CN111189399B - 一种用于圆形工业零件尺寸的图像测量算法 - Google Patents
一种用于圆形工业零件尺寸的图像测量算法 Download PDFInfo
- Publication number
- CN111189399B CN111189399B CN201911231203.0A CN201911231203A CN111189399B CN 111189399 B CN111189399 B CN 111189399B CN 201911231203 A CN201911231203 A CN 201911231203A CN 111189399 B CN111189399 B CN 111189399B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- contour
- point
- circular
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/187—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
一种用于圆形工业零件尺寸的图像测量算法,包括以下步骤:提取图像边缘,计算图像边缘梯度方向;计算图像边缘到初始圆心之间连线的夹角;通过计算去除由于阴影造成的伪边缘及过短的细碎边缘;将图像进行二值分割,而后去除与边界相联系的连通区域;通过形态运算将零件图像分割区域与获得准确的边界,实施边界链码跟踪获得候选的不完整的边界轮廓;将每个轮廓片段进行加标号,分别进行圆拟合;膨胀每一个圆拟合结果,而后选择覆盖轮廓片段最多的圆;基于当前环带覆盖的轮廓片段重新进行椭圆最小二乘拟合;获得椭圆的长短轴,得到检测结果;本申请通过融合破碎的图像边缘及圆形内部区域片段,在轮廓不完整的情况下获得圆形轮廓的鲁棒拟合。
Description
技术领域
本发明属于图像尺寸检测领域,尤其涉及一种用于圆形工业零件尺寸的图像测量算法。
背景技术
圆形是工业场景中最常见的形状,对其进行尺寸检测则是工业视觉中应用最为广泛的需求之一。
由于存在油污因素的干扰,给基于图像的尺寸检测造成困难。
发明内容
本发明的目的在于提供一种用于圆形工业零件尺寸的图像测量算法,其通过融合破碎的图像边缘及圆形内部区域片段,在轮廓不完整的情况下获得圆形轮廓的鲁棒拟合,进而提高检测精度。
本发明的目的是通过以下技术方案来实现的:
一种用于圆形工业零件尺寸的图像测量算法,该图像测量算法具体包括以下步骤:
S1:提取图像边缘,计算图像边缘梯度方向;
S2:计算图像边缘到初始圆心之间连线的夹角;
S3:通过S1和S2的计算去除由于阴影造成的伪边缘及过短的细碎边缘;
S4:将图像进行二值分割,而后去除与边界相联系的连通区域;
S5:通过形态运算将零件图像分割区域与获得准确的边界,实施边界链码跟踪获得候选的不完整的边界轮廓;
S6:将每个轮廓片段进行加标号,分别进行圆拟合;
S7:膨胀每一个圆拟合结果,而后选择覆盖轮廓片段最多的圆;
S8:基于当前环带覆盖的轮廓片段重新进行椭圆最小二乘拟合;
S9:获得椭圆的长短轴,得到检测结果。
进一步,所述S1中提取图像边缘的方法采用CANNY边缘检测算法计算。
进一步,所述S1中梯度方向的计算方法具体如下:
首先将图像用高斯微分窗在XY方向进行卷积分别得到,假设图像中某点的在X、Y方向的梯度分别为Gx、Gy,则梯度的方向的正弦及余弦为:
进一步,所述S2的计算方法为:
根据已知的圆形图像的中心点o,计算o点到圆形图像每个边缘点的连线方向;
假设任意一个图像边缘点的坐标为(x,y),图像中心点o的坐标为(xo,yo),则计算出每个边缘点和中心连线的方向夹角正弦和余弦图像,
进一步,将每个边缘点和中心连线的方向夹角正弦和余弦图像逐点做内积计算,及计算出正弦和余弦图像夹角的余弦;
设定夹角阈值并删除过短的边缘线,去除由于阴影造成的伪边缘及过短的细碎边缘。
与现有技术相比,本申请具有的有益效果是:本发明提出了一种适用于污染环境下检测圆形直径的图像检测算法,其通过融合破碎的图像边缘及圆形内部区域片段,在轮廓不完整的情况下获得圆形轮廓的鲁棒拟合;此种算法经实践检验取得了较好的检测稳定性可检测精度,具有较高的应用价值。
附图说明
图1为本发明的CANNY边缘检测的结果图像;
图2为本发明的梯度方向的余弦图像;
图3为本发明的梯度方向的正弦图像;
图4为本发明的由于阴影造成的伪边缘的图像;
图5为本发明的由于阴影造成的过短的细碎边缘的图像;
图6为本发明的去除由于阴影造成的伪边缘及过短的细碎边缘的结果的图像;
图7为本发明图像分割区域与边缘图像融合的结果的图像;
图8为本发明的轮廓片段加标号后再进行边缘选择的图像;
图9为本发明的最终检测结果图像。
具体实施方式
下面结合附图1-9对本发明做进一步详细描述:
一种用于圆形工业零件尺寸的图像测量算法,该图像测量算法具体包括以下步骤:
S1:提取图像边缘,计算图像边缘梯度方向。
提取图像边缘的计算方法采用图像处理中常用的CANNY边缘检测算法计算。
梯度方向的计算方法具体如下:
首先将图像用高斯微分窗在XY方向进行卷积分别得到,假设图像中某点的在X、Y方向的梯度分别为Gx、Gy,则梯度的方向的正弦及余弦为:
S2:计算图像边缘到初始圆心之间连线的夹角。
计算方法为:
根据已知的圆形图像的中心点o,计算o点到圆形图像每个边缘点的连线方向。
假设任意一个图像边缘点的坐标为(x,y),图像中心点o的坐标为(xo,yo),则计算出每个边缘点和中心连线的方向夹角正弦和余弦图像,
计算图像中每个点,得到每个边缘点和中心连线的方向的夹角正弦和余弦图像。
将每个边缘点和中心连线的方向夹角正弦和余弦图像逐点做内积计算,及计算出正弦和余弦图像夹角的余弦;
设定夹角阈值并删除过短的边缘线,去除由于阴影造成的伪边缘及过短的细碎边缘。
S3:通过S1和S2的计算去除由于阴影造成的伪边缘及过短的细碎边缘。
S4:将图像进行二值分割,而后去除与边界相联系的连通区域;
S5:通过形态运算将零件图像分割区域与获得准确的边界,实施边界链码跟踪获得候选的不完整的边界轮廓;
S6:将每个轮廓片段进行加标号,分别进行圆拟合;
S7:膨胀每一个圆拟合结果,而后选择覆盖轮廓片段最多的圆;
S8:基于当前环带覆盖的轮廓片段重新进行椭圆最小二乘拟合;
S9:获得椭圆的长短轴,得到检测结果。
本申请通过融合破碎的图像边缘及圆形内部区域片段,在轮廓不完整的情况下获得圆形轮廓的鲁棒拟合;此种算法经实践检验取得了较好的检测稳定性可检测精度,具有较高的应用价值。
需要说明的是,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
应当理解的是,本申请并不局限于上面已经描述的内容,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (3)
1.一种用于圆形工业零件尺寸的图像测量算法,其特征在于,该图像测量算法具体包括以下步骤:
S1:提取图像边缘,计算图像边缘梯度方向;
S2:计算图像边缘到初始圆心之间连线的夹角;
S3:通过S1和S2的计算去除由于阴影造成的伪边缘及过短的细碎边缘;
S4:将图像进行二值分割,而后去除与边界相联系的连通区域;
S5:通过形态运算将零件图像分割区域与获得准确的边界,实施边界链码跟踪获得候选的不完整的边界轮廓;
S6:将每个轮廓片段进行加标号,分别进行圆拟合;
S7:膨胀每一个圆拟合结果,而后选择覆盖轮廓片段最多的圆;
S8:基于当前环带覆盖的轮廓片段重新进行椭圆最小二乘拟合;
S9:获得椭圆的长短轴,得到检测结果;
其中,所述S1中梯度方向的计算方法具体如下:
首先将图像用高斯微分窗在XY方向进行卷积分别得到,假设图像中某点的在X、Y方向的梯度分别为Gx、Gy,则梯度的方向的正弦及余弦为:
2.根据权利要求1所述的一种用于圆形工业零件尺寸的图像测量算法,其特征在于,所述S1中提取图像边缘的方法采用CANNY边缘检测算法计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911231203.0A CN111189399B (zh) | 2019-12-05 | 2019-12-05 | 一种用于圆形工业零件尺寸的图像测量算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911231203.0A CN111189399B (zh) | 2019-12-05 | 2019-12-05 | 一种用于圆形工业零件尺寸的图像测量算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111189399A CN111189399A (zh) | 2020-05-22 |
CN111189399B true CN111189399B (zh) | 2022-03-04 |
Family
ID=70707663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911231203.0A Active CN111189399B (zh) | 2019-12-05 | 2019-12-05 | 一种用于圆形工业零件尺寸的图像测量算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111189399B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001908B (zh) * | 2020-08-25 | 2021-03-09 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车枕梁孔搭载异物检测方法 |
CN117739809A (zh) * | 2023-11-03 | 2024-03-22 | 泸州老窖股份有限公司 | 一种瓶口尺寸测量方法、计算机设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140713A (ja) * | 2000-11-02 | 2002-05-17 | Omron Corp | 画像処理方法およびその装置 |
CN101783014A (zh) * | 2009-01-21 | 2010-07-21 | 汉王科技股份有限公司 | 一种圆形检测的方法 |
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 |
CN102236894A (zh) * | 2010-04-30 | 2011-11-09 | 西门子公司 | 圆检测方法及装置 |
CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
CN107516325A (zh) * | 2017-08-22 | 2017-12-26 | 上海理工大学 | 基于亚像素边缘的圆心检测方法 |
CN108109155A (zh) * | 2017-11-28 | 2018-06-01 | 东北林业大学 | 一种基于改进Canny的自动阈值边缘检测方法 |
CN110322469A (zh) * | 2018-03-30 | 2019-10-11 | 张�杰 | 一种提高图像轮廓精度的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530630B (zh) * | 2013-09-29 | 2016-08-17 | 西安交通大学 | 基于区域移动的批量群圆矢量亚像素快速识别方法 |
CN110533679B (zh) * | 2019-07-29 | 2021-09-03 | 西安电子科技大学 | 基于对数变换与伽柏卷积的sar图像边缘检测方法 |
-
2019
- 2019-12-05 CN CN201911231203.0A patent/CN111189399B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140713A (ja) * | 2000-11-02 | 2002-05-17 | Omron Corp | 画像処理方法およびその装置 |
CN101783014A (zh) * | 2009-01-21 | 2010-07-21 | 汉王科技股份有限公司 | 一种圆形检测的方法 |
CN102236894A (zh) * | 2010-04-30 | 2011-11-09 | 西门子公司 | 圆检测方法及装置 |
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 |
CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
CN107516325A (zh) * | 2017-08-22 | 2017-12-26 | 上海理工大学 | 基于亚像素边缘的圆心检测方法 |
CN108109155A (zh) * | 2017-11-28 | 2018-06-01 | 东北林业大学 | 一种基于改进Canny的自动阈值边缘检测方法 |
CN110322469A (zh) * | 2018-03-30 | 2019-10-11 | 张�杰 | 一种提高图像轮廓精度的方法 |
Non-Patent Citations (2)
Title |
---|
基于图像处理的圆形工件尺寸检测方法;甘泉等;《黑龙江工业学院学报》;20170731;全文 * |
基于边缘链码滤波的角点角度快速估计算法;成兰等;《华北电力大学学报》;20001031;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111189399A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105784713B (zh) | 基于机器视觉的密封圈表面缺陷检测方法 | |
CN105334219B (zh) | 一种残差分析动态阈值分割的瓶口缺陷检测方法 | |
CN107798326B (zh) | 一种轮廓视觉检测方法 | |
CN109242791B (zh) | 一种针对破损植物叶片的批量修复方法 | |
CN107392141B (zh) | 一种基于显著性检测和lsd直线检测的机场提取方法 | |
CN111189399B (zh) | 一种用于圆形工业零件尺寸的图像测量算法 | |
CN105260693A (zh) | 一种激光二维码定位方法 | |
CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
CN109190742B (zh) | 一种基于灰度特征的编码特征点的解码方法 | |
CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
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 | |
CN110415296B (zh) | 一种有阴影光照下矩形状电器件的定位方法 | |
CN116520353B (zh) | 基于激光点云的地面检测方法、装置、存储介质及设备 | |
CN105894474A (zh) | 一种非线性图像增强方法及边缘检测方法 | |
Mohammad et al. | Study Sobel edge detection effect on the ImageEdges using MATLAB | |
CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
CN114693651A (zh) | 基于图像处理的橡胶圈流痕检测方法及装置 | |
Kumari et al. | Sylvester Matrix‐Based Similarity Estimation Method for Automation of Defect Detection in Textile Fabrics | |
Hernández et al. | Lane marking detection using image features and line fitting model | |
Xia et al. | A table method for coded target decoding with application to 3-D reconstruction of soil specimens during triaxial testing | |
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 | |
US20180089507A1 (en) | Pairing of images of postal articles with descriptors of singularities of the gradient field | |
Hossen et al. | Vehicle license plate detection and tilt correction based on HSI color model and SUSAN corner detector | |
Madhumitha et al. | Quantitative analysis of marker-based watershed image segmentation | |
CN112734816A (zh) | 基于CSS-Delaunay的异源图像配准方法 |
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 |