CN111536890A - 蜂窝规整度检测的Harris顶点提取方法及其系统 - Google Patents
蜂窝规整度检测的Harris顶点提取方法及其系统 Download PDFInfo
- Publication number
- CN111536890A CN111536890A CN202010388957.3A CN202010388957A CN111536890A CN 111536890 A CN111536890 A CN 111536890A CN 202010388957 A CN202010388957 A CN 202010388957A CN 111536890 A CN111536890 A CN 111536890A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- point
- value
- burr
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 22
- 230000001413 cellular effect Effects 0.000 title claims description 21
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000005316 response function Methods 0.000 claims abstract description 6
- 238000009434 installation Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种蜂窝规整度检测的Harris顶点提取方法及其系统，所述方法包括：获取图像、图像处理、顶点提取、形态分析；所述步骤“顶点提取”是在无毛刺图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5个像素的窗口，采用Harris算法计算出该中心点对应的角点响应函数值R并处理，完成“顶点提取”的相关工作。所述系统包括检测台(1)、数码相机(2)和计算机(3)；所述数码相机(2)和计算机(3)电连接；所述数码相机(2)至少为一台，其分辨率不低于1080P，配置远心镜头，其安装方式为固定式或/和移动式。本发明的方法及其系统具有科学合理，简单易行，检测精度高，更接近实际情况等优点。
Description
技术领域
本发明涉及交通、机械、航空航天、船舶等装备的轻质结构产品设计、制造及应用等技术领域，特别是涉及一种蜂窝规整度检测的Harris顶点提取方法及其系统。
背景技术
轻质蜂窝产品以其优异的承载能力和良好的吸能特性而被广泛应用，比如，高速列车也广泛采用了轻质蜂窝产品。但蜂窝产品在生产、运输及使用过程中易产生胞孔的变形，而该变形会对蜂窝产品的性能产生重要的影响。因此需要对蜂窝产品的胞孔变形即几何规整度进行评估，从而对蜂窝产品的质量作出判断。
中国专利申请号为201910503383.7，其申请日为2019年9月13日，公开了一种从蜂窝芯表面测量数据中识别蜂窝边的方法。包括如下步骤：将采集到的蜂窝芯表面三维数据进行二维坐标变换，通过角点检测算法识别蜂窝芯的二维平面投影图像中的角点，所述角点包括人形顶点、Y形顶点、伪顶点，还包括未识别出的缺失角点；基于所提出的角点类型判断算法，对蜂窝边的两个端点依次识别，其中一个端点是在相邻边识别时确定，另一个端点是通过对该识别顶点的局部分析确定；在蜂窝边的实现过程中能有效地对伪顶点进行排除，同时补充缺失的顶点，实现稳定高精度的蜂窝边识别。识别蜂窝边后可以对蜂窝产品的几何规整度做出评估，并依此对蜂窝产品的质量做出判断。该方法具有精度高、鲁棒性好的优点，但该方法需要对蜂窝芯表面做逐点扫描，费时较长，步骤繁琐。
发明内容
本发明的目的在于克服现有技术的不足，提供一种简单易行的、检测精度高的、更加接近实际情况的蜂窝规整度检测的Harris顶点提取方法及其系统。
本发明的目的通过以下技术方案予以实现：
方法：
一种蜂窝规整度检测的Harris顶点提取方法，所述方法是对指定蜂窝产品的图像进行识别处理，经过分析判断该蜂窝产品的质量水平；所述方法顺序包括以下步骤：获取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取图像；所述步骤“形态分析”是在“图像处理”的基础上，分析计算被测蜂窝产品的变形程度；
所述步骤“图像处理”包括降噪滤波、平衡灰度、二值化、骨架化和毛刺过滤；所述步骤“平衡灰度”是采用图像处理方法进一步平衡蜂窝图像的灰度；所述步骤“骨架化”是将像素值为1的线条采用线宽为1个像素的线段绘制骨架图；所述步骤“毛刺过滤”是对骨架图作进一步的处理，删除骨架图中的毛刺，形成无毛刺图；
所述步骤“顶点提取”是在无毛刺图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5个像素的窗口，如果该窗口的部分区域溢出无毛刺图时，先将溢出区域的像素点的像素值全部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个无毛刺图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个无毛刺图。
所述步骤“平衡灰度”是先采用中值滤波得到滤波图像，再对滤波图像进行开运算后得到了开运算图像，用滤波图像减去开运算图像进行图像的顶帽变换，以降低光照不均匀带来的影响，进一步优化图像灰度品质。
所述步骤“毛刺过滤”是以骨架图为基础，将像素值＝1的像素点作为中心点，顺时针或逆时针依次统计其八邻域像素的像素值的变化次数，若变化次数为2，则该点为毛刺端点，并将该点的像素值置为0，遍历所有像素值＝1的像素点；以上述方法处理过的骨架图为基础，循环重复执行以上操作，直到某一循环周期内没有毛刺端点时终止。
所述步骤“骨架化”是采用Hilditch算法，对二值化后的图像，以从左到右自上而下地遍历每个像素点为一个检测周期，在同一检测周期内，对满足标记条件的像素点进行标记，在当前检测周期结束后，将所有被标记像素点的像素值置零；重复下一个检测周期，直到某个检测周期内不存在满足标记条件的像素点为止；
所述“标记条件”为：同时满足以下六个条件：
(Ⅰ)该像素的像素值为1；
(Ⅱ)该像素上、下、左、右四个邻域像素的像素值不全部为1；
(Ⅲ)该像素的八邻域像素中，至少有两个像素的像素值为1；
(Ⅳ)该像素的八连通联结数为1；
(Ⅴ)假设该像素的上方邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1；
(Ⅵ)假设该像素的左侧邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1。
系统：
一种用于蜂窝规整度检测的Harris顶点提取方法的系统，所述系统包括检测台、数码相机和计算机；所述数码相机和计算机电连接；
所述数码相机至少为一台，其分辨率不低于1080P，配置远心镜头，其安装方式为固定式或/和移动式。
所述检测台为活动式工作平台，包括置物台、升降装置和夹具，升降装置安装在置物台的底部；被测蜂窝件放置在置物台上；所述升降装置包括竖向导轨、电动推杆或电液推杆，能够推动置物台沿竖向导轨上下移动，调节被测蜂窝件的高度，以保证被测蜂窝件的上端面与夹具的上端面平齐；升降装置的控制部分与计算机电连接；
所述夹具由四块平板及驱动装置组成，能够在驱动装置的作用下向被测蜂窝件靠拢，靠紧被测蜂窝件后锁死，用于定位及固定被测蜂窝件。
所述数码相机的安装方式为移动式时，所述系统增加行走式龙门架、滑轨、移动装置；
数码相机安装在行走式龙门架的横梁上，能够在移动装置的驱动下沿横梁横向移动；
行走式龙门架能够在移动装置的驱动下沿滑轨纵向移动，数码相机及行走式龙门架的移动均由计算机控制。
与现有技术相比较，本发明的方法及其系统具有科学合理，简单易行，检测精度高，更接近实际情况等优点。
附图说明
图1为本发明方法的主流程框图；
图2为本发明系统的一实施例系统设备配置示意图；
图3为图2的俯视图。
图中：1-检测台，2-数码相机，3-计算机，4-置物台，5-升降装置，6-夹具，7-行走式龙门架，8-滑轨，9-移动装置。
具体实施方式
以下结合附图和实施例，对本发明作进一步的说明。
方法，参考附图1：
一种蜂窝规整度检测的Harris顶点提取方法，所述方法是对指定蜂窝产品的图像进行识别处理，经过分析判断该蜂窝产品的质量水平；所述方法顺序包括以下步骤：获取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取图像；所述步骤“形态分析”是在“图像处理”的基础上，分析计算被测蜂窝产品的变形程度；
所述步骤“图像处理”包括降噪滤波、平衡灰度、二值化、骨架化和毛刺过滤；所述步骤“平衡灰度”是采用图像处理方法进一步平衡蜂窝图像的灰度；所述步骤“骨架化”是将像素值为1的线条采用线宽为1个像素的线段绘制骨架图；所述步骤“毛刺过滤”是对骨架图作进一步的处理，删除骨架图中的毛刺，形成无毛刺图；
所述步骤“顶点提取”是在无毛刺图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5个像素的窗口，如果该窗口的部分区域溢出无毛刺图时，先将溢出区域的像素点的像素值全部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个无毛刺图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个无毛刺图。
所述步骤“平衡灰度”是先采用中值滤波得到滤波图像，再对滤波图像进行开运算后得到了开运算图像，用滤波图像减去开运算图像进行图像的顶帽变换，以降低光照不均匀带来的影响，进一步优化图像灰度品质。
所述步骤“毛刺过滤”是以骨架图为基础，将像素值＝1的像素点作为中心点，顺时针或逆时针依次统计其八邻域像素的像素值的变化次数，若变化次数为2，则该点为毛刺端点，并将该点的像素值置为0，遍历所有像素值＝1的像素点；以上述方法处理过的骨架图为基础，循环重复执行以上操作，直到某一循环周期内没有毛刺端点时终止。
所述步骤“骨架化”是采用Hilditch算法，对二值化后的图像，以从左到右自上而下地遍历每个像素点为一个检测周期，在同一检测周期内，对满足标记条件的像素点进行标记，在当前检测周期结束后，将所有被标记像素点的像素值置零；重复下一个检测周期，直到某个检测周期内不存在满足标记条件的像素点为止；
所述“标记条件”为：同时满足以下六个条件：
(Ⅰ)该像素的像素值为1；
(Ⅱ)该像素上、下、左、右四个邻域像素的像素值不全部为1；
(Ⅲ)该像素的八邻域像素中，至少有两个像素的像素值为1；
(Ⅳ)该像素的八连通联结数为1；
(Ⅴ)假设该像素的上方邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1；
(Ⅵ)假设该像素的左侧邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1。
系统，参考附图2，3：
一种用于蜂窝规整度检测的Harris顶点提取方法的系统，所述系统包括检测台1、数码相机2和计算机3；所述数码相机2和计算机3电连接；
所述数码相机2至少为一台，其分辨率不低于1080P，配置远心镜头，其安装方式为固定式或/和移动式。
所述检测台1为活动式工作平台，包括置物台4、升降装置5和夹具6，升降装置5安装在置物台4的底部；被测蜂窝件放置在置物台4上；所述升降装置5包括竖向导轨、电动推杆或电液推杆，能够推动置物台4沿竖向导轨上下移动，调节被测蜂窝件的高度，以保证被测蜂窝件的上端面与夹具6的上端面平齐；升降装置5的控制部分与计算机3电连接；
所述夹具6由四块平板及驱动装置组成，能够在驱动装置的作用下向被测蜂窝件靠拢，靠紧被测蜂窝件后锁死，用于定位及固定被测蜂窝件。
所述数码相机2的安装方式为移动式时，所述系统增加行走式龙门架7、滑轨8、移动装置9；
数码相机2安装在行走式龙门架7的横梁上，能够在移动装置9的驱动下沿横梁横向移动；
行走式龙门架7能够在移动装置9的驱动下沿滑轨8纵向移动，数码相机2及行走式龙门架7的移动均由计算机3控制。
方法实施例1：
一种蜂窝规整度检测的Harris顶点提取方法，所述方法是对指定蜂窝产品的图像进行识别处理，经过分析判断该蜂窝产品的质量水平；所述方法顺序包括以下步骤：获取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取图像；所述步骤“形态分析”是在“图像处理”的基础上，分析计算被测蜂窝产品的变形程度；
所述步骤“图像处理”包括降噪滤波、平衡灰度、二值化、骨架化和毛刺过滤；所述步骤“平衡灰度”是采用图像处理方法进一步平衡蜂窝图像的灰度；所述步骤“骨架化”是将像素值为1的线条采用线宽为1个像素的线段绘制骨架图；所述步骤“毛刺过滤”是对骨架图作进一步的处理，删除骨架图中的毛刺，形成无毛刺图；
所述步骤“顶点提取”是在无毛刺图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5个像素的窗口，如果该窗口的部分区域溢出无毛刺图时，先将溢出区域的像素点的像素值全部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个无毛刺图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个无毛刺图。
方法实施例2：
与“方法实施例1”基本上相同，不同的是：所述步骤“平衡灰度”是先采用中值滤波得到滤波图像，再对滤波图像进行开运算后得到了开运算图像，用滤波图像减去开运算图像进行图像的顶帽变换，以降低光照不均匀带来的影响，进一步优化图像灰度品质。
方法实施例3，4：
分别与“方法实施例1，2”基本上相同，不同的是：所述步骤“毛刺过滤”是以骨架图为基础，将像素值＝1的像素点作为中心点，顺时针或逆时针依次统计其八邻域像素的像素值的变化次数，若变化次数为2，则该点为毛刺端点，并将该点的像素值置为0，遍历所有像素值＝1的像素点；以上述方法处理过的骨架图为基础，循环重复执行以上操作，直到某一循环周期内没有毛刺端点时终止。
方法实施例5-8：
分别与“方法实施例1-4”基本上相同，不同的是：所述步骤“骨架化”是采用Hilditch算法，对二值化后的图像，以从左到右自上而下地遍历每个像素点为一个检测周期，在同一检测周期内，对满足标记条件的像素点进行标记，在当前检测周期结束后，将所有被标记像素点的像素值置零；重复下一个检测周期，直到某个检测周期内不存在满足标记条件的像素点为止；
所述“标记条件”为：同时满足以下六个条件：
(Ⅰ)该像素的像素值为1；
(Ⅱ)该像素上、下、左、右四个邻域像素的像素值不全部为1；
(Ⅲ)该像素的八邻域像素中，至少有两个像素的像素值为1；
(Ⅳ)该像素的八连通联结数为1；
(Ⅴ)假设该像素的上方邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1；
(Ⅵ)假设该像素的左侧邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1。
系统实施例1：
一种用于蜂窝规整度检测的Harris顶点提取方法的系统，所述系统包括检测台1、数码相机2和计算机3；所述数码相机2和计算机3电连接；
所述数码相机2至少为一台，其分辨率不低于1080P，配置远心镜头，其安装方式为固定式或/和移动式。
系统实施例2：
与“系统实施例1”基本相同，不同的是：
所述检测台1为活动式工作平台，包括置物台4、升降装置5和夹具6，升降装置5安装在置物台4的底部；被测蜂窝件放置在置物台4上；所述升降装置5包括竖向导轨、电动推杆或电液推杆，能够推动置物台4沿竖向导轨上下移动，调节被测蜂窝件的高度，以保证被测蜂窝件的上端面与夹具6的上端面平齐；升降装置5的控制部分与计算机3电连接；
所述夹具6由四块平板及驱动装置组成，能够在驱动装置的作用下向被测蜂窝件靠拢，靠紧被测蜂窝件后锁死，用于定位及固定被测蜂窝件。
系统实施例3，4：
分别与“系统实施例1，2”基本相同，不同的是：所述数码相机2的安装方式为移动式时，所述系统增加行走式龙门架7、滑轨8、移动装置9；
数码相机2安装在行走式龙门架7的横梁上，能够在移动装置9的驱动下沿横梁横向移动；
行走式龙门架7能够在移动装置9的驱动下沿滑轨8纵向移动，数码相机2及行走式龙门架7的移动均由计算机3控制。
本发明的顶点提取方法具备尺度不变性，检测精度不受相机高度及蜂窝产品胞孔大小的影响；同时因图像处理中进行了降噪滤波、平衡灰度、毛刺过滤等操作，顶点检测具有很高的精度；该顶点提取方法的高效性、准确性为蜂窝产品后续的形态分析提供了保证，形态分析得出的蜂窝产品的几何规整度为其质量评估提供了重要的依据。该分析蜂窝产品形态的方法具有非接触检测、快速、准确的特点。
Claims (8)
1.一种蜂窝规整度检测的Harris顶点提取方法，所述方法是对指定蜂窝产品的图像进行识别处理，经过分析判断该蜂窝产品的质量水平；所述方法顺序包括以下步骤：获取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取图像；所述步骤“形态分析”是在“图像处理”的基础上，分析计算被测蜂窝产品的变形程度；其特征在于：
所述步骤“图像处理”包括降噪滤波、平衡灰度、二值化、骨架化和毛刺过滤；所述步骤“平衡灰度”是采用图像处理方法进一步平衡蜂窝图像的灰度；所述步骤“骨架化”是将像素值为1的线条采用线宽为1个像素的线段绘制骨架图；所述步骤“毛刺过滤”是对骨架图作进一步的处理，删除骨架图中的毛刺，形成无毛刺图；
所述步骤“顶点提取”是在无毛刺图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5个像素的窗口，如果该窗口的部分区域溢出无毛刺图时，先将溢出区域的像素点的像素值全部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个无毛刺图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个无毛刺图。
2.根据权利要求1所述方法，其特征在于：所述步骤“平衡灰度”是先采用中值滤波得到滤波图像，再对滤波图像进行开运算后得到了开运算图像，用滤波图像减去开运算图像进行图像的顶帽变换，以降低光照不均匀带来的影响，进一步优化图像灰度品质。
3.根据权利要求1或2所述方法，其特征在于：所述步骤“毛刺过滤”是以骨架图为基础，将像素值＝1的像素点作为中心点，顺时针或逆时针依次统计其八邻域像素的像素值的变化次数，若变化次数为2，则该点为毛刺端点，并将该点的像素值置为0，遍历所有像素值＝1的像素点；以上述方法处理过的骨架图为基础，循环重复执行以上操作，直到某一循环周期内没有毛刺端点时终止。
4.根据权利要求1或2所述方法，其特征在于：所述步骤“骨架化”是采用Hilditch算法，对二值化后的图像，以从左到右自上而下地遍历每个像素点为一个检测周期，在同一检测周期内，对满足标记条件的像素点进行标记，在当前检测周期结束后，将所有被标记像素点的像素值置零；重复下一个检测周期，直到某个检测周期内不存在满足标记条件的像素点为止；
所述“标记条件”为：同时满足以下六个条件：
(Ⅰ)该像素的像素值为1；
(Ⅱ)该像素上、下、左、右四个邻域像素的像素值不全部为1；
(Ⅲ)该像素的八邻域像素中，至少有两个像素的像素值为1；
(Ⅳ)该像素的八连通联结数为1；
(Ⅴ)假设该像素的上方邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1；
(Ⅵ)假设该像素的左侧邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1。
5.根据权利要求3所述方法，其特征在于：所述步骤“骨架化”是采用Hilditch算法，对二值化后的图像，以从左到右自上而下地遍历每个像素点为一个检测周期，在同一检测周期内，对满足标记条件的像素点进行标记，在当前检测周期结束后，将所有被标记像素点的像素值置零；重复下一个检测周期，直到某个检测周期内不存在满足标记条件的像素点为止；
所述“标记条件”为：同时满足以下六个条件：
(Ⅰ)该像素的像素值为1；
(Ⅱ)该像素上、下、左、右四个邻域像素的像素值不全部为1；
(Ⅲ)该像素的八邻域像素中，至少有两个像素的像素值为1；
(Ⅳ)该像素的八连通联结数为1；
(Ⅴ)假设该像素的上方邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1；
(Ⅵ)假设该像素的左侧邻域像素已被标记，那么当这个被标记像素的像素值被置零时，该像素的八联通联结数为1。
6.一种适用于权利要求1-5任选一项所述方法的系统，所述系统包括检测台(1)、数码相机(2)和计算机(3)；所述数码相机(2)和计算机(3)电连接；其特征在于：
所述数码相机(2)至少为一台，其分辨率不低于1080P，配置远心镜头，其安装方式为固定式或/和移动式。
7.根据权利要求6所述系统，其特征在于：所述检测台(1)为活动式工作平台，包括置物台(4)、升降装置(5)和夹具(6)，升降装置(5)安装在置物台(4)的底部；被测蜂窝件放置在置物台(4)上；所述升降装置(5)包括竖向导轨、电动推杆或电液推杆，能够推动置物台(4)沿竖向导轨上下移动，调节被测蜂窝件的高度，以保证被测蜂窝件的上端面与夹具(6)的上端面平齐；升降装置(5)的控制部分与计算机(3)电连接；
所述夹具(6)由四块平板及驱动装置组成，能够在驱动装置的作用下向被测蜂窝件靠拢，靠紧被测蜂窝件后锁死，用于定位及固定被测蜂窝件。
8.根据权利要求6或7所述系统，其特征在于：所述数码相机(2)的安装方式为移动式时，所述系统增加行走式龙门架(7)、滑轨(8)、移动装置(9)；
数码相机(2)安装在行走式龙门架(7)的横梁上，能够在移动装置(9)的驱动下沿横梁横向移动；
行走式龙门架(7)能够在移动装置(9)的驱动下沿滑轨(8)纵向移动，数码相机(2)及行走式龙门架(7)的移动均由计算机(3)控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010388957.3A CN111536890A (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的Harris顶点提取方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010388957.3A CN111536890A (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的Harris顶点提取方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111536890A true CN111536890A (zh) | 2020-08-14 |
Family
ID=71973722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010388957.3A Pending CN111536890A (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的Harris顶点提取方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111536890A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
| CN206772244U (zh) * | 2017-05-17 | 2017-12-19 | 南京鑫业诚机器人科技有限公司 | 一种电芯r角检测装置及电芯r角检测箱 |
| CN107816951A (zh) * | 2017-10-24 | 2018-03-20 | 大连理工大学 | 蜂窝芯面形测量数据毛刺去除方法 |
| CN110009606A (zh) * | 2019-03-22 | 2019-07-12 | 北京航空航天大学 | 一种基于图像识别的裂纹扩展动态监测方法及装置 |
| CN110232388A (zh) * | 2019-06-11 | 2019-09-13 | 大连理工大学 | 一种从蜂窝芯表面测量数据中识别蜂窝边的方法 |
| CN110849262A (zh) * | 2019-10-17 | 2020-02-28 | 中国科学院遥感与数字地球研究所 | 一种植被表型结构参数测量方法、装置及系统 |
-
2020
- 2020-05-09 CN CN202010388957.3A patent/CN111536890A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
| CN206772244U (zh) * | 2017-05-17 | 2017-12-19 | 南京鑫业诚机器人科技有限公司 | 一种电芯r角检测装置及电芯r角检测箱 |
| CN107816951A (zh) * | 2017-10-24 | 2018-03-20 | 大连理工大学 | 蜂窝芯面形测量数据毛刺去除方法 |
| CN110009606A (zh) * | 2019-03-22 | 2019-07-12 | 北京航空航天大学 | 一种基于图像识别的裂纹扩展动态监测方法及装置 |
| CN110232388A (zh) * | 2019-06-11 | 2019-09-13 | 大连理工大学 | 一种从蜂窝芯表面测量数据中识别蜂窝边的方法 |
| CN110849262A (zh) * | 2019-10-17 | 2020-02-28 | 中国科学院遥感与数字地球研究所 | 一种植被表型结构参数测量方法、装置及系统 |
Non-Patent Citations (4)
| Title |
|---|
| CAN CUI, ZHONGGANG WANG, WEI ZHOU, ET AL.: "Branch point algorithm for structural irregularity determination of honeycomb", 《COMPOSITE PART B: ENGINEERING》 * |
| 杨杰: "《视频目标检测和跟踪及其应用》", 31 August 2012, 上海交通大学出版社 * |
| 殷福亮: "《数字信号处理C语言程序集》", 31 July 1997, 辽宁科学技术出版社 * |
| 赵小川: "《MATLAB图像处理——程序实现与模块化仿真（第2版）》", 31 December 2018, 北京航空航天大学出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
| CN109115785B (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
| CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
| CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
| CN112489042B (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
| CN111524134B (zh) | 生产线上蜂窝产品规整度的检测方法及检测装置 | |
| CN106370662A (zh) | 基于机器视觉的钢轨表面缺陷三维检测系统 | |
| CN111524154B (zh) | 一种基于影像的隧道管片自动化分割方法 | |
| Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
| CN107330886B (zh) | 一种表面微小损伤的高精度量化方法 | |
| CN112183593A (zh) | 一种基于dssd算法的道路损伤检测方法 | |
| CN208042989U (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置 | |
| CN111583235B (zh) | 蜂窝规整度检测的分支点识别顶点提取方法及其系统 | |
| CN117537706A (zh) | 基于三轴坐标转换与单目视觉融合的钣金孔洞定位尺寸检测方法 | |
| CN111536890A (zh) | 蜂窝规整度检测的Harris顶点提取方法及其系统 | |
| CN111583237B (zh) | 蜂窝规整度检测的邻域窗口递推胞元重构方法 | |
| CN111583241B (zh) | 超大面积蜂窝产品规整度的移动式检测方法及装置 | |
| CN111524133B (zh) | 蜂窝规整度检测的窗口统计顶点提取方法及其系统 | |
| CN111583243B (zh) | 蜂窝规整度检测的相邻点胞元重构方法 | |
| CN115641326A (zh) | 用于陶瓷天线pin针图像的亚像素尺寸检测方法及系统 | |
| CN111583239B (zh) | 蜂窝结构几何规整度图像识别方法及系统 | |
| CN113269749A (zh) | 带材位置图像数据集采集方法及其视觉检测方法 | |
| CN107316302A (zh) | 基于双目视觉的行车自动定位装置及其对应的定位方法 | |
| WO2021227285A1 (zh) | 蜂窝结构几何规整度图像识别方法及系统 | |
| CN111583242B (zh) | 蜂窝规整度检测的形态学顶点提取方法及检测装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200814 |