CN111027530B - 基于轮胎压印字符识别的预处理方法 - Google Patents
基于轮胎压印字符识别的预处理方法 Download PDFInfo
- Publication number
- CN111027530B CN111027530B CN201911247775.8A CN201911247775A CN111027530B CN 111027530 B CN111027530 B CN 111027530B CN 201911247775 A CN201911247775 A CN 201911247775A CN 111027530 B CN111027530 B CN 111027530B
- Authority
- CN
- China
- Prior art keywords
- circle
- tire
- image
- straight line
- hough
- 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
- 238000002203 pretreatment Methods 0.000 title description 2
- 230000009466 transformation Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004049 embossing Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
基于轮胎压印字符识别的预处理方法,属于图像处理领域。本发明包括如下步骤:利用工业摄像头对轮胎图像进行采集;进行高斯滤波,消除高斯噪声;灰度化处理;降采样;进行霍夫圆变换,去除内圆;得到轮胎胎面的圆环部分;将轮胎胎面的圆环部分展开成矩形图;去除矩形图上轮胎的纹理部分。本发明提出了用两种霍夫变换提取到整个轮胎的下半部分,从而为后续字符精确识别奠定了基础。操作简便,准确性高。
Description
技术领域
本发明属于图像处理领域,尤其涉及基于轮胎压印字符识别预处理方法的技术领域。
背景技术
随着计算机及其相关技术的迅速发展,机器视觉技术在工业自动化生产等领域的应用越来越为广泛。工业等领域的广泛应用极大提高了工业产品生产过程中的效率和质量,给社会带来了巨大的经济效益和社会效益。
采集到的图像如果想被现代的计算机系统理解,通常要经过图像采集、图像预处理、提取图像特征等阶段。而对于压印字符来说,与印刷字符等常见的光学字符相比,是空间立体字符,字符与背景没有色差正是这种无色差和立体的特点,使得对压印字符的识别与一般常见的光学字符识别有很大的差别,会受到成像系统、光照、物体自身特点等外在因素的影响,使得获取到的原始图像不能直接使用。所以对图像的预处理工作显得特别重要。预处理的目的是要改善图像数据,消除图像中无用的信息,提取真实有效的信息,增强相关数据信息的图像特征、抑制不必要的变形并且最大限度地简化数据信息,从而增强后续图像处理的可靠性。
预处理需要解决以下问题:自动性:能够对列车转向架上的平面压印字符进行自动识别,排除由于人工识别带来的误差。准确性:能够对列车转向架上的平面压印字符进行准确地识别。易用性:操作简单,字符显示界面直观。
发明内容
本发明目的在于提出了用两种霍夫变换提取到整个轮胎的下半部分,从而为后续字符精确识别奠定了基础。操作简便,准确性高。
一种基于轮胎压印字符识别的预处理方法,包括如下步骤:
步骤1)利用工业摄像头对轮胎图像进行采集;
步骤2)对步骤1)采集的图像进行高斯滤波,消除高斯噪声;
步骤3)对步骤2)处理后的图像灰度化处理;
步骤4)对步骤3)灰度化处理后的图像降采样,缩放图像尺寸;
步骤5)对步骤4)的图像进行霍夫圆变换,去除内圆;
步骤6)根据轮胎的规格,计算除轮胎的宽度,去除轮胎外的背景区域,得到轮胎胎面部分;将轮胎的宽度设定到不影响后续字符识别的固定值,设置外圆的圆心与步骤5)的圆心相同,定位到轮胎的外圆;再通过掩膜mask来进行与运算将轮胎以外的圆部分像素设置为零,原始图像中的圆就只剩下轮胎胎面的圆环部分;
步骤7)将轮胎上像素差最小点所在位置为图像展开点theta,并读取外圆半径,读取步骤6)处理出来的图像中每行每列,将步骤6)中的轮胎胎面的圆环部分展开成矩形图;
步骤8)根据霍夫直线变换,去除矩形图上轮胎的纹理部分。
本发明提出了两种霍夫变换,一种是霍夫圆变换,一种是霍夫线变换。
对于霍夫圆变换,对于任意一个圆,假设中心像素点p(x0,y0)像素点已知,圆半径已知,则旋转360度,由极坐标方程可以得到每个点上的坐标。同样,如果只是知道图像上像素点,圆半径和旋转角度360°,则会有一个集中的交点,即圆心,也就是说圆点处的坐标值最强,这正是霍夫变换检测圆的数学原理。
本发明的霍夫圆变换分为两个阶段,从而减小了霍夫空间的维数。第一阶段用于检测圆心,第二阶段从圆心推导出圆半径。检测圆心的方法是圆心是它所在圆周所有法线的交汇处,因此只要找到这个交点,即可确定圆心,该方法所用的霍夫空间与图像空间的性质相同,因此它仅仅是二维空间。检测圆半径的方法是从圆心到圆周上的任意一点的距离相同,首先确定一个阈值,只要计算得到相同距离的数量大于该阈值,就认为该距离就是该圆心所对应的圆半径,并且该方法只需要计算半径直方图,不使用霍夫空间。圆心和圆半径都得到后,就能确定圆形了。
本发明的霍夫线变换,采用极坐标系来表示直线,一条直线能够通过在平面θ-y寻找交于一点的曲线数量来检测。而越多曲线交于一点也就意味着这个交点表示的直线由更多的点组成。通过设置直线上点的阈值来定义多少条曲线交于一点才检测到一条直线。
本发明研究了基于轮胎压印字符识别的预处理,区别于以往的感兴趣区域提取,本发明通过霍夫变换提取到整个轮胎的胎面,并通过霍夫线变换提取到轮胎的纹理的下半部分。操作简便,准确性高。
附图说明
图1为本发明的流程图。
具体实施方式
为使本发明的目的,技术方案和优点更加清楚,下面将结合附图对本发明实施方案作进一步详细阐述。
(1)轮胎图像采集,利用工业摄像头采集设备;
(2)对图像进行高斯滤波。对步骤(1)采集到的轮胎图像进行平滑滤波,消除高斯噪声;
(3)图像灰度化。对采集到的彩色图像进行灰度变化,变换后的计算量也会相应的减少;
(4)降采样,缩放图像尺寸。原图像素过大,通过降采样也可以大大的减少计算量,提高后续的处理速度;
(5)对图像进行霍夫圆变换。根据轮胎内轴和胎面的像素差,提取到之间的圆形。并将此圆形去除。在笛卡尔坐标下,圆的表示方程为:(x-a)2+(y-b)2=r2,其中x为圆边界上的横坐标,a为圆心中的横坐标位置,y为圆边界上的纵坐标,b为圆心中的纵坐标位置,r为圆半径;而在极坐标下,假设已知圆心(x0,y0),那么圆上的点可以表示为:
x=x0+rcosθ,y=y0+rsinθ
其中θ为圆的旋转角度(0,2Π),所以对于任意一个圆,假设中心像素点p(x0,y0)像素点已知,圆半径已知,旋转360°,由极坐标方程可以得到每个点上的坐标。同样,如果只是知道图像上像素点,圆半径和旋转角度360°,则会有一个集中的交点,即圆心,也就是说圆点处的坐标值最强,这正是霍夫变换检测圆的数学原理。
本发明的霍夫圆变换分为两个阶段,从而减小了霍夫空间的维数。第一阶段用于检测圆心,第二阶段从圆心推导出圆半径。检测圆心的方法是圆心是它所在圆周所有法线的交汇处,因此只要找到这个交点,即可确定圆心,该方法所用的霍夫空间与图像空间的性质相同,因此它仅仅是二维空间。检测圆半径的方法是从圆心到圆周上的任意一点的距离相同,首先确定一个阈值,只要计算得到相同距离的数量大于该阈值,就认为该距离就是该圆心所对应的圆半径,并且该方法只需要计算半径直方图,不使用霍夫空间。圆心和圆半径都得到后,就能确定圆形了。
所以如上所述,在设置好轮胎与轱辘轴的阈值,再由canny边缘检测,可以得到轱辘轴边缘的圆心和半径,这样可以用opencv中的Circle函数将这个圆的像素都变成0,即轱辘轴变成黑色区域。这样即可去除掉内圆。
(6)根据轮胎的规格,计算除轮胎的宽度,出除轮胎外的背景区域,这样得到的只有轮胎胎面部分。进一步消除轮胎以外的背景。查找轮胎尺寸规格,将轮胎的宽度设定到不影响后续字符识别的固定值,即设置Circle函数的半径为345大小,又因为外圆和内圆是同心圆,所以设置外圆的圆心与(5)步骤的圆心相同,这样可以精确迅速的定位到轮胎的外圆,减少因为又一次圆检测的时间。再通过掩膜mask来进行与运算将轮胎以外的圆部分像素设置为零。这样原始图像中的圆就变成只剩下轮胎胎面的圆环部分。
(7)根据图像中像素差最小的点为起点,将环形胎面部分展开成矩形图,并且去除了其他的无用信息。将轮胎上像素差最小点所在位置为为图像展开点theta,并读取外圆半径。读取图像中每行每列,将轮胎的圆环状展开成矩形。
(8)根据霍夫直线变换,去除矩形图上轮胎的纹理部分,进一步的去除无用信息。霍夫线变换是一种用来寻找直线的方法。在使用霍夫线变换之前,首先要对图像进行边缘检测的处理,也即霍夫线变换的直接输入只能是边缘二值图像。在图像中检测直线,其实质是找到构成直线的所有的像素点,找到符合y=kx+b的所有(x,y)的点,其中y为直线上的任意一点纵坐标,k为斜率,x为直线上的任意一点横坐标,b为截距。对于霍夫变换,采用极坐标系来表示直线,因此直线的表达式可为:
简化可得到:r=xconθ+ysinθ
其中θ为直线的垂线与x轴的夹角,r为直线到远点的距离,一条直线能够通过在平面θ-y寻找交于一点的曲线数量来检测。而越多曲线交于一点也就意味着这个交点表示的直线由更多的点组成。通过设置直线上点的阈值来定义多少条曲线交于一点才检测到一条直线。因此可以得到轮胎纹理以下部分的矩形展开图。
Claims (1)
1.一种基于轮胎压印字符识别的预处理方法,其特征在于包括如下步骤:
步骤1)利用工业摄像头对轮胎图像进行采集;
步骤2)对步骤1)采集的图像进行高斯滤波,消除高斯噪声;
步骤3)对步骤2)处理后的图像灰度化处理;
步骤4)对步骤3)灰度化处理后的图像降采样,缩放图像尺寸;
步骤5)对步骤4)的图像进行霍夫圆变换,去除内圆;
霍夫圆变换为:
根据轮胎内轴和胎面的像素差,提取到轮胎中间的圆形,并将此圆形去除;在笛卡尔坐标下,圆的表示方程为:(x-a)2+(y-b)2=r2,其中x为圆边界上的横坐标,a为圆心中的横坐标位置,y为圆边界上的纵坐标,b为圆心中的纵坐标位置,r为圆半径;而在极坐标下,假设已知圆心(x0,y0),那么圆上的点表示为:
x=x0+rcosθ,y=y0+rsinθ
其中θ为圆的旋转角度(0,2Π),由于轮胎和轱辘轴的灰度值相差分明,所以可以通过直方图查看阈值分配,从而设置轮胎与轱辘轴的阈值,再由canny边缘检测,得到轱辘轴边缘的圆心和半径,直接调用opencv库中的Circle函数,将这个圆的像素都设置为0,即轱辘轴变成黑色区域,即可去除掉内圆;
步骤6)根据轮胎的规格,计算轮胎的宽度,去除轮胎外的背景区域,得到轮胎胎面部分;将轮胎的宽度设定到不影响后续字符识别的固定值,设置外圆的圆心与步骤5)的圆心相同,定位到轮胎的外圆;再通过掩膜mask来进行与运算将轮胎以外的圆部分像素设置为零,原始图像中的圆就只剩下轮胎胎面的圆环部分;
步骤7)将轮胎上像素差最小点所在位置为图像展开点theta,并读取外圆半径,读取步骤6)处理出来的图像中每行每列,将步骤6)中的轮胎胎面的圆环部分展开成矩形图;
步骤8)根据霍夫直线变换,去除矩形图上轮胎的纹理部分;
霍夫线变换包括如下步骤,首先对矩形图进行边缘检测的处理;找到构成直线的所有的像素点,找到符合y=kx+b的所有(x,y)的点,其中y为直线上的任意一点纵坐标,k为斜率,x为直线上任意一点横坐标,b为截距;采用极坐标系来表示直线,表达式为:
简化可得到:r=xcosθ+ysinθ
其中θ为直线的垂线与x轴的夹角,r为直线到圆点的距离,得到轮胎纹理以下部分的矩形展开图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911247775.8A CN111027530B (zh) | 2019-12-09 | 2019-12-09 | 基于轮胎压印字符识别的预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911247775.8A CN111027530B (zh) | 2019-12-09 | 2019-12-09 | 基于轮胎压印字符识别的预处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027530A CN111027530A (zh) | 2020-04-17 |
CN111027530B true CN111027530B (zh) | 2024-03-01 |
Family
ID=70204800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911247775.8A Active CN111027530B (zh) | 2019-12-09 | 2019-12-09 | 基于轮胎压印字符识别的预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027530B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516123B (zh) * | 2021-05-14 | 2023-11-24 | 南京工程学院 | 一种针对轮胎压印字符的检测识别方法 |
CN113642580B (zh) * | 2021-07-22 | 2024-02-02 | 武汉理工大学 | 一种轮胎压印字符的定位与识别方法 |
CN114216546A (zh) * | 2021-12-14 | 2022-03-22 | 江苏太平洋通信科技有限公司 | 一种货运源头超载识别管理系统及方法 |
CN117853484B (zh) * | 2024-03-05 | 2024-05-28 | 湖南建工交建宏特科技有限公司 | 一种基于视觉的桥梁损伤智能监测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147857A (zh) * | 2011-03-22 | 2011-08-10 | 黄晓华 | 利用改进霍夫变换进行类圆形检测的图像处理方法 |
CN105678768A (zh) * | 2016-01-08 | 2016-06-15 | 杭州电子科技大学 | 一种基于机器视觉的胎面检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10740889B2 (en) * | 2017-12-29 | 2020-08-11 | Huizhou China Star Optoelectronics Technology Co., Ltd. | Method and system for detection of in-panel mura based on hough transform and gaussian fitting |
-
2019
- 2019-12-09 CN CN201911247775.8A patent/CN111027530B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147857A (zh) * | 2011-03-22 | 2011-08-10 | 黄晓华 | 利用改进霍夫变换进行类圆形检测的图像处理方法 |
CN105678768A (zh) * | 2016-01-08 | 2016-06-15 | 杭州电子科技大学 | 一种基于机器视觉的胎面检测方法 |
Non-Patent Citations (3)
Title |
---|
一种基于机器视觉的轮胎胎面检测系统;阮宇静;《中国优秀硕士学位论文全文数据库 信息科技辑》;参见全文 * |
基于机器视觉的轮胎在线识别分类系统研究与开发;梁涛;《中国优秀硕士学位论文全文数据库 信息科技辑》;参见全文 * |
阮宇静.一种基于机器视觉的轮胎胎面检测系统.《中国优秀硕士学位论文全文数据库 信息科技辑》.2018, * |
Also Published As
Publication number | Publication date |
---|---|
CN111027530A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027530B (zh) | 基于轮胎压印字符识别的预处理方法 | |
CN105334219B (zh) | 一种残差分析动态阈值分割的瓶口缺陷检测方法 | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN107228860B (zh) | 一种基于图像旋转周期特性的齿轮缺陷检测方法 | |
CN112233116B (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN116597392B (zh) | 基于机器视觉的液压油杂质识别方法 | |
CN112734729B (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN107145890A (zh) | 一种远距离多视角环境下的指针式仪表盘自动读数方法 | |
Chu et al. | Invariant feature extraction method based on smoothed local binary pattern for strip steel surface defect | |
CN112541889A (zh) | 一种多层级模型的复杂纹理对象表面缺陷检测方法 | |
CN111950559A (zh) | 一种基于径向灰度的指针仪表自动读数方法 | |
CN112102287B (zh) | 一种基于图像的生球裂纹自动检测与识别方法 | |
Liu et al. | Enhancement of contour smoothness by substitution of interpolated sub-pixel points for edge pixels | |
CN103745236A (zh) | 纹理图像识别方法以及纹理图像识别装置 | |
Wankhede et al. | A low cost surface strain measurement system using image processing for sheet metal forming applications | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
CN113516123B (zh) | 一种针对轮胎压印字符的检测识别方法 | |
CN107748897B (zh) | 基于模式识别的大尺寸弯曲零件轮廓度质量检测方法 | |
CN113989308A (zh) | 一种基于霍夫变换与模板匹配的多边形目标分割方法 | |
CN112381140A (zh) | 一种基于新特征参数的磨粒图像机器学习识别方法 | |
CN114972453B (zh) | 改进的基于lsd与模板匹配的sar图像区域配准方法 | |
CN112396638A (zh) | 一种图像处理方法、终端和计算机可读存储介质 | |
CN112529869B (zh) | 一种阀套节流方孔检测方法 |
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 |