CN112907596A - 一种基于图像处理的线圈匝数在线测量方法 - Google Patents

一种基于图像处理的线圈匝数在线测量方法 Download PDF

Info

Publication number
CN112907596A
CN112907596A CN202110489511.4A CN202110489511A CN112907596A CN 112907596 A CN112907596 A CN 112907596A CN 202110489511 A CN202110489511 A CN 202110489511A CN 112907596 A CN112907596 A CN 112907596A
Authority
CN
China
Prior art keywords
image
coil
measured
standard
standard measurement
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
CN202110489511.4A
Other languages
English (en)
Inventor
罗时帅
钱根
柳洪哲
朱文兵
钱曙光
汪炉生
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.)
Rongcheer Industrial Technology Suzhou Co ltd
Original Assignee
Rongcheer Industrial Technology Suzhou 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 Rongcheer Industrial Technology Suzhou Co ltd filed Critical Rongcheer Industrial Technology Suzhou Co ltd
Priority to CN202110489511.4A priority Critical patent/CN112907596A/zh
Publication of CN112907596A publication Critical patent/CN112907596A/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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30108—Industrial image inspection
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及线圈测量技术领域，涉及一种基于图像处理的线圈匝数在线测量方法。本发明通过对标准测量图像和待测线圈图像的边缘区域图像进行匹配，能够有效提高识别效率，只提取边缘区域图像，只保留相关性高的图像信息，可有效减少运算量，提高了检测的实时性；本发明能够实现线圈匝数测量，节省人力成本，提高工作效率。

Description

一种基于图像处理的线圈匝数在线测量方法
技术领域
本发明涉及线圈测量技术领域，涉及一种基于图像处理的线圈匝数在线测量方法。
背景技术
线圈主要应用于电子产品，利用线圈产生磁力这一原理让磁力转换成动力，制造出电磁铁、继电器、扬声器等。目前大多数生产厂商主要采用人工或者线圈匝数测量仪去检测，如果面对体积小、数量多的被测物品时，人工测量劳动强度大，容易出错。如果测量的不够迅速，将会影响单位时间内的产量。如果测量的不精准，匝数的多少将直接影响着电流的高低，从而影响着产品的品质。
发明内容
本发明要解决的技术问题是提供一种能够有效提高识别效率，可有效减少运算量，节省人力成本的基于图像处理的线圈匝数在线测量方法。
为了解决上述技术问题，本发明解决其技术问题所采用的技术方案是：
一种基于图像处理的线圈匝数在线测量方法，包括：
获得标准线圈的图像作为标准测量图像，提取标准测量图像和待测线圈图像的边缘； 通过所述的两幅图像的边缘图像得到标准测量图像和待测线圈图像的边缘区域图像；将标准测量图像和待测线圈图像的边缘区域图像进行匹配，根据待测线圈图像与标准测量图像的相似程度，确定所述待测线圈的线圈匝数。
在发明一个较佳实施例中，提取标准测量图像和待测线圈图像的边缘之前，包括：
对标准测量图像中标准线圈的边缘进行标定测量基准，以测量基准建立初定位坐标系，获取标准线圈在初定位坐标系中的坐标信息。
在发明一个较佳实施例中，提取标准测量图像和待测线圈图像的边缘，包括：
对获得的标准测量图像进行二值化处理，对二值化图像进行空洞填充，提取标准线圈的轮廓，再通过标准线圈的轮廓在标准测量图像上分割出线圈区域图像。
在发明一个较佳实施例中，将标准测量图像和待测线圈图像的边缘区域图像进行匹配,包括：
获得标准测量图像以及待测线圈图像中的点集数据，根据标准线圈轮廓信息、待测线圈轮廓信息分别得到与两者点集数据对应的图像梯度，同时对标准测量图像进行仿射变换处理分离出获得平移匹配部分图像，将平移匹配图像与待测线圈图像进行相似度拟合获得待测量线圈的线圈匝数。
在发明一个较佳实施例中，将标准测量图像表示由点集
Figure 100002_DEST_PATH_IMAGE002
,所构成的图像，通过边缘检测算子获得点集数据相对应的方向梯度
Figure 100002_DEST_PATH_IMAGE004
；
Figure 100002_DEST_PATH_IMAGE006
通过边缘检测算子计算获得
Figure 100002_DEST_PATH_IMAGE008
，
Figure 100002_DEST_PATH_IMAGE010
通过边缘检测算子计算获得
Figure 100002_DEST_PATH_IMAGE012
；
采用上述方式表示待测线圈图像的点集数据和方向梯度，同时对待测线圈图像中的每一个点（x，y），计算出对应的方向向量
Figure 100002_DEST_PATH_IMAGE014
。
在发明一个较佳实施例中，对标准测量图像进行仿射变换获得点
Figure 100002_DEST_PATH_IMAGE016
和变换后的方向向量
Figure 100002_DEST_PATH_IMAGE018
，通过点
Figure 100002_DEST_PATH_IMAGE020
和方向向量
Figure 100002_DEST_PATH_IMAGE022
得到线性变换公式：
Figure 100002_DEST_PATH_IMAGE024
其中,
Figure 100002_DEST_PATH_IMAGE026
为变换后的坐标矩阵，
Figure 100002_DEST_PATH_IMAGE028
为原始坐标矩阵，A为仿射变换矩阵，
Figure 100002_DEST_PATH_IMAGE030
为变换后的坐标矩阵，
Figure 100002_DEST_PATH_IMAGE032
为原始坐标矩阵；
当点
Figure 100002_DEST_PATH_IMAGE034
时，则基于边缘方向模板匹配算法的相似度量函数为：
Figure 100002_DEST_PATH_IMAGE036
其中，
Figure 100002_DEST_PATH_IMAGE038
为原始坐标矩阵，
Figure 100002_DEST_PATH_IMAGE040
为变换后的坐标矩阵，
Figure 100002_DEST_PATH_IMAGE042
为
Figure 100002_DEST_PATH_IMAGE044
对应的方向梯度，
Figure 100002_DEST_PATH_IMAGE046
为
Figure 100002_DEST_PATH_IMAGE048
对应的方向梯度；
通过上式得到标准测量图像以及待测线圈图像边缘点的图形梯度方向向量点积平均值，以此作为匹配分值进行分值匹配。
在发明一个较佳实施例中，将相似度量函数的方向向量归一化得到：
Figure 100002_DEST_PATH_IMAGE050
其中，
Figure 100002_DEST_PATH_IMAGE052
和
Figure 100002_DEST_PATH_IMAGE054
分别是
Figure 100002_DEST_PATH_IMAGE056
和
Figure 100002_DEST_PATH_IMAGE058
经过关于A的仿射变换矩阵得出；
S的取值范围[0,1]；当S=1时，表示待测量线圈与标准线圈完全一致；当S=0时，表示两者完全不匹配；当S的返回值小于1大于0时，为待测量线圈的匹配分值。
在发明一个较佳实施例中，将待标准线圈轮廓中心与待测量线圈轮廓中心重合，使得待测线圈图像的边缘区域图像与多个标准测量图像进行叠加，通过获得与待测量线圈轮廓重合的检测待标准线圈轮廓确定所述待测量线圈的线圈匝数。
在发明一个较佳实施例中，提取标准测量图像和待测线圈图像的边缘包括：
获取标准测量图像和待测线圈图像中的像素信息：
若所述像素信息的内侧灰度为201、外侧灰度为34、明度大于94，则将渐变像素个数为1个；
若所述像素信息的内侧灰度为150、外侧灰度为60、明度小于31，则将渐变像素个数为3个；
若所述像素信息的内侧灰度为160-180、外侧灰度为30-50、明度范围为83-90，则将渐变像素个数为1-3个。
本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的基于图像处理的线圈匝数在线测量方法。
本发明的有益效果：
本发明通过对标准测量图像和待测线圈图像的边缘区域图像进行匹配，能够有效提高识别效率，只提取边缘区域图像，只保留相关性高的图像信息，可有效减少运算量，提高了检测的实时性；本发明能够实现线圈匝数测量，节省人力成本，提高工作效率。
附图说明
图1是本发明的一种基于图像处理的线圈匝数在线测量方法示意图。
图2是本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
参照图1-2所示，一种基于图像处理的线圈匝数在线测量方法，包括：
步骤S10，获得标准线圈的图像作为标准测量图像，提取标准测量图像和待测线圈图像的边缘；
步骤S20，通过所述的两幅图像的边缘图像得到标准测量图像和待测线圈图像的边缘区域图像；
步骤S30，将标准测量图像和待测线圈图像的边缘区域图像进行匹配，根据待测线圈图像与标准测量图像的相似程度，确定所述待测线圈的线圈匝数。
本发明通过对标准测量图像和待测线圈图像的边缘区域图像进行匹配，能够有效提高识别效率，只提取边缘区域图像，只保留相关性高的图像信息，可有效减少运算量，提高了检测的实时性；本发明能够实现线圈匝数测量，节省人力成本，提高工作效率。
具体的，确定标准测量图像和待测线圈图像的边缘，有利于目标的定位和测量，而且图像的边缘一般不容易受到光照的变化、混乱干扰以及遮挡的变化，使得两者相似匹配更加明显，增加了图像配准的鲁棒性。
为了解决线圈匝数测量速度慢、精度低的问题，本发明通过CCD相机等拍摄设备获取产品图像，再对线圈进行数据分析和图像处理，从而实时获取线圈的匝数。
作为可选的实施方式，在步骤S10之前，包括：
对标准测量图像中标准线圈的边缘进行标定测量基准，以测量基准建立初定位坐标系，获取标准线圈在初定位坐标系中的坐标信息。
所述测量基准可以为标准线圈的边缘相交点、中心点、直线或者轮廓边缘。
在本实施例中，获取静止放置在载具上的标准线圈作为标准测量图像导入至visionpro等软件中，对标准线圈先标定测量基准建立初定位坐标系，由于本发明是在线对线圈进行实时测量，这样被测物体在转动或者移动的时候，可以实时定位线圈位置，保证线圈测量的精度。
作为可选的实施方式，在步骤S20，包括：
对获得的标准测量图像进行二值化处理，对二值化图像进行空洞填充，提取标准线圈的轮廓，再通过标准线圈的轮廓在标准测量图像上分割出线圈区域图像，采用对标准测量图像处理方式获得其相对应的边缘区域图像。
根据线圈的直径大小，进行关于相机、镜头、光源的进行适配选型，配置完后，根据线圈的边缘调节焦距然后进行采图。一般采用黑白相机进行采图，当选用彩色相机拍摄后需进行二值化处理，进行空洞填充，这样可以区别整体和局部特征，提取出标准线圈的轮廓。
在本实施例中，对标准测量图像预处理以获取二值化和分割后的单匝标准线圈图像，可以快速找到标准线圈边缘检测线段开始处理，减少了运算量，加快了测量速度。
作为可选的实施方式，在步骤S30，包括：
获得标准测量图像以及待测线圈图像中的点集数据，根据标准线圈轮廓信息、待测线圈轮廓信息分别得到与两者点集数据对应的图像梯度，在匹配的过程中，以点集表示的标准测量图像需要和测量线圈图形中某个特定的位置进行比较，需要对标准测量图像进行仿射变换处理分离出获得平移匹配部分图像，将平移匹配图像与待测线圈图像进行相似度拟合获得待测量线圈的线圈匝数。
将标准测量图像表示由点集
Figure DEST_PATH_IMAGE060
，（
Figure DEST_PATH_IMAGE062
为正整数）所构成的图像，通过sobel边缘检测算子获得点集数据相对应的方向梯度
Figure DEST_PATH_IMAGE064
，（
Figure DEST_PATH_IMAGE066
为正整数）；
Figure DEST_PATH_IMAGE068
通过边缘检测算子计算获得
Figure DEST_PATH_IMAGE070
，
Figure DEST_PATH_IMAGE072
通过边缘检测算子计算获得
Figure DEST_PATH_IMAGE074
。
采用上述方式表示待测线圈图像的点集数据和方向梯度，同时对待测线圈图像中的每一个点（x，y），计算出对应的方向向量
Figure DEST_PATH_IMAGE076
。
对标准测量图像进行仿射变换获得点
Figure DEST_PATH_IMAGE078
和变换后的方向向量
Figure DEST_PATH_IMAGE080
，通过点
Figure DEST_PATH_IMAGE082
和方向向量
Figure DEST_PATH_IMAGE084
得到线性变换公式：
Figure DEST_PATH_IMAGE086
其中，
Figure DEST_PATH_IMAGE088
为变换后的坐标矩阵，
Figure DEST_PATH_IMAGE090
为原始坐标矩阵，A为仿射变换矩阵，
Figure DEST_PATH_IMAGE092
为变换后的坐标矩阵，
Figure DEST_PATH_IMAGE094
为原始坐标矩阵；
当点
Figure DEST_PATH_IMAGE096
时，则基于边缘方向模板匹配算法的相似度量函数为：
Figure DEST_PATH_IMAGE098
其中，
Figure DEST_PATH_IMAGE100
为原始坐标矩阵，
Figure DEST_PATH_IMAGE102
为变换后的坐标矩阵，
Figure DEST_PATH_IMAGE104
为
Figure DEST_PATH_IMAGE106
对应的方向梯度，
Figure DEST_PATH_IMAGE108
为
Figure DEST_PATH_IMAGE110
对应的方向梯度，
Figure DEST_PATH_IMAGE112
相当于（x，y）坐标，用以与（x，y）作为区分，
Figure DEST_PATH_IMAGE114
是变换后对应的方向向量，
Figure DEST_PATH_IMAGE116
是经过i次变换后的X坐标，
Figure DEST_PATH_IMAGE118
是经过i次变换后的Y坐标，
Figure DEST_PATH_IMAGE120
是第i次变换后的点，
Figure DEST_PATH_IMAGE122
是第i次变换后的方向梯度，
Figure DEST_PATH_IMAGE124
为点坐标；
通过上式得到标准测量图像以及待测线圈图像边缘点的图形梯度方向向量点积平均值，以此作为匹配分值进行分值匹配，设置最低匹配分值阈值，通过待测量线圈的匹配分值与最低匹配分值阈值比较以此计算获取线圈匝数。
在本实施例中，上式是基于边缘方向模板匹配算法的相似度量函数，当一对对应向量方向相同时，则两者相似度量的值取最大；当一对对应向量方向正交时，则两者相似度量的值为零；当一对对应向量方向相反时，则两者相似度量的值为负值。
使用两者的点集数据和方向梯度作为相似度量函数，避免了计算点集数据和方向梯度的开方运算，有效的减少了计算复杂度和运行时间。
为了不受光照变化的影响，将上式除以模值，将方向向量归一化，也就是把所有的向量的长度都变成1，即将相似度量函数的方向向量归一化得到：
Figure DEST_PATH_IMAGE126
其中，当标准测量图像以及待测线圈图像有点的方向一致，即方向向量的夹角为0°或者180°；
其中，
Figure DEST_PATH_IMAGE128
和
Figure DEST_PATH_IMAGE130
分别是
Figure DEST_PATH_IMAGE132
和
Figure DEST_PATH_IMAGE134
经过关于A的仿射变换矩阵得出；
S的取值范围[0,1]；
当S=1时，表示待测量线圈与标准线圈完全一致；
当S=0时，表示两者完全不匹配；
当S的返回值小于1大于0时，为待测量线圈的匹配分值。
在本实施例中，为了得到线圈部分的匹配分值，先对标准测量图像以及待测线圈图像预处理以获取预处理和分割后的单匝线圈图像，找到边缘检测线段开始处理，通过分别在标准测量图像以及待测线圈图像使用边缘检测算子得到图像梯度，通过建立线性变换模型分析得出匹配分值，将待测量线圈与标准线圈进行匹配拟合，通过设置分值来得到待测量线圈相应的线圈匝数。
具体的，每个线圈都有相应的计算分值，通过预设出最低分值，将低于这分值的排出，只保留超过最低分值的线圈，最后计算总共的匝数即可。
本发明还可将待标准线圈轮廓中心与待测量线圈轮廓中心重合，使得待测线圈图像的边缘区域图像与多个标准测量图像进行叠加，通过获得与待测量线圈轮廓重合的检测待标准线圈轮廓确定所述待测量线圈的线圈匝数。
具体的，获取多个标准线圈的图像作为初始图像得到其产品特征，图像包含有不同规格、匝数的标准测量图像以及相对应的边缘区域图像；将待测线圈图像与标准测量图像的边缘区域图像进行匹配获得相应线圈匝数，以此快速对待测线圈图像进行测量，有效减少检测模型计算量，缩短检测时间。
本发明还包括将线圈匝数测量仪的两个检测夹分别夹在待测量线圈的进出端上，给线圈匝数测量仪通电,从线圈匝数测量仪上读取线圈匝数数据，通过线圈匝数数据可对刚开始建立图像处理模型的线圈匝数提供参考匝数进行校正，保证测量的精度。
在本实施例中，对待测量线圈进行两侧通电，且第二次通电电压大于第一通电，使测试信号在电压频谱上区分开来，从而提高测试精度。
具体的，提取标准测量图像和待测线圈图像的边缘包括：
获取标准测量图像和待测线圈图像中的像素信息：
若所述像素信息的内侧灰度为201、外侧灰度为34、明度大于94，则将渐变像素个数为1个；
若所述像素信息的内侧灰度为150、外侧灰度为60、明度小于31，则将渐变像素个数为3个；
若所述像素信息的内侧灰度为160-180、外侧灰度为30-50、明度范围为83-90，则将渐变像素个数为1-3个。
通过内侧灰度与外侧灰度两者相差大于100，来提高抓取边缘的对比度，当由黑到白抓取，内侧灰度为201、外侧灰度为34，对比度鲜明，则抓取边缘比较稳；当内侧灰度为150、外侧灰度为60，对比度相对模糊，则抓取边缘精度低，需要更多的渐变像素来确定边缘位置，保证对比度。当由白到黑或者由黑到白的渐变像素个数最好控制在2个或者2个之内最优。
本发明对图像进行加减运算，就是将图像对应的存储矩形点列上的灰度值进行加减运算。图像相加可以将一幅图的内容加到另一幅图像上，可以进行二次曝光，也可以对同一个场景的多幅图像求平均值，这样可以降低噪声。图像相减可以用于运动检测或去除图像中不需要的加性图案。
本发明灰度变换针对独立的像素点进行处理，通过改变原始图像数据所占有的灰度范围而使图像在视觉上得到改观，即原始图像的灰度值进行翻转，使输出图像的灰度随输入图像的灰度增加而减少。假设对灰度级范围是（0，L-1）的图像求反，则图像灰度t=L-1-s。
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的基于图像处理的线圈匝数在线测量方法。
本实施例提供的计算机可读存储介质存储的计算机程序，除了被处理器执行时实现本发明任意实施例中所述的基于图像处理的线圈匝数在线测量方法，还可以包括其他程序，以实现具体的业务需求。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种基于图像处理的线圈匝数在线测量方法，其特征在于，包括：
获得标准线圈的图像作为标准测量图像，提取标准测量图像和待测线圈图像的边缘；通过所述的两幅图像的边缘图像得到标准测量图像和待测线圈图像的边缘区域图像；将标准测量图像和待测线圈图像的边缘区域图像进行匹配，根据待测线圈图像与标准测量图像的相似程度，确定所述待测线圈的线圈匝数。
2.如权利要求1所述的基于图像处理的线圈匝数在线测量方法，其特征在于，提取标准测量图像和待测线圈图像的边缘之前，包括：
对标准测量图像中标准线圈的边缘进行标定测量基准，以测量基准建立初定位坐标系，获取标准线圈在初定位坐标系中的坐标信息。
3.如权利要求1所述的基于图像处理的线圈匝数在线测量方法，其特征在于，提取标准测量图像和待测线圈图像的边缘，包括：
对获得的标准测量图像进行二值化处理，对二值化图像进行空洞填充，提取标准线圈的轮廓，再通过标准线圈的轮廓在标准测量图像上分割出线圈区域图像。
4.如权利要求1所述的基于图像处理的线圈匝数在线测量方法，其特征在于，将标准测量图像和待测线圈图像的边缘区域图像进行匹配,包括：
获得标准测量图像以及待测线圈图像中的点集数据，根据标准线圈轮廓信息、待测线圈轮廓信息分别得到与两者点集数据对应的图像梯度，同时对标准测量图像进行仿射变换处理分离出获得平移匹配部分图像，将平移匹配图像与待测线圈图像进行相似度拟合获得待测量线圈的线圈匝数。
5.如权利要求1所述的基于图像处理的线圈匝数在线测量方法，其特征在于，
将标准测量图像表示由点集
Figure DEST_PATH_IMAGE002
,所构成的图像，通过边缘检测算子获得点集数据相对应的方向梯度
Figure DEST_PATH_IMAGE004
；
Figure DEST_PATH_IMAGE006
通过边缘检测算子计算获得
Figure DEST_PATH_IMAGE008
，
Figure DEST_PATH_IMAGE010
通过边缘检测算子计算获得
Figure DEST_PATH_IMAGE012
；
采用上述方式表示待测线圈图像的点集数据和方向梯度，同时对待测线圈图像中的每一个点（x，y），计算出对应的方向向量
Figure DEST_PATH_IMAGE014
。
6.如权利要求5所述的基于图像处理的线圈匝数在线测量方法，其特征在于，对标准测量图像进行仿射变换获得点
Figure DEST_PATH_IMAGE016
和变换后的方向向量
Figure DEST_PATH_IMAGE018
，通过点
Figure DEST_PATH_IMAGE020
和方向向量
Figure DEST_PATH_IMAGE022
得到线性变换公式：
Figure DEST_PATH_IMAGE024
其中，
Figure DEST_PATH_IMAGE026
为变换后的坐标矩阵，
Figure DEST_PATH_IMAGE028
为原始坐标矩阵，A为仿射变换矩阵，
Figure DEST_PATH_IMAGE030
为变换后的坐标矩阵，
Figure DEST_PATH_IMAGE032
为原始坐标矩阵；
当点
Figure DEST_PATH_IMAGE034
时，则基于边缘方向模板匹配算法的相似度量函数为：
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE038
为原始坐标矩阵，
Figure DEST_PATH_IMAGE040
为变换后的坐标矩阵，
Figure DEST_PATH_IMAGE042
为
Figure DEST_PATH_IMAGE044
对应的方向梯度，
Figure DEST_PATH_IMAGE046
为
Figure DEST_PATH_IMAGE048
对应的方向梯度；
通过上式得到标准测量图像以及待测线圈图像边缘点的图形梯度方向向量点积平均值，以此作为匹配分值进行分值匹配。
7.如权利要求6所述的基于图像处理的线圈匝数在线测量方法，其特征在于，将相似度量函数的方向向量归一化得到：
Figure DEST_PATH_IMAGE050
其中，
Figure DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE054
分别是
Figure DEST_PATH_IMAGE056
和
Figure DEST_PATH_IMAGE058
经过关于A的仿射变换矩阵得出；
S的取值范围[0,1]；当S=1时，表示待测量线圈与标准线圈完全一致；当S=0时，表示两者完全不匹配；当S的返回值小于1大于0时，为待测量线圈的匹配分值。
8.如权利要求1所述的基于图像处理的线圈匝数在线测量方法，其特征在于，
将待标准线圈轮廓中心与待测量线圈轮廓中心重合，使得待测线圈图像的边缘区域图像与多个标准测量图像进行叠加，通过获得与待测量线圈轮廓重合的检测待标准线圈轮廓确定所述待测量线圈的线圈匝数。
9.如权利要求1所述的基于图像处理的线圈匝数在线测量方法，其特征在于，提取标准测量图像和待测线圈图像的边缘包括：
获取标准测量图像和待测线圈图像中的像素信息：
若所述像素信息的内侧灰度为201、外侧灰度为34、明度大于94，则将渐变像素个数为1个；
若所述像素信息的内侧灰度为150、外侧灰度为60、明度小于31，则将渐变像素个数为3个；
若所述像素信息的内侧灰度为160-180、外侧灰度为30-50、明度范围为83-90，则将渐变像素个数为1-3个。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的基于图像处理的线圈匝数在线测量方法。
CN202110489511.4A 2021-05-06 2021-05-06 一种基于图像处理的线圈匝数在线测量方法 Pending CN112907596A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110489511.4A CN112907596A (zh) 2021-05-06 2021-05-06 一种基于图像处理的线圈匝数在线测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110489511.4A CN112907596A (zh) 2021-05-06 2021-05-06 一种基于图像处理的线圈匝数在线测量方法

Publications (1)

Publication Number Publication Date
CN112907596A true CN112907596A (zh) 2021-06-04

Family

ID=76108975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110489511.4A Pending CN112907596A (zh) 2021-05-06 2021-05-06 一种基于图像处理的线圈匝数在线测量方法

Country Status (1)

Country Link
CN (1) CN112907596A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069790A (zh) * 2015-08-06 2015-11-18 潍坊学院 一种齿轮外观缺陷快速影像检测方法
CN105103164A (zh) * 2013-03-21 2015-11-25 皇家飞利浦有限公司 基于视图分类的模型初始化
CN106485701A (zh) * 2016-09-26 2017-03-08 成都交大光芒科技股份有限公司 基于图像的铁路接触网承力索座装反与否的检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105103164A (zh) * 2013-03-21 2015-11-25 皇家飞利浦有限公司 基于视图分类的模型初始化
CN105069790A (zh) * 2015-08-06 2015-11-18 潍坊学院 一种齿轮外观缺陷快速影像检测方法
CN106485701A (zh) * 2016-09-26 2017-03-08 成都交大光芒科技股份有限公司 基于图像的铁路接触网承力索座装反与否的检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢佳: "基于机器视觉的鞋面数量统计与尺寸测量系统", 《中国优秀硕士学位论文全文数据库-工程科技Ⅰ辑》 *

Similar Documents

Publication Publication Date Title
CN111474184B (zh) 基于工业机器视觉的aoi字符缺陷检测方法和装置
US9928592B2 (en) Image-based signal detection for object metrology
US10007971B2 (en) Systems and methods for user machine interaction for image-based metrology
CN105528789B (zh) 机器人视觉定位方法和装置、视觉标定方法和装置
US20170262985A1 (en) Systems and methods for image-based quantification for allergen skin reaction
CN108229475B (zh) 车辆跟踪方法、系统、计算机设备及可读存储介质
CN110546651B (zh) 用于识别对象的方法、系统和计算机可读介质
US9767383B2 (en) Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image
CN110111387B (zh) 一种基于表盘特征的指针表定位及读数方法
US20170262979A1 (en) Image correction and metrology for object quantification
US20170258391A1 (en) Multimodal fusion for object detection
US20170262977A1 (en) Systems and methods for image metrology and user interfaces
JP6899189B2 (ja) ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法
KR102073468B1 (ko) 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법
CN105718931B (zh) 用于确定采集图像中的杂斑的系统和方法
US8315457B2 (en) System and method for performing multi-image training for pattern recognition and registration
CN109447062A (zh) 基于巡检机器人的指针型仪表识别方法
CN117372432B (zh) 基于图像分割的电子烟表面缺陷检测方法及系统
JP2019533232A (ja) パターン検出
CN111126393A (zh) 车辆外观改装判断方法、装置、计算机设备及存储介质
TWI543117B (zh) 物件辨識與定位方法
CN113313725A (zh) 含能材料药桶的桶口识别方法及系统
CN112907596A (zh) 一种基于图像处理的线圈匝数在线测量方法
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN109214398B (zh) 一种从连续图像中量测杆体位置的方法和系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210604

RJ01 Rejection of invention patent application after publication