CN111583243A - 蜂窝规整度检测的相邻点胞元重构方法 - Google Patents
蜂窝规整度检测的相邻点胞元重构方法 Download PDFInfo
- Publication number
- CN111583243A CN111583243A CN202010388983.6A CN202010388983A CN111583243A CN 111583243 A CN111583243 A CN 111583243A CN 202010388983 A CN202010388983 A CN 202010388983A CN 111583243 A CN111583243 A CN 111583243A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- point
- vertex
- cell
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000001413 cellular effect Effects 0.000 title claims abstract description 22
- 230000000877 morphologic effect Effects 0.000 claims abstract description 72
- 238000000605 extraction Methods 0.000 claims abstract description 35
- 230000009467 reduction Effects 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 210000004027 cell Anatomy 0.000 claims description 92
- 238000010586 diagram Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 210000003850 cellular structure Anatomy 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005316 response function Methods 0.000 claims description 4
- 238000002187 spin decoupling employing ultra-broadband-inversion sequences generated via simulated annealing Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T7/13—Edge detection
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Power Engineering (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；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”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”的基础上，分析计算被测蜂窝产品的变形程度；所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线。
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、制造及应用等领域，特别是涉及一种蜂窝规整度检测的相邻点胞元重构方法。
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，提供一种工作效率高，角度高的蜂窝规整度检测的相邻点胞元重构方法。
本发明的目的通过以下技术方案予以实现：
一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；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”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”的基础上，分析计算被测蜂窝产品的变形程度；
所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；
所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；
所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记录，然后求12至18条记录的距离平均数为胞元边长A；
所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被动连接点；
所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。
所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像素湮灭；
所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值首次为非零时，将该正方形窗口的边长定义为壁厚L；
所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的像素个数的总和赋值给该赋值窗口的中心点的像素点上；
所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；
所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值小于给定阈值为止，顶点提取完毕；
所述的“计算胞元长度”即本步骤的“确定胞元边长”。
所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录。
所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，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；第二步是在骨架图的基础上，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骨架图时，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骨架图；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骨架图。
所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。
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形成蜂窝结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。
与现有技术相比较，本发明具有方法科学合理，简单易行，工作效率高，分析精度高等优点。
附图说明
图1为本发明方法的流程框图；
图2为本发明方法步骤“重构胞元”的流程框图；
图3为本发明一实施例的胞元重构结果图。
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：
参考附图1-3：
一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；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”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”的基础上，分析计算被测蜂窝产品的变形程度；
所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；
所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；
所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记录，然后求12至18条记录的距离平均数为胞元边长A；
所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被动连接点；
所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。
所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像素湮灭；
所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值首次为非零时，将该正方形窗口的边长定义为壁厚L；
所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的像素个数的总和赋值给该赋值窗口的中心点的像素点上；
所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；
所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值小于给定阈值为止，顶点提取完毕；
所述的“计算胞元长度”即本步骤的“确定胞元边长”。
所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录。
所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，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；第二步是在骨架图的基础上，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骨架图时，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骨架图；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骨架图。
所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。
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形成蜂窝结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。
实施例1：
一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；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”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”的基础上，分析计算被测蜂窝产品的变形程度；
所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；
所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；
所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记录，然后求12至18条记录的距离平均数为胞元边长A；
所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被动连接点；
所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。
实施例2：
与实施例1基本上相同，不同的是：所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像素湮灭；
所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值首次为非零时，将该正方形窗口的边长定义为壁厚L；
所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的像素个数的总和赋值给该赋值窗口的中心点的像素点上；
所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；
所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值小于给定阈值为止，顶点提取完毕；
所述的“计算胞元长度”即本步骤的“确定胞元边长”。
实施例3：
与实施例1基本上相同，不同的是：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录。
实施例4：
与实施例1基本上相同，不同的是：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，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；第二步是在骨架图的基础上，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骨架图时，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骨架图；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骨架图。
实施例5：
与实施例1基本上相同，不同的是：所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。
实施例6-10：
分别与实施例1-5基本上相同，不同的是：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形成蜂窝结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。
Claims (8)
1.一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；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”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”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“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；
所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；
所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记录，然后求12至18条记录的距离平均数为胞元边长A；
所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被动连接点；
所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。
2.根据权利要求1所述方法，其特征在于：所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像素湮灭；
所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值首次为非零时，将该正方形窗口的边长定义为壁厚L；
所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的像素个数的总和赋值给该赋值窗口的中心点的像素点上；
所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；
所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值小于给定阈值为止，顶点提取完毕；
所述的“计算胞元长度”即本步骤的“确定胞元边长”。
3.根据权利要求1所述方法，其特征在于：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录。
4.根据权利要求1所述方法，其特征在于：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，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；第二步是在骨架图的基础上，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骨架图时，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骨架图；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骨架图。
5.根据权利要求1所述方法，其特征在于：所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。
6.根据权利要求1或2所述方法，其特征在于：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形成蜂窝结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。
7.根据权利要求3所述方法，其特征在于：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形成蜂窝结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。
8.根据权利要求4所述方法，其特征在于：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形成蜂窝结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010388983.6A CN111583243B (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的相邻点胞元重构方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010388983.6A CN111583243B (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的相邻点胞元重构方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111583243A true CN111583243A (zh) | 2020-08-25 |
| CN111583243B CN111583243B (zh) | 2021-03-30 |
Family
ID=72122893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010388983.6A Active CN111583243B (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的相邻点胞元重构方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111583243B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128873A (zh) * | 2023-04-04 | 2023-05-16 | 山东金帝精密机械科技股份有限公司 | 一种基于图像识别的轴承保持器检测方法、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160103951A1 (en) * | 2014-10-03 | 2016-04-14 | Massachusetts Institute Of Technology | Techniques for Controlling Spatial Structure of Nucleic Acid Structures Based on Lattice-free, Three Dimensional Junction Coordinates |
| US20160247301A1 (en) * | 2015-02-25 | 2016-08-25 | National Chiao Tung University | Light detection apparatus and image reconstruction method using the same |
| CN107885929A (zh) * | 2017-11-07 | 2018-04-06 | 西北工业大学 | 非均匀类蜂窝结构设计方法 |
| CN109063229A (zh) * | 2018-06-14 | 2018-12-21 | 南京航空航天大学 | 一种球型机器人缓冲外壳的蜂窝芯层结构设计方法 |
| CN109591386A (zh) * | 2019-01-18 | 2019-04-09 | 中南林业科技大学 | 一种加强筋交错型蜂窝芯板及其制造方法 |
-
2020
- 2020-05-09 CN CN202010388983.6A patent/CN111583243B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160103951A1 (en) * | 2014-10-03 | 2016-04-14 | Massachusetts Institute Of Technology | Techniques for Controlling Spatial Structure of Nucleic Acid Structures Based on Lattice-free, Three Dimensional Junction Coordinates |
| US20160247301A1 (en) * | 2015-02-25 | 2016-08-25 | National Chiao Tung University | Light detection apparatus and image reconstruction method using the same |
| CN107885929A (zh) * | 2017-11-07 | 2018-04-06 | 西北工业大学 | 非均匀类蜂窝结构设计方法 |
| CN109063229A (zh) * | 2018-06-14 | 2018-12-21 | 南京航空航天大学 | 一种球型机器人缓冲外壳的蜂窝芯层结构设计方法 |
| CN109591386A (zh) * | 2019-01-18 | 2019-04-09 | 中南林业科技大学 | 一种加强筋交错型蜂窝芯板及其制造方法 |
Non-Patent Citations (3)
| Title |
|---|
| CUI CAN 等: "Branch point algorithm for structural irregularity determination of honeycomb", 《COMPOSITES PART B：ENGINEERING》 * |
| QIN, YAN 等: "Detection of honeycomb cell walls from measurement data based on Harris corner detection algorithm", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 * |
| 杜义贤 等: "基于能量均匀化的高剪切强度周期性点阵结构拓扑优化", 《机械工程学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128873A (zh) * | 2023-04-04 | 2023-05-16 | 山东金帝精密机械科技股份有限公司 | 一种基于图像识别的轴承保持器检测方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111583243B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107798326B (zh) | 一种轮廓视觉检测方法 | |
| CN105335973B (zh) | 运用于带钢加工生产线的视觉处理方法 | |
| CN109886939B (zh) | 基于张量投票的桥梁裂缝检测方法 | |
| CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
| CN110188778B (zh) | 基于影像提取结果的居民区要素轮廓规则化方法 | |
| CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
| CN107392954A (zh) | 一种基于序列图像的粗大误差点剔除方法 | |
| CN115953421A (zh) | 一种用于蜂窝结构规整度检测的Harris蜂窝顶点提取方法 | |
| CN111524134B (zh) | 生产线上蜂窝产品规整度的检测方法及检测装置 | |
| CN111583243B (zh) | 蜂窝规整度检测的相邻点胞元重构方法 | |
| CN109344750B (zh) | 一种基于结构描述子的复杂结构三维对象识别方法 | |
| CN111583237B (zh) | 蜂窝规整度检测的邻域窗口递推胞元重构方法 | |
| Li et al. | A center-line extraction algorithm of laser stripes based on multi-Gaussian signals fitting | |
| CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
| CN116228697A (zh) | 基于无人机图像点云数据的钢筋部品质量检测方法 | |
| 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 | |
| CN113592976B (zh) | 地图数据的处理方法、装置、家用电器和可读存储介质 | |
| CN111583239B (zh) | 蜂窝结构几何规整度图像识别方法及系统 | |
| US11893768B2 (en) | Method and system for recognizing geometric regularity image of honeycomb structure | |
| De | Vectorization of architectural floor plans | |
| CN111583241A (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 | |
| CN107358655B (zh) | 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法 | |
| CN113447419B (zh) | 一种多孔介质连通孔隙结构单元的划分系统 | |
| CN111583234B (zh) | 蜂窝产品的几何形态评估方法和检测及评估系统 |
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 |