CN110853097A - 一种应用于饼干表面图案打印设备的饼干识别定位方法 - Google Patents

Abstract

本发明公开了一种应用于饼干表面图案打印设备的饼干识别定位方法。该方法包括：获取待识别图像并对其进行同态滤波处理和二值化处理；对预处理后的图像进行距离变换，提取预处理后的图像中的饼干骨架；并对预处理后的图像进行膨胀操作，得到外扩图；将饼干骨架图和外扩图进行对减，并将对减后得到的图像的像素取反，得到掩膜图；对掩膜图进行连通域标记；将掩膜图和连通域标记图进行与操作，得到分水岭种子图；采用分水岭算法提取分水岭种子图中饼干图像的边缘，得到第一饼干边缘图；将预处理后的图像与第一饼干边缘图进行对减，得到第二饼干边缘图；确定第二饼干边缘图中饼干的中心点和旋转角度预测值。本发明能够对饼干进行精确的识别和定位。

Description

一种应用于饼干表面图案打印设备的饼干识别定位方法

技术领域

本发明涉及饼干图案打印技术领域，特别是涉及一种应用于饼干表面图案打印设备的饼干识别定位方法。

背景技术

糖霜饼干等装饰饼干在节日礼品市场和儿童食品市场具有较大的需求。目前装饰饼干的生产过程主要依靠人工来实现表面装饰图案的绘制。该方式存在图案绘制质量和绘制一致性不好保证的问题，而人员方面则存在人员不好招聘和培训困难的问题。为了解决上述问题，食品设备厂商也在着手将3D打印等技术引入到装饰饼干生产过程，实现装饰饼干表面图案绘制的自动化。

生产过程中，烘焙后的饼干无序地摆放在托盘上。因此要实现饼干表面图案绘制的自动化，必须实现对托盘上饼干的识别和定位，即提取出每个饼干的中心点坐标和旋转角度。然后再将上述信息传递给打印设备，从而引导打印设备完成饼干表面图案的自动绘制。因此，饼干的精确识别和定位成为了亟需解决的问题。

发明内容

本发明的目的是提供一种应用于饼干表面图案打印设备的饼干识别定位方法，能够对饼干进行精确的识别和定位。

为实现上述目的，本发明提供了如下方案：

一种应用于饼干表面图案打印设备的饼干识别定位方法，包括：

获取包含饼干图像的待识别图像；

对所述待识别图像进行预处理，所述预处理包括同态滤波处理和二值化处理，得到预处理后的图像；

对所述预处理后的图像进行距离变换，提取所述预处理后的图像中的饼干骨架，得到饼干骨架图；

对所述预处理后的图像进行膨胀操作，得到外扩图；

将所述饼干骨架图和所述外扩图进行对减，并将对减后得到的图像的像素取反，得到掩膜图；

对所述掩膜图进行连通域标记，得到连通域标记图；

将所述掩膜图和所述连通域标记图进行与操作，得到分水岭种子图；

采用分水岭算法提取所述分水岭种子图中饼干图像的边缘，得到第一饼干边缘图；

将所述预处理后的图像与所述第一饼干边缘图进行对减，得到第二饼干边缘图；

确定所述第二饼干边缘图中饼干的中心点和旋转角度预测值。

可选的，所述确定所述第二饼干边缘图中饼干的中心点和旋转角度预测值，具体包括：

对所述第二饼干边缘图中的饼干边缘进行提取，得到饼干图像的边缘点集；

根据所述边缘点集确定饼干的中心点和旋转角度预测值。

可选的，所述根据所述边缘点集确定饼干的中心点，具体包括：

根据饼干图像的边缘点集计算所述饼干图像的一阶矩；

根据所述饼干图像的一阶矩计算所述饼干图像的中心点。

可选的，所述根据所述边缘点集确定饼干的旋转角度预测值，具体包括：

确定所述边缘点集的最小外接矩形；

确定所述最小外接矩形的旋转角度，所述最小外接矩形的旋转角度即为所述饼干的旋转角度预测值，所述预测值有多个。

可选的，所述确定所述第二饼干边缘图中饼干的旋转角度预测值之后，还包括：

采用饼干模板图与所述第二饼干边缘图中饼干图像进行距离计算，取距离最小时所述饼干图像对应的旋转角度预测值作为饼干的旋转角度。

可选的，所述距离计算为欧式距离计算。

可选的，采用Canny对所述第二饼干边缘图中的饼干边缘进行提取。

可选的，对所述饼干图像进行同态滤波处理，具体包括：

对所述待识别图像进行傅里叶变换后，取对数，得到所述待识别图像的频域图；

对所述频域图进行高通巴特沃斯滤波处理，得到巴特沃斯滤波掩膜图；

求取所述频域图和所述巴特沃斯滤波掩膜图的哈达玛积，并对哈达玛积数据取指数以及进行傅里叶逆变换。

可选的，所述预处理，还包括：

对经过同态滤波处理及二值化处理后的图像进行闭运算操作和开运算操作。

可选的，所述距离变换为基于欧式距离的距离变换。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的应用于饼干表面图案打印设备的饼干识别定位方法，首先采用同态滤波对相机采集到的包含饼干的图像进行预处理，降低了光照对识别结果的影响。其次，为解决饼干粘连和紧密贴合导致的分割困难，本发明分别获取待识别图像的骨架图以及外扩图，通过骨架图与外扩图的对减，得到掩膜图，对掩膜图进行连通域标记，并将得到的连通域标记图与掩膜图进行与操作，得到分水岭种子图，采用分水岭算法提取分水岭种子图中的饼干图像边缘，得到第一饼干边缘图，再采用预处理后的图像与第一饼干边缘图进行对减，得到第二饼干边缘图。最后，再根据第二饼干边缘图中的饼干边缘确定饼干的中心点和旋转角度。可见，本发明一方面通过同态滤波处理，消除了光照对待识别图像的干扰；另一方面通过对待识别图像的一些列处理，采用分水岭算法对待识别图像中的饼干边缘进行提取，解决了饼干粘连和紧密贴合所导致的分割困难的问题，进而避免由该问题导致的定位不准确的情况，实现了对饼干的精确定位。

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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明实施例中应用于饼干表面图案打印设备的饼干识别定位方法的流程示意图；

图2为本发明示例中应用于饼干表面图案打印设备的饼干识别定位方法的流程示意图；

图3为本发明实施例中工业相机获取的原始图像的附图；

图4为本发明实施例中采用同态滤波后的图像的附图；

图5为本发明实施例中原图二值化后的效果图；

图6为本发明实施例中应用距离变换后得到的骨架图；

图7为本发明实施例中应用分水岭算法的效果图；

图8为本发明实施例中二值化原图与分水岭图对减效果图；

图9为本发明实施例中采用连通域提取饼干边缘效果图；

图10为本发明实施例中饼干模板的附图；

图11为本发明实施例中最终提取出饼干中心和旋转角度的效果图。

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。

本发明的目的是提供一种应用于饼干表面图案打印设备的饼干识别定位方法，能够对饼干进行精确的识别和定位。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明提供的应用于饼干表面图案打印设备的饼干识别定位方法为饼干表面图案打印设备实现自动化的核心功能。该方法可以将托盘上每个饼干的真实坐标和旋转角度发送给打印设备，以实现打印设备的自动化作业，如图喷绘糖霜饼干表面图案。

如图1所示，本发明提供的应用于饼干表面图案打印设备的饼干识别定位方法包括以下步骤：

步骤101：获取包含饼干图像的待识别图像；该图像可以是由工业相机对饼干托盘上的饼干拍摄的图像。

步骤102：对所述待识别图像进行预处理，所述预处理包括同态滤波处理和二值化处理，得到预处理后的图像；

步骤103：对所述预处理后的图像进行距离变换，提取所述预处理后的图像中的饼干骨架，得到饼干骨架图；该距离变换可以是欧式距离变换；

步骤104：对所述预处理后的图像进行膨胀操作，得到外扩图；

步骤105：将所述饼干骨架图和所述外扩图进行对减，并将对减后得到的图像的像素取反，得到掩膜图；

步骤106：对所述掩膜图进行连通域标记，得到连通域标记图；

步骤107：将所述掩膜图和所述连通域标记图进行与操作，得到分水岭种子图；

步骤108：采用分水岭算法提取所述分水岭种子图中饼干图像的边缘，得到第一饼干边缘图；

步骤109：将所述预处理后的图像与所述第一饼干边缘图进行对减，得到第二饼干边缘图；

步骤110：确定所述第二饼干边缘图中饼干的中心点和旋转角度预测值。

在上述实施例中，步骤110，可以具体为：

对所述第二饼干边缘图中的饼干边缘进行提取，得到饼干图像的边缘点集；该提取方法可以采用Canny算法；

根据所述边缘点集确定饼干的中心点和旋转角度预测值。

其中，根据所述边缘点集确定饼干的中心点，可以包括：

根据饼干图像的边缘点集计算所述饼干图像的一阶矩；

根据所述饼干图像的一阶矩计算所述饼干图像的中心点。

其中，根据所述边缘点集确定饼干的旋转角度，可以包括：

确定所述边缘点集的最小外接矩形；

确定所述最小外接矩形的旋转角度，所述最小外接矩形的旋转角度即为所述饼干的旋转角度预测值，此时旋转角度预测值会存在四个角度即：α、α+90°、α+180°、α+270°。

在上一实施例的基础上，由于饼干旋转角度的预测值有多个，因此，在步骤110之后还可以包括：采用饼干模板图与所述第二饼干边缘图中饼干图像进行距离计算，取距离最小时所述饼干图像对应的旋转角度预测值作为饼干的旋转角度。此处的距离计算可以是欧式距离计算。饼干模板图的运用一方面可以确定饼干的主方向，从多个预测旋转角中确定一个正确的旋转角度，另一方面，还可以将计算得到的最小距离与设定阈值进行比较，如果小于设定阈值，则该边缘点集是饼干，否则则不是饼干的点集，可以据此进一步排除饼干的误识别项。

在上述实施例中，步骤102中的对所述饼干图像进行同态滤波处理，可以具体包括以下步骤：

对所述待识别图像进行傅里叶变换后，取对数，得到所述待识别图像的频域图；

对所述频域图进行高通巴特沃斯滤波处理，得到巴特沃斯滤波掩膜图；

求取所述频域图和所述巴特沃斯滤波掩膜图的哈达玛积，并对哈达玛积数据取指数以及进行傅里叶逆变换。

在上述实施例中，预处理，还可以包括：

对经过同态滤波处理及二值化处理后的图像进行闭运算操作和开运算操作。闭运算操作可以去除二值化产生饼干内的孔洞，消除算法干扰；开运算操作可以去除饼干外部的孤立点，抑制图像噪声。

下面以具体示例的方式对本发明提供的方法进行解释说明，如图2所示：

步骤1：从工业相机获取图像，该工业相机用于拍摄饼干托盘上的图像，该饼干托盘上承载有多块饼干。如图3所示。

步骤2：采用同态滤波进行图像预处理，实现图像光照的均匀化。如图4所示。

2.1>通过离散傅里叶变换，将图片从空间域转到频域，然后取对数抑制图像的绝对数值；

2.2>频率域转换基础上，进一步应用高通巴特沃斯滤波，滤掉一部分低频分量，得到掩模，从而达到抑制光照，实现光照均衡的效果；

2.3>巴特沃斯滤波掩模与步骤2.1获得的频域图求得哈达玛积，再取指数还原数据，进行傅里叶逆变换将频域图转为空间域得到同态滤波后的图像；

2.4>在步骤2.3获得图片的基础上，采用OSTU进行二值化，得到二值化图。如图5所示。

步骤3：通过欧式距离计算图像的骨架。在此基础上设置分水岭的种子。

3.1>在步骤2.4获得的图片基础上，先进行闭运算操作，去除二值化产生饼干内的孔洞，消除算法干扰；再进行开运算操作，去除饼干外部的孤立点，抑制图像噪声。

3.2>在步骤3.1获得的图片基础上，使用距离变换提取图像中的饼干骨架图；如图6所示；

3.3>在步骤3.1获得的图片基础上，进行膨胀操作，得到外扩图。

3.4>将步骤3.3和3.2获得的图片进行对减，即步骤3.3获得的图的各像素值与步骤3.2获得的图中的各像素值对应相减，然后再将所有像素取反，得到掩膜图。

3.5>将步骤3.2获得的图片进行连通域标记，将每个独立连通域内的像素设置为独立的数字标签。然后图片中的所有像素的像素值都加1，达到将背景也设置为连通域的目的。此步得到连通域标记图。

3.6>将步骤3.4和3.5获得的图进行与操作，达到将连通域与背景进行切割的目的，得到分水岭种子图。

步骤4：采用步骤3中的分水岭种子应用分水岭算法提取饼干图像边缘，得到保留饼干边缘的图像，如图7所示。

步骤5：将步骤2的结果图和步骤4的应用分水岭算法得到的结果图进行对减，从而达到将相连的饼干进行切割效果，如图8所示。

步骤6：采用Canny进行边缘提取，获得每个饼干的边缘点集，如图9所示。

步骤7：在步骤6得到饼干边缘点集的基础上，通过计算图像的一阶矩得到图像的质心点。

零阶矩的计算公式：

M00＝∑∑V(i，j)

一阶矩的计算公式：

M10＝∑∑i*V(i,j)

M01＝∑∑j*V(i,j)

质心点的X和Y坐标：

x＝M10/M00；

y＝M01/M00；

其中，M00为图像中的非0像素和；

M10为图像上非0像素区域x坐标值的累加值；

M01为图像上非0像素区域y坐标值的累加值；

(x,y)为图像的重心。

步骤8：在步骤6得到的边缘点集的基础上，对边缘点集求最小外接矩形，得到最小外接矩形的旋转角度。但此时旋转角度预测值有四个：α、α+90°、α+180°、α+270°。

步骤9：通过饼干模板图像来确定最终的旋转角度，并剔除误识别项，其中，饼干模板如图10所示。

9.1>通过饼干模板图像与每个识别到的饼干图像计算欧式距离：

当距离取最小值时对应的旋转角度为实际的饼干角度；v₀是模板的像素，v₁是饼干图像的像素，row是图像的行数，col是图像的列数。

9.2>将步骤9.1获得的欧氏距离与设定的阈值进行比较，如果比阈值小，则表示该边缘点集是饼干，否则则不是饼干的点集，以此来进一步排除误识别项；最终的效果如图11所示。

步骤10：通过TCP/IP协议将得到的每个饼干的中心坐标和旋转角度传输给打印设备，从而达到引导打印自动打印的目的。

下面对本发明采用的同态滤波预处理进行解释说明：

本发明中的同态滤波预处理通过离散傅里叶变换

将图片从空域转到频域后，然后取对数抑制图像的绝对数值。这样达到了在不改变信息的相关关系下，压缩了信息尺度的效果。

在图像实现了频率域转换基础上，进一步应用高通巴特沃斯滤波，滤掉一部分低频分量，从而达到抑制光照，实现光照均衡的效果。

高通巴特沃斯高通滤波公式为：

D(u,v)为离频域图中心的欧式距离

γ_H为高频权值，γ_L为低频权值，通过巴特沃斯滤波得到掩模，与频域图求得哈达玛积，再取指数还原数据，进行傅里叶逆变换

将频域图转为空域得到同态滤波后的图像。

下面对本发明饼干的边缘提取进行解释说明：

在生产过程中，饼干在托盘上的摆放十分稠密，以至于在相机拍到的图像中有的饼干都是连在一起，无法进行饼干的定位。因此本算法使用了分水岭算法进行饼干边缘提取，将密集摆放的饼干进行分割，以区分饼干。

分水岭是一种图像区域分割算法，图片的像素是[0,255]。因此分水岭算法将图像看成是地形，像素看成是海拔，像素值大的地方视为山，像素小的地方视为谷，而每块区域像素都有个局部最小值，也就视为谷底。而分水岭就是把像素当成水，倒入图像中。一开始水会在局部最小值的地方汇集，生成多块水泊，当水越倒越多，水位也就是像素值就会慢慢上升，像素较小也就是海拔低地形就被淹没，直到最后不同区域的水泊交汇，形成的边界就是分水岭，以此分界线来将图像进行区域分割。

使用分水岭的前提是需要存在局部最小值以区分区域，而饼干的像素是均匀分布的，饼干内部无法成为谷底。该情况导致分水岭算法会将贴在一起的饼干识别为一整座山，无法对两个饼干进行切割。所以需要对分水岭算法进行改进。算法首先将原图进行二值化操作，然后使用距离变换将饼干的骨架提取出来，最后将骨架图作为掩模与原图对减，使其饼干内部据有局部最小值。通过该方法达到人工生成分水岭的谷底，并将其进行标记为最终分割区域，即可完成饼干区域的分割。将原图像的二值化图和应用分水岭算法得到的图像进行对减，从而达到将原图像中边缘位置描黑的效果。最后采用连通域提取饼干的边缘，获得每个饼干的边缘点集。

下面对本发明中饼干的中心点和旋转角度的获取进行解释说明：

在得到饼干边缘点集后，通过计算图像的一阶矩就能得到图像的中心点。然后对图像的边缘点集求其最小外接矩形，可以获得最小外接矩形的旋转角度。因为不知道饼干的方向，无法确定实际角度，会存在有四个角度候选即：α、α+90°、α+180°、α+270°。紧接着通过饼干模板图像与每个识别到的饼干图像计算欧式距离

当距离取最小值时对应的旋转角度为实际的饼干角度。同时通过欧式距离来判断获取的边缘点集是否是饼干，以此来进一步排除误识别项。

本发明首先采用同态滤波对图像进行光照补偿，降低光照对于饼干图像边缘提取算法的影响，降低对饼干表面反射光的一致性需求。然后对传统区域分割算法分水岭算法进行改进，解决生产过程中饼干紧密贴合情况下无法进行区域分割的问题。最后采用模板匹配算法实现饼干主方向确认，并过滤不符合的目标饼干。该过程可以提高饼干轮廓提取的准确度，实现快速获取饼干的准确角度。经过上述的优化处理，该算法可以排除因外部干扰而导致的误识别，稳定、准确的识别出饼干中心坐标和旋转角度，具有较好的鲁棒性，可以满足饼干表面图案打印设备的实际需求。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种应用于饼干表面图案打印设备的饼干识别定位方法，其特征在于，包括：

获取包含饼干图像的待识别图像；

对所述待识别图像进行预处理，所述预处理包括同态滤波处理和二值化处理，得到预处理后的图像；

对所述预处理后的图像进行距离变换，提取所述预处理后的图像中的饼干骨架，得到饼干骨架图；

对所述预处理后的图像进行膨胀操作，得到外扩图；

将所述饼干骨架图和所述外扩图进行对减，并将对减后得到的图像的像素取反，得到掩膜图；

对所述掩膜图进行连通域标记，得到连通域标记图；

将所述掩膜图和所述连通域标记图进行与操作，得到分水岭种子图；

采用分水岭算法提取所述分水岭种子图中饼干图像的边缘，得到第一饼干边缘图；

将所述预处理后的图像与所述第一饼干边缘图进行对减，得到第二饼干边缘图；

确定所述第二饼干边缘图中饼干的中心点和旋转角度预测值。

2.根据权利要求1所述的饼干识别定位方法，其特征在于，所述确定所述第二饼干边缘图中饼干的中心点和旋转角度预测值，具体包括：

对所述第二饼干边缘图中的饼干边缘进行提取，得到饼干图像的边缘点集；

根据所述边缘点集确定饼干的中心点和旋转角度预测值。

3.根据权利要求2所述的饼干识别定位方法，其特征在于，所述根据所述边缘点集确定饼干的中心点，具体包括：

根据饼干图像的边缘点集计算所述饼干图像的一阶矩；

根据所述饼干图像的一阶矩计算所述饼干图像的中心点。

4.根据权利要求2所述的饼干识别定位方法，其特征在于，所述根据所述边缘点集确定饼干的旋转角度预测值，具体包括：

确定所述边缘点集的最小外接矩形；

确定所述最小外接矩形的旋转角度，所述最小外接矩形的旋转角度即为所述饼干的旋转角度预测值，所述预测值有多个。

5.根据权利要求4所述的饼干识别定位方法，其特征在于，所述确定所述第二饼干边缘图中饼干的旋转角度预测值之后，还包括：

采用饼干模板图与所述第二饼干边缘图中饼干图像进行距离计算，取距离最小时所述饼干图像对应的旋转角度预测值作为饼干的旋转角度。

6.根据权利要求5所述的饼干识别定位方法，其特征在于，所述距离计算为欧式距离计算。

7.根据权利要求2所述的饼干识别定位方法，其特征在于，采用Canny对所述第二饼干边缘图中的饼干边缘进行提取。

8.根据权利要求1所述的饼干识别定位方法，其特征在于，对所述饼干图像进行同态滤波处理，具体包括：

对所述待识别图像进行傅里叶变换后，取对数，得到所述待识别图像的频域图；

对所述频域图进行高通巴特沃斯滤波处理，得到巴特沃斯滤波掩膜图；

求取所述频域图和所述巴特沃斯滤波掩膜图的哈达玛积，并对哈达玛积数据取指数以及进行傅里叶逆变换。

9.根据权利要求1所述的饼干识别定位方法，其特征在于，所述预处理，还包括：

对经过同态滤波处理及二值化处理后的图像进行闭运算操作和开运算操作。

10.根据权利要求1所述的饼干识别定位方法，其特征在于，所述距离变换为基于欧式距离的距离变换。

Images