CN112837285B - 一种板面图像的边缘检测方法及装置 - Google Patents

一种板面图像的边缘检测方法及装置 Download PDF

Info

Publication number
CN112837285B
CN112837285B CN202110124134.4A CN202110124134A CN112837285B CN 112837285 B CN112837285 B CN 112837285B CN 202110124134 A CN202110124134 A CN 202110124134A CN 112837285 B CN112837285 B CN 112837285B
Authority
CN
China
Prior art keywords
vertex
edge
image
board
area
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
CN202110124134.4A
Other languages
English (en)
Other versions
CN112837285A (zh
Inventor
周玉成
赵子宇
王永正
罗瑞
陈龙现
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.)
Jiangsu Borui Senying Intelligent Technology Co ltd
Shandong Jianzhu University
Original Assignee
Jiangsu Borui Senying Intelligent Technology Co ltd
Shandong Jianzhu University
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 Jiangsu Borui Senying Intelligent Technology Co ltd, Shandong Jianzhu University filed Critical Jiangsu Borui Senying Intelligent Technology Co ltd
Priority to CN202110124134.4A priority Critical patent/CN112837285B/zh
Publication of CN112837285A publication Critical patent/CN112837285A/zh
Application granted granted Critical
Publication of CN112837285B publication Critical patent/CN112837285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding

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)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明属于工业检测技术领域,公开了一种板面图像的边缘检测方法及装置,所述板面图像的边缘检测方法包括:获取板面区域图像,从所述板面区域图像中截取边缘检测区;根据所述边缘检测区进行计算,确定板面边缘的顶点坐标;根据所述板面边缘的顶点坐标确定板面的边缘。本发明通过在小范围的边缘检测区中检测板面边缘的顶点坐标,再根据板面边缘的顶点坐标确定板面的边缘,无需对整个板面区域图像中的像素点分别进行计算判定,减少了计算量,同时避免了板面区域图像中光照不均或板面存在缺陷导致的板面边缘处图像的梯度小,检测结果容易出现误判的情况,使得到的板面边缘更加准确。

Description

一种板面图像的边缘检测方法及装置
技术领域
本发明属于工业检测技术领域,具体地说,涉及一种板面图像的边缘检测方法及装置。
背景技术
边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个重要研究领域,边缘检测一般是通过标识数字图像中亮度变化明显的点来实现的。现有技术中的边缘检测方法大致可分为两类。第一类是通过寻找图像一阶导数中的最大和最小值来检测边界,通常是将边界定位在梯度最大的方向。第二类是通过寻找图像二阶导数零穿越来寻找边界,通常是Laplacian过零点或者非线性差分表示的过零点。然而,大多数图像中的边缘并不总是理想的阶梯边缘,进而导致现有的边缘检测方法所检测到的边缘结果准确性大打折扣。
目前大多刨花板生产企业都是依靠工人在连续生产线上用肉眼检测,判断生产出的刨花板板面是否存在缺陷,效率低下,漏检率和误检率高,目前还没有自动化的检测系统投入生产应用。机器视觉技术是工业无损检测技术的主流,使用机器视觉技术进行板面缺陷检测具有检测速度快、精度高、运行稳定等优点。
将机器视觉技术应用于板面缺陷检测的前提是对采集到的图像中的板面区域进行准确定位。然而在板材的边缘检测过程中,由于受到灯光照明、传送带边界等因素的影响,所采集到的图像中,板面的边缘处梯度小,不易识别,现有的边缘检测方法不能准确检测出板材图像中板面的边缘。板面边缘检测若出现错误,将直接影响对图像中板面区域的准确定位,造成所圈定的板面区域包含背景部分,或者部分板面缺失的情况,进而在后续检测板面缺陷时会出现漏检或误检的现象。因此,需要设计一种边缘检测方法,能针对边缘处梯度较小的板面图像进行检测,达到准确检测边缘的目的。
有鉴于此,特提出本发明。
发明内容
本发明要解决的技术问题在于克服现有技术的不足,提供一种板面图像的边缘检测方法及装置,所述板面图像的边缘检测方法通过在小范围的边缘检测区中检测板面边缘的顶点坐标,减少了计算量,同时避免了外界原因造成的板面图像中边缘处梯度小而引起的误判,使得到的板面边缘更加准确。
为解决上述技术问题,本发明采用技术方案的基本构思是:
一种板面图像的边缘检测方法,包括:
获取板面区域图像,从所述板面区域图像中截取边缘检测区;
根据所述边缘检测区进行计算,确定板面边缘的顶点坐标;
根据所述板面边缘的顶点坐标确定板面的边缘。
进一步地,所述边缘检测区为从所述板面区域图像的顶点(X,Y)处向板面区域图像内部截取的边长为a像素的正方形区域;
其中,板面区域图像的大小为m像素×n像素,所述a的设定满足:0.03≤a/m≤0.06,0.06≤a/n≤0.14;
根据边缘检测区确定板面边缘的顶点坐标的方法包括:
采用Canny算法计算所述边缘检测区中的所有边缘像素点;
采用霍夫变换对所得的边缘像素点进行直线检测,其中将直线的角度限制为0°和90°,任一直线中至少包括10个边缘像素点,得到多条水平的x向边缘直线和多条竖直的y向边缘直线;
在所得的多条x向边缘直线和多条y向边缘直线中,取距离所述顶点(X,Y)最远的一条x向边缘直线和一条y向边缘直线,计算两者的交点(x,y)作为板面边缘的顶点坐标。
进一步地,在采用Canny算法计算边缘像素点时,高阈值与低阈值的获取方法包括:
从所述边缘检测区中与所述顶点(X,Y)呈对角的顶点处,向边缘检测区内部截取边长为b的正方形区域作为灰度均值采样区,其中,0.2≤b/a≤0.8;
计算所述灰度均值采样区中所有像素点的灰度均值mean;
确定所述高阈值的取值为mean,所述低阈值的取值为mean/α,其中,2≤α≤3,优选α=2.5。
进一步地,从所述板面区域图像中至少截取两个边缘检测区,并计算得到所截取的边缘检测区中板面边缘的顶点坐标;
根据得到的板面边缘的顶点坐标计算剩余的板面边缘的顶点坐标,连接板面边缘的顶点坐标,得到板面的边缘;
优选地,还包括根据得到的板面的边缘从所述板面区域图像中进行截取,得到板材表面图像。
进一步地,从所述板面区域图像的顶点(X1,Y1)处截取第一边缘检测区,计算得到板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像中与顶点(X1,Y1)成对角的顶点(X2,Y2)处截取第二边缘检测区,计算得到板面边缘的第二顶点坐标(x2,y2);
根据第一顶点坐标(x1,y1)和第二顶点坐标(x2,y2)计算板面边缘的第三顶点坐标和第四顶点坐标,其中第三顶点坐标为(x2,y1),第四顶点坐标为(x1,y2);
将第一顶点(x1,y1)与第三顶点(x2,y1),第一顶点(x1,y1)与第四顶点(x1,y2),第二顶点(x2,y2)与第三顶点(x2,y1),以及第二顶点(x2,y2)与第四顶点(x1,y2)分别连接,得到板面的边缘。
进一步地,从所述板面区域图像的顶点(X1,Y1)处截取第一边缘检测区,计算得到板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像中与顶点(X1,Y1)水平相邻的顶点(X2,Y1)处截取第三边缘检测区,检测其中的多条y向边缘直线,取其中距离顶点(X2,Y1)最远的一条y向边缘直线x=x2′,确定板面边缘的第三顶点坐标为(x2′,y1);
从所述板面区域图像中与顶点(X1,Y1)竖直相邻的顶点(X1,Y2)处截取第四边缘检测区,检测其中的多条x向边缘直线,取其中距离顶点(X1,Y2)最远的一条x向边缘直线y=y2′,确定板面边缘的第四顶点坐标为(x1,y2′);
根据第三顶点坐标(x2′,y1)和第四顶点坐标(x1,y2′)计算板面边缘的第二顶点坐标,其中第二顶点坐标为(x2′,y2′);
将第一顶点(x1,y1)与第三顶点(x2′,y1),第一顶点(x1,y1)与第四顶点(x1,y2′),第二顶点(x2′,y2′)与第三顶点(x2′,y1),以及第二顶点(x2′,y2′)与第四顶点(x1,y2′)分别连接,得到板面的边缘。
进一步地,从所述板面区域图像的顶点(X1,Y1)处截取第一边缘检测区,计算得到板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像中与顶点(X1,Y1)成对角的顶点(X2,Y2)处截取第二边缘检测区,计算得到板面边缘的第二顶点坐标(x2″,y2″);
从所述板面区域图像中与顶点(X1,Y1)水平相邻的顶点(X2,Y1)处截取第三边缘检测区,计算得到板面边缘的第三顶点坐标(x3,y3);
从所述板面区域图像中与顶点(X1,Y1)竖直相邻的顶点(X1,Y2)处截取第四边缘检测区,计算得到板面边缘的第四顶点坐标(x4,y4);
对板面边缘的四个顶点坐标进行修正,其中:
比较第一顶点与第三顶点距离直线y=Y1的距离,将距离更远的顶点的纵坐标作为第一顶点与第三顶点修正后的纵坐标;
比较第二顶点与第四顶点距离直线y=Y2的距离,将距离更远的顶点的纵坐标作为第二顶点与第四顶点修正后的纵坐标;
比较第一顶点与第四顶点距离直线x=X1的距离,将距离更远的顶点的横坐标作为第一顶点与第四顶点修正后的横坐标;
比较第二顶点与第三顶点距离直线x=X2的距离,将距离更远的顶点的横坐标作为第二顶点与第三顶点修正后的横坐标;
将修正后的第一顶点与第三顶点,第一顶点与第四顶点,第二顶点与第三顶点,以及第二顶点与第四顶点分别连接,得到板面的边缘。
进一步地,还包括采集板材图像,从所述板材图像中截取所述板面区域图像;
其中,采集到的板材图像大小为p像素×q像素,截取出的板面区域图像的大小为m像素×n像素,板面在板材图像中的大小为c像素×d像素;
所述m和n的设定满足:p>m>c,q>n>d,优选满足:0.4<m/p<0.9,0.2<n/q<0.7,0.8<c/m<1.0,0.7<d/n<1.0,更优满足:m/p=0.678,n/q=0.44,c/m=0.922,d/n=0.90;
板面区域图像的一个顶点与最接近的板材图像的边缘之间水平距离为s像素,竖直距离为t像素,所述s和t的设定满足:0.1<s/p<0.5,0.1<t/q<0.6,优选满足:s/p=0.2,t/q=0.25。
本发明的另一目的是提供一种板面图像的边缘检测装置,用于实现上述所述的板面图像的边缘检测方法,包括:
图像处理模块,用于从板面区域图像中截取边缘检测区;
计算模块,与所述图像处理模块连接,用于根据边缘检测区进行计算,确定板面边缘的顶点坐标,还用于根据板面边缘的顶点坐标确定板面的边缘;
输出模块,与所述计算模块连接,用于输出板面的边缘。
进一步地,还包括采集模块,所述采集模块与图像处理模块连接,用于采集板材图像并输送至图像处理模块;
所述图像处理模块还用于从所述板材图像中截取板面区域图像;
优选地,所述输出模块包括显示装置,所述显示装置与图像处理模块连接;
所述图像处理模块还用于根据得到的板面的边缘从板面区域图像中截取板材表面图像;
所述显示装置用于显示所述板材表面图像。
采用上述技术方案后,本发明与现有技术相比具有以下有益效果。
本发明的板面图像的边缘检测方法,通过在小范围的边缘检测区中检测板面边缘的顶点坐标,再根据板面边缘的顶点坐标确定板面的边缘,无需对整个板面区域图像中的像素点分别进行计算判定,减少了计算量,同时避免了板面区域图像中光照不均或板面存在缺陷导致的板面边缘处图像的梯度小,检测结果容易出现误判的情况,使得到的板面边缘更加准确。
本发明的板面图像的边缘检测方法,采用Canny算法结合霍夫变换的方式在边缘检测区中进行检测,克服了单纯的Canny算法在图像的梯度较小时所得检测结果误差较大的问题。通过检测得到距离相应的顶点(X,Y)最远的x向边缘直线和y向边缘直线,取两者的交点确定为该边缘检测区中板面边缘的顶点,确保了所检测到的顶点落入板面区域图像中板面所在的区域,避免了最终得到的板面的边缘所圈定的范围内包含背景部分,对后续进一步分析板面的质量造成影响。
本发明的板面图像的边缘检测方法,根据边缘检测区中多个像素点的灰度值计算确定Canny算法中所采用的高阈值与低阈值,对于不同的边缘检测区,检测时所采用的高、低阈值不同,可以与该边缘检测区的实际情况相适应。相较于设置固定的高、低阈值的方式,避免了图像亮度、背景环境等条件不同所带来的影响,得到的检测结果更加准确。
本发明的板面图像的边缘检测方法,先检测出板面边缘中位于对角位置的两个顶点坐标,然后根据所得到的两个顶点坐标直接得出另外两个顶点坐标,而不再通过截取边缘检测区进行检测,或者在得到一个顶点坐标后,在检测与之相邻的顶点坐标时,仅检测该顶点的横坐标或纵坐标,减少了检测过程的计算量,加快了检测速度。
本发明的板面图像的边缘检测方法,在分别检测得到四个顶点坐标后,将相邻的两个顶点坐标进行比较,对其坐标进行修正,以保留距离原始板面区域图像的边缘更远的横纵坐标,最大程度上避免了最终得到的板面的边缘所圈定的范围内包含背景部分的情况。
本发明的板面图像的边缘检测装置,能够根据板面区域图像快速准确的检测出板面的边缘,按照检测结果从板面区域图像中截取处板材表面图像,通过显示装置进行显示,方便用户直观获取检测结果。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本发明的一部分,用来提供对本发明的进一步的理解,本发明的示意性实施例及其说明用于解释本发明,但不构成对本发明的不当限定。显然,下面描述中的附图仅仅是一些实施例,对于本领域普通技术人员来说,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附图。在附图中:
图1是本发明实施例一中板面图像的边缘检测方法流程图;
图2是本发明实施例一中采集到的板材图像;
图3是本发明实施例一中从板材图像中截取板面区域图像的示意图;
图4是本发明实施例一中从边缘检测区中确定板面边缘顶点坐标的流程图;
图5是本发明实施例一中在板面区域图像的左上角截取边缘检测区的示意图;
图6是本发明实施例一中在板面区域图像上截取两个边缘检测区的示意图;
图7是本发明实施例一中根据检测结果截取的板材表面图像;
图8是本发明实施例二中板面图像的边缘检测方法流程图;
图9是本发明实施例二中在板面区域图像上截取三个边缘检测区的示意图;
图10是本发明实施例三中板面图像的边缘检测方法流程图;
图11是本发明实施例三中在板面区域图像上截取四个边缘检测区的示意图;
图12是本发明实施例四中板面图像的边缘检测装置的结构框图。
图中:1、第一边缘检测区;2、第二边缘检测区;3、第三边缘检测区;4、第四边缘检测区。
需要说明的是,这些附图和文字描述并不旨在以任何方式限制本发明的构思范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对实施例中的技术方案进行清楚、完整地描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
在本发明的描述中,需要说明的是,术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例一
如图1所示,本实施例提供一种板面图像的边缘检测方法,包括:
获取板面区域图像,从所述板面区域图像中截取边缘检测区;
根据所述边缘检测区进行计算,确定板面边缘的顶点坐标;
根据所述板面边缘的顶点坐标确定板面的边缘。
在上述方案中,通过在小范围的边缘检测区中检测板面边缘的顶点坐标,再根据板面边缘的顶点坐标确定板面的边缘,无需对整个板面区域图像中的像素点分别进行计算判定,减少了计算量。
另一方面,由于可能出现的光照不均现象或板面存在缺陷,会导致板面区域图像中板面边缘处图像的梯度小,难以识别,对板面区域图像整体进行检测时,检测结果容易出现误判。而截取小范围的边缘检测区并在其中进行检测,板面边缘处图像的梯度在边缘检测区内相较于在整体图像中更加明显,进而使得到的板面边缘更加准确。
进一步地,还包括采集板材图像,从所述板材图像中截取所述板面区域图像;
其中,采集到的板材图像大小为p像素×q像素,截取出的板面区域图像的大小为m像素×n像素,板面在板材图像中的大小为c像素×d像素;
所述m和n的设定满足:p>m>c,q>n>d,优选满足:0.4<m/p<0.9,0.2<n/q<0.7,0.8<c/m<1.0,0.7<d/n<1.0;
板面区域图像的一个顶点与最接近的板材图像的边缘之间水平距离为s像素,竖直距离为t像素,所述s和t的设定满足:0.1<s/p<0.5,0.1<t/q<0.6。
在上述方案中,利用工业CCD相机在人造板的连续生产线上进行板材图像的采集,不同相机的像素大小不同,所得板材图像的尺寸也不相同。通常情况下,板材图像的长与宽分别为640≤p≤5472,480≤q≤3648。
而对于不同尺寸的人造板,板面在板材图像中的大小也不相同,需要截取的板面区域图像的大小也不相同。一般情况下,人造板在生产线的传送带上位置变化为前后不超过100像素,左右不超过80像素。为确保截取到的板面区域图像可以覆盖全部板面,不出现板面信息缺失的情况,板面区域图像的面积需大于板面的面积。通常板面在板材图像中的长与宽分别为400≤c≤3420,188≤d≤1425,截取的板面区域图像的长与宽分别为434≤m≤3709,208≤n≤1586。截取板面区域图像时,s和t的取值分别为131≤s≤1117,120≤t≤912。
本实施例的优选方案中,上述尺寸满足:m/p=0.678,n/q=0.44,c/m=0.922,d/n=0.90,s/p=0.2,t/q=0.25。在采用上述比值进行板面区域图像的截取时,板面区域图像可覆盖全部板面部分,一般不会出现板面信息的缺失。同时,所得板面区域图像中不属板面的背景部分保留较少,减少了后续处理过程中不必要的计算量。
如图2所示,本实施例中,利用工业CCD相机在人造板的连续生产线上进行板材图像的采集,采集到的板材图像的尺寸为2560像素×2048像素,人造板的板面所占的面积为1600像素×800像素。
如图3所示,本实施例中,根据人造板在板材图像中的位置,以板材图像的左上角顶点为坐标原点,水平向右为x轴正方向,竖直向下为y轴正方向,以坐标(525,510)为左上角顶点截取1735像素×888像素的长方形区域,也即图中矩形框所圈定的区域,得到板面区域图像。
本实施例的进一步方案中,所述边缘检测区为从所述板面区域图像的顶点(X,Y)处向板面区域图像内部截取的边长为a像素的正方形区域;
其中,板面区域图像的大小为m像素×n像素,所述a的设定满足:0.03≤a/m≤0.06,0.06≤a/n≤0.14。
在上述方案中,边缘检测区的边长a的取值范围很大程度上减少了边缘检测的计算量,加快了检测效率,从而可以实现在高速运行的生产线上进行板材在线检测的目的。同时,上述取值范围下截取到的边缘检测区确保了板面边缘的顶点落入边缘检测区内,检测结果的准确性高。
如图4所示,根据边缘检测区确定板面边缘的顶点坐标的方法包括:
采用Canny算法计算所述边缘检测区中的所有边缘像素点;
采用霍夫变换对所得的边缘像素点进行直线检测,其中将直线的角度限制为0°和90°,任一直线中至少包括10个边缘像素点,得到多条水平的x向边缘直线和多条竖直的y向边缘直线;
在所得的多条x向边缘直线和多条y向边缘直线中,取距离所述顶点(X,Y)最远的一条x向边缘直线和一条y向边缘直线,计算两者的交点(x,y)作为板面边缘的顶点坐标。
在上述方案中,采用Canny算法结合霍夫变换的方式在边缘检测区中进行检测,克服了单纯的Canny算法在图像的梯度较小时所得检测结果误差较大的问题。通过霍夫变换检测出多条水平与竖直方向的边缘直线,选取其中距离相应的顶点(X,Y)最远的水平边缘直线和竖直边缘直线,取两者的交点确定为该边缘检测区中板面边缘的顶点,确保了所检测到的顶点落入板面区域图像中板面所在的区域,避免了最终得到的板面的边缘所圈定的范围内包含背景部分,对后续进一步分析板面的质量造成影响。
进一步地,在采用Canny算法计算边缘像素点时,高阈值与低阈值的获取方法包括:
从所述边缘检测区中与所述顶点(X,Y)呈对角的顶点处,向边缘检测区内部截取边长为b的正方形区域作为灰度均值采样区,其中,0.2≤b/a≤0.8;
计算所述灰度均值采样区中所有像素点的灰度均值mean;
确定所述高阈值的取值为mean,所述低阈值的取值为mean/α,其中,2≤α≤3。
优选地,α的取值为2.5,也即低阈值的取值为mean/2.5。
其中,灰度均值采样区中每个像素点的灰度值为val(i),计算灰度均值mean的公式如下:
Figure BDA0002923324330000091
在上述方案中,在应用Canny算法时,根据边缘检测区中多个像素点的灰度值进行计算以确定所采用的高阈值与低阈值,对于不同的边缘检测区,检测时所采用的高、低阈值的取值不同,可以与该边缘检测区的实际情况相适应。相较于设置固定的高、低阈值的方式,避免了图像亮度、背景环境等条件不同所带来的影响,得到的检测结果更加准确。所述a与b的比值范围满足灰度均值采样区内的像素点全部落入板面所在范围,进而所得高、低阈值应用于Canny算法时,所得检测结果更加准确。
如图5所示,以板材区域图像的左上角为例进行说明。本实施例中,从板材区域图像的左上角顶点向左下方向截取面积为50像素×50像素的正方形区域,得到边缘检测区。再从边缘检测区的右下角向左上方向截取面积为20像素×20像素的正方形区域,即图4中阴影所示区域,得到灰度均值采样区。
计算所述灰度均值采样区中所有像素点的灰度均值mean,进而确定Canny算法的高阈值为mean,低阈值为mean/2.5。然后采用Canny算法计算所得边缘检测区中的所有边缘像素点,再采用霍夫变换对所得的边缘像素点进行直线检测,选取所检测到的边缘直线中距离板面区域图像左上角顶点最远的水平边缘直线和竖直边缘直线,取两者的交点确定为板面边缘的左上角顶点。
本实施例的进一步方案中,从所述板面区域图像中至少截取两个边缘检测区,并计算得到所截取的边缘检测区中板面边缘的顶点坐标;
根据得到的板面边缘的顶点坐标计算剩余的板面边缘的顶点坐标,连接板面边缘的顶点坐标,得到板面的边缘;
优选地,还包括根据得到的板面的边缘从所述板面区域图像中进行截取,得到板材表面图像。
具体地,如图1和图6所示,本实施例中,从板面区域图像的左上角顶点(X1,Y1)处截取第一边缘检测区1,在第一边缘检测区1中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第一边缘检测区1内板面边缘的第一顶点坐标(x1,y1);
从板面区域图像中右下角顶点(X2,Y2)处截取第二边缘检测区2,在第二边缘检测区2中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第二边缘检测区2内板面边缘的第二顶点坐标(x2,y2);
根据第一顶点坐标(x1,y1)和第二顶点坐标(x2,y2)计算板面边缘的第三顶点坐标和第四顶点坐标,其中第三顶点坐标为(x2,y1),第四顶点坐标为(x1,y2);
将第一顶点(x1,y1)与第三顶点(x2,y1),第一顶点(x1,y1)与第四顶点(x1,y2),第二顶点(x2,y2)与第三顶点(x2,y1),以及第二顶点(x2,y2)与第四顶点(x1,y2)分别连接,得到板面的边缘。
在上述方案中,先检测出板面边缘中位于对角位置的两个顶点坐标,由于板面边缘为矩形,可以根据检测得到的两个顶点坐标直接得出另外两个顶点坐标,而不再通过截取另外两个边缘检测区进行检测。如此减少了检测过程中的计算量,加快了检测速度,实现了在高速运行的生产线上进行在线检测的目的。
本实施例中,根据检测得到的板面的边缘从板面区域图像中进行截取,得到如图7所示的板材表面图像。可以看出,截取得到的板材表面图像中已截去板面区域图像中的背景部分,得到的板材表面图像中仅包含板材的板面部分,说明采用本实施例的方案得到了准确的板面边缘检测结果。
实施例二
本实施例与上述实施例一的区别在于:从所述板面区域图像中共截取三个边缘检测区,并计算其中的板面边缘的顶点坐标。
具体地,如图8和图9所示,本实施例中从板面区域图像的左上角顶点(X1,Y1)处截取第一边缘检测区1,在第一边缘检测区1中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第一边缘检测区1内板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像的右上角顶点(X2,Y1)处截取第三边缘检测区3,在第三边缘检测区3中截取灰度均值采样区,进而应用Canny算法与霍夫变换,在霍夫变换中仅检测其中的多条竖直边缘直线,取其中距离顶点(X2,Y1)最远的一条竖直边缘直线x=x2′,确定第三边缘检测区3内板面边缘的第三顶点坐标为(x2′,y1);
从所述板面区域图像的左下角顶点(X1,Y2)处截取第四边缘检测区4,在第四边缘检测区4中截取灰度均值采样区,进而应用Canny算法与霍夫变换,在霍夫变换中仅检测其中的多条水平边缘直线,取其中距离顶点(X1,Y2)最远的一条水平边缘直线y=y2′,确定第四边缘检测区4内板面边缘的第四顶点坐标为(x1,y2′);
根据第三顶点坐标(x2′,y1)和第四顶点坐标(x1,y2′)计算板面边缘的第二顶点坐标,其中第二顶点坐标为(x2′,y2′);
将第一顶点(x1,y1)与第三顶点(x2′,y1),第一顶点(x1,y1)与第四顶点(x1,y2′),第二顶点(x2′,y2′)与第三顶点(x2′,y1),以及第二顶点(x2′,y2′)与第四顶点(x1,y2′)分别连接,得到板面的边缘。
本实施例中,先检测出板面边缘中的第一顶点坐标,由于板面边缘为矩形,在检测与之相邻的第三顶点坐标或第四顶点坐标时,可以将第一顶点的纵坐标取值赋值于第三顶点的纵坐标,将第一顶点的横坐标取值赋值于第四顶点的横坐标,在第三边缘检测区3和第四边缘检测区4中进行计算时仅检测第三顶点的横坐标和第四顶点的纵坐标,进而直接得到第二顶点的坐标。本实施例的方案与实施例一类似,同样减少了检测过程中的计算量,具有加快检测速度的效果。
实施例三
本实施例与上述实施例一的区别在于:从所述板面区域图像的四个顶点处均进行截取,共得到四个边缘检测区并计算其中的板面边缘的顶点坐标。
具体地,如图10和图11所示,本实施例中从板面区域图像的左上角顶点(X1,Y1)处截取第一边缘检测区1,在第一边缘检测区1中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第一边缘检测区1内板面边缘的第一顶点坐标(x1,y1);
从板面区域图像的右下角顶点(X2,Y2)处截取第二边缘检测区2,在第二边缘检测区2中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第二边缘检测区2内板面边缘的第二顶点坐标(x2″,y2″);
从板面区域图像的右上角顶点(X2,Y1)处截取第三边缘检测区3,在第三边缘检测区3中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第三边缘检测区3内板面边缘的第三顶点坐标(x3,y3);
从板面区域图像的左下角顶点(X1,Y2)处截取第四边缘检测区4,在第四边缘检测区4中截取灰度均值采样区,进而应用Canny算法与霍夫变换,最终得到第四边缘检测区4内板面边缘的第四顶点坐标(x4,y4)。
然后对板面边缘的四个顶点坐标进行修正,其中:
比较第一顶点与第三顶点距离直线y=Y1的距离,将距离更远的顶点的纵坐标作为第一顶点与第三顶点修正后的纵坐标;
比较第二顶点与第四顶点距离直线y=Y2的距离,将距离更远的顶点的纵坐标作为第二顶点与第四顶点修正后的纵坐标;
比较第一顶点与第四顶点距离直线x=X1的距离,将距离更远的顶点的横坐标作为第一顶点与第四顶点修正后的横坐标;
比较第二顶点与第三顶点距离直线x=X2的距离,将距离更远的顶点的横坐标作为第二顶点与第三顶点修正后的横坐标;
将修正后的第一顶点与第三顶点,第一顶点与第四顶点,第二顶点与第三顶点,以及第二顶点与第四顶点分别连接,得到板面的边缘。
本实施例中,从板面区域图像中截取四个边缘检测区,并分别检测得到板面边缘的四个顶点坐标后,将相邻的两个顶点坐标进行比较,对其坐标进行修正,修正过程中保留距离原始板面区域图像的边缘更远的横、纵坐标。如此得到的板面的边缘距离原始的板面区域图像的边缘距离更大,能够尽可能多的截去板面区域图像中的背景部分,最大程度上避免了最终截取得到的板材表面图像中包含背景信息的情况。
实施例四
如图12所示,本实施例提供一种板面图像的边缘检测装置,用于实现上述实施例一至三中任一所述的板面图像的边缘检测方法。所述板面图像的边缘检测装置包括:
图像处理模块,用于从板面区域图像中截取边缘检测区;
计算模块,与所述图像处理模块连接,用于根据边缘检测区进行计算,确定板面边缘的顶点坐标,还用于根据板面边缘的顶点坐标确定板面的边缘;
输出模块,与所述计算模块连接,用于输出板面的边缘。
具体地,图像处理模块从板面区域图像的顶点(X,Y)处向板面区域图像内部截取的边长为a像素的正方形区域作为边缘检测区。
计算模块采用Canny算法计算所述边缘检测区中的所有边缘像素点,再采用霍夫变换对所得的边缘像素点进行直线检测,得到多条水平的x向边缘直线和多条竖直的y向边缘直线,取其中距离顶点(X,Y)最远的一条x向边缘直线和一条y向边缘直线,计算两者的交点(x,y)作为板面边缘的顶点坐标。
优选地,计算模块还用于从边缘检测区中与顶点(X,Y)呈对角的顶点处,向边缘检测区内部截取边长为b的正方形区域作为灰度均值采样区,计算灰度均值采样区中所有像素点的灰度均值mean,进而确定Canny算法中高、低阈值的取值。其中,高阈值的取值为mean,所述低阈值的取值为mean/α,其中,2≤α≤3,优选α=2.5。
本实施例的进一步方案中,所述板面图像的边缘检测装置还包括采集模块,所述采集模块与图像处理模块连接,用于采集板材图像并输送至图像处理模块。
所述图像处理模块还用于从所述板材图像中截取板面区域图像。
优选地,所述输出模块包括显示装置,所述显示装置与图像处理模块连接。
所述图像处理模块还用于根据得到的板面的边缘从板面区域图像中截取板材表面图像。
所述显示装置用于显示所述板材表面图像。
本实施例中,板面图像的边缘检测装置能够从板面区域图像中截取边缘检测区,在边缘检测区中进行计算以得到板面边缘的顶点坐标,一方面减少了检测过程的计算量,加快了检测速度,另一方面边缘处图像的梯度在小范围的边缘检测区中更加明显,可以得到更加准确的板面边缘检测结果,有利于后续对板面质量的检测。所述的板面图像的边缘检测装置还包括显示装置,在计算模块得出板面的边缘后,显示装置可对根据板面的边缘截取得到的板材表面图像进行显示,方便工作人员直观地了解边缘检测结果。
以上所述仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专利的技术人员在不脱离本发明技术方案范围内,当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明方案的范围内。

Claims (11)

1.一种板面图像的边缘检测方法,其特征在于,包括:
获取板面区域图像,从所述板面区域图像中截取边缘检测区;
根据所述边缘检测区进行计算,确定板面边缘的顶点坐标;
根据所述板面边缘的顶点坐标确定板面的边缘;
所述边缘检测区为从所述板面区域图像的顶点(X,Y)处向板面区域图像内部截取的边长为a像素的正方形区域;
其中,板面区域图像的大小为m像素×n像素,所述a的设定满足:0.03≤a/m≤0.06,0.06≤a/n≤0.14;
根据边缘检测区确定板面边缘的顶点坐标的方法包括:
采用Canny算法计算所述边缘检测区中的所有边缘像素点;
采用霍夫变换对所得的边缘像素点进行直线检测,其中将直线的角度限制为0°和90°,任一直线中至少包括10个边缘像素点,得到多条水平的x向边缘直线和多条竖直的y向边缘直线;
在所得的多条x向边缘直线和多条y向边缘直线中,取距离所述顶点(X,Y)最远的一条x向边缘直线和一条y向边缘直线,计算两者的交点(x,y)作为板面边缘的顶点坐标;
在采用Canny算法计算边缘像素点时,高阈值与低阈值的获取方法包括:
从所述边缘检测区中与所述顶点(X,Y)呈对角的顶点处,向边缘检测区内部截取边长为b的正方形区域作为灰度均值采样区,其中,0.2≤b/a≤0.8;
计算所述灰度均值采样区中所有像素点的灰度均值mean;
确定所述高阈值的取值为mean,所述低阈值的取值为mean/α,其中,2≤α≤3。
2.根据权利要求1所述的板面图像的边缘检测方法,其特征在于,从所述板面区域图像中至少截取两个边缘检测区,并计算得到所截取的边缘检测区中板面边缘的顶点坐标;
根据得到的板面边缘的顶点坐标计算剩余的板面边缘的顶点坐标,连接板面边缘的顶点坐标,得到板面的边缘。
3.根据权利要求2所述的板面图像的边缘检测方法,其特征在于,还包括根据得到的板面的边缘从所述板面区域图像中进行截取,得到板材表面图像。
4.根据权利要求2所述的板面图像的边缘检测方法,其特征在于,从所述板面区域图像的顶点(X1,Y1)处截取第一边缘检测区,计算得到板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像中与顶点(X1,Y1)成对角的顶点(X2,Y2)处截取第二边缘检测区,计算得到板面边缘的第二顶点坐标(x2,y2);
根据第一顶点坐标(x1,y1)和第二顶点坐标(x2,y2)计算板面边缘的第三顶点坐标和第四顶点坐标,其中第三顶点坐标为(x2,y1),第四顶点坐标为(x1,y2);
将第一顶点(x1,y1)与第三顶点(x2,y1),第一顶点(x1,y1)与第四顶点(x1,y2),第二顶点(x2,y2)与第三顶点(x2,y1),以及第二顶点(x2,y2)与第四顶点(x1,y2)分别连接,得到板面的边缘。
5.根据权利要求2所述的板面图像的边缘检测方法,其特征在于,从所述板面区域图像的顶点(X1,Y1)处截取第一边缘检测区,计算得到板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像中与顶点(X1,Y1)水平相邻的顶点(X2,Y1)处截取第三边缘检测区,检测其中的多条y向边缘直线,取其中距离顶点(X2,Y1)最远的一条y向边缘直线x=x2′,确定板面边缘的第三顶点坐标为(x2′,y1);
从所述板面区域图像中与顶点(X1,Y1)竖直相邻的顶点(X1,Y2)处截取第四边缘检测区,检测其中的多条x向边缘直线,取其中距离顶点(X1,Y2)最远的一条x向边缘直线y=y2′,确定板面边缘的第四顶点坐标为(x1,y2′);
根据第三顶点坐标(x2′,y1)和第四顶点坐标(x1,y2′)计算板面边缘的第二顶点坐标,其中第二顶点坐标为(x2′,y2′);
将第一顶点(x1,y1)与第三顶点(x2′,y1),第一顶点(x1,y1)与第四顶点(x1,y2′),第二顶点(x2′,y2′)与第三顶点(x2′,y1),以及第二顶点(x2′,y2′)与第四顶点(x1,y2′)分别连接,得到板面的边缘。
6.根据权利要求2所述的板面图像的边缘检测方法,其特征在于,从所述板面区域图像的顶点(X1,Y1)处截取第一边缘检测区,计算得到板面边缘的第一顶点坐标(x1,y1);
从所述板面区域图像中与顶点(X1,Y1)成对角的顶点(X2,Y2)处截取第二边缘检测区,计算得到板面边缘的第二顶点坐标(x2″,y2″);
从所述板面区域图像中与顶点(X1,Y1)水平相邻的顶点(X2,Y1)处截取第三边缘检测区,计算得到板面边缘的第三顶点坐标(x3,y3);
从所述板面区域图像中与顶点(X1,Y1)竖直相邻的顶点(X1,Y2)处截取第四边缘检测区,计算得到板面边缘的第四顶点坐标(x4,y4);
对板面边缘的四个顶点坐标进行修正,其中:
比较第一顶点与第三顶点距离直线y=Y1的距离,将距离更远的顶点的纵坐标作为第一顶点与第三顶点修正后的纵坐标;
比较第二顶点与第四顶点距离直线y=Y2的距离,将距离更远的顶点的纵坐标作为第二顶点与第四顶点修正后的纵坐标;
比较第一顶点与第四顶点距离直线x=X1的距离,将距离更远的顶点的横坐标作为第一顶点与第四顶点修正后的横坐标;
比较第二顶点与第三顶点距离直线x=X2的距离,将距离更远的顶点的横坐标作为第二顶点与第三顶点修正后的横坐标;
将修正后的第一顶点与第三顶点,第一顶点与第四顶点,第二顶点与第三顶点,以及第二顶点与第四顶点分别连接,得到板面的边缘。
7.根据权利要求1-6中任意一项所述的板面图像的边缘检测方法,其特征在于,还包括采集板材图像,从所述板材图像中截取所述板面区域图像;
其中,采集到的板材图像大小为p像素×q像素,截取出的板面区域图像的大小为m像素×n像素,板面在板材图像中的大小为c像素×d像素;
所述m和n的设定满足:p>m>c,q>n>d;
板面区域图像的一个顶点与最接近的板材图像的边缘之间水平距离为s像素,竖直距离为t像素,所述s和t的设定满足:0.1<s/p<0.5,0.1<t/q<0.6。
8.根据权利要求7所述的板面图像的边缘检测方法,其特征在于,所述m和n的设定满足:0.4<m/p<0.9,0.2<n/q<0.7,0.8<c/m<1.0,0.7<d/n<1.0。
9.一种板面图像的边缘检测装置,用于实现权利要求1-8中任意一项所述的板面图像的边缘检测方法,其特征在于,包括:
图像处理模块,用于从板面区域图像中截取边缘检测区;
计算模块,与所述图像处理模块连接,用于根据边缘检测区进行计算,确定板面边缘的顶点坐标,还用于根据板面边缘的顶点坐标确定板面的边缘;
输出模块,与所述计算模块连接,用于输出板面的边缘。
10.根据权利要求9所述的板面图像的边缘检测装置,其特征在于,还包括采集模块,所述采集模块与图像处理模块连接,用于采集板材图像并输送至图像处理模块;
所述图像处理模块还用于从所述板材图像中截取板面区域图像。
11.根据权利要求10所述的板面图像的边缘检测装置,其特征在于,所述输出模块包括显示装置,所述显示装置与图像处理模块连接;
所述图像处理模块还用于根据得到的板面的边缘从板面区域图像中截取板材表面图像;
所述显示装置用于显示所述板材表面图像。
CN202110124134.4A 2021-01-29 2021-01-29 一种板面图像的边缘检测方法及装置 Active CN112837285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110124134.4A CN112837285B (zh) 2021-01-29 2021-01-29 一种板面图像的边缘检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110124134.4A CN112837285B (zh) 2021-01-29 2021-01-29 一种板面图像的边缘检测方法及装置

Publications (2)

Publication Number Publication Date
CN112837285A CN112837285A (zh) 2021-05-25
CN112837285B true CN112837285B (zh) 2022-07-26

Family

ID=75932404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110124134.4A Active CN112837285B (zh) 2021-01-29 2021-01-29 一种板面图像的边缘检测方法及装置

Country Status (1)

Country Link
CN (1) CN112837285B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113733287B (zh) * 2021-05-28 2022-10-18 江苏中联路基工程有限公司 一种可降解排水板的制备工艺

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236784A (zh) * 2010-05-07 2011-11-09 株式会社理光 屏幕区域检测方法及系统
CN103292701B (zh) * 2013-06-24 2015-09-16 哈尔滨工业大学 基于机器视觉的精密器件在线尺寸测量方法
CN105069786B (zh) * 2015-07-31 2018-05-08 小米科技有限责任公司 直线检测方法及装置
CN109859226B (zh) * 2019-01-10 2022-06-17 上海理工大学 一种图形分割的棋盘格角点亚像素的检测方法
CN109949211A (zh) * 2019-03-07 2019-06-28 北京麦哲科技有限公司 一种矩形文档图像裁切方法和装置
CN111860486B (zh) * 2020-07-27 2023-10-31 平安科技(深圳)有限公司 卡片识别方法、装置及设备
CN111899270B (zh) * 2020-07-30 2023-09-05 平安科技(深圳)有限公司 卡片边框检测方法、装置、设备及可读存储介质
CN112183517B (zh) * 2020-09-22 2023-08-11 平安科技(深圳)有限公司 证卡边缘检测方法、设备及存储介质

Also Published As

Publication number Publication date
CN112837285A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
US12094152B2 (en) Method for fully automatically detecting chessboard corner points
CN108460757B (zh) 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN113340909B (zh) 一种基于机器视觉的胶线缺陷检测方法
CN104101600B (zh) 连铸坯断面微小裂纹检测方法
CN106651857B (zh) 一种印刷电路板贴片缺陷检测方法
EP4411633A1 (en) Method and device for detecting stability of vision system
CN116559183B (zh) 一种提高缺陷判定效率的方法及系统
CN109584239B (zh) 一种基于反射光的高光物体表面缺陷检测系统及方法
CN102175700A (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN113513991B (zh) 一种电池极片毛刺高度检测方法及装置
CN112819844B (zh) 一种图像边缘检测方法及装置
CN114627080B (zh) 基于计算机视觉的车辆冲压配件缺陷检测方法
CN114897881B (zh) 一种基于边缘特征的晶粒缺陷检测方法
CN111257329A (zh) 一种智能手机摄像头缺陷检测方法以及检测系统
CN115471486A (zh) 一种交换机接口完好性检测方法
CN111189854B (zh) 玻璃盖板自动检测系统缺陷分层检测方法
CN112837285B (zh) 一种板面图像的边缘检测方法及装置
CN116539641A (zh) 光伏玻璃组件二道铺设后外观检测方法
CN115384052A (zh) 一种智能化的覆膜机自动控制系统
CN112419225B (zh) 一种基于引脚分割的sop型芯片检测方法及系统
CN113808104A (zh) 一种基于分块的金属表面缺陷检测方法及系统
CN113192061A (zh) Led封装外观检测图像的提取方法、装置、电子设备和存储介质

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