CN112419230A - 一种基于图像处理的钢筋数量统计方法及装置 - Google Patents

一种基于图像处理的钢筋数量统计方法及装置 Download PDF

Info

Publication number
CN112419230A
CN112419230A CN202011101679.5A CN202011101679A CN112419230A CN 112419230 A CN112419230 A CN 112419230A CN 202011101679 A CN202011101679 A CN 202011101679A CN 112419230 A CN112419230 A CN 112419230A
Authority
CN
China
Prior art keywords
image
counting
steel bars
pixel grids
processing
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
Application number
CN202011101679.5A
Other languages
English (en)
Inventor
林进浔
黄明炜
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.)
Fujian Shuboxun Information Technology Co ltd
Original Assignee
Fujian Shuboxun Information Technology Co ltd
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 Fujian Shuboxun Information Technology Co ltd filed Critical Fujian Shuboxun Information Technology Co ltd
Priority to CN202011101679.5A priority Critical patent/CN112419230A/zh
Publication of CN112419230A publication Critical patent/CN112419230A/zh
Pending legal-status Critical Current

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供的一种基于图像处理的钢筋数量统计方法及装置，通过获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；在对所述处理后的图像进行预处理，得到预处理后的图像；将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量，采用种子区域生长的方式，不仅提高了钢筋数量统计的准确性，而且统计结果更为直观，易于查找错误的原因。

Description

一种基于图像处理的钢筋数量统计方法及装置
技术领域
本发明涉及计算机技术领域，特别涉及一种基于图像处理的钢筋数量统计方法及装置。
背景技术
钢筋数量的统计是钢材生产和销售过程中的重要环节。在钢筋生产企业或者钢筋交易市场，钢筋经过打捆以后，现场的计数工人主要使用不同颜色的彩笔来多次标记以区分已计数和未计数的钢筋，不仅耗时长、劳动强度高、效率低，而且长时间高强度的工作后，人眼和大脑容易疲劳，计数误差将会大大增加，人工计数已经不能适应自动化生产的需求。因此，研究开发钢筋数量统计方法是钢材生产和销售行业中一个十分迫切的问题，对减轻人工工作劳动强度，提高计数的效率和准确性具有重要意义。
而现有的钢筋数量的统计方法，通常是基于面积的钢筋计数方法，通过计算轮廓面积以及轮廓数，得到单个轮廓的平均面积。然后将当前目标轮廓面积与平均值进行比较，如果目标轮廓面积大于平均值，则代表着这里可能有多根钢筋。如果目标轮廓面积小于平均值且大于平均值的几分之几，则代表只有一根钢筋，但是该方法存在着计数结果并不易于在计数的结果图像中直观地显示出来，一旦出现误差，不易找出错误的原因，而且准确度较低。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题，本发明提供一种基于图像处理的钢筋数量统计方法及装置，能够提高钢筋数量统计的准确性，且统计结果更为直观。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
一种基于图像处理的钢筋数量统计方法，包括步骤：
S1、获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；
S2、在对所述处理后的图像进行预处理，得到预处理后的图像；
S3、将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量。
6、一种基于图像处理的钢筋数量统计装置，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程序时实现以下步骤：
S1、获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；
S2、在对所述处理后的图像进行预处理，得到预处理后的图像；
S3、将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量。
(三)有益效果
本发明的有益效果在于：通过获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；在对所述处理后的图像进行预处理，得到预处理后的图像；将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量，采用种子区域生长的方式，不仅提高了钢筋数量统计的准确性，而且统计结果更为直观，易于查找错误的原因。
附图说明
图1为本发明实施例的基于图像处理的钢筋数量统计方法的流程图；
图2为本发明实施例的基于图像处理的钢筋数量统计装置的整体结构示意图。
【附图标记说明】
1：基于图像处理的钢筋数量统计装置；
2：存储器；
3：处理器。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
请参照图1，一种基于图像处理的钢筋数量统计方法，包括步骤：
S1、获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；
步骤S1具体为：
S11、获取待统计钢筋的截面图像；
S12、对所述截面图像进行光栅化，得到若干个像素格；
S13、根据单个钢筋的大小调整每个像素格的大小，得到处理后的图像。
S2、在对所述处理后的图像进行预处理，得到预处理后的图像；
步骤S2具体为：
S21、对所述处理后的图像中钢筋区域的像素格进行标记，得到标记后的图像；
S22、对所述标记后的图像进行二值化处理，得到预处理后的图像。
S3、将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量。
步骤S3具体为：
将所述预处理后的图像中已标记的像素格为种子点，进行种子区域生成处理，并根据预设的规则统计钢筋的数量。
所述的根据预设的规则统计钢筋的数量具体为：
判断种子点周围生长后的像素格是否为黑色，若是，则判断该像素格为钢筋；
遍历所有的像素格，对被标记的像素格和生长后为黑色的像素格进行统计，得到钢筋的数量。
实施例二
本实施例和实施例一的区别在于，本实施例将结合具体的应用场景进一步说明本发明上述基于图像处理的钢筋数量统计方法是如何实现的：
1、采集图像
为了图像中的数据更加有效，便于进行图像的处理，且不受透视效果的影响太大，对图像的采集是有一定要求的。
(1)正对钢筋的截面方向采集图像；
(2)图像的背景复杂度不能太高，即背景不能有其它疑似钢筋的物体；
(3)环境中的光照明暗对比不能过于强烈，避免暗部被识别为钢筋；
(4)尽量让图像中钢筋所占的区域最大，这样识别的精度也会更高。
2、钢筋校准
将采集的待统计钢筋的截面图像进行光栅化为若干像素格，根据单个钢筋的大小手动调整或自动调整每个像素格的大小，得到处理后的图像。
3、标记钢筋区域
对所述处理后的图像中钢筋区域的像素格进行标记，得到标记后的图像；
另外，若截面图像中存在两堆以上分开的钢筋，则需要分开进行标记。
4、图像二值化
对所述标记后的图像进行二值化处理，得到预处理后的图像。
具体地，通过将像素格内的像素点进行加权平均，计算后的结果为像素格的像素值，并进行灰度处理，得到灰度图，取被标记区域内的灰度值的最小最大值为疑似钢筋区域的灰度值范围，将图像中灰度值处于进行上述区间内的像素格填充为黑色，其它部分填充为白色，黑色部分像素格即为疑似钢筋区域。
5、填充完整钢筋区域
将所述预处理后的图像中已标记的像素格为种子点，进行种子区域生成处理，并根据预设的规则统计钢筋的数量。
具体地，根据标记的像素格进行种子生长，直到填充满整个钢筋所在的区域，填充方法为，根据标记的像素点往上下左右像素进行生长，判断生长后的像素点是否为黑色，如果是的话，将该像素标记为钢筋。这样也可以把被二值化为疑似钢筋区域的非钢筋区域部分排除掉，提高了钢筋数量统计的准确性。
6、计算区域格子数量
遍历所有的像素格，对被标记的像素格和生长后为黑色的像素格进行统计，得到钢筋的数量。
另外，还可以根据采集的图像样本，对整体的钢筋数量进行预测；
例如假设钢筋的密度的概率分布为固定常量，即钢筋区域内，当样本数量足够大时，实际为钢筋的格子与总格子数量的比例是固定值。以该固定值概率乘以步骤6中的格子数量，即为钢筋的大致估计数量。
实施例三
请参照图2，一种基于图像处理的钢筋数量统计装置1，包括存储器2、处理器3及存储在存储器2上并可在处理器3上运行的计算机程序，所述处理器3执行所述程序时实现实施例一中的各个步骤。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于图像处理的钢筋数量统计方法，其特征在于，包括步骤：
S1、获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；
S2、在对所述处理后的图像进行预处理，得到预处理后的图像；
S3、将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量。
2.根据权利要求1所述的基于图像处理的钢筋数量统计方法，其特征在于，步骤S1具体为：
S11、获取待统计钢筋的截面图像；
S12、对所述截面图像进行光栅化，得到若干个像素格；
S13、根据单个钢筋的大小调整每个像素格的大小，得到处理后的图像。
3.根据权利要求1所述的基于图像处理的钢筋数量统计方法，其特征在于，步骤S2具体为：
S21、对所述处理后的图像中钢筋区域的像素格进行标记，得到标记后的图像；
S22、对所述标记后的图像进行二值化处理，得到预处理后的图像。
4.根据权利要求3所述的基于图像处理的钢筋数量统计方法，其特征在于，步骤S3具体为：
将所述预处理后的图像中已标记的像素格为种子点，进行种子区域生成处理，并根据预设的规则统计钢筋的数量。
5.根据权利要求4所述的基于图像处理的钢筋数量统计方法，其特征在于，所述的根据预设的规则统计钢筋的数量具体为：
判断种子点周围生长后的像素格是否为黑色，若是，则判断该像素格为钢筋；
遍历所有的像素格，对被标记的像素格和生长后为黑色的像素格进行统计，得到钢筋的数量。
6.一种基于图像处理的钢筋数量统计装置，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，其特征在于，所述处理器执行所述程序时实现以下步骤：
S1、获取待统计钢筋的截面图像，并进行光栅化，得到处理后的图像；
S2、在对所述处理后的图像进行预处理，得到预处理后的图像；
S3、将所述预处理后的图像进行种子区域生长处理，并根据预设的规则统计钢筋的数量。
7.根据权利要求6所述的基于图像处理的钢筋数量统计装置，其特征在于，步骤S1具体为：
S11、获取待统计钢筋的截面图像；
S12、对所述截面图像进行光栅化，得到若干个像素格；
S13、根据单个钢筋的大小调整每个像素格的大小，得到处理后的图像。
8.根据权利要求6所述的基于图像处理的钢筋数量统计装置，其特征在于，步骤S2具体为：
S21、对所述处理后的图像中钢筋区域的像素格进行标记，得到标记后的图像；
S22、对所述标记后的图像进行二值化处理，得到预处理后的图像。
9.根据权利要求8所述的基于图像处理的钢筋数量统计装置，其特征在于，步骤S3具体为：
将所述预处理后的图像中已标记的像素格为种子点，进行种子区域生成处理，并根据预设的规则统计钢筋的数量。
10.根据权利要求9所述的基于图像处理的钢筋数量统计装置，其特征在于，所述的根据预设的规则统计钢筋的数量具体为：
判断种子点周围生长后的像素格是否为黑色，若是，则判断该像素格为钢筋；
遍历所有的像素格，对被标记的像素格和生长后为黑色的像素格进行统计，得到钢筋的数量。
CN202011101679.5A 2020-10-15 2020-10-15 一种基于图像处理的钢筋数量统计方法及装置 Pending CN112419230A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011101679.5A CN112419230A (zh) 2020-10-15 2020-10-15 一种基于图像处理的钢筋数量统计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011101679.5A CN112419230A (zh) 2020-10-15 2020-10-15 一种基于图像处理的钢筋数量统计方法及装置

Publications (1)

Publication Number Publication Date
CN112419230A true CN112419230A (zh) 2021-02-26

Family

ID=74855277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011101679.5A Pending CN112419230A (zh) 2020-10-15 2020-10-15 一种基于图像处理的钢筋数量统计方法及装置

Country Status (1)

Country Link
CN (1) CN112419230A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160182A (zh) * 2021-04-25 2021-07-23 湖南九九智能环保股份有限公司 一种基于图像识别的成堆型材计数系统
CN114494767A (zh) * 2021-12-24 2022-05-13 广州粤建三和软件股份有限公司 一种钢筋数量识别方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010211498A (ja) * 2009-03-10 2010-09-24 Kyodo Printing Co Ltd 画像処理プログラム及び画像処理システム
CN105095957A (zh) * 2014-05-12 2015-11-25 浙江理工大学 一种基于图像分割的蚕茧计数方法
CN105303233A (zh) * 2015-10-15 2016-02-03 陕西科技大学 一种基于计算机视觉的钢筋数量统计方法
CN110706210A (zh) * 2019-09-18 2020-01-17 五邑大学 一种基于深度学习的钢筋计数方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010211498A (ja) * 2009-03-10 2010-09-24 Kyodo Printing Co Ltd 画像処理プログラム及び画像処理システム
CN105095957A (zh) * 2014-05-12 2015-11-25 浙江理工大学 一种基于图像分割的蚕茧计数方法
CN105303233A (zh) * 2015-10-15 2016-02-03 陕西科技大学 一种基于计算机视觉的钢筋数量统计方法
CN110706210A (zh) * 2019-09-18 2020-01-17 五邑大学 一种基于深度学习的钢筋计数方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160182A (zh) * 2021-04-25 2021-07-23 湖南九九智能环保股份有限公司 一种基于图像识别的成堆型材计数系统
CN113160182B (zh) * 2021-04-25 2022-04-08 湖南九九智能环保股份有限公司 一种基于图像识别的成堆型材计数系统
CN114494767A (zh) * 2021-12-24 2022-05-13 广州粤建三和软件股份有限公司 一种钢筋数量识别方法、装置、设备及存储介质
CN114494767B (zh) * 2021-12-24 2023-04-07 广州粤建三和软件股份有限公司 一种钢筋数量识别方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Seethepalli et al. RhizoVision Explorer: Open-source software for root image analysis and measurement standardization
CN112419230A (zh) 一种基于图像处理的钢筋数量统计方法及装置
CN106468543B (zh) 一种基于图像处理的叶片面积测量方法
CN109726698B (zh) 基于遥感数据进行季度灌溉面积识别的方法
CN108921105B (zh) 识别目标数量的方法、装置及计算机可读存储介质
CN109211918B (zh) 一种基于纬纱走向的织物弓纬检测方法
CN106780597B (zh) 基于图像处理对纤维增强复合材料中纤维特征的提取方法
US20220375188A1 (en) Semi-automatic image data labeling method, electronic apparatus, and storage medium
CN105303233A (zh) 一种基于计算机视觉的钢筋数量统计方法
CN114066842A (zh) 穗头数统计方法、系统、装置及存储介质
CN112526097A (zh) 一种基于大数据分析的养殖水体环境智能监测管理系统
CN112258793B (zh) 灾害监测及预警方法、装置、设备及介质
CN116863323B (zh) 一种用于渔业养殖水源污染的视觉检测方法和系统
Rahim et al. Deep learning-based accurate grapevine inflorescence and flower quantification in unstructured vineyard images acquired using a mobile sensing platform
CN114509445A (zh) 一种基于聚类分析的污染物识别预警方法及系统
CN115266732A (zh) 基于机器视觉的碳纤维丝束缺陷检测方法
Hacking et al. Vineyard yield estimation using 2-D proximal sensing: A multitemporal approach
CN114417092B (zh) 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法
Du et al. Crop disease leaf image segmentation based on genetic algorithm and maximum entropy
CN108830834A (zh) 一种爬索机器人视频缺陷信息自动提取方法
CN107527365A (zh) 一种动态计算类圆物体形态学直径的方法及装置
CN114004463A (zh) 一种可视化智慧农业大数据分析管理系统及方法
Hall et al. A method for extracting detailed information from high resolution multispectral images of vineyards
CN112633107A (zh) 一种智慧林业监测方法、装置、设备以及存储介质
CN111582246A (zh) 一种基于高寒草甸草地产草量估算放牧率的方法和系统

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