CN112285876A - 基于图像处理与气泡检测的相机自动对焦方法 - Google Patents

基于图像处理与气泡检测的相机自动对焦方法 Download PDF

Info

Publication number
CN112285876A
CN112285876A CN202011216154.6A CN202011216154A CN112285876A CN 112285876 A CN112285876 A CN 112285876A CN 202011216154 A CN202011216154 A CN 202011216154A CN 112285876 A CN112285876 A CN 112285876A
Authority
CN
China
Prior art keywords
bubble
image
focusing
track
line
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.)
Withdrawn
Application number
CN202011216154.6A
Other languages
English (en)
Inventor
邱妙娜
石倩
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011216154.6A priority Critical patent/CN112285876A/zh
Publication of CN112285876A publication Critical patent/CN112285876A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
    • G02B7/28—Systems for automatic generation of focusing signals
    • G02B7/36—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于图像处理与气泡检测的相机自动对焦方法，该方法包括：采集气泡图像，对气泡图像进行处理得到二值图，根据二值图得到气泡轨迹轮廓，根据气泡轨迹轮廓确定对焦线，根据最优轨迹直线与对焦线确定ROI区域，根据气密性检测装置内被检测工件的个数将ROI区域分为多个子区域并为每个子区域分配权值；相机根据对焦线进行迭代对焦，计算每次对焦后所得气泡图像中ROI区域的图像清晰度，利用搜索算法寻找对焦线上使图像清晰度最大的点，清晰度最大的点为相机的最优对焦点；本发明结合气泡的轨迹特征进行相机的自动对焦，对焦后所拍摄气泡图像中的气泡特征更清晰。

Description

基于图像处理与气泡检测的相机自动对焦方法
技术领域
本发明涉及图像处理、气密性检测领域，具体为一种基于图像处理与气泡检测的相机自动对焦方法。
背景技术
在进行气密性检测时气泡是一个非常弱的图像特征，很多场景下气泡的检测是非常困难的，因此想要获取更明显的气泡特征，相机的调节是必不可少的，而现有使用相机进行气密性检测时通常采用相机本身自带的自动调焦模式，该自动调焦模式一般会对焦到离镜头较近的位置，而未考虑气泡的位置信息，使得拍摄的图像中气泡特征较弱，增加了后续对气泡进行精确定位时的难度。
发明内容
为了解决上述问题，本发明提出一种基于图像处理与气泡检测的相机自动对焦方法，该方法包括：
步骤一，通过相机进行气泡图像的采集，对经过预处理的气泡图像进行处理得到气泡二值图，将多张气泡二值图相加得到气泡轨迹二值图，对气泡轨迹二值图进行细化处理后进行连通域分析，得到气泡轨迹轮廓；
步骤二，基于气密性检测装置内被检测工件的个数，根据气泡轨迹轮廓确定对焦线；具体地：
被检测工件为一个时，对气泡轨迹轮廓进行最优轨迹直线拟合，所得最优轨迹直线为对焦线；
被检测工件多于一个时，存在多个气泡轨迹轮廓，选择最左和最右两个气泡轨迹轮廓进行最优轨迹直线的拟合，得到两条最优轨迹直线，求两条最优轨迹直线与图像边界的交点，得到两个上端交点、两个下端交点，两个上端交点连线中心点与两个下端交点连线中心点相连得到对焦线；
步骤三，根据最优轨迹直线与对焦线确定ROI区域，根据气密性检测装置内被检测工件的个数将ROI区域分为多个子区域并为每个子区域分配权值：
被检测工件为一个时，将ROI区域分为N1个子区域，位于正中间的一个子区域的权值最大，由内向外，子区域的权值依次递减；
被检测工件多于一个时，将ROI区域分为N2个子区域，位于正中间的一个子区域的权值最小，由内向外，子区域的权值依次递增；
步骤五，相机根据对焦线进行迭代对焦，计算每次对焦后所得气泡图像中ROI区域的图像清晰度，利用搜索算法寻找对焦线上使图像清晰度最大的点，清晰度最大的点为相机的最优对焦点。
所述气泡二值图为通过帧差法对选择的两帧气泡图像进行处理得到差分图像，对差分图像进行二值化得到；所述气泡二值图中气泡像素为255，其他为0。
所述连通域分析得到的连通域的个数为被检测工件的个数。
所述ROI区域内包括对焦线，所述多个子区域大小相同；N1个子区域中任一子区域的宽度
Figure BDA0002760424730000021
x1、x2分别为被检测工件个数为一时所求对焦线与图像边界相交的两个点的横坐标；N2个子区域中任一子区域的宽度
Figure BDA0002760424730000022
x3、x4分别为最左气泡轨迹轮廓对应的最优轨迹直线与图像边界相交的两个点的横坐标，x5、x6分别为最右气泡轨迹轮廓对应的最优轨迹直线与图像边界相交的两个点的横坐标；b1、b2为补偿系数。
所述图像清晰度的计算方法为：
Figure BDA0002760424730000023
Definition表示ROI区域的图像清晰度，f(Grayi)为清晰度评价函数，Grayi为气泡图像中第i个子区域对应的灰度图，N为子区域的总个数，N的值为N1或N2，Wi为第i个子区域的权值。
所述清晰度函数为Brenner梯度函数或Laplacian梯度函数。
进一步地，N1、N2的取值为奇数。
本发明的有益效果在于：
1.本发明结合气泡的轨迹特征进行相机的自动对焦，对焦后所拍摄气泡图像中的气泡特征更清晰，便于进行气密性检测时气泡定位的后续处理。
2.本发明基于气泡的轨迹直线得到相机的对焦线，方法简单易操作，且计算速度快。
3.本方法适用性强，可推广到多零件进行气密性检测时进行相机的对焦。
附图说明
图1为本发明实施流程图。
图2为多个被检测工件对应的ROI区域划分示意图。
具体实施方式
为了让本领域技术人员更好的理解本发明，下面结合实施例对本发明进行详细描述。
本发明主要是通过对采集到的图像进行处理从而使所用相机自动对焦，获取质量更好、更清晰的图像；因此，本发明提出一种基于图像处理与气泡检测的相机自动对焦方法，该方法的实施流程如图1所示，具体地，首先通过相机采集气密性检测装置内的气泡图像，气泡图像经过预处理后进行气泡检测，得到气泡二值图，多张气泡二值图进行叠加得到气泡轨迹二值图，对气泡轨迹二值图进行图像细化处理后寻找相机对焦线，基于相机对焦线或气泡轨迹确定ROI区域，将ROI区域划分为多个子区域，并为每个子区域分配权值；相机根据对焦线进行迭代对焦，每次对焦后重新获取气泡图像并基于各个子区域对应的权值计算气泡图像中ROI区域的图像清晰度，通过搜索算法寻找最优的对焦点，使得图像ROI区域的清晰度最高，并进行相机的对焦控制。
实施例：
将相机放置于气密性检测装置一侧，使得拍摄的图像中可以看到气泡的上升，通过相机对气密性检测装置内的气泡进行图像采集，得到气泡图像，对气泡图像进行预处理，方便提取气泡的特征，图像预处理包括图像转换、去除背景和滤波，最终使得气泡图像对比度增强、噪声小。预处理方法包括中值滤波法、邻域平均法，属于常见的图像预处理手段，需要根据图像质量做出选择即具体使用哪种预处理方法，本发明不再赘述。
对经过预处理的气泡图像进行处理得到气泡二值图，气泡检测技术为本领域技术人员所公知的技术，实施者可根据实际情况具体选择使用哪种方法得到气泡二值图；具体地，实施例以帧差法获得气泡二值图：
利用帧差法将两帧预处理后的气泡图像对应像素值相减得到差分图像，然后对差分图像二值化，得到气泡二值化图像数据，气泡二值图中气泡像素为255，其他为0；由于气泡上升速度受不同环境的影响，因此利用帧差法对两帧气泡图像进行处理时，所选两帧气泡图像可以是相邻两帧，也可不必是相邻两帧，如每三帧计算一次差分图像。
将多张气泡二值图相加得到气泡轨迹二值图，即将m帧气泡二值图进行像素相加操作，由于像素最大值为255，因此叠加后的图像可以得到气泡的上升轨迹；其中叠加m帧气泡二值图，m为超参数，需要人为调试，通常m＝3即可得到气泡的上升轨迹信息，在图像中为一条白色的粗线。
进一步地，对气泡轨迹二值图进行细化处理，即将图像的线条从多像素宽度减少到单位像素宽度，使气泡的轨迹线变得细小；图像细化算法有很多，如Rosenfeld细化算法，属于常见图像处理手段，这里不再赘述，实施者可自由选择细化算法。
对细化后的气泡轨迹二值图进行连通域分析，得到气泡轨迹轮廓；其中，连通域的提取方法包括四邻域、八邻域，实施者可自由选择；对于图像中存在的连通域的个数，认定为被检测工件的个数。
实施者应知道，气泡的上升轨迹容易受水体晃动、充气速度的影响，当存在上述影响时，气泡的上升轨迹可能在图像中会有大偏移，实施者应尽可能避免此种情况的发生，上升轨迹最好为一条偏移不大的向上的直线。
假定被检测工件只有一处存在漏气问题，基于气密性检测装置内被检测工件的个数，根据气泡轨迹轮廓确定对焦线；具体地：
被检测工件为一个时，对气泡轨迹轮廓进行最优轨迹直线拟合，所得最优轨迹直线为对焦线，对焦线与图像边界的两个交点的坐标分别为(x1,y)、(x2,0)。
被检测工件多于一个时，存在多个气泡轨迹轮廓，寻找最外围的气泡轨迹，计算每个气泡轨迹轮廓中所有点的x坐标之和，选择最左即坐标之和最小和最右即坐标之和最大的两个气泡轨迹轮廓进行最优轨迹直线的拟合，得到两条最优轨迹直线，求两条最优轨迹直线与图像边界的交点，即最左气泡轨迹轮廓对应的最优轨迹直线与图像边界的两个交点的坐标分别为(x3,y)、(x4,0)，最右气泡轨迹轮廓对应的最优轨迹直线与图像边界的两个交点的坐标分别为(x5,y)、(x6,0)，得到两个上端交点、两个下端交点，两个上端交点连线中心点与两个下端交点连线中心点相连得到对焦线。
其中，y表示图像分辨率中的高。
根据最优轨迹直线与对焦线确定ROI区域，根据气密性检测装置内被检测工件的个数将ROI区域分为大于1的奇数个子区域并为每个子区域分配权值：
被检测工件为一个时，对焦线在图像中的中心点的坐标为
Figure BDA0002760424730000031
基于对焦线中心点坐标将ROI区域分为N1个等距的子区域，N1个子区域中任一子区域的宽度
Figure BDA0002760424730000032
由于气泡轨迹二值图经过了细化操作，因此需要添加补偿系数b1，实施例中b1取30，N1取3；位于正中间的一个子区域为对焦线所在区域也是气泡所在区域，因此该子区域的权值最大，由内向外，子区域的权值依次递减；实施例中三个子区域的权值从左到右依次为[0.25，0.5，0.25]。
被检测工件多于一个时，对焦线在图像中的中心点的坐标为
Figure BDA0002760424730000041
基于对焦线中心点坐标将ROI区域分为N2个等距的子区域，如图2所示，N2个子区域中任一子区域的宽度
Figure BDA0002760424730000042
实施例中b2取10，N2取5；最外围区域为气泡存在区域，因此最外围区域权值最大，位于正中间的一个子区域的权值最小，由内向外，子区域的权值依次递增；图2中所示五个子区域A、B、C、D、E的权值从左到右依次为[0.3,0.15,0.10,0.15,0.3]。
相机根据对焦线进行迭代对焦，计算每次对焦后所得气泡图像中ROI区域的图像清晰度，利用搜索算法寻找对焦线上使图像清晰度最大的点，清晰度最大的点为相机的最优对焦点。
图像清晰度的计算方法为：
Figure BDA0002760424730000043
Definition表示ROI区域的图像清晰度；f(Grayi)为清晰度评价函数，清晰度评价函数可为Brenner梯度函数或Laplacian梯度函数；Grayi为气泡图像中第i个子区域对应的灰度图；N为子区域的总个数，N的值为N1或N2；Wi为第i个子区域的权值。
以清晰度评价Brenner梯度函数为例，则图像清晰度值越大，图像清晰度越高。搜索算法有多种，如爬山搜索算法、模拟退火等，属于公知技术，在此不再赘述。
以上所述旨在让本领域技术人员更好的理解本发明，并不用于限制本发明，凡是在本发明精神和原则之内做出的修改与变动皆在本发明的保护范围内。

Claims (7)

1.一种基于图像处理与气泡检测的相机自动对焦方法，其特征在于，该方法包括：
步骤一，通过相机进行气泡图像的采集，对经过预处理的气泡图像进行处理得到气泡二值图，将多张气泡二值图相加得到气泡轨迹二值图，对气泡轨迹二值图进行细化处理后进行连通域分析，得到气泡轨迹轮廓；
步骤二，基于气密性检测装置内被检测工件的个数，根据气泡轨迹轮廓确定对焦线；具体地：
被检测工件为一个时，对气泡轨迹轮廓进行最优轨迹直线拟合，所得最优轨迹直线为对焦线；
被检测工件多于一个时，存在多个气泡轨迹轮廓，选择最左和最右两个气泡轨迹轮廓进行最优轨迹直线的拟合，得到两条最优轨迹直线，求两条最优轨迹直线与图像边界的交点，得到两个上端交点、两个下端交点，两个上端交点连线中心点与两个下端交点连线中心点相连得到对焦线；
步骤三，根据最优轨迹直线与对焦线确定ROI区域，根据气密性检测装置内被检测工件的个数将ROI区域分为多个子区域并为每个子区域分配权值：
被检测工件为一个时，将ROI区域分为N1个子区域，位于正中间的一个子区域的权值最大，由内向外，子区域的权值依次递减；
被检测工件多于一个时，将ROI区域分为N2个子区域，位于正中间的一个子区域的权值最小，由内向外，子区域的权值依次递增；
步骤五，相机根据对焦线进行迭代对焦，计算每次对焦后所得气泡图像中ROI区域的图像清晰度，利用搜索算法寻找对焦线上使图像清晰度最大的点，清晰度最大的点为相机的最优对焦点。
2.如权利要求1所述的方法，其特征在于，所述气泡二值图为通过帧差法对选择的两帧气泡图像进行处理得到差分图像，对差分图像进行二值化得到；所述气泡二值图中气泡像素为255，其他为0。
3.如权利要求1所述的方法，其特征在于，所述连通域分析得到的连通域的个数为被检测工件的个数。
4.如权利要求1所述的方法，其特征在于，所述ROI区域内包括对焦线，所述多个子区域大小相同；N1个子区域中任一子区域的宽度
Figure FDA0002760424720000011
x1、x2分别为被检测工件个数为一时所求对焦线与图像边界相交的两个点的横坐标；N2个子区域中任一子区域的宽度
Figure FDA0002760424720000012
Figure FDA0002760424720000013
x3、x4分别为最左气泡轨迹轮廓对应的最优轨迹直线与图像边界相交的两个点的横坐标，x5、x6分别为最右气泡轨迹轮廓对应的最优轨迹直线与图像边界相交的两个点的横坐标；b1、b2为补偿系数。
5.如权利要求1所述的方法，其特征在于，所述图像清晰度的计算方法为：
Figure FDA0002760424720000014
Definition表示ROI区域的图像清晰度，f(Grayi)为清晰度评价函数，Grayi为气泡图像中第i个子区域对应的灰度图，N为子区域的总个数，N的值为N1或N2，Wi为第i个子区域的权值。
6.如权利要求5所述的方法，其特征在于，所述清晰度函数为Brenner梯度函数或Laplacian梯度函数。
7.如权利要求5所述的方法，其特征在于，N1、N2的取值为奇数。
CN202011216154.6A 2020-11-04 2020-11-04 基于图像处理与气泡检测的相机自动对焦方法 Withdrawn CN112285876A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011216154.6A CN112285876A (zh) 2020-11-04 2020-11-04 基于图像处理与气泡检测的相机自动对焦方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011216154.6A CN112285876A (zh) 2020-11-04 2020-11-04 基于图像处理与气泡检测的相机自动对焦方法

Publications (1)

Publication Number Publication Date
CN112285876A true CN112285876A (zh) 2021-01-29

Family

ID=74351466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011216154.6A Withdrawn CN112285876A (zh) 2020-11-04 2020-11-04 基于图像处理与气泡检测的相机自动对焦方法

Country Status (1)

Country Link
CN (1) CN112285876A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496897A (zh) * 2022-10-10 2022-12-20 中国核动力研究设计院 基于数字图像处理的去离子水固体杂质检测方法和系统
CN117408892A (zh) * 2023-12-14 2024-01-16 深圳市恒永达科技股份有限公司 一种基于机器视觉的柱塞泵气泡消除方法、系统及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103865786A (zh) * 2014-03-27 2014-06-18 程涛 细菌检测方法及系统
US20140253783A1 (en) * 2011-10-14 2014-09-11 Pelco, Inc. Focus control for ptz cameras
CN106231132A (zh) * 2016-09-20 2016-12-14 努比亚技术有限公司 移动终端及峰值对焦方法
CN109116541A (zh) * 2018-09-10 2019-01-01 广州鸿琪光学仪器科技有限公司 显微镜对焦方法、装置、计算机设备和存储介质
CN110428463A (zh) * 2019-06-04 2019-11-08 浙江大学 非球面光学元件离焦模糊定中图像自动提取中心的方法
CN110956624A (zh) * 2019-12-02 2020-04-03 河海大学常州校区 一种针对立体物体的图像清晰度评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140253783A1 (en) * 2011-10-14 2014-09-11 Pelco, Inc. Focus control for ptz cameras
CN103865786A (zh) * 2014-03-27 2014-06-18 程涛 细菌检测方法及系统
CN106231132A (zh) * 2016-09-20 2016-12-14 努比亚技术有限公司 移动终端及峰值对焦方法
CN109116541A (zh) * 2018-09-10 2019-01-01 广州鸿琪光学仪器科技有限公司 显微镜对焦方法、装置、计算机设备和存储介质
CN110428463A (zh) * 2019-06-04 2019-11-08 浙江大学 非球面光学元件离焦模糊定中图像自动提取中心的方法
CN110956624A (zh) * 2019-12-02 2020-04-03 河海大学常州校区 一种针对立体物体的图像清晰度评价方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496897A (zh) * 2022-10-10 2022-12-20 中国核动力研究设计院 基于数字图像处理的去离子水固体杂质检测方法和系统
CN115496897B (zh) * 2022-10-10 2023-10-31 中国核动力研究设计院 基于数字图像处理的去离子水固体杂质检测方法和系统
CN117408892A (zh) * 2023-12-14 2024-01-16 深圳市恒永达科技股份有限公司 一种基于机器视觉的柱塞泵气泡消除方法、系统及介质
CN117408892B (zh) * 2023-12-14 2024-03-22 深圳市恒永达科技股份有限公司 一种基于机器视觉的柱塞泵气泡消除方法、系统及介质

Similar Documents

Publication Publication Date Title
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN103679749B (zh) 一种基于运动目标跟踪的图像处理方法及装置
US8265393B2 (en) Photo-document segmentation method and system
CN109816673A (zh) 一种非极大值抑制、动态阈值计算及图像边缘检测方法
CN109829904B (zh) 检测屏幕上灰尘的方法、装置、电子设备、可读存储介质
CN108377374B (zh) 用于产生与图像相关的深度信息的方法和系统
CN104392416B (zh) 一种运动场景的视频拼接方法
CN108537787B (zh) 一种人脸图像的质量判定方法
CN102236784A (zh) 屏幕区域检测方法及系统
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
JPH1023452A (ja) 画像抽出装置および方法
JP2013089234A (ja) 画像処理装置
CN110163219A (zh) 基于图像边缘识别的目标检测方法
CN112734761B (zh) 工业品图像边界轮廓提取方法
CN103902953B (zh) 一种屏幕检测系统及方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN112285876A (zh) 基于图像处理与气泡检测的相机自动对焦方法
CN114627080B (zh) 基于计算机视觉的车辆冲压配件缺陷检测方法
CN108898148A (zh) 一种数字图像角点检测方法、系统及计算机可读存储介质
CN109948393A (zh) 一种一维条码的定位方法及装置
CN104574312A (zh) 标靶图像求圆心的方法和装置
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
JP2015171143A (ja) カラーコード化された構造によるカメラ較正の方法及び装置、並びにコンピュータ可読記憶媒体
JP2008146278A (ja) 細胞輪郭抽出装置、細胞輪郭抽出方法およびプログラム
CN105740874A (zh) 确定自动化测试脚本回放时的操作坐标的方法及装置

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210129