CN112884784A - 一种基于图像的镜片检测与正反面判断方法 - Google Patents

一种基于图像的镜片检测与正反面判断方法 Download PDF

Info

Publication number
CN112884784A
CN112884784A CN202110267138.8A CN202110267138A CN112884784A CN 112884784 A CN112884784 A CN 112884784A CN 202110267138 A CN202110267138 A CN 202110267138A CN 112884784 A CN112884784 A CN 112884784A
Authority
CN
China
Prior art keywords
image
lens
circle
taking
calculating
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.)
Granted
Application number
CN202110267138.8A
Other languages
English (en)
Other versions
CN112884784B (zh
Inventor
胡彬
徐震
张延�
顾铭岑
岳壮壮
李金航
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.)
Nantong University
Original Assignee
Nantong 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 Nantong University filed Critical Nantong University
Priority to CN202110267138.8A priority Critical patent/CN112884784B/zh
Publication of CN112884784A publication Critical patent/CN112884784A/zh
Application granted granted Critical
Publication of CN112884784B publication Critical patent/CN112884784B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

Landscapes

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

Abstract

本发明提供一种基于图像的镜片检测与正反面判断方法，包括如下步骤：S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；S3、根据镜片图像中的角点数量判断镜片的正反面。本发明首先针对输入图像，对背景图像进行建模，得到二值分割阈值，然后对图片进行二值图像分割，并采用霍夫变换定位到图片中光学镜片的位置，最后根据镜片图像中的角点数量来判别该光学镜片的正反面，得到托盘中镜片的位置和正反面信息，降低人工成本，提高包装效率。

Description

一种基于图像的镜片检测与正反面判断方法
技术领域
本发明属于光学镜片检测技术领域，具体涉及一种基于图像的镜片检测与正反面判断方法。
背景技术
光学玻璃镜片在生产时，镜片会散列于托盘中，工人在产线中需要将托盘中的镜片人工拾起后打包装好，效率较低，人工成本高。
发明内容
本发明要解决的技术问题是提供一种基于图像的镜片检测与正反面判断方法，托盘上方摄像头采集的图像进行分析，得到托盘中镜片的位置和正反面信息，供机械手自动拾取托盘中镜片并按统一顺序摆放好镜片，自动化程度高，包装效率高。
为解决上述技术问题，本发明的实施例提供一种基于图像的镜片检测与正反面判断方法，包括如下步骤：
S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；
S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；
S3、根据镜片图像中的角点数量判断镜片的正反面。
其中，步骤S1的具体步骤为：
S1.1、随机选择一块N*N像素大小的区域，该区域的选择一般位于左右两列无镜片存在的区域；
S1.2、计算该N*N像素区域的方差，如方差大于经验值v，则认为该区域存在镜片，不能选择作为背景模型；
S1.3、重复步骤S1.2，找到M个符合背景模型的区域，将区域采用3*3高斯核进行滤波后计算其像素均值t。
其中，步骤S2的具体步骤为：
S2.1、将输入图片进行灰度化处理、高斯滤波，采用canny算子得到边缘图；
S2.2、将边缘图的边缘像素作为输入坐标进行霍夫变换，检测出图中圆；
S2.3、对于有重叠区域的圆，取像素数量最多的圆作为有效圆，确定图像中镜片的圆心和半径。
其中，步骤S3的具体步骤为：
S3.1、根据步骤S2得到的镜片数，以镜片所在圆的圆心为中心，以圆的直径乘以0.9为边长获取镜片区域图像ROL；
S3.2、对ROL区域进行二值化处理，得到binary二值图：
Figure BDA0002972526090000031
其中，图像分割阈值thresh为步骤S1中得到的像素均值t；
S3.3、对二值图分别进行腐蚀操作和膨胀操作，消除孤立点；
S3.4、对于图像中一个像素点(x,y)，定义其灰度值为I(x，y)，计算矩阵M：
Figure BDA0002972526090000032
其中，Ix和Iy分别表示该像素点在x和y方向的梯度，W(x，y)为高斯窗口函数，计算R：
R＝detM-k(traceM)2；
其中：detM＝λ1λ2，traceM＝λ1+λ2；
λ1，λ2为矩阵M的两个特征值，k取值0.04，如果R是一个正数，则表示该点是一个角点；
S3.5、计算二值图中角点数量，如果角点数量大于角点数量阈值c则认为该镜片是正面，否则为反面。
本发明的上述技术方案的有益效果如下：本发明提供了一种基于视觉图像的光学镜片检测与正反面的判断方法，首先针对输入图像，对背景图像进行建模，得到二值分割阈值；然后对图片进行二值图像分割，并采用霍夫变换定位到图片中光学镜片的位置；最后根据镜片图像中的角点数量来判别该光学镜片的正反面，得到托盘中镜片的位置和正反面信息，供机械手自动拾取托盘中镜片并按统一顺序摆放好镜片，降低人工成本，提高包装效率。
附图说明
图1为本发明中背景模型的选择示意图；
图2为本发明实施例一中分辨出的镜片正反面结果图；
图3为本发明实施例二中分辨出的镜片正反面结果图；
图4为本发明实施例三中分辨出的镜片正反面结果图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明提供了一种基于图像的镜片检测与正反面判断方法，包括如下步骤：
S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；具体步骤为：
S1.1、随机选择一块N*N像素大小的区域，该区域的选择一般位于左右两列无镜片存在的区域(如图1中矩形框内区域)；
S1.2、计算该N*N像素区域的方差，如方差大于经验值v(通过多次实验测试得出)，则认为该区域存在镜片，不能选择作为背景模型；
S1.3、重复步骤S1.2，找到M个符合背景模型的区域，将区域采用3*3高斯核进行滤波后计算其像素均值t。
S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；具体步骤为：
S2.1、将输入图片进行灰度化处理、高斯滤波，采用canny算子得到边缘图；
S2.2、将边缘图的边缘像素作为输入坐标进行霍夫变换，检测出图中圆；
S2.3、对于有重叠区域的圆，取像素数量最多的圆作为有效圆，确定图像中镜片的圆心和半径
S3、根据镜片图像中的角点数量判断镜片的正反面；具体步骤为：
S3.1、根据步骤S2得到的镜片数，以镜片所在圆的圆心为中心，以圆的直径乘以0.9为边长获取镜片区域图像ROL；
S3.2、对ROL区域进行二值化处理，得到binary二值图：
Figure BDA0002972526090000051
其中，图像分割阈值thresh为步骤S1中得到的像素均值t；
S3.3、对二值图分别进行腐蚀操作和膨胀操作，消除孤立点；
S3.4、对于图像中一个像素点(x,y)，定义其灰度值为I(x，y)，计算矩阵M：
Figure BDA0002972526090000052
其中，Ix和Iy分别表示该像素点在x和y方向的梯度，W(x，y)为高斯窗口函数，计算R：
R＝detM-k(traceM)2；
其中：detM＝λ1λ2，traceM＝λ1+λ2；
λ1，λ2为矩阵M的两个特征值，k取值0.04，如果R是一个正数，则表示该点是一个角点；
S3.5、计算二值图中角点数量，如果角点数量大于角点数量阈值c则认为该镜片是正面，否则为反面。
下面结合具体实施例进一步阐述本发明的技术方案。
1.1、将摄像头采集到的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t1，并以此为图像分割阈值。
1.2、将输入图像将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，对于有重叠区域的圆，取像素数量最多的圆作为有效圆，确定图像中镜片的圆心和半径。
1.3、根据镜片图像中的角点数量判断镜片的正反面，包括如下步骤：
1.3.1、根据步骤1.2得到的镜片数，以镜片所在圆的圆心为中心，以圆的直径乘以0.9为边长获取镜片区域图像ROL；
1.3.2、对ROL区域进行二值化处理，得到binary二值图：
Figure BDA0002972526090000061
其中，图像分割阈值thresh为步骤1.1中得到的像素均值t1；
1.3.3、对二值图分别进行腐蚀操作和膨胀操作，消除孤立点；
1.3.4、对于图像中一个像素点(x1,y1)，定义其灰度值为I(x1，y1)，计算矩阵M1：
Figure BDA0002972526090000071
其中，Ix1和Iy1分别表示该像素点在x1和y1方向的梯度，W(x1，y1)为高斯窗口函数，计算R1：
R1＝detM1-k(traceM1)2；
其中：detM1＝λ11λ12，traceM1＝λ11+λ12；
λ11，λ12为矩阵M1的两个特征值，k取值0.04，如果R1是一个正数，则表示该点是一个角点；
1.3.5、计算二值图中角点数量，如果角点数量大于角点数量阈值c则认为该镜片是正面，否则为反面。
本实施例中，优选角点数量阈值c＝2。
如图2a所示的镜片分布图，经计算，图2a中所有镜片的角点数量阈值c均大于2，即所有镜片均为正面，以白色圆圈圈起，如图2b所示。
如图3a所示的镜片分布图，经计算，图3a中部分镜片的角点数量阈值c大于2，即镜片为正面，以白色圆圈圈起；部分镜片的角点数量阈值c小于2，即镜片为反面，以黑色圆圈圈起，如图3b所示。
如图4a所示的镜片分布图，经计算，图4a中所有镜片的角点数量阈值c均小于2，即所有镜片均为反面，以黑色圆圈圈起，如图4b所示。
以上所述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技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种基于图像的镜片检测与正反面判断方法，其特征在于，包括如下步骤：
S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；
S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；
S3、根据镜片图像中的角点数量判断镜片的正反面。
2.根据权利要求1所述的基于图像的镜片检测与正反面判断方法，其特征在于，步骤S1的具体步骤为：
S1.1、随机选择一块N*N像素大小的区域，该区域的选择一般位于左右两列无镜片存在的区域；
S1.2、计算该N*N像素区域的方差，如方差大于经验值v，则认为该区域存在镜片，不能选择作为背景模型；
S1.3、重复步骤S1.2，找到M个符合背景模型的区域，将区域采用3*3高斯核进行滤波后计算其像素均值t。
3.根据权利要求1所述的基于图像的镜片检测与正反面判断方法，其特征在于，步骤S2的具体步骤为：
S2.1、将输入图片进行灰度化处理、高斯滤波，采用canny算子得到边缘图；
S2.2、将边缘图的边缘像素作为输入坐标进行霍夫变换，检测出图中圆；
S2.3、对于有重叠区域的圆，取像素数量最多的圆作为有效圆，确定图像中镜片的圆心和半径。
4.根据权利要求1所述的基于图像的镜片检测与正反面判断方法，其特征在于，步骤S3的具体步骤为：
S3.1、根据步骤S2得到的镜片数，以镜片所在圆的圆心为中心，以圆的直径乘以0.9为边长获取镜片区域图像ROL；
S3.2、对ROL区域进行二值化处理，得到binary二值图：
Figure FDA0002972526080000021
其中，图像分割阈值thresh为步骤S1中得到的像素均值t；
S3.3、对二值图分别进行腐蚀操作和膨胀操作，消除孤立点；
S3.4、对于图像中一个像素点(x,y)，定义其灰度值为I(x，y)，计算矩阵M：
Figure FDA0002972526080000022
其中，Ix和Iy分别表示该像素点在x和y方向的梯度，W(x，y)为高斯窗口函数，计算R：
R＝detM-k(traceM)2；
其中：detM＝λ1λ2，traceM＝λ1+λ2；
λ1，λ2为矩阵M的两个特征值，k取值0.04，如果R是一个正数，则表示该点是一个角点；
S3.5、计算二值图中角点数量，如果角点数量大于角点数量阈值c则认为该镜片是正面，否则为反面。
CN202110267138.8A 2021-03-11 2021-03-11 一种基于图像的镜片检测与正反面判断方法 Active CN112884784B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110267138.8A CN112884784B (zh) 2021-03-11 2021-03-11 一种基于图像的镜片检测与正反面判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110267138.8A CN112884784B (zh) 2021-03-11 2021-03-11 一种基于图像的镜片检测与正反面判断方法

Publications (2)

Publication Number Publication Date
CN112884784A true CN112884784A (zh) 2021-06-01
CN112884784B CN112884784B (zh) 2024-06-04

Family

ID=76040856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110267138.8A Active CN112884784B (zh) 2021-03-11 2021-03-11 一种基于图像的镜片检测与正反面判断方法

Country Status (1)

Country Link
CN (1) CN112884784B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2053535A2 (en) * 2007-10-22 2009-04-29 Applied Imaging Corporation Automated detection of cell colonies and coverslip detection using hough transforms
CN106017346A (zh) * 2016-05-23 2016-10-12 浙江大学台州研究院 基于机器视觉测量陶瓷镜片正反及角度的方法
CN206032551U (zh) * 2016-09-19 2017-03-22 重庆市光学机械研究所 一种镜片正反面识别装箱装置
CN107122783A (zh) * 2017-04-19 2017-09-01 华南理工大学 一种基于角点检测的装配连接件快速识别方法
CN209259052U (zh) * 2018-10-25 2019-08-16 江西凤凰光学科技有限公司 一种镜片正反面检测及翻面装置
CN210146484U (zh) * 2019-06-21 2020-03-17 广州蓝海智能装备有限公司 一种镜片正反面自动检测和分拣设备
CN111612765A (zh) * 2020-05-21 2020-09-01 华南师范大学 一种圆形透明镜片识别和定位的方法
CN111754466A (zh) * 2020-06-08 2020-10-09 西安电子科技大学 传输机皮带损伤状况的智能检测方法
CN111823224A (zh) * 2020-04-30 2020-10-27 南京理工大学 一种光学镜片自动摆盘系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2053535A2 (en) * 2007-10-22 2009-04-29 Applied Imaging Corporation Automated detection of cell colonies and coverslip detection using hough transforms
CN106017346A (zh) * 2016-05-23 2016-10-12 浙江大学台州研究院 基于机器视觉测量陶瓷镜片正反及角度的方法
CN206032551U (zh) * 2016-09-19 2017-03-22 重庆市光学机械研究所 一种镜片正反面识别装箱装置
CN107122783A (zh) * 2017-04-19 2017-09-01 华南理工大学 一种基于角点检测的装配连接件快速识别方法
CN209259052U (zh) * 2018-10-25 2019-08-16 江西凤凰光学科技有限公司 一种镜片正反面检测及翻面装置
CN210146484U (zh) * 2019-06-21 2020-03-17 广州蓝海智能装备有限公司 一种镜片正反面自动检测和分拣设备
CN111823224A (zh) * 2020-04-30 2020-10-27 南京理工大学 一种光学镜片自动摆盘系统
CN111612765A (zh) * 2020-05-21 2020-09-01 华南师范大学 一种圆形透明镜片识别和定位的方法
CN111754466A (zh) * 2020-06-08 2020-10-09 西安电子科技大学 传输机皮带损伤状况的智能检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
韩进宇;吴超群;: "基于视觉的卡钳毛刺检测和定位方法研究", 数字制造科学, no. 04 *
黄静;司梦雪;杨戈;贺辉;周鹏;: "SIM模块质量分析系统", 计算机系统应用, no. 01 *

Also Published As

Publication number Publication date
CN112884784B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
CN108898610B (zh) 一种基于mask-RCNN的物体轮廓提取方法
US11227405B2 (en) Determining positions and orientations of objects
CN111415363B (zh) 一种图像边缘识别方法
CN113658132B (zh) 基于计算机视觉的结构件焊缝检测方法
CN110992326B (zh) 一种qfn芯片引脚图像快速倾斜校正方法
US6941016B1 (en) Method for finding contours in an image of an object
CN112950508A (zh) 一种基于计算机视觉的排水管道视频数据修复方法
CN110097596B (zh) 一种基于opencv的目标检测系统
CN114494045B (zh) 一种基于机器视觉的大型直齿轮几何参数测量系统及方法
US20070127817A1 (en) Change region detection device and change region detecting method
CN115908415B (zh) 基于边缘的缺陷检测方法、装置、设备及存储介质
CN114677601A (zh) 一种基于无人机巡检的结合深度学习的大坝裂缝检测方法
CN115661110B (zh) 一种透明工件识别与定位的方法
CN109255792B (zh) 一种视频图像的分割方法、装置、终端设备及存储介质
CN115274486B (zh) 一种半导体表面缺陷识别方法
JP2019039897A (ja) コンクリート表面のひび割れ検出方法及び検出プログラム
CN113469921A (zh) 图像缺陷修复方法、系统、计算机设备及存储介质
CN115587966A (zh) 一种在光照不均匀条件下零件有无缺漏的检测方法及系统
CN107680035B (zh) 一种参数标定方法和装置、服务器及可读存储介质
CN109741302B (zh) 基于机器视觉的sd卡形态识别系统和方法
CN112489052A (zh) 一种复杂环境下的线结构光中心线提取方法
CN112884784A (zh) 一种基于图像的镜片检测与正反面判断方法
CN114120320A (zh) 一种图像多目标信息识别方法、系统及介质
CN112419337A (zh) 针对复杂背景下的机器人抓取位置的检测方法
CN112949389A (zh) 一种基于改进目标检测网络的雾霾图像目标检测方法

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
GR01 Patent grant
GR01 Patent grant