ROI间距来决定搜索区域的密集度，ROI间距值越小，搜索区域的密集度值越密集；
S65、通过分割阀值、高斯核大小、最小分数决定拟合的程度；
S66、绘制完成后，可通过查找来判断做的ROI是否成功。
2.根据权利要求1所述的基于机器视觉软件的图像处理方法，其特征在于：还包括步骤S8：图像队列，所述图像队列包含图像入队列、图像出队列、图像队列清除。
3.根据权利要求1所述的基于机器视觉软件的图像处理方法，其特征在于：还包括步骤S9：二维码识别，识别图像中的二维码数据。
4.根据权利要求1所述的基于机器视觉软件的图像处理方法，其特征在于：所述图像获取包括：通过相机捕获图像或通过导入文件路径捕获图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001617.4A CN110766671B (zh) | 2019-10-21 | 2019-10-21 | 一种基于机器视觉软件的图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001617.4A CN110766671B (zh) | 2019-10-21 | 2019-10-21 | 一种基于机器视觉软件的图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110766671A CN110766671A (zh) | 2020-02-07 |
| CN110766671B true CN110766671B (zh) | 2023-11-14 |
Family
ID=69331526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911001617.4A Active CN110766671B (zh) | 2019-10-21 | 2019-10-21 | 一种基于机器视觉软件的图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110766671B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069927B (zh) * | 2020-08-19 | 2023-10-24 | 南京埃斯顿机器人工程有限公司 | 一种应用于模块化视觉软件的元素集合处理方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019136882A1 (zh) * | 2018-01-13 | 2019-07-18 | 江南大学 | 一种手机触控屏Mark定位非接触式视觉检测方法 |
| CN110189314A (zh) * | 2019-05-28 | 2019-08-30 | 长春大学 | 基于机器视觉的汽车仪表盘图像定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0917864A2 (pt) * | 2008-08-15 | 2015-11-24 | Univ Brown | aparelho e método para estimativa da forma corporal |
-
2019
- 2019-10-21 CN CN201911001617.4A patent/CN110766671B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019136882A1 (zh) * | 2018-01-13 | 2019-07-18 | 江南大学 | 一种手机触控屏Mark定位非接触式视觉检测方法 |
| CN110189314A (zh) * | 2019-05-28 | 2019-08-30 | 长春大学 | 基于机器视觉的汽车仪表盘图像定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 曲豪 ; 张栋梁 ; .基于三目视觉标定的机器人精确移载视觉系统.组合机床与自动化加工技术.2017,(11),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110766671A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
| US11854173B2 (en) | System and method for finding lines in an image with a vision system | |
| US11699283B2 (en) | System and method for finding and classifying lines in an image with a vision system | |
| CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
| JP2021082316A5 (zh) | ||
| KR102153962B1 (ko) | 비전 시스템으로 이미지에서 라인을 찾기 위한 시스템 및 방법 | |
| US8315457B2 (en) | System and method for performing multi-image training for pattern recognition and registration | |
| JP4518139B2 (ja) | 画像処理装置 | |
| US10896343B2 (en) | Information processing apparatus and information processing method | |
| JP2024016287A (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
| CN110766671B (zh) | 一种基于机器视觉软件的图像处理方法 | |
| JP2007025902A (ja) | 画像処理装置、画像処理方法 | |
| JP2006323779A (ja) | 画像処理方法、画像処理装置 | |
| CN112508925B (zh) | 电子锁面板质量检测方法、系统、计算机装置和存储介质 | |
| JP2018109824A (ja) | 電子制御装置、電子制御システムおよび電子制御方法 | |
| CN107491778B (zh) | 一种基于定位图像的智能设备屏幕提取方法和系统 | |
| CN113570539A (zh) | 螺丝漏锁检测方法及系统、装置和存储介质 | |
| KR101689705B1 (ko) | 픽셀 방향정보를 사용한 영상정보 내 패턴정보영역 검출방법 | |
| US20240037985A1 (en) | Cascaded detection of facial attributes | |
| US20240078801A1 (en) | System and method for finding and classifying lines in an image with a vision system | |
| JP2020012667A (ja) | 識別装置、識別方法およびプログラム | |
| KR102186751B1 (ko) | 객체 검출을 이용한 클래시피케이션의 다중 인식 및 인식률 개선 장치 및 방법 | |
| JP2984267B1 (ja) | 対象物の画像処理方法 | |
| KR102599855B1 (ko) | 철강제품용 태그 부착 시스템 및 방법 | |
| JP3041056B2 (ja) | 半導体ペレットの検出方法 |
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 |