CN111695575B - 一种基于改进均值滤波法的焊缝图像特征点提取方法 - Google Patents

一种基于改进均值滤波法的焊缝图像特征点提取方法 Download PDF

Info

Publication number
CN111695575B
CN111695575B CN202010508813.7A CN202010508813A CN111695575B CN 111695575 B CN111695575 B CN 111695575B CN 202010508813 A CN202010508813 A CN 202010508813A CN 111695575 B CN111695575 B CN 111695575B
Authority
CN
China
Prior art keywords
point
image
weld
mean filtering
filtering method
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
Application number
CN202010508813.7A
Other languages
English (en)
Other versions
CN111695575A (zh
Inventor
孔建寿
陈文涛
刘钊
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010508813.7A priority Critical patent/CN111695575B/zh
Publication of CN111695575A publication Critical patent/CN111695575A/zh
Application granted granted Critical
Publication of CN111695575B publication Critical patent/CN111695575B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V10/40—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
    • G06V10/443—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 by matching or filtering
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06V10/56—Extraction of image or video features relating to colour

Abstract

本发明公开了一种基于改进均值滤波法的焊缝图像特征点提取方法，包括以下步骤：基于一种改进的均值滤波法，对原始焊缝图像的噪声进行抑制处理；基于二值化处理，进一步消除噪声对焊缝图像的干扰；基于中轴变换算法，在噪声抑制完成后提取图像的光带中心线；基于斜率法，最终在获得图像光带中心线的基础上提取获得焊缝图像的特征点。本发明方法通过两个步骤大大降低了噪声对焊缝图像的干扰，并能准确快速地提取出焊缝图像的特征点信息，对图像边缘细节部分保留多，使图像看起来会更清晰，可广泛运用于图像处理领域，具有良好的应用前景。

Description

一种基于改进均值滤波法的焊缝图像特征点提取方法
技术领域
本发明涉及图像处理技术领域，特别涉及一种基于改进均值滤波法的焊缝图像特征点提取方法。
背景技术
随着工业现代化的发展，以机器视觉为基础的焊缝跟踪系统在智能焊接过程中得到广泛运用。特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)，能够反映图像本质特征，标识图像中目标物体。因此，提取图像中受焊缝图像调制形成的光条的中心点，并拟合方程确定焊缝特征点，对焊接过程极其重要。现有的焊缝图像特征点提取方法存在以下几个问题：(1)滤波处理通常采用均值滤波法或者中值滤波法，前者取范围内的平均值，后者取范围内的中位数，虽然在计算上简单快捷，但是容易造成图像的模糊化；(2)进行特征点提取时斜率的取值采用前后坐标相减法，优点是计算时非常迅速，但是比较范围不够宽，容易造成特征点误判和丢失，影响特征点提取结果。
发明内容
本发明的目的在于提供一种基于改进均值滤波法的焊缝图像特征点提取方法。
实现本发明目的的技术解决方案为：一种基于改进均值滤波法的焊缝图像特征点提取方法，包括以下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤2，对噪声抑制处理后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤4，基于斜率法，在图像的光带中心线的基础上提取焊缝图像的特征点。
进一步的，步骤1中，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理，具体方法为：
步骤1.1，取图像上一个像素点A，以A点为中心在A周围取一个边长为3a的正方形区域；
步骤1.2，将步骤1.1中的正方形区域分割为9个边长为a的小正方形区域；
步骤1.3，对步骤1.2中的每个小正方形区域设定区域内每个点的权值大小，设区域中心为B，B点权值最高，B点上、下、左、右四个点的权值并列第二，B点左上、左下、右上、右下四个点权值并列第三，以此为标准向外延伸直到小正方形区域内的每个点权值设定完成；
步骤1.4，对步骤1.3中为每个点设定的权值，每个点的权重为该点权值大小除以该区域权值之和，以此为标准计算该区域中心点B的灰度值；
步骤1.5，步骤1.3-1.4，直到9个边长为a的小正方形区域中心点B的灰度值均计算完成；
步骤1.6，根据A周围8个中心点的灰度值，按照权值标准计算A点的灰度值，记录修正后A点的灰度值；
步骤1.7，对该图像每个点重复步骤1.1-1.6，最终得到经过改进均值滤波法处理的抑制噪声后的焊缝图像。
进一步的，步骤2中，对噪声抑制处理后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰，具体方法为：
按照给定的阈值θ，将每个像素点的灰度值设置为0或者255，即灰度值大于θ，设置为255，否则设置为0，使焊缝图像呈现黑白效果；所述阈值设置公式如下：
Figure BDA0002527629490000021
其中，p(i,j)代表图像上坐标为(i,j)的像素点的灰度值大小，M,N分别是图像的长度和宽度。
进一步的，步骤3中，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线，具体方法为：
步骤3.1，记录所有显示为白色的像素点的坐标；
步骤3.2，以像素点C为中心在周围取一个半径为c的正方形区域，对像素点C计算其与正方形区域中每个黑色像素点的距离，若同时与两个及以上黑色像素点存在最小距离，则点C为图像光带中心线的点，记录坐标；
步骤3.3，对图像上每个白色像素点重复步骤3.2，最终记录的像素点集合即为图像的光带中心线。
进一步的，步骤4中，基于斜率法，在图像的光带中心线的基础上提取焊缝图像的特征点，具体方法为：
对图像的光带中心线上每一个点进行斜率计算，设图像上第n列的中心线的坐标为 f(n)，则斜率计算公式如下：
Figure BDA0002527629490000031
其中K1，K2，K3代表不同权重大小，K3最大、K2次之、K1最小；
图像的光带中心线上每一个点的斜率计算完成后，比较所有点的斜率大小，其中斜率发生突变的拐点即为图像特征点。
更进一步的，K1、K2、K3的取值分别为1、4、9。
一种基于改进均值滤波法的焊缝图像特征点提取系统，包括：
噪声抑制模块，基于改进均值滤波法对原始焊缝图像的噪声进行抑制处理；
二值化模块，用于对噪声抑制后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
光带中心线提取模块，基于中轴变换算法从二值化后的焊缝图像中提取图像的光带中心线；
特征点提取模块，基于斜率法从图像光带中心线上提取焊缝图像的特征点。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤2，对噪声抑制后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤4，基于斜率法，在图像的光带中心线上提取焊缝图像的特征点。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤2，对噪声抑制后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤4，基于斜率法，在图像的光带中心线上提取焊缝图像的特征点。
本发明与现有技术相比，其显著优点是：(1)运用改进后的均值滤波法进行图像去噪处理，相对传统方法而言能使图像保持更高的清晰度；(2)运用斜率法提取特征点，相对传统的前后坐标相减法来说特征点的寻找更为准确，大大提高了可靠性。
附图说明
图1是本发明基于改进均值滤波法的焊缝图像特征点提取方法的流程图。
图2是本发明未经处理的焊缝图像。
图3是本发明经过改进均值滤波法处理后的焊缝图像。
图4是本发明经过二值化处理的焊缝图像。
图5是本发明经过中轴变换法处理的焊缝图像。
图6是经过斜率法搜索到焊缝图像特征点的图像。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，基于改进均值滤波法的焊缝图像特征点提取方法，包括如下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤1.1，取图像上一个像素点A，以A点为中心在A周围取一个边长为3a的正方形区域；
步骤1.2，将步骤1.1中的正方形区域分割为9个边长为a的小正方形区域；
步骤1.3，对步骤1.2中的每个小正方形区域设定区域内每个点的权值大小，设区域中心为B，B点权值最高，B点上、下、左、右四个点的权值并列第二，B点左上、左下、右上、右下四个点权值并列第三，以此为标准向外延伸直到小正方形区域内的每个点权值设定完成；
步骤1.4，对步骤1.3中为每个点设定的权值，每个点的权重为该点权值大小除以该区域权值之和，以此为标准计算该区域中心点B的灰度值；
步骤1.5，步骤1.3-1.4，直到9个边长为a的小正方形区域中心点B的灰度值均计算完成；
步骤1.6，对A执行一次步骤1.3和1.4，即求出A周围8个中心点的灰度值，再按照权值标准计算A点的灰度值，记录修正后A点的灰度值；
步骤1.7，对该图像每个点重复步骤1.1-1.6，最终得到经过改进均值滤波法处理的抑制噪声后的焊缝图像。
步骤2，对噪声抑制处理后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
在经过步骤1所述基于改进均值滤波法处理后的焊缝图像的基础上，按照给定的阈值θ，将每个像素点的灰度值设置为0或者255(灰度值大于θ，设置为255)，使焊缝图像呈现黑白效果，从而实现对焊缝图像噪声的进一步消除。阈值设置公式如下：
Figure BDA0002527629490000051
其中，p(i,j)代表图像上坐标为(i,j)的像素点的灰度值大小，M,N分别是图像的长度和宽度。
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤3.1，在步骤2所述基于二值化处理进一步消除噪声对焊缝图像的干扰后，图像呈现黑白显示，记录所有显示为白色的像素点的坐标；
步骤3.2，以像素点C为中心在周围取一个半径为c的正方形区域，对像素点C计算其与正方形区域中每个黑色像素点的距离，若同时与两个及以上黑色像素点存在最小距离，则点C为图像光带中心线的点，记录坐标；
步骤3.3，对图像上每个白色像素点重复步骤3.2，最终记录的像素点集合即为图像的光带中心线。
步骤4，基于斜率法，在图像的光带中心线的基础上提取焊缝图像的特征点；
在步骤3所述基于中轴变换算法计算完成后，对图像的光带中心线上每一个点进行斜率计算，设图像上第n列的中心线的坐标为f(n)，则斜率计算公式如下：
Figure BDA0002527629490000052
其中K1，K2，K3代表不同权重大小，K3最大、K2次之、K1最小。
图像的光带中心线上每一个点的斜率计算完成后，比较所有点的斜率大小，其中斜率发生突变的几个点即为图像特征点。采用上式是为了增加寻找特征点的稳定性，若单纯对某个点的前后两点进行计算得到斜率，容易误差较大造成特征点定位不准确。
基于上述方法，本发明还提出一种基于改进均值滤波法的焊缝图像特征点提取系统，包括：
噪声抑制模块，基于改进均值滤波法对原始焊缝图像的噪声进行抑制处理；
二值化模块，用于对噪声抑制后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
光带中心线提取模块，基于中轴变换算法从二值化后的焊缝图像中提取图像的光带中心线；
特征点提取模块，基于斜率法从图像光带中心线上提取焊缝图像的特征点。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤2，对噪声抑制后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤4，基于斜率法，在图像的光带中心线上提取焊缝图像的特征点。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤2，对噪声抑制后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤4，基于斜率法，在图像的光带中心线上提取焊缝图像的特征点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM) 或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
实施例
为了验证本发明方案的有效性，以某个实际焊缝为例，进行基于改进均值滤波法的焊缝图像特征点提取方法，具体步骤如下：
首先，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤一，取图像上一个像素点A，以A点为中心在A周围取一个边长为9个像素距离的正方形区域；
步骤二，将步骤一所述正方形区域分割为9个边长为3的小正方形区域；
步骤三，对于步骤二所述的每个小正方形区域设定区域内每个点的权值大小，设区域中心为B，B点权值为1，B点上、下、左、右四个点的权值为1/8，B点左上、左下、右上、右下四个点权值为1/16；
步骤四，对于步骤三所述权值大小设定完成后，每个点的权重为该点权值大小除以该区域权值之和，以此为标准计算该区域中心点B的灰度值；
步骤五，重复步骤三和步骤四，直到9个边长为3的小正方形区域中心点B的灰度值均计算完成；
步骤六，对A执行一次步骤三和步骤四，记录修正后A点的灰度值；
步骤七，对该图像每个点重复步骤一～步骤六，最终得到经过改进均值滤波法处理的抑制噪声后的焊缝图像。
其次，进行二值化处理，进一步消除噪声对焊缝图像的干扰，具体方式为：在经过改进均值滤波法处理后的焊缝图像的基础上，对每个像素点的灰度值按照给定的阈值θ设置为0或者255，使焊缝图像呈现黑白效果，从而实现对焊缝图像噪声的进一步消除。
阈值设置公式如下：
Figure BDA0002527629490000081
其中，p(i,j)代表图像上坐标为(i,j)的像素点的灰度值大小，M,N分别为366和145。经计算后，阈值θ为32。
再次，基于中轴变换算法，提取图像的光带中心线；
步骤一，在基于二值化处理进一步消除噪声对焊缝图像的干扰后，图像呈现黑白显示，记录所有显示为白色的像素点的坐标；
步骤二，对某个白色像素点C进行判断，以像素点C为中心在周围取一个半径为 N/10的正方形区域，对像素点C计算其与正方形区域中每个黑色像素点的距离，若同时与两个及以上黑色像素点存在最小距离，则点C为图像光带中心线的点，记录坐标；
步骤三，对图像上每个白色像素点重复步骤二，最终记录的像素点集合即为图像的光带中心线。
最后，基于斜率法，提取焊缝图像的特征点；
在步骤3所述基于中轴变换算法计算完成后，对图像的光带中心线上每一个点进行斜率计算，设图像上第n列的中心线的坐标为f(n)，则斜率计算公式如下：
Figure BDA0002527629490000082
图像的光带中心线上每一个点的斜率计算完成后，比较所有点的斜率大小，其中斜率发生突变的几个点即为图像特征点。采用上式是为了增加寻找特征点的稳定性，若单纯对某个点的前后两点进行计算得到斜率，容易误差较大造成特征点定位不准确。
针对该实际焊缝的图像特征点提取结束，未经处理的焊缝图像如图1所示，经过改进均值滤波法处理后的焊缝图像如图2所示，经过二值化处理的焊缝图像如图3所示，经过中轴变换法处理的焊缝图像如图4所示，经过斜率法搜索到焊缝图像特征点如图5所示，由各个图例可得运用该方法最终准确无误地得到了该焊缝图像的特征点。
综上所述，本发明方法首先运用改进后的均值滤波法进行图像去噪处理，相对传统方法而言使图像保持更高的清晰度；然后进行二值化处理，减小弧光对图像的影响，便于后续的图像处理；再进行中心线的提取，在中心线上提取图像特征点，保证特征点提取的准确性和可靠性；最后运用斜率法提取特征点，相对传统的前后坐标相减法来说特征点的寻找更为准确，大大提高可靠性。该方法不仅可以用在激光焊缝图像的处理，也可以广泛运用于图像处理领域，具有良好的实用价值和应用前景。

Claims (8)

1.一种基于改进均值滤波法的焊缝图像特征点提取方法，其特征在于，包括以下步骤：
步骤1，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理；
步骤2，对噪声抑制处理后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰；
步骤3，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线；
步骤4，基于斜率法，在图像的光带中心线的基础上提取焊缝图像的特征点；
步骤1中，基于改进均值滤波法，对原始焊缝图像的噪声进行抑制处理，具体方法为：
步骤1.1，取图像上一个像素点A，以A点为中心在A周围取一个边长为3a的正方形区域；
步骤1.2，将步骤1.1中的正方形区域分割为9个边长为a的小正方形区域；
步骤1.3，对步骤1.2中的每个小正方形区域设定区域内每个点的权值大小，设区域中心为B，B点权值最高，B点上、下、左、右四个点的权值并列第二，B点左上、左下、右上、右下四个点权值并列第三，以此为标准向外延伸直到小正方形区域内的每个点权值设定完成；
步骤1.4，对步骤1.3中为每个点设定的权值，每个点的权重为该点权值大小除以该区域权值之和，以此为标准计算该区域中心点B的灰度值；
步骤1.5，步骤1.3-1.4，直到9个边长为a的小正方形区域中心点B的灰度值均计算完成；
步骤1.6，根据A周围8个中心点的灰度值，按照权值标准计算A点的灰度值，记录修正后A点的灰度值；
步骤1.7，对该图像每个点重复步骤1.1-1.6，最终得到经过改进均值滤波法处理的抑制噪声后的焊缝图像。
2.根据权利要求1所述的基于改进均值滤波法的焊缝图像特征点提取方法，其特征在于，步骤2中，对噪声抑制处理后的焊缝图像进行二值化处理，进一步消除噪声对焊缝图像的干扰，具体方法为：
按照给定的阈值θ，将每个像素点的灰度值设置为0或者255，即灰度值大于θ，设置为255，否则设置为0，使焊缝图像呈现黑白效果；所述阈值设置公式如下：
Figure FDA0003812157640000021
其中，p(i,j)代表图像上坐标为(i,j)的像素点的灰度值大小，M,N分别是图像的长度和宽度。
3.根据权利要求1所述的基于改进均值滤波法的焊缝图像特征点提取方法，其特征在于，步骤3中，基于中轴变换算法，在二值化处理后的焊缝图像上提取图像的光带中心线，具体方法为：
步骤3.1，记录所有显示为白色的像素点的坐标；
步骤3.2，以像素点C为中心在周围取一个半径为c的正方形区域，对像素点C计算其与正方形区域中每个黑色像素点的距离，若同时与两个及以上黑色像素点存在最小距离，则点C为图像光带中心线的点，记录坐标；
步骤3.3，对图像上每个白色像素点重复步骤3.2，最终记录的像素点集合即为图像的光带中心线。
4.根据权利要求1所述的基于改进均值滤波法的焊缝图像特征点提取方法，其特征在于，步骤4中，基于斜率法，在图像的光带中心线的基础上提取焊缝图像的特征点，具体方法为：
对图像的光带中心线上每一个点进行斜率计算，设图像上第n列的中心线的坐标为f(n)，则斜率计算公式如下：
Figure FDA0003812157640000022
其中K1，K2，K3代表不同权重大小，K3最大、K2次之、K1最小；
图像的光带中心线上每一个点的斜率计算完成后，比较所有点的斜率大小，其中斜率发生突变的拐点即为图像特征点。
5.根据权利要求4所述的基于改进均值滤波法的焊缝图像特征点提取方法，其特征在于，K1、K2、K3的取值分别为1、4、9。
6.一种基于改进均值滤波法的焊缝图像特征点提取系统，其特征在于，利用权利要求1-5任一项所述的基于改进均值滤波法的焊缝图像特征点提取方法，实现基于改进均值滤波法的焊缝图像特征点提取。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，利用权利要求1-5任一项所述的基于改进均值滤波法的焊缝图像特征点提取方法，实现基于改进均值滤波法的焊缝图像特征点提取。
8.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，利用权利要求1-5任一项所述的基于改进均值滤波法的焊缝图像特征点提取方法，实现基于改进均值滤波法的焊缝图像特征点提取。
CN202010508813.7A 2020-06-06 2020-06-06 一种基于改进均值滤波法的焊缝图像特征点提取方法 Active CN111695575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010508813.7A CN111695575B (zh) 2020-06-06 2020-06-06 一种基于改进均值滤波法的焊缝图像特征点提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010508813.7A CN111695575B (zh) 2020-06-06 2020-06-06 一种基于改进均值滤波法的焊缝图像特征点提取方法

Publications (2)

Publication Number Publication Date
CN111695575A CN111695575A (zh) 2020-09-22
CN111695575B true CN111695575B (zh) 2022-10-28

Family

ID=72479660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010508813.7A Active CN111695575B (zh) 2020-06-06 2020-06-06 一种基于改进均值滤波法的焊缝图像特征点提取方法

Country Status (1)

Country Link
CN (1) CN111695575B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436209B (zh) * 2021-06-23 2023-11-17 南通大学 一种基于逐层缩进策略的新型焊缝中心线提取方法
CN114043081B (zh) * 2021-11-24 2023-12-22 苏州全视智能光电有限公司 一种激光焊接的多焊缝类型特征点识别方法及系统
CN114643448B (zh) * 2022-05-19 2022-09-27 先富斯技术（武汉）有限公司 一种焊缝特征提取装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844630A (zh) * 2016-03-21 2016-08-10 西安电子科技大学 一种双目视觉的图像超分辨率融合去噪方法
CN110930368A (zh) * 2019-10-31 2020-03-27 中船重工鹏力（南京）智能装备系统有限公司 一种薄板搭接焊缝实时焊接图像特征提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9180552B2 (en) * 2013-05-27 2015-11-10 ThinkSmart IT Solutions Private Limited System and method for identifying defects in welds by processing X-ray images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844630A (zh) * 2016-03-21 2016-08-10 西安电子科技大学 一种双目视觉的图像超分辨率融合去噪方法
CN110930368A (zh) * 2019-10-31 2020-03-27 中船重工鹏力（南京）智能装备系统有限公司 一种薄板搭接焊缝实时焊接图像特征提取方法

Also Published As

Publication number Publication date
CN111695575A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN111695575B (zh) 一种基于改进均值滤波法的焊缝图像特征点提取方法
CN108280829A (zh) 焊缝图像识别方法、计算机装置及计算机可读存储介质
CN111402323B (zh) 对接焊缝识别方法、装置、设备及存储介质
CN112598922B (zh) 车位检测方法、装置、设备及存储介质
CN111390439B (zh) 一种焊缝检测方法、装置、焊接机器人及储存介质
CN111582000B (zh) 一种条形码定位方法、装置及相关设备
CA3136990A1 (en) PRINCIPAL POINT DETECTION METHOD OF A HUMAN BODY, APPARATUS, COMPUTER DEVICE AND STORAGE MEDIA
CN112649793A (zh) 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质
CN113379649A (zh) 一种图像增强方法、装置、设备及存储介质
CN113947668A (zh) 一种模型简化方法及其相关设备
CN114049549A (zh) 水下视觉识别方法、系统和计算机可读存储介质
CN109035285B (zh) 图像边界确定方法及装置、终端及存储介质
CN110298816B (zh) 一种基于图像重生成的桥梁裂缝检测方法
CN111539969A (zh) 图像边缘检测方法、装置、计算机设备及存储介质
CN116148820A (zh) 一种激光雷达校准方法、计算机设备、可读存储介质及机动车
CN113379639B (zh) 一种复杂环境中红外目标抗干扰检测跟踪方法
CN114863043A (zh) 地图处理方法、装置、机器人及存储介质
CN112308044B (zh) 针对掌静脉图像的图像增强处理方法和掌静脉识别方法
CN114612628A (zh) 地图美化方法、装置、机器人及存储介质
CN110033474B (zh) 目标检测方法、装置、计算机设备和存储介质
CN111695377B (zh) 一种文本检测方法、装置和计算机设备
CN111079756B (zh) 一种单据图像中的表格提取与重建方法和设备
CN113284115A (zh) 一种钢卷塔形识别方法、系统、介质和终端
CN117710235B (zh) 图像目标增强方法、装置、计算机设备和存储介质
CN114398978B (zh) 一种模板匹配方法、装置、存储介质以及电子设备

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