CN112330667B - 一种基于形态学的激光条纹中心线提取方法 - Google Patents

Abstract

本发明公开了一种基于形态学的激光条纹中心线提取方法，包括步骤1：从多个角度获取光条原始图像，提取图像的原始数据；步骤2：进行图像预处理，去除图像大噪声；步骤3：Sobel水平边缘检测，对图像的水平边缘和竖直边缘边缘提取；步骤4：边缘提取后得到的图像进行联通边缘区域；步骤5：确定ROI区域并骨骼化；步骤6：骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除。本发明的目的在于提供一种提取精度高、适用性强的基于形态学激光条纹中心线提取方法来解决鲁棒性差、提取速度慢、精度低，且适用范围窄等技术问题。

Description

一种基于形态学的激光条纹中心线提取方法

技术领域

本发明涉及工业视觉测量技术领域，特别涉及一种基于形态学的激光条纹中心线提取方法。

背景技术

工业视觉测量技术中，线结构光视觉测量方法由于实现简单、测量速度快、精度高、实时性好、环境适应能力强以及光条图像处理相对简便等特点，被广泛应用于三维测量领域，线结构光视觉测量是目前研究较为热门的三维测量方法。结构光条纹照射在物体表面，通过系统坐标的转换，将物体表面生成图像的二维信息转换成三维信息，获得物体表面的轮廓，而后进行后续操作和尺寸测量等，因此二维的线激光中心的提取是其最重要的组成部分之一。线激光测量仪的精度主要取决于线激光器和CMOS相机之间的相对位置以及物体表面的深度。要想准确的获取这些信息，首先必须从含有光条的图像中获取光条纹中心的准确位置。而快速线激光中心的提取是实现提高线激光3D测量仪检测速度的重要保障。

常用的线结构光条纹中心提取方法有：(1)阈值法：以灰度大于某一阈值的左右两像素作为起始点和结束点的骨架抽取方法，可以得到光条纹的大致骨架，运算速度快但精度较差；(2)灰度重心法：将光条纹的灰度重心作为光条纹中心，该方法适用于光条弯曲程度小的光条纹，可以很好地降低因光条分布不对称而产生的误差，运算速度快且精度较高，但易受环境噪声干扰，鲁棒性较差。

发明内容

为了克服现有技术中的不足，本发明提供一种提取精度高、适用性强的基于形态学激光条纹中心线提取方法，解决鲁棒性差、提取速度慢、精度低，且适用范围窄等技术问题。

为了达到上述发明目的，解决其技术问题所采用的技术方案如下：

一种基于形态学的激光条纹中心线提取方法，包括以下步骤：

步骤1：从多个角度获取光条原始图像，提取图像的原始数据；

步骤2：进行图像预处理，去除图像大噪声；

步骤3：Sobel水平边缘检测，对图像的水平边缘和竖直边缘边缘提取；

步骤4：边缘提取后得到的图像进行联通边缘区域；

步骤5：确定ROI区域并骨骼化；

步骤6：步骤5骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除。

进一步的，步骤1所述提取图像的原始数据，具体包括：

对图像的像素进行HOG提取，得到图像的特征数据。

进一步的，步骤2所述对图像预处理，去除图像大噪声，具体包括：

步骤2.1：对图像进行灰度化；

步骤2.2：用5*5的中值滤波，去除图像的炫光、飞溅等大噪声：

g(x，y)＝median(I(x，y))x，y∈Neighbour (1)。

进一步的，步骤3对步骤2预处理后的光条图像进行边缘特征提取具体包括：

步骤3.1：对图像的水平边缘和竖直边缘边缘提取，因为激光大多都是水平方向的，用Sobel算子进行边缘检测；

步骤3.2：A代表原始图像，用Gx及Gy建立矩阵分别代表经横向及纵向边缘检测的图像灰度值：

进一步的，步骤4对步骤3边缘提取后得到的图像进行联通边缘区域，具体包括：

步骤4.1：对步骤3提取地光条纹进行宽度检测，提取每一行每一列地像素；

步骤4.2：步骤4.1激光地宽度为10左右，采用10*10的矩阵结构元素进行先膨胀后腐蚀地闭运算，填充激光细小空洞的区域。

进一步的，步骤5对步骤3和步骤4处理的图片进行确定ROI区域并骨骼化，具体包括：

步骤5.1：通过8领域联通区域内，面积最大的就是激光所在的区域，由于团状强弧光的边缘所占面积太大，需要对其加入限制条件，使得ROI能够更精确包含激光；

步骤5.2：整幅图寻找，50*50区域内像素和超过阈值就删掉，阈值为50*50区域内3条激光像素强度和，每条激光的宽度为10左右，50*50区域内的像素强度和不会超出弧光的像素强度总和；

步骤5.3：将ROL区域骨骼化显示出毛刺，过程如下：

设p1点的八邻域为：

其中，p1为白点也就是物体，如果以下四个条件同时满足，则删除p1，即令p1＝0；其中迭代过程：

条件1：2<＝N(p1)<＝6，N(x)为x的8邻域中黑点的数目；

条件2：A(p1)＝1,A(x)指的是以p2,p3,...p8,p9为序时，这些点的值从0到1变化的次数；

条件3：p2*p4*p6＝0；

条件4：p4*p6*p8＝0；

如果同时满足以上四个条件则该点可以删除。

进一步的，步骤6可得到步骤5骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除，具体包括：

步骤6.1：大的毛刺可以通过横向梯度将分支可以将分支与主干连接位置断开后去掉，由于去掉后，ROI会中间镂空所以再次填充后并细化；

步骤6.2：通过设定阈值，将小的毛刺就通过移除孤立元素迭代去除，提取到激光中心线。

本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：

本发明基于形态学多种方法结合，将噪声和毛刺逐步去除，能够很准确的找到激光中心线并进行清晰提取，有效提高了中心线提取的精度，具有鲁棒性好、计算速度快、精确度高，适应性高、重复性精度高等特点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，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。附图中：

图1是本发明基于形态学的激光中心线提取流程图；

图2是Sobel边缘检测与闭运算处理效果图；

图3是确定ROL区域；

图4图像骨骼化处理后效果图；

图5大小毛刺去除处理后地效果图；

图6本发明提取到地激光中心线结果图。

具体实施方式

以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明一种基于形态学的激光条纹中心线提取方法。首先对焊接的钢板中心线进行多角度图像采集获取原始的焊缝数据，经过预处理对图像的炫光、飞溅等大噪声去除。然后用Sabel算子初步得到激光线的边缘，通过边缘宽度粗略得到激光宽度，并根据激光宽度设置矩阵结构，通过闭运算填充小空洞区域。最后通过联通边缘化区域和骨骼化处理确定ROL区域，同时找出大小毛刺进行去除，得到了十分准确的激光中心线。

如图1所示，本实施例公开了一种基于形态学的激光条纹中心线提取方法，包括以下步骤：

步骤1：从多个角度获取光条原始图像，提取图像的原始数据；

步骤2：进行图像预处理，去除图像大噪声；

步骤3：Sobel水平边缘检测，对图像的水平边缘(水平特征)和竖直边缘(竖直特征)边缘提取；

步骤4：边缘提取后得到的图像进行联通边缘区域；

步骤5：确定ROI区域并骨骼化；

步骤6：步骤5骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除。

进一步的，步骤1所述提取图像的原始数据，具体包括：

对图像的像素进行HOG提取，得到图像的特征数据。

进一步的，步骤2所述对图像预处理，去除图像大噪声，具体包括：

步骤2.1：对图像进行灰度化；

步骤2.2：用5*5的中值滤波，去除图像的炫光、飞溅等大噪声：

g(x，y)＝median(I(x，y))x，y∈Neighbour (1)。

进一步的，步骤3对步骤2预处理后的光条图像进行边缘特征提取，结合图2，具体包括：

步骤3.1：对图像的水平边缘和竖直边缘边缘提取，因为激光大多都是水平方向的，用Sobel算子进行边缘检测；

步骤3.2：A代表原始图像，用Gx及Gy建立矩阵分别代表经横向及纵向边缘检测的图像灰度值：

进一步的，步骤4对步骤3边缘提取后得到的图像进行联通边缘区域，结合图2，具体包括：

步骤4.1：对步骤3提取地光条纹进行宽度检测，提取每一行每一列地像素；

步骤4.2：步骤4.1激光地宽度为10左右，采用10*10的矩阵结构元素进行先膨胀后腐蚀地闭运算，填充激光细小空洞的区域。

进一步的，步骤5对步骤3和步骤4处理的图片进行确定ROI区域并骨骼化，结合图3和4，具体包括：

步骤5.1：通过8领域联通区域内，面积最大的就是激光所在的区域，由于团状强弧光的边缘所占面积太大，需要对其加入限制条件，使得ROI能够更精确包含激光；

步骤5.2：整幅图寻找，50*50区域内像素和超过阈值就删掉，阈值为50*50区域内3条激光像素强度和，每条激光的宽度为10左右，50*50区域内的像素强度和不会超出弧光的像素强度总和；

步骤5.3：将ROL区域骨骼化显示出毛刺，过程如下：

设p1点的八邻域为：

其中，p1为白点也就是物体，如果以下四个条件同时满足，则删除p1，即令p1＝0；其中迭代过程：

条件1：2<＝N(p1)<＝6，N(x)为x的8邻域中黑点的数目；

条件2：A(p1)＝1,A(x)指的是以p2,p3,...p8,p9为序时，这些点的值从0到1变化的次数；

条件3：p2*p4*p6＝0；

条件4：p4*p6*p8＝0；

如果同时满足以上四个条件则该点可以删除。

进一步的，步骤6可得到步骤5骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除，结合图5和6，具体包括：

步骤6.1：大的毛刺可以通过横向梯度将分支可以将分支与主干连接位置断开后去掉，由于去掉后，ROI会中间镂空所以再次填充后并细化；

步骤6.2：通过设定阈值，将小的毛刺就通过移除孤立元素迭代去除，提取到激光中心线。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种基于形态学的激光条纹中心线提取方法，其特征在于，包括以下步骤：

步骤1：从多个角度获取光条原始图像，提取图像的原始数据；

步骤2：进行图像预处理，去除图像大噪声；

步骤3：Sobel水平边缘检测，对图像的水平边缘和竖直边缘边缘提取；

步骤3对步骤2预处理后的光条图像进行边缘特征提取具体包括：

步骤3.1：对图像的水平边缘和竖直边缘边缘提取，因为激光大多都是水平方向的，用Sobel算子进行边缘检测；

步骤3.2：A代表原始图像，用Gx及Gy建立矩阵分别代表经横向及纵向边缘检测的图像灰度值：

步骤4：边缘提取后得到的图像进行联通边缘区域；

步骤4对步骤3边缘提取后得到的图像进行联通边缘区域，具体包括：

步骤4.1：对步骤3提取地光条纹进行宽度检测，提取每一行每一列地像素；

步骤4.2：步骤4.1激光地宽度为10左右，采用10*10的矩阵结构元素进行先膨胀后腐蚀地闭运算，填充激光细小空洞的区域；

步骤5：确定ROI区域并骨骼化；

步骤5对步骤3和步骤4处理的图片进行确定ROI区域并骨骼化，具体包括：

步骤5.1：通过8领域联通区域内，面积最大的就是激光所在的区域，由于团状强弧光的边缘所占面积太大，需要对其加入限制条件，使得ROI能够更精确包含激光；

步骤5.2：整幅图寻找，50*50区域内像素和超过阈值就删掉，阈值为50*50区域内3条激光像素强度和，每条激光的宽度为10左右，50*50区域内的像素强度和不会超出弧光的像素强度总和；

步骤5.3：将ROL区域骨骼化显示出毛刺，过程如下：

设p1点的八邻域为：

其中，p1为白点也就是物体，如果以下四个条件同时满足，则删除p1，即令p1＝0；其中迭代过程：

条件1：2<＝N(p1)<＝6，N(x)为x的8邻域中黑点的数目；

条件2：A(p1)＝1,A(x)指的是以p2,p3,...p8,p9为序时，这些点的值从0到1变化的次数；

条件3：p2*p4*p6＝0；

条件4：p4*p6*p8＝0；

如果同时满足以上四个条件则该点可以删除；

步骤6：步骤5骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除。

2.根据权利要求1所述的一种基于形态学的激光条纹中心线提取方法，其特征在于，步骤1所述提取图像的原始数据，具体包括：

对图像的像素进行HOG提取，得到图像的特征数据。

3.根据权利要求1所述的一种基于形态学的激光条纹中心线提取方法，其特征在于，步骤2所述对图像预处理，去除图像大噪声，具体包括：

步骤2.1：对图像进行灰度化；

步骤2.2：用5*5的中值滤波，去除图像的炫光、飞溅等大噪声：

g(x,y)＝median(I(x,y)) x,y∈Neighbour (1)。

4.根据权利要求1所述的一种基于形态学的激光条纹中心线提取方法，其特征在于，步骤6可得到步骤5骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除，具体包括：

步骤6.1：大的毛刺可以通过横向梯度将分支与主干连接位置断开后去掉，由于去掉后，ROI会中间镂空所以再次填充后并细化；

步骤6.2：通过设定阈值，将小的毛刺就通过移除孤立元素迭代去除，提取到激光中心线。