CN111583235A - 蜂窝规整度检测的分支点识别顶点提取方法及其系统 - Google Patents

蜂窝规整度检测的分支点识别顶点提取方法及其系统 Download PDF

Info

Publication number
CN111583235A
CN111583235A CN202010388047.5A CN202010388047A CN111583235A CN 111583235 A CN111583235 A CN 111583235A CN 202010388047 A CN202010388047 A CN 202010388047A CN 111583235 A CN111583235 A CN 111583235A
Authority
CN
China
Prior art keywords
pixel
judgment
value
image
pixel value
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.)
Granted
Application number
CN202010388047.5A
Other languages
English (en)
Other versions
CN111583235B (zh
Inventor
王中钢
崔灿
熊伟
刘凯
伍钒
熊小慧
王鑫鑫
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202010388047.5A priority Critical patent/CN111583235B/zh
Publication of CN111583235A publication Critical patent/CN111583235A/zh
Application granted granted Critical
Publication of CN111583235B publication Critical patent/CN111583235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B17/00—Details of cameras or camera bodies; Accessories therefor
    • G03B17/56—Accessories
    • G03B17/566—Accessory clips, holders, shoes to attach accessories to camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/10—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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02K—DYNAMO-ELECTRIC MACHINES
    • H02K7/00—Arrangements for handling mechanical energy structurally associated with dynamo-electric machines, e.g. structural association with mechanical driving motors or auxiliary dynamo-electric machines
    • H02K7/06—Means for converting reciprocating motion into rotary motion or vice versa
    • 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
    • G06T2207/30172—Centreline of tubular or elongated structure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种蜂窝规整度检测的分支点识别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“图像处理”包括：降噪滤波、二值化、形态学滤波、骨架化、图像扩展；“骨架化”将像素值为1的线段全部置为单位像素宽度的线段，并绘制骨架图；所述步骤“顶点提取”：是以骨架像素矩阵Pxy为对象，顺序执行并包括：识别点编号、顶点识别和顶点记录；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。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，工作效率高等优点。

Description

蜂窝规整度检测的分支点识别顶点提取方法及其系统
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、制造及应用等领域，特别是涉及一种蜂窝规整度检测的分支点识别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，检测精度高的蜂窝规整度检测的分支点识别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分支点识别顶点提取方法，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“图像处理”顺序包括：降噪滤波、二值化、形态学滤波、骨架化、图像扩展；
所述步骤“二值化”是将图像中背景的像素值置为0，将图像中蜂窝骨架的像素值置为1；
所述步骤“骨架化”：将像素值为1的线段全部置为单位像素宽度的线段，并绘制骨架图；
所述步骤“图像扩展”：在骨架图每个边的最外缘，均向外扩展1个像素的宽度，扩展区域内的像素值全部置为0，得到骨架像素矩阵Pxy；
所述步骤“顶点提取”：是以骨架像素矩阵Pxy为对象，顺序执行并包括：识别点编号、顶点识别和顶点记录；
所述步骤“识别点编号”：从左上角的像素点P(2,2)开始到像素点P(x-1,y-1)结束，像素点编号i＝1～k；
所述步骤“顶点记录”：其记录内容为：顶点类型、顶点的识别点编号i及其坐标值；
所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线，重构蜂窝结构；所述步骤“规整度评估”是根据重构的“蜂窝结构”，计算其胞元规整度。
所述步骤“顶点识别”：顺序包括以下步骤：从识别点编号i＝1开始直到i＝k结束，在每个识别点编号i点处，首先执行判断句“像素值＝0”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断句“像素值＝0”的判断结果为“N”，执行步骤“计算八邻域像素值变化次数”，再执行判断句“变化次数＝6”，如果其判断结果为“Y”，执行“记录为中间顶点”；执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；执行判断句“变化次数＝6”，如果判断结果为“N”时，执行判断句“变化次数＝4”，如果判断结果为“Y”时，执行判断语句“像素值为1的三个点在同一直线上”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断语句“像素值为1的三个点在同一直线上”的判断结果为“N”，执行“记录为边缘顶点”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断句“变化次数＝4”的判断结果为“N”时，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断语句“i<k”的判断结果为“N”，执行步骤“提取结束”。
所述步骤“像素值为1的三个点在同一直线上”：判断方法为夹角法或像素值差的绝对值之和法；所述“夹角法”，是过识别点分别与八邻域中另外两个像素值为1的点直线连接得到两根直线，再通过坐标值求两根直线的夹角，如果为180度，表示上述三个点处于同一直线上，否则，三个点不在同一直线上；所述“像素值差的绝对值之和法”，是在识别点的八邻域像素中，计算每列及每行像素中距离为2的两像素之间像素值差的绝对值并求和，若此值为0或4，则表示上述三个点处于同一直线上，否则，三个点不在同一直线上；该方法的公式(1)如下：
Figure BDA0002484642460000041
公式(1)中：
I(x,y)为识别点编号i处的像素值；
x,y分别为横坐标和纵坐标值。
所述步骤“计算八邻域像素值变化次数”是通过顺时针或逆时针依次统计当前像素点八邻域相邻两像素的像素值的变化次数而得到2，4，6三个值。
所述步骤“降噪滤波”：是采用中值滤波法来降低图像的噪声。
所述步骤“形态学滤波”：是在二值化的基础上执行，进一步消除二值化的误差。
所述“二值化”过程中，采用Otsu法确定分割阈值T，将图像中像素值小于或等于T的像素的值置为0，将图像中像素值大于T的像素的值置为1；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分支点识别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，工作效率高等优点。
附图说明
图1为本发明方法的主流程框图；
图2为本发明方法步骤“顶点提取”的流程框图；
图3(a)为本发明一实施例的二值化图像；
图3(b)为图3(a)的顶点图像；
图4为图3(b)的胞元重构放大图。
图5为本发明系统的一实施例设备配置示意图；
图6为图5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1，2，3(a)，3(b)，4，
一种蜂窝规整度检测的分支点识别顶点提取方法，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“图像处理”顺序包括：降噪滤波、二值化、形态学滤波、骨架化、图像扩展；
所述步骤“二值化”是将图像中背景的像素值置为0，将图像中蜂窝骨架的像素值置为1；
所述步骤“骨架化”：将像素值为1的线段全部置为单位像素宽度的线段，并绘制骨架图；
所述步骤“图像扩展”：在骨架图每个边的最外缘，均向外扩展1个像素的宽度，扩展区域内的像素值全部置为0，得到骨架像素矩阵Pxy；
所述步骤“顶点提取”：是以骨架像素矩阵Pxy为对象，顺序执行并包括：识别点编号、顶点识别和顶点记录；
所述步骤“识别点编号”：从左上角的像素点P(2,2)开始到像素点P(x-1,y-1)结束，像素点编号i＝1～k；
所述步骤“顶点记录”：其记录内容为：顶点类型、顶点的识别点编号i及其坐标值；
所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线，重构蜂窝结构；所述步骤“规整度评估”是根据重构的“蜂窝结构”，计算其胞元规整度。
所述步骤“顶点识别”：顺序包括以下步骤：从识别点编号i＝1开始直到i＝k结束，在每个识别点编号i点处，首先执行判断句“像素值＝0”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断句“像素值＝0”的判断结果为“N”，执行步骤“计算八邻域像素值变化次数”，再执行判断句“变化次数＝6”，如果其判断结果为“Y”，执行“记录为中间顶点”；执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；执行判断句“变化次数＝6”，如果判断结果为“N”时，执行判断句“变化次数＝4”，如果判断结果为“Y”时，执行判断语句“像素值为1的三个点在同一直线上”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断语句“像素值为1的三个点在同一直线上”的判断结果为“N”，执行“记录为边缘顶点”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断句“变化次数＝4”的判断结果为“N”时，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断语句“i<k”的判断结果为“N”，执行步骤“提取结束”。
所述步骤“像素值为1的三个点在同一直线上”：判断方法为夹角法或像素值差的绝对值之和法；所述“夹角法”，是过识别点分别与八邻域中另外两个像素值为1的点直线连接得到两根直线，再通过坐标值求两根直线的夹角，如果为180度，表示上述三个点处于同一直线上，否则，三个点不在同一直线上；所述“像素值差的绝对值之和法”，是在识别点的八邻域像素中，计算每列及每行像素中距离为2的两像素之间像素值差的绝对值并求和，若此值为0或4，则表示上述三个点处于同一直线上，否则，三个点不在同一直线上；该方法的公式(1)如下：
Figure BDA0002484642460000091
公式(1)中：
I(x,y)为识别点编号i处的像素值；
x,y分别为横坐标和纵坐标值。
所述步骤“计算八邻域像素值变化次数”是通过顺时针或逆时针依次统计当前像素点八邻域相邻两像素的像素值的变化次数而得到2，4，6三个值。
所述步骤“降噪滤波”：是采用中值滤波法来降低图像的噪声。
所述步骤“形态学滤波”：是在二值化的基础上执行，进一步消除二值化的误差。
所述“二值化”过程中，采用Otsu法确定分割阈值T，将图像中像素值小于或等于T的像素的值置为0，将图像中像素值大于T的像素的值置为1；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5，6：
一种用于蜂窝规整度检测的分支点识别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分支点识别顶点提取方法，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“图像处理”顺序包括：降噪滤波、二值化、形态学滤波、骨架化、图像扩展；
所述步骤“二值化”是将图像中背景的像素值置为0，将图像中蜂窝骨架的像素值置为1；
所述步骤“骨架化”：将像素值为1的线段全部置为单位像素宽度的线段，并绘制骨架图；
所述步骤“图像扩展”：在骨架图每个边的最外缘，均向外扩展1个像素的宽度，扩展区域内的像素值全部置为0，得到骨架像素矩阵Pxy；
所述步骤“顶点提取”：是以骨架像素矩阵Pxy为对象，顺序执行并包括：识别点编号、顶点识别和顶点记录；
所述步骤“识别点编号”：从左上角的像素点P(2,2)开始到像素点P(x-1,y-1)结束，像素点编号i＝1～k；
所述步骤“顶点记录”：其记录内容为：顶点类型、顶点的识别点编号i及其坐标值；
所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线，重构蜂窝结构；所述步骤“规整度评估”是根据重构的“蜂窝结构”，计算其胞元规整度。
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“顶点识别”：顺序包括以下步骤：从识别点编号i＝1开始直到i＝k结束，在每个识别点编号i点处，首先执行判断句“像素值＝0”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断句“像素值＝0”的判断结果为“N”，执行步骤“计算八邻域像素值变化次数”，再执行判断句“变化次数＝6”，如果其判断结果为“Y”，执行“记录为中间顶点”；执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；执行判断句“变化次数＝6”，如果判断结果为“N”时，执行判断句“变化次数＝4”，如果判断结果为“Y”时，执行判断语句“像素值为1的三个点在同一直线上”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断语句“像素值为1的三个点在同一直线上”的判断结果为“N”，执行“记录为边缘顶点”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断句“变化次数＝4”的判断结果为“N”时，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断语句“i<k”的判断结果为“N”，执行步骤“提取结束”。
方法实施例3：
与“方法实施例2”基本上相同，不同的是：所述步骤“像素值为1的三个点在同一直线上”：判断方法为夹角法或像素值差的绝对值之和法；所述“夹角法”，是过识别点分别与八邻域中另外两个像素值为1的点直线连接得到两根直线，再通过坐标值求两根直线的夹角，如果为180度，表示上述三个点处于同一直线上，否则，三个点不在同一直线上；所述“像素值差的绝对值之和法”，是在识别点的八邻域像素中，计算每列及每行像素中距离为2的两像素之间像素值差的绝对值并求和，若此值为0或4，则表示上述三个点处于同一直线上，否则，三个点不在同一直线上；该方法的公式(1)如下：
Figure BDA0002484642460000141
公式(1)中：
I(x,y)为识别点编号i处的像素值；
x,y分别为横坐标和纵坐标值。
方法实施例4：
与“方法实施例3”基本上相同，不同的是：所述步骤“计算八邻域像素值变化次数”是通过顺时针或逆时针依次统计当前像素点八邻域相邻两像素的像素值的变化次数而得到2，4，6三个值。
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“降噪滤波”：是采用中值滤波法来降低图像的噪声。
方法实施例8-16：
分别与“方法实施例1-8”基本上相同，不同的是：所述步骤“形态学滤波”：是在二值化的基础上执行，进一步消除二值化的误差。
方法实施例17-32：
分别与“方法实施例1-16”基本上相同，不同的是：所述“二值化”过程中，采用Otsu法确定分割阈值T，将图像中像素值小于或等于T的像素的值置为0，将图像中像素值大于T的像素的值置为1；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分支点识别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”基本上相同，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”基本上相同，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。

Claims (13)

1.一种蜂窝规整度检测的分支点识别顶点提取方法，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；其特征在于：
所述步骤“图像处理”顺序包括：降噪滤波、二值化、形态学滤波、骨架化、图像扩展；
所述步骤“二值化”是将图像中背景的像素值置为0，将图像中蜂窝骨架的像素值置为1；
所述步骤“骨架化”：将像素值为1的线段全部置为单位像素宽度的线段，并绘制骨架图；
所述步骤“图像扩展”：在骨架图每个边的最外缘，均向外扩展1个像素的宽度，扩展区域内的像素值全部置为0，得到骨架像素矩阵Pxy；
所述步骤“顶点提取”：是以骨架像素矩阵Pxy为对象，顺序执行并包括：识别点编号、顶点识别和顶点记录；
所述步骤“识别点编号”：从左上角的像素点P(2,2)开始到像素点P(x-1,y-1)结束，像素点编号i＝1～k；
所述步骤“顶点记录”：其记录内容为：顶点类型、顶点的识别点编号i及其坐标值；
所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线，重构蜂窝结构；所述步骤“规整度评估”是根据重构的“蜂窝结构”，计算其胞元规整度。
2.根据权利要求1所述的方法，其特征在于：所述步骤“顶点识别”：顺序包括以下步骤：从识别点编号i＝1开始直到i＝k结束，在每个识别点编号i点处，首先执行判断句“像素值＝0”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断句“像素值＝0”的判断结果为“N”，执行步骤“计算八邻域像素值变化次数”，再执行判断句“变化次数＝6”，如果其判断结果为“Y”，执行“记录为中间顶点”；执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；执行判断句“变化次数＝6”，如果判断结果为“N”时，执行判断句“变化次数＝4”，如果判断结果为“Y”时，执行判断语句“像素值为1的三个点在同一直线上”，如果判断结果为“Y”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断语句“像素值为1的三个点在同一直线上”的判断结果为“N”，执行“记录为边缘顶点”，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果执行判断句“变化次数＝4”的判断结果为“N”时，执行判断语句“i<k”，如果判断结果为“Y”，执行“i＝i+1”后再回到判断句“像素值＝0”，进入下一个循环；如果判断语句“i<k”的判断结果为“N”，执行步骤“提取结束”。
3.根据权利要求2所述的方法，其特征在于：所述步骤“像素值为1的三个点在同一直线上”：判断方法为夹角法或像素值差的绝对值之和法；所述“夹角法”，是过识别点分别与八邻域中另外两个像素值为1的点直线连接得到两根直线，再通过坐标值求两根直线的夹角，如果为180度，表示上述三个点处于同一直线上，否则，三个点不在同一直线上；所述“像素值差的绝对值之和法”，是在识别点的八邻域像素中，计算每列及每行像素中距离为2的两像素之间像素值差的绝对值并求和，若此值为0或4，则表示上述三个点处于同一直线上，否则，三个点不在同一直线上；该方法的公式(1)如下：
Figure FDA0002484642450000031
公式(1)中：
I(x,y)为识别点编号i处的像素值；
x,y分别为横坐标和纵坐标值。
4.根据权利要求3所述的方法，其特征在于：所述步骤“计算八邻域像素值变化次数”是通过顺时针或逆时针依次统计当前像素点八邻域相邻两像素的像素值的变化次数而得到2，4，6三个值。
5.根据权利要求1-4任选一所述的方法，其特征在于：所述步骤“降噪滤波”：是采用中值滤波法来降低图像的噪声。
6.根据权利要求1～4任选一所述的方法，其特征在于：所述步骤“形态学滤波”：是在二值化的基础上执行，进一步消除二值化的误差。
7.根据权利要求5所述的方法，其特征在于：所述步骤“形态学滤波”：是在二值化的基础上执行，进一步消除二值化的误差。
8.根据权利要求1～4任选一所述的方法，其特征在于：所述“二值化”过程中，采用Otsu法确定分割阈值T，将图像中像素值小于或等于T的像素的值置为0，将图像中像素值大于T的像素的值置为1；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。
9.根据权利要求5所述的方法，其特征在于：所所述“二值化”过程中，采用Otsu法确定分割阈值T，将图像中像素值小于或等于T的像素的值置为0，将图像中像素值大于T的像素的值置为1；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。
10.根据权利要求6所述的方法，其特征在于：所述“二值化”过程中，采用Otsu法确定分割阈值T，将图像中像素值小于或等于T的像素的值置为0，将图像中像素值大于T的像素的值置为1；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。
11.一种适用于权利要求1-10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。
12.根据权利要求11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。
13.根据权利要求11或12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。
CN202010388047.5A 2020-05-09 2020-05-09 蜂窝规整度检测的分支点识别顶点提取方法及其系统 Active CN111583235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010388047.5A CN111583235B (zh) 2020-05-09 2020-05-09 蜂窝规整度检测的分支点识别顶点提取方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010388047.5A CN111583235B (zh) 2020-05-09 2020-05-09 蜂窝规整度检测的分支点识别顶点提取方法及其系统

Publications (2)

Publication Number Publication Date
CN111583235A true CN111583235A (zh) 2020-08-25
CN111583235B CN111583235B (zh) 2023-04-18

Family

ID=72123656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010388047.5A Active CN111583235B (zh) 2020-05-09 2020-05-09 蜂窝规整度检测的分支点识别顶点提取方法及其系统

Country Status (1)

Country Link
CN (1) CN111583235B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114037682A (zh) * 2021-11-08 2022-02-11 中国科学院光电技术研究所 一种光学元件表面疵病二维自动检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6380938B1 (en) * 1997-08-25 2002-04-30 Ngan Ka-Ham Method of constructing a solid graph using honeycomb cells
WO2003105675A2 (en) * 2002-06-18 2003-12-24 Lifespan Biosciences, Inc. Computerized image capture of structures of interest within a tissue sample
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6380938B1 (en) * 1997-08-25 2002-04-30 Ngan Ka-Ham Method of constructing a solid graph using honeycomb cells
WO2003105675A2 (en) * 2002-06-18 2003-12-24 Lifespan Biosciences, Inc. Computerized image capture of structures of interest within a tissue sample
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刁智华;吴贝贝;魏玉泉;毋媛媛;: "一种快速剔除伪分枝的作物行骨架提取算法" *
李颖;周博文;: "激光技术在蜂窝陶瓷在线检测的研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114037682A (zh) * 2021-11-08 2022-02-11 中国科学院光电技术研究所 一种光学元件表面疵病二维自动检测方法

Also Published As

Publication number Publication date
CN111583235B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN111524134B (zh) 生产线上蜂窝产品规整度的检测方法及检测装置
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
CN115482195A (zh) 一种基于三维点云的列车部件变形检测方法
US7893947B2 (en) Method for extracting edge in photogrammetry with subpixel accuracy
CN114612318B (zh) 基于文物ct图像轮廓线的三维建模方法、系统及设备
CN113947583A (zh) 基于深度学习二维时间序列图像的焊缝无损检测方法
CN108596968B (zh) 一种基于轨道3d深度图像的轨枕计数方法
CN107369179B (zh) 一种高精度图像定位方法
JP3749726B1 (ja) 周期性ノイズ下での低コントラスト欠陥検査方法、繰返しパターン下での低コントラスト欠陥検査方法
CN112183593A (zh) 一种基于dssd算法的道路损伤检测方法
CN111583241B (zh) 超大面积蜂窝产品规整度的移动式检测方法及装置
CN111583237B (zh) 蜂窝规整度检测的邻域窗口递推胞元重构方法
CN111583243B (zh) 蜂窝规整度检测的相邻点胞元重构方法
CN111524133B (zh) 蜂窝规整度检测的窗口统计顶点提取方法及其系统
CN113256571B (zh) 基于方向特征和局部唯一性的矢量图形特征点提取方法
CN111583239B (zh) 蜂窝结构几何规整度图像识别方法及系统
WO2021227285A1 (zh) 蜂窝结构几何规整度图像识别方法及系统
CN111536890A (zh) 蜂窝规整度检测的Harris顶点提取方法及其系统
CN113269749A (zh) 带材位置图像数据集采集方法及其视觉检测方法
CN111583242B (zh) 蜂窝规整度检测的形态学顶点提取方法及检测装置
WO2021227286A1 (zh) 超大面积蜂窝产品规整度的移动式检测方法及装置
CN111723792A (zh) 适用于刚柔接触网的实时定位点识别方法
CN114037705B (zh) 一种基于贝纹线的金属断裂疲劳源检测方法与系统

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