CN110930450A - 基于图像阈值分割和blob分析方法的煤矸石定位方法 - Google Patents

基于图像阈值分割和blob分析方法的煤矸石定位方法 Download PDF

Info

Publication number
CN110930450A
CN110930450A CN201911264011.XA CN201911264011A CN110930450A CN 110930450 A CN110930450 A CN 110930450A CN 201911264011 A CN201911264011 A CN 201911264011A CN 110930450 A CN110930450 A CN 110930450A
Authority
CN
China
Prior art keywords
coal gangue
image
blob
partition
threshold segmentation
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
CN201911264011.XA
Other languages
English (en)
Inventor
邹华东
李祖明
谌俊
朱方才
袁正辉
刘京苑
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.)
Qingyuan Polytechnic
Original Assignee
Qingyuan Polytechnic
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 Qingyuan Polytechnic filed Critical Qingyuan Polytechnic
Priority to CN201911264011.XA priority Critical patent/CN110930450A/zh
Publication of CN110930450A publication Critical patent/CN110930450A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于图像阈值分割和BLOB分析方法的煤矸石定位方法，包括如下步骤：首先对图像进行阈值分割将图像按照灰度值分为两大类；采用连通域标记法，将能够连通在一起的点组成一个分区BLOB；利用所有属于一个BLOB分区的像素点的图像坐标信息进行统计分析，并得到BLOB分区的重心、中心、面积和区域范围等几何信息；根据几何特征信息进行目标筛选，选择面积最大的BLOB分区作为煤矸石目标分区，利用该目标分区的几何特征信息对煤矸石目标进行定位。本发明能够分析出煤矸石图像的中心和分布范围等几何特征信息，可对煤矸石进行识别和定位，进而可应用于煤矸石分拣中的定位，有利于进行推广应用。

Description

基于图像阈值分割和BLOB分析方法的煤矸石定位方法
技术领域
本发明涉及煤矸石定位技术领域，尤其涉及基于图像阈值分割和BLOB分析方法的煤矸石定位方法。
背景技术
由于煤矸石的颜色与黑色传送带背景颜色近似，边缘轮廓并不清晰，因此边缘提取算法基本无法提取出其边缘轮廓或者定位出其区域范围，因此其几何特征基本无法提取，但是在实际的分拣系统中，对于煤矸石进行识别和定位时必须获取其相关的特征参数。为此，我们提出了一种基于图像阈值分割和BLOB分析方法的煤矸石定位方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的基于图像阈值分割和BLOB分析方法的煤矸石定位方法。
为了实现上述目的，本发明采用了如下技术方案：
基于图像阈值分割和BLOB分析方法的煤矸石定位方法，包括如下步骤：
S1：首先对图像进行阈值分割将图像按照灰度值分为两大类；
S2：采用连通域标记法，将所有通过“游程8-连通”或“游程4-连通”能够连通在一起的点组成一个分区BLOB；
S3：在步骤S2完成后，利用所有属于一个BLOB分区的像素点的图象坐标信息进行统计分析，并得到BLOB分区的重心、中心、面积和区域范围等几何信息；
S4：在步骤S3完成后，根据几何特征信息进行目标筛选，选择面积最大的BLOB分区作为煤矸石目标分区，利用该目标分区的几何特征信息对煤矸石目标进行定位。
优选的，在步骤S1中阈值分割的方法为迭代法、OTSU法、最大熵值法和直方图谷底法中的任意一种。
本发明提出的基于图像阈值分割和BLOB分析方法的煤矸石定位方法，有益效果在于：本方案在运用的过程中，避免了常规方法为定位到煤矸石的边缘或位置范围而采用的对煤矸石的边缘点的探测，通过利用煤矸石图像中的目标物上的同属于一个特征分区的点的坐标统计信息结果来得到目标物几何特征信息，解决了煤矸石图像中，由于其高度背景等方面原因造成的无法定位图像边缘的技术难点，几何特征信息包括有煤矸石图像的中心和分布范围等，针对分析出的煤矸石图像的中心和分布范围等几何特征信息，可对煤矸石进行识别和定位，进而可应用于煤矸石分拣中的定位，即使得整个方法有利于进行推广应用。
附图说明
图1为煤矸石图像的原图像；
图2为煤矸石进行阈值分割和连通区域标记后的图像；
图3为煤矸石最大分割BLOB分区的所有像素点标记结果的图像；
图4为煤矸石最大BLOB分区几何特征标记的图像；
图5为煤矸石最大BLOB分区几何特征标记的游程8-连通及游程4-连通的示意图。
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。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
基于图像阈值分割和BLOB分析方法的煤矸石定位方法，包括如下步骤：
S1：首先对图像进行阈值分割将图像按照灰度值分为两大类；
S2：采用连通域标记法，将所有通过“游程8-连通”或“游程4-连通”能够连通在一起的点组成一个分区BLOB；
S3：在步骤S2完成后，利用所有属于一个BLOB分区的像素点的图象坐标信息进行统计分析，并得到BLOB分区的重心、中心、面积和区域范围等几何信息；
S4：在步骤S3完成后，根据几何特征信息进行目标筛选，选择面积最大的BLOB分区作为煤矸石目标分区，利用该目标分区的几何特征信息对煤矸石目标进行定位。
在步骤S1中阈值分割的方法为迭代法、OTSU法、最大熵值法和直方图谷底法中的任意一种。
实施例1
参照图1-5，基于图像阈值分割和BLOB分析方法的煤矸石定位方法，如图1为矸石图像的原图像,包括如下步骤：
S1:首先对图像进行阈值分割将图像按照灰度值分为两大类，且阈值分割的方法为迭代法、OTSU法、最大熵值法和直方图谷底法中的任意一种；
S2：采用连通域标记法，将所有通过“游程8-连通”或“游程4-连通”能够连通在一起的点组成一个分区BLOB，其中游程表示二值图像行或列中相同灰度级像素的最大序列，即在一个扫描行中的连通区域表示；游程4-连通是指当前游程中至少有一个像素与另一游程中的像素存在4-连通的关系，游程8-连通是指当前游程中至少有一个像素与另一游程中的像素存在8-连通的关系，如图5为游程4-连通和游程8-连通示意图，其中深色表示游程，浅色表示背景，且满足游程的4-连通条件必定满足游程的8-连通条件，且所形成的分区BLOB为煤矸石进行阈值分割和连通区域标记后的图像，如图2所示；
S3：在步骤S2完成后，利用所有属于一个BLOB分区的像素点的图像坐标信息进行统计分析，并得到BLOB分区的重心、中心、面积和区域范围等几何信息；
S4：在步骤S3完成后，根据几何特征信息进行目标筛选，选择面积最大的BLOB分区作为煤矸石目标分区，如图3为煤矸石最大分割BLOB分区的所有像素点标记结果的图像；利用该目标分区的几何特征信息对煤矸石目标进行定位，如图4为煤矸石最大BLOB分区几何特征标记的图像。
综上所述：本发明在运用的过程中，避免了常规方法为定位到煤矸石的边缘或位置范围而采用的对煤矸石的边缘点的探测，通过利用煤矸石图像中的目标物上的同属于一个特征分区的点的坐标统计信息结果来得到目标物几何特征信息，解决了煤矸石图像中，由于其高度背景等方面原因造成的无法定位图像边缘的技术难点，几何特征信息包括有煤矸石图像的中心和分布范围等，针对分析出的煤矸石图像的中心和分布范围等几何特征信息，可对煤矸石进行识别和定位，进而可应用于煤矸石分拣中的定位，即使得整个方法有利于进行推广应用。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (2)

1.基于图像阈值分割和BLOB分析方法的煤矸石定位方法，其特征在于，包括如下步骤：
S1：首先对图像进行阈值分割将图像按照灰度值分为两大类；
S2：采用连通域标记法，将所有通过“游程8-连通”或“游程4-连通”能够连通在一起的点组成一个分区BLOB；
S3：在步骤S2完成后，利用所有属于一个BLOB分区的像素点的图象坐标信息进行统计分析，并得到BLOB分区的重心、中心、面积和区域范围等几何信息；
S4：在步骤S3完成后，根据几何特征信息进行目标筛选，选择面积最大的BLOB分区作为煤矸石目标分区，利用该目标分区的几何特征信息对煤矸石目标进行定位。
2.根据权利要求1所述的基于图像阈值分割和BLOB分析方法的煤矸石定位方法，其特征在于，在步骤S1中阈值分割的方法为迭代法、OTSU法、最大熵值法和直方图谷底法中的任意一种。
CN201911264011.XA 2019-12-11 2019-12-11 基于图像阈值分割和blob分析方法的煤矸石定位方法 Pending CN110930450A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911264011.XA CN110930450A (zh) 2019-12-11 2019-12-11 基于图像阈值分割和blob分析方法的煤矸石定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911264011.XA CN110930450A (zh) 2019-12-11 2019-12-11 基于图像阈值分割和blob分析方法的煤矸石定位方法

Publications (1)

Publication Number Publication Date
CN110930450A true CN110930450A (zh) 2020-03-27

Family

ID=69858836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911264011.XA Pending CN110930450A (zh) 2019-12-11 2019-12-11 基于图像阈值分割和blob分析方法的煤矸石定位方法

Country Status (1)

Country Link
CN (1) CN110930450A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508001A (zh) * 2020-12-03 2021-03-16 安徽理工大学 一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150023578A1 (en) * 2012-03-05 2015-01-22 Hong'en (Hangzhou, China) Medical Technology Inc. Device and method for determining border of target region of medical images
CN106815819A (zh) * 2017-01-24 2017-06-09 河南工业大学 多策略粮虫视觉检测方法
CN108470339A (zh) * 2018-03-21 2018-08-31 华南理工大学 一种基于信息融合的重叠苹果视觉识别与定位方法
CN109448000A (zh) * 2018-10-10 2019-03-08 中北大学 一种交通指路标志图像的分割方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150023578A1 (en) * 2012-03-05 2015-01-22 Hong'en (Hangzhou, China) Medical Technology Inc. Device and method for determining border of target region of medical images
CN106815819A (zh) * 2017-01-24 2017-06-09 河南工业大学 多策略粮虫视觉检测方法
CN108470339A (zh) * 2018-03-21 2018-08-31 华南理工大学 一种基于信息融合的重叠苹果视觉识别与定位方法
CN109448000A (zh) * 2018-10-10 2019-03-08 中北大学 一种交通指路标志图像的分割方法
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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508001A (zh) * 2020-12-03 2021-03-16 安徽理工大学 一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法

Similar Documents

Publication Publication Date Title
CN107545239B (zh) 一种基于车牌识别与车辆特征匹配的套牌检测方法
CN109816644B (zh) 一种基于多角度光源影像的轴承缺陷自动检测系统
CN107066933B (zh) 一种道路标牌识别方法及系统
CN105046196B (zh) 基于级联卷积神经网络的前车车辆信息结构化输出方法
Zheng et al. An algorithm for accuracy enhancement of license plate recognition
CN103310211B (zh) 一种基于图像处理的填注标记识别方法
CN101334836B (zh) 一种融合色彩、尺寸和纹理特征的车牌定位方法
CN113160192A (zh) 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置
CN107273896A (zh) 一种基于图像识别的车牌检测识别方法
WO2018086233A1 (zh) 一种字符分割方法和装置、及元件检测方法和装置
CN101122953A (zh) 一种图片文字分割的方法
CN112329587B (zh) 饮料瓶的分类方法、装置及电子设备
CN105809166A (zh) 车牌识别方法、装置及系统
CN102663760A (zh) 一种对图像中的车辆挡风镜区域进行定位分割的方法
CN112507911B (zh) 一种基于机器视觉的山核桃果实在图像中的实时识别方法
CN104050684A (zh) 一种基于在线训练的视频运动目标分类方法与系统
CN109886168B (zh) 一种基于层阶的地面交通标志识别方法
Chen et al. License plate recognition for moving vehicles using a moving camera
CN110930450A (zh) 基于图像阈值分割和blob分析方法的煤矸石定位方法
CN108205678A (zh) 一种含有亮斑干扰的铭牌文字识别处理方法
CN110378337B (zh) 金属切削刀具图纸标识信息视觉输入方法及系统
CN110046618B (zh) 基于机器学习和最大极值稳定区域的车牌识别方法
CN115937719A (zh) 一种基于最大面积的跑道轮廓线获取方法
KR100503724B1 (ko) 화상에서의 객체 탐색 방법
CN113643290B (zh) 一种基于图像处理的吸管计数方法、装置及存储介质

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