CN112102272A - 螺母孔径检测方法及装置、存储介质及终端设备 - Google Patents
螺母孔径检测方法及装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN112102272A CN112102272A CN202010912972.3A CN202010912972A CN112102272A CN 112102272 A CN112102272 A CN 112102272A CN 202010912972 A CN202010912972 A CN 202010912972A CN 112102272 A CN112102272 A CN 112102272A
- Authority
- CN
- China
- Prior art keywords
- nut
- roi
- area
- screw hole
- edge
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 17
- 238000009432 framing Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization 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
- 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
- G01B11/12—Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种螺母孔径检测方法及装置、存储介质及终端设备，其中，方法中包括：获取待检测螺母图像；对螺母图像进行二值化处理；提取包含螺孔区域边缘的ROI区域，ROI区域为一包含螺孔区域边缘的环形区域；在ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；控制搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；对轮廓点进行圆拟合；根据拟合得到的圆环计算得到螺母孔径。其在选择合适的螺母孔径的圆环ROI区域之后，通过向量法搜索螺母中螺孔区域边缘的轮廓点，最后通过圆拟合的方式实现螺母孔径检测，大大节约了计算内存，提高了运算速度。
Description
技术领域
本发明涉及检测技术领域，尤其涉及一种螺母孔径检测方法及装置、存储介质及终端设备。
背景技术
图形识别是图像处理和模式识别领域的一个重要问题，其中圆形的识别和位置检测是机器视觉常见的问题之一，广泛应用于工业测量。目前机器视觉中检测圆形算法主要有标准Hough变换算法及其优化算法。但是由于标准Hough算法使用的是三维空间参数累积方法，数据量大，会大量占用计算内存，运算速度较慢。
基于此学者们提出了很多改进算法，如随机Hough变换(Randomized HoughTransform,RHT)、模糊Hough变换(Fuzzy Hough Transform,FHT)、点Hough变换(PointHough Transform,PHT)、有序Hough变换(Sequenced Hough Transform,SQHT)等，虽然这些算法某种程度上克服了经典Hough变换的缺点，但检测速度仍然难以满足实时处理要求。
发明内容
针对上述问题，本发明提供了一种螺母孔径检测方法及装置、存储介质及终端设备，有效解决现有螺母孔径检测过程中占用计算内存大、运算速度慢等技术问题。
本发明提供的技术方案如下：
一方面，本发明提供了一种螺母孔径检测方法，包括：
获取待检测螺母图像，所述螺母中心包括待检测孔径的螺孔区域；
对所述螺母图像进行二值化处理；
基于二值化处理后的图像提取包含所述螺孔区域边缘的ROI区域，所述ROI区域为一包含所述螺孔区域边缘的环形区域；
在所述ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；
控制所述搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；
对所述轮廓点进行圆拟合；
根据拟合得到的圆环计算得到螺母孔径。
另一方面，本发明提供了一种螺母孔径检测装置，包括：
图像获取模块，用于获取待检测螺母图像，所述螺母中心包括待检测孔径的螺孔区域；
二值化处理模块，用于对所述图像获取模块获取的螺母图像进行二值化处理；
ROI区域提取模块，用于基于二值化处理后的图像提取包含所述螺孔区域边缘的ROI区域，所述ROI区域为一包含所述螺孔区域边缘的环形区域；
搜索向量构建模块，用于在所述ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；
轮廓点形成模块，用于控制所述搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；
圆拟合模块，用于对所述轮廓点形成模块形成的轮廓点进行圆拟合；
计算模块，用于根据所述圆拟合模块拟合得到的圆环计算得到螺母孔径。
另一方面，本发明提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现上述螺母孔径检测方法的步骤。
另一方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述螺母孔径检测方法的步骤。
本发明提供的螺母孔径检测方法及装置、存储介质及终端设备，选择合适的螺母孔径的圆环ROI区域之后，通过向量法搜索螺母中螺孔区域的轮廓点，最后通过圆拟合的方式实现螺母孔径检测，整个过程简单易实现，运算数据量小，大大节约了计算内存，提高了运算速度及检测精度。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对上述特性、技术特征、优点及其实现方式予以进一步说明。
图1为本发明螺母孔径检测方法一种实施例流程示意图；
图2为本发明一实例中根据预先设定的ROI框选区域提取ROI区域示意图；
图3为本发明螺母孔径检测装置一种实施例结构示意图；
图4为本发明终端设备结构示意图。
附图标记：
10-ROI框选区域，100-螺母孔径检测装置，110-图像获取模块，120-二值化处理模块，130-ROI区域提取模块，140-搜索向量构建模块，150-轮廓点形成模块，160-圆拟合模块，170-计算模块。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
本发明的第一实施例，如图1所示，一种螺母孔径检测方法，包括：
S10获取待检测螺母图像，螺母中心包括待检测孔径的螺孔区域；
S20对螺母图像进行二值化处理；
S30基于二值化处理后的图像提取包含螺孔区域边缘的ROI区域，ROI区域为一包含螺孔区域边缘的环形区域；
S40在ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；
S50控制搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；
S60对轮廓点进行圆拟合；
S70根据拟合得到的圆环计算得到螺母孔径。
在本实施例中，获取了待检测螺母图像之后随即对其进行二值化处理。对于二值化处理的方法这里不做具体限定，可以使用常用的任意方法实现图像二值化的目的。常用的图像二值化方法有全局阈值法和局部阈值法，全局阈值法又分为手动阈值法和自动阈值法，鉴于局部阈值法计算量比较大，同时为了提高螺母孔图像检测的自适应性，在实例中可以选用基于最大类间方差法的全局自动阈值法，自动求取阈值，对待检测螺母图像进行二值化处理。在其他算法中，可以根据经验设定阈值，如将阈值设定为50，低于该阈值，作为螺母像素。
目前，大多数图像的识别都是在整张图像上进行的，处理图像的时耗较大，影响了运算的速度，是以为了提高螺母孔径检测的速度和准确性，本实施例选取包含螺孔区域边缘的环形区域作为ROI区域(感兴趣区域)，后续的图像处理和分析只需针对该ROI区域进行即可，由于所处理的图像信息较少从而大大缩短了处理的时间。
提取了包含螺孔区域边缘的ROI区域之后，在ROI区域的环形内部(由ROI区域为一由两个直径不同的同心圆形成的环形区域，这里的内部是指环形内部，即形成环形区域的直径较小的小圆内部)中，随机选定一点作为起点，由环形内部向外部(内部指圆环小圆区域内，外部指圆环所在区域)延伸构建搜索向量，并控制该搜索向量按时针(顺时针或逆时针)方向旋转(旋转角度间隔可根据实际情况进行设定，如0.1°、0.2°、0.5°等甚至更大)，直至回到原来的初始位置。我们知道，在二值化处理过程中，螺母的像素和中间螺孔区域的像素是不同的，搜索向量在由内部向外延伸的过程中必然会经过一灰度值突变的点，即与螺孔区域边缘的交点，以此控制搜索向量旋转一圈后形成的交点连接起来就能形成螺孔区域边缘的轮廓点。具体来说，搜索向量与螺孔区域边缘的交点为灰度值由1变为0的点，即交点的判别原则如式(1)：
P＝{(x,y)|G(x,y) f(x,y)＝1→0} (1)
其中，f(x,y)为图像在像素坐标(x,y)处的灰度值，G(x,y)为符合灰度条件的像素坐标。
为得到螺母孔径大小，得到螺孔区域边缘的轮廓点之后，对检测到的轮廓点进行圆拟合。拟合方法可以根据实际需求进行选定，如采用最小二乘圆拟合的方法，拟合得到满足实际轮廓点到理想圆距离的平方和最小的圆。拟合得到圆之后就能计算得到螺母孔径、圆心、检测时长等参数，实现发明目的。
对上述第一实施例进行改进得到第二本实施例，在本实施例中，在步骤S30中包括：S31根据图像二值化处理结果及根据螺母图像获取方式预先设定的ROI框选区域，对ROI区域进行框选；S32判断框定的ROI区域是否包含螺孔区域边缘；S33若是，提取相应区域的图像得到ROI区域。
在本实施例中，根据预先设定的ROI框选区域(环形区域)从二值化处理后的图像中提取ROI区域。一般来说，在产线中，螺母的位置和获取图像的摄像装置位置相对固定，也就是说，不同时刻摄像装置获取的待检测螺母图像中螺母的位置相对固定，以此，可以根据摄像装置获取的图像预先设定ROI框选区域的位置，获取到待检测螺母图像后，直接根据预先设定的ROI框选区域对图像中的该区域进行框选，并对框选区域图像进行判断。由于设定的ROI框选区域为包含有待检测孔径螺孔区域边缘的区域(为了提高检测效率，ROI框选区域可相对螺孔区域大一些设定)，而螺孔区域内部(螺母孔)和螺母本身的灰度值不同，是以在框选过程中可以根据图像被框选的区域的灰度值判断是否其内部包含了螺孔区域边缘。该方法能够简单方便的实现对ROI区域的提取。在一实例中，如图2所示，螺母为六角螺母，通过预先设定的环形ROI框选区域10(图中斜线阴影区域部分)对ROI区域进行提取。应当清楚，这里我们对ROI框选区域不做具体限定，可以根据实际应用对应环形区域中大圆直径和小圆直径进行限定。
对上述第一实施例进行改进得到第三本实施例，在本实施例中，在步骤S30中包括：S33对二值化处理后的图像进行连通域检测，找到面积最大的连通域；S34将连通域的尺寸与预设尺寸进行比对，判断该连通区域是否为螺母所在区域；S35若是，根据连通域得到螺母的质心坐标；S36以质心坐标为圆心，提取包含螺孔区域边缘的ROI区域。
在本实施例中，通过标注连通分量的方法得到螺母的质心坐标，以此以该质心坐标为中心在预设半径范围(该半径范围根据螺母孔径设置，可根据实际情况设定阈值)内提取包含螺孔区域边缘的ROI区域。在步骤S34中，若连通域的尺寸与预设尺寸之间的差值在预先设定的阈值范围之内，则判断该连通区域为螺母所在区域。基于此，在检测螺母中螺孔区域边缘轮廓点的过程中，以该质心坐标为起始点，由内向外建立搜索向量，得到螺孔区域边缘的轮廓点，提高检测精度。
本发明的另一实施例，一种螺母孔径检测装置100，如图3所示，包括：图像获取模块110，用于获取待检测螺母图像，螺母中心包括待检测孔径的螺孔区域；二值化处理模块120，用于对图像获取模块获取的螺母图像进行二值化处理；ROI区域提取模块130，用于基于二值化处理后的图像提取包含螺孔区域边缘的ROI区域，ROI区域为一包含螺孔区域边缘的环形区域；搜索向量构建模块140，用于在ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；轮廓点形成模块150，用于控制搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；圆拟合模块160，用于对轮廓点形成模块150形成的轮廓点进行圆拟合；计算模块170，用于根据圆拟合模块160拟合得到的圆环计算得到螺母孔径。在轮廓点形成模块150中包括：旋转单元，用于根据预设频率控制搜索向量沿时针方向旋转；边缘交点提取单元，用于获取搜索向量旋转过程中像素突变的点，作为搜索向量与螺孔区域边缘交点。在轮廓点形成模块中，包括：旋转单元，用于根据预设频率控制搜索向量沿时针方向旋转；边缘交点提取单元，用于获取搜索向量旋转过程ROI区域中像素突变的点，作为搜索向量与螺孔区域边缘的交点。
在本实施例中，图像获取模块110获取了待检测螺母图像之后随即二值化处理模块120对其进行二值化处理。对于二值化处理的方法这里不做具体限定，可以使用常用的任意方法实现图像二值化的目的。常用的图像二值化方法有全局阈值法和局部阈值法，全局阈值法又分为手动阈值法和自动阈值法，鉴于局部阈值法计算量比较大，同时为了提高螺母孔图像检测的自适应性，在实例中可以选用基于最大类间方差法的全局自动阈值法，自动求取阈值，对待检测螺母图像进行二值化处理。在其他算法中，可以根据经验设定阈值，如将阈值设定为50，低于该阈值，作为螺母像素。
目前，大多数图像的识别都是在整张图像上进行的，处理图像的时耗较大，影响了运算的速度，是以为了提高螺母孔径检测的速度和准确性，本实施例选取包含螺孔区域边缘的环形区域作为ROI区域(感兴趣区域)，后续的图像处理和分析只需针对该ROI区域进行即可，由于所处理的图像信息较少从而大大缩短了处理的时间。
ROI区域提取模块130提取了包含螺孔区域边缘的ROI区域之后，搜索向量构建模块140在ROI区域的环形内部(由ROI区域为一由两个直径不同的同心圆形成的环形区域，这里的内部是指环形内部，即形成环形区域的直径较小的小圆内部)中，随机选定一点作为起点，由环形内部向外部(内部指圆环小圆区域内，外部指圆环所在区域)延伸构建搜索向量，并轮廓点形成模块150控制该搜索向量按时针(顺时针或逆时针)方向旋转(旋转角度间隔可根据实际情况进行设定，如0.1°、0.2°、0.5°等甚至更大)，直至回到原来的初始位置。我们知道，在二值化处理过程中，螺母的像素和中间螺孔区域的像素是不同的，搜索向量在由内部向外延伸的过程中必然会经过一灰度值突变的点，即与螺孔区域边缘的交点，以此控制搜索向量旋转一圈后形成的交点连接起来就能形成螺孔区域边缘的轮廓点。具体来说，搜索向量与螺孔区域边缘的交点为灰度值由1变为0的点，即交点的判别原则如式(1)。
为得到螺母孔径大小，得到螺孔区域边缘的轮廓点之后，通过圆拟合模块160对检测到的轮廓点进行圆拟合。拟合方法可以根据实际需求进行选定，如采用最小二乘圆拟合的方法，拟合得到满足实际轮廓点到理想圆距离的平方和最小的圆。拟合得到圆之后就能计算得到螺母孔径、圆心、检测时长等参数，实现发明目的。
对上述实施例进行改进得到本实施例，在本实施例中，ROI区域提取模块130中包括：框选单元，用于根据图像二值化处理结果及根据螺母图像获取方式预先设定的ROI框选区域，对ROI区域进行框选；判断单元，用于判断框选单元框定的ROI区域是否包含螺孔区域边缘；提取单元，当判断单元判断框定的ROI区域包含螺孔区域边缘时，提取相应区域的图像得到ROI区域。
在本实施例中，根据预先设定的ROI框选区域从二值化处理后的图像中提取ROI区域。一般来说，在产线中，螺母的位置和获取图像的摄像装置位置相对固定，也就是说，不同时刻摄像装置获取的待检测螺母图像中螺母的位置相对固定，以此，可以根据摄像装置获取的图像预先设定ROI框选区域的位置，获取到待检测螺母图像后，直接根据预先设定的ROI框选区域对图像中的该区域进行框选，并对框选区域图像进行判断。由于设定的ROI框选区域为包含有待检测孔径螺孔区域边缘的区域(为了提高检测效率，ROI框选区域可相对螺孔区域大一些设定)，而螺孔区域内部(螺母孔)和螺母本身的灰度值不同，是以在框选过程中可以根据图像被框选的区域的灰度值判断是否其内部包含了螺孔区域边缘。该方法能够简单方便的实现对ROI区域的提取。在一实例中，如图2所示，螺母为六角螺母，通过预先设定的环形ROI框选区域10(图中斜线阴影区域部分)对ROI区域进行提取。
对上述实施例进行改进得到本实施例，在本实施例中，ROI区域提取模块130包括：连通域检测单元，用于对二值化处理模块处理后的图像进行连通域检测，找到面积最大的连通域；比对单元，用于将连通域检测单元检测得到的连通域的尺寸与预设尺寸进行比对，判断该连通区域是否为螺母所在区域；质心坐标获取单元，当比对模块用于根据连通域检测单元检测的连通域得到螺母的质心坐标；提取单元，用于以质心坐标获取单元得到的质心坐标为圆心，提取包含螺孔区域边缘的ROI区域。
在本实施例中，通过标注连通分量的方法得到螺母的质心坐标，以此以该质心坐标为中心在预设半径范围(该半径范围根据螺母孔径设置，可根据实际情况设定阈值)内提取包含螺孔区域边缘的ROI区域。在步骤S34中，若连通域的尺寸与预设尺寸之间的差值在预先设定的阈值范围之内，则判断该连通区域为螺母所在区域。基于此，在检测螺母中螺孔区域边缘轮廓点的过程中，以该质心坐标为起始点，由内向外建立搜索向量，得到螺孔区域边缘的轮廓点，提高检测精度。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
图4是本发明一个实施例中提供的终端设备的结构示意图，如所示，该终端设备200包括：处理器220、存储器210以及存储在存储器210中并可在处理器220上运行的计算机程序211，例如：螺母孔径检测方法关联程序。处理器220执行计算机程序211时实现上述各个螺母孔径检测方法实施例中的步骤，或者，处理器220执行计算机程序211时实现上述螺母孔径检测位置一体化检测方法装置实施例中各模块的功能。
终端设备200可以为笔记本、掌上电脑、平板型计算机、手机等设备。终端设备200可包括，但不仅限于处理器220、存储器210。本领域技术人员可以理解，图4仅仅是终端设备200的示例，并不构成对终端设备200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：终端设备200还可以包括输入输出设备、显示设备、网络接入设备、总线等。
处理器220可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器220可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器210可以是终端设备200的内部存储单元，例如：终端设备200的硬盘或内存。存储器210也可以是终端设备200的外部存储设备，例如：终端设备200上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器210还可以既包括终端设备200的内部存储单元也包括外部存储设备。存储器210用于存储计算机程序211以及终端设备200所需要的其他程序和数据。存储器210还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序211发送指令给相关的硬件完成，计算机程序211可存储于一计算机可读存储介质中，该计算机程序211在被处理器220执行时，可实现上述各个方法实施例的步骤。其中，计算机程序211包括：计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序211代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通相关人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种螺母孔径检测方法，其特征在于，包括：
获取待检测螺母图像，所述螺母中心包括待检测孔径的螺孔区域；
对所述螺母图像进行二值化处理；
基于二值化处理后的图像提取包含所述螺孔区域边缘的ROI区域，所述ROI区域为一包含所述螺孔区域边缘的环形区域；
在所述ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；
控制所述搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；
对所述轮廓点进行圆拟合；
根据拟合得到的圆环计算得到螺母孔径。
2.如权利要求1所述的螺母孔径检测方法，其特征在于，在所述基于二值化处理后的图像提取包含所述螺孔区域边缘的ROI区域中，包括：
根据图像二值化处理结果及根据螺母图像获取方式预先设定的ROI框选区域，对ROI区域进行框选；
判断框定的ROI区域是否包含螺孔区域边缘；
若是，提取相应区域的图像得到ROI区域。
3.如权利要求1所述的螺母孔径检测方法，其特征在于，在所述基于二值化处理后的图像提取包含所述螺孔区域边缘的ROI区域中，包括：
对二值化处理后的图像进行连通域检测，找到面积最大的连通域；
将所述连通域的尺寸与预设尺寸进行比对，判断该连通区域是否为螺母所在区域；
若是，根据所述连通域得到螺母的质心坐标；
以所述质心坐标为圆心，提取包含所述螺孔区域边缘的ROI区域。
4.如权利要求1或2或3所述的螺母孔径检测方法，其特征在于，在所述控制所述搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点中，包括：
根据预设频率控制所述搜索向量沿时针方向旋转；
获取搜索向量旋转过程ROI区域中像素突变的点，作为搜索向量与螺孔区域边缘的交点。
5.一种螺母孔径检测装置，其特征在于，包括：
图像获取模块，用于获取待检测螺母图像，所述螺母中心包括待检测孔径的螺孔区域；
二值化处理模块，用于对所述图像获取模块获取的螺母图像进行二值化处理；
ROI区域提取模块，用于基于二值化处理后的图像提取包含所述螺孔区域边缘的ROI区域，所述ROI区域为一包含所述螺孔区域边缘的环形区域；
搜索向量构建模块，用于在所述ROI区域的内部，随机选定一点作为起点，由ROI区域的内部向外部延伸构建搜索向量；
轮廓点形成模块，用于控制所述搜索向量沿时针方向旋转一周，得到搜索向量与螺孔区域边缘的交点，形成螺孔区域边缘的轮廓点；
圆拟合模块，用于对所述轮廓点形成模块形成的轮廓点进行圆拟合；
计算模块，用于根据所述圆拟合模块拟合得到的圆环计算得到螺母孔径。
6.如权利要求5所述的螺母孔径检测装置，其特征在于，在所述ROI区域提取模块中，包括：
框选单元，用于根据图像二值化处理结果及根据螺母图像获取方式预先设定的ROI框选区域，对ROI区域进行框选；
判断单元，用于判断框选单元框定的ROI区域是否包含螺孔区域边缘；
提取单元，当所述判断单元判断框定的ROI区域包含螺孔区域边缘时，提取相应区域的图像得到ROI区域。
7.如权利要求5所述的螺母孔径检测装置，其特征在于，在所述ROI区域提取模块中，包括：
连通域检测单元，用于对所述二值化处理模块处理后的图像进行连通域检测，找到面积最大的连通域；
比对单元，用于将所述连通域检测单元检测得到的连通域的尺寸与预设尺寸进行比对，判断该连通区域是否为螺母所在区域；
质心坐标获取单元，当比对模块用于根据连通域检测单元检测的连通域得到螺母的质心坐标；
提取单元，用于以所述质心坐标获取单元得到的质心坐标为圆心，提取包含所述螺孔区域边缘的ROI区域。
8.如权利要求5或6或7所述的螺母孔径检测装置，其特征在于，在所述轮廓点形成模块中，包括：
旋转单元，用于根据预设频率控制所述搜索向量沿时针方向旋转；
边缘交点提取单元，用于获取搜索向量旋转过程ROI区域中像素突变的点，作为搜索向量与螺孔区域边缘的交点。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现如权利要求1-4中任一项所述螺母孔径检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述螺母孔径检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010912972.3A CN112102272A (zh) | 2020-09-03 | 2020-09-03 | 螺母孔径检测方法及装置、存储介质及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010912972.3A CN112102272A (zh) | 2020-09-03 | 2020-09-03 | 螺母孔径检测方法及装置、存储介质及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112102272A true CN112102272A (zh) | 2020-12-18 |
Family
ID=73758421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010912972.3A Pending CN112102272A (zh) | 2020-09-03 | 2020-09-03 | 螺母孔径检测方法及装置、存储介质及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112102272A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116592776A (zh) * | 2023-07-19 | 2023-08-15 | 浙江视觉智能创新中心有限公司 | 一种基于三维点云的管径尺寸检测方法、装置及电子设备 |
| CN117408963A (zh) * | 2023-10-17 | 2024-01-16 | 中科苏州智能计算技术研究院 | 一种管壳自动分选方法、系统和可存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103696899A (zh) * | 2013-11-15 | 2014-04-02 | 陈永远 | 超大型水力发电站 |
| CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
| CN107111882A (zh) * | 2016-03-22 | 2017-08-29 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及系统 |
| CN108154506A (zh) * | 2017-12-27 | 2018-06-12 | 合肥市雅视智能科技有限公司 | 一种六角螺母自动检测方法 |
| CN108871229A (zh) * | 2018-06-11 | 2018-11-23 | 南京理工大学 | 一种滚珠螺母螺旋内滚道曲面及外径的测量方法 |
| CN110610516A (zh) * | 2019-08-26 | 2019-12-24 | 湖南大学 | 铁路扣件螺母中心定位方法 |
-
2020
- 2020-09-03 CN CN202010912972.3A patent/CN112102272A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103696899A (zh) * | 2013-11-15 | 2014-04-02 | 陈永远 | 超大型水力发电站 |
| CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
| CN107111882A (zh) * | 2016-03-22 | 2017-08-29 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及系统 |
| CN108154506A (zh) * | 2017-12-27 | 2018-06-12 | 合肥市雅视智能科技有限公司 | 一种六角螺母自动检测方法 |
| CN108871229A (zh) * | 2018-06-11 | 2018-11-23 | 南京理工大学 | 一种滚珠螺母螺旋内滚道曲面及外径的测量方法 |
| CN110610516A (zh) * | 2019-08-26 | 2019-12-24 | 湖南大学 | 铁路扣件螺母中心定位方法 |
Non-Patent Citations (3)
| Title |
|---|
| 吴禄慎，项桔敏，胡 贇: "基于机器视觉的卡尺工具法螺母实时检测系统", 《仪表技术与传感器》, no. 2, pages 1 - 6 * |
| 崔明: "基于机器视觉的轴承滚动体缺陷检测算法研究", 《组合机床与自动化加工技术》, 30 November 2015 (2015-11-30), pages 75 - 77 * |
| 张如如: "基于halcon的双目立体视觉工件尺寸测量", 《计算机测量与控制》, vol. 26, no. 26, pages 1 - 5 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116592776A (zh) * | 2023-07-19 | 2023-08-15 | 浙江视觉智能创新中心有限公司 | 一种基于三维点云的管径尺寸检测方法、装置及电子设备 |
| CN116592776B (zh) * | 2023-07-19 | 2023-12-01 | 浙江视觉智能创新中心有限公司 | 一种基于三维点云的管径尺寸检测方法、装置及电子设备 |
| CN117408963A (zh) * | 2023-10-17 | 2024-01-16 | 中科苏州智能计算技术研究院 | 一种管壳自动分选方法、系统和可存储介质 |
| CN117408963B (zh) * | 2023-10-17 | 2024-05-07 | 中科苏州智能计算技术研究院 | 一种管壳自动分选方法、系统和可存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059702B (zh) | 一种物体轮廓识别方法及装置 | |
| CN112102272A (zh) | 螺母孔径检测方法及装置、存储介质及终端设备 | |
| CN107749071B (zh) | 大畸变棋盘格图像角点检测方法及装置 | |
| CN113962306A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN112700440B (zh) | 物体缺陷检测方法、装置、计算机设备及存储介质 | |
| CN111476894A (zh) | 三维语义地图构建方法、装置、存储介质及电子设备 | |
| CN111259908A (zh) | 基于机器视觉的钢卷号识别方法、系统、设备及存储介质 | |
| KR20160037305A (ko) | 지문 인식을 이용한 사용자 인증 방법 | |
| US10229498B2 (en) | Image processing device, image processing method, and computer-readable recording medium | |
| CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
| CN103077528A (zh) | 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法 | |
| CN104966300A (zh) | 轴承滚子图像检测系统及方法及图像检测装置 | |
| CN111354038A (zh) | 锚定物检测方法及装置、电子设备及存储介质 | |
| CN108229583B (zh) | 一种基于主方向差分特征的快速模板匹配的方法及装置 | |
| CN111102920A (zh) | 一种基于增强现实的机械组件质检方法及系统 | |
| CN114359548A (zh) | 一种圆查找方法、装置、电子设备及存储介质 | |
| CN112633070A (zh) | 高分辨率遥感影像建筑物提取方法及系统 | |
| Ocampo-Vega et al. | Image processing for automatic reading of electro-mechanical utility meters | |
| CN107710229B (zh) | 图像中的形状识别方法、装置、设备及计算机存储介质 | |
| CN108550142A (zh) | 一种牙孔检测方法及装置 | |
| CN106204542B (zh) | 视觉识别方法及系统 | |
| CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
| CN110673607A (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
| Fang et al. | A fast and high-precision ellipse detection method based on the Candy’s theorem | |
| CN115423804B (zh) | 影像标定方法及装置、影像处理方法 |
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 |