CN113689404A - 一种基于图像处理的零件计数系统和方法 - Google Patents

一种基于图像处理的零件计数系统和方法 Download PDF

Info

Publication number
CN113689404A
CN113689404A CN202110974996.6A CN202110974996A CN113689404A CN 113689404 A CN113689404 A CN 113689404A CN 202110974996 A CN202110974996 A CN 202110974996A CN 113689404 A CN113689404 A CN 113689404A
Authority
CN
China
Prior art keywords
picture
processing
image
counting
parts
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
CN202110974996.6A
Other languages
English (en)
Inventor
闫思锐
张梦琪
李星星
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.)
Hubei Sanjiang Aerospace Honglin Exploration and Control Co Ltd
Original Assignee
Hubei Sanjiang Aerospace Honglin Exploration and Control 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 Hubei Sanjiang Aerospace Honglin Exploration and Control Co Ltd filed Critical Hubei Sanjiang Aerospace Honglin Exploration and Control Co Ltd
Priority to CN202110974996.6A priority Critical patent/CN113689404A/zh
Publication of CN113689404A publication Critical patent/CN113689404A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20152—Watershed segmentation
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的零件计数的方法，包括将零件平铺进行拍摄形成一张包括所有需计数零件的图片；对所拍摄的零件图片进行灰度处理得到灰度图片；对灰度图片进行二值化处理形成二值化图片；对二值化图片进行形态学开操作、闭操作；对经过形态学开操作和闭操作的图片进行滤波处理；对进行了滤波处理的图片采用分水岭算法进行处理；对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。利用本发明所述的方法，可以大幅度提高计数效率，避免人为计数或者传统计数方法造成的误差；同时不需要其他的成本投入，只需使用摄像头提取零件平铺图像且安装相应的处理软件，通过软件算法对图片进行处理即可。

Description

一种基于图像处理的零件计数系统和方法
技术领域
本发明属于零件计数技术领域，涉及一种基于图像处理的零件计数系统和方法。
背景技术
在装配车间的零件入库环节中，需要对零件进行计数，零件计数方法作为一种生产工艺过程管理优化方法，其应用涉及到零件加工计数的各个领域。目前现有零件计数方法主要有以下几种，通过零件称重的方式进行计数，该方法会随着零件的数量增加或零件加工的差异性而造成误差，从而影响零件的计数精度；采用传感器进行计数的方式，但此方法需要依赖复杂的设备；采用人工计数的方法，但该方法存在效率低的问题，特别是对于体积小、数量多的小零件，大量重复工作容易导致疲劳，从而导致计数误差。
发明内容
本发明旨在提出一种基于图像处理的零件计数系统和方法，其利用图像处理的方式解决了传统计数方式中存在的计数方式繁琐复杂的问题，可以使计数效率大大提高，同时可避免称重方法中因零件个体差异导致的零件计数误差，并且不需要高精度称重仪器，从而降低计数成本。
实现本发明目的之一的基于图像处理的零件计数的方法包括：将零件平铺进行拍摄形成一张包括所有需计数零件的图片；对所拍摄的零件图片进行灰度处理得到灰度图片；对灰度图片进行二值化处理形成二值化图片；对二值化图片进行形态学开操作、闭操作；对经过形态学开操作和闭操作的图片进行滤波处理；对进行了滤波处理的图片采用分水岭算法进行处理；对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。
所述开操作用于去除图片中孤立的小点、毛刺、小桥，所述闭操作用于填充图片中图形内部的小裂缝和孔洞；所述滤波处理用于去除图片中的细小噪声；所述分水岭算法用于对图片中黏连图像进行分割。
进一步的，所述方法还包括，所述对经过形态学开操作和闭操作的图片进行滤波处理，所述滤波处理为中值滤波处理。
进一步的，所述方法还包括，对采用分水岭算法进行处理后的图片进行滤波处理。
进一步的，所述方法还包括，用matlab软件对所拍摄的零件图片进行处理，所述处理包括对所拍摄的零件图片进行灰度处理得到灰度图片；对灰度图片进行二值化处理形成二值化图片；对二值化图片进行形态学开操作、闭操作；对经过形态学开操作和闭操作的图片进行中值滤波处理；对进行了中值滤波处理的图片采用分水岭算法进行处理；对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。
实现本发明目的之二的基于图像处理的零件计数的系统包括，图片生成模块：用于生成一张包括所有需计数零件的图片；灰度处理模块：用于对所拍摄的零件图片进行灰度处理得到灰度图片；二值化处理模块：用于对灰度图片进行二值化处理形成二值化图片；形态学开闭操作模块：用于对二值化图片进行形态学开操作、闭操作；滤波模块：用于对经过形态学开操作和闭操作的图片进行滤波处理，以去除图片中的噪声；分水岭算法模块：用于对进行了滤波处理的图片采用分水岭算法进行处理，对图片中黏连图像进行分割；统计模块：用于对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。
进一步的，所述滤波模块的滤波处理为中值滤波处理。
进一步的，所述滤波模块还用于对采用分水岭算法进行处理后的图片进行滤波处理。
利用本发明所述的方法，可以大幅度提高计数效率，避免人为计数或者传统计数方法造成的误差；同时不需要其他的成本投入，只需使用摄像头提取零件平铺图像且安装MATLAB软件，通过软件算法对图片进行处理即可。
附图说明
图1为本发明所述方法的流程图；
图2为本发明所述系统的结构示意图；
图3为经过本发明所述的灰度处理后的图片；
图4为经过本发明所述的二值化算法处理后的图片；
图5为经过本发明所述的形态学开闭操作处理后的图片；
图6为经过本发明所述的滤波操作处理后的图片；
图7为未经分水岭算法处理的图片；
图8为经过分水岭算法处理后的图片；
图9为经过本发明所述的对标记物进行统计的示意图。
具体实施方式
下列具体实施方式用于对本发明权利要求技术方案的解释，以便本领域的技术人员理解本权利要求书。本发明的保护范围不限于下列具体的实施结构。本领域的技术人员做出的包含有本发明权利要求书技术方案而不同于下列具体实施方式的也是本发明的保护范围。
本方法基于现有的常用图像处理算法对图像进行综合处理，根据零件的图像特征来选择合适的图像处理算法，并调整算法中的相关参数。目前MATLAB软件中集成了大量的图片处理算法，常用算法包括灰度处理、图像二值化、构造结构元素、噪声滤波、分水岭、连通域标记。通过调整算法参数的方式可实现对不同种类零件的有效计数。
零件计数分为两个过程：零件图片的提取、利用MATLAB对图片进行处理并计数。对于零件图片的提取过程，将大量的零件平铺于打印机的扫描仪上，通过扫描仪扫描零件平铺图像进行提取。接下来利用MATLAB软件对零件平铺图像进行处理，在本实施例中使用米粒代替小零件进行仿真说明。
首先对图像进行灰度处理，将图像转化成灰度值基于0-255之间数值，然后构造结构元素，利用图像的形态学处理，对图像的孔洞和粘连部分进行膨胀和腐蚀，通过滤波去除噪声，通过分水岭算法进行粘连图像的分割，最后利用循环结构对图像中的闭区域进行标记并统计个数。流程图如图1所示。下面将分步骤进行描述。
S1、灰度处理
一副完整的图像，每个像素是由红色、绿色、蓝色三种通道组成的。灰度图像中每个像素只有一个采样颜色的图像，通常显示为从最暗黑色到最亮的白色的灰度，介于黑色与白色之间还有许多级的颜色深度，用不同的灰度色阶来表示“红，绿，蓝”在图像中的比重。通道中的纯白代表了该色光在此处为最亮亮度，亮度等级是255。
可以通过下面的方法，将彩色图像转化为灰度图像：
1.浮点运算：Gray＝R*0.3+G*0.59+B*0.11
2.整数方法：Gray＝(R*30+G*59+B*11)/100
3.移位方法：Gray＝(R*76+G*151+B*28)>>8；
通过上述任意一种方法求得Gray之后，将原来的RGB(R，G，B)中的R，G，B统一用Gray替换，形成新的颜色RGB(Gray，Gray，Gray)，用它替换原来的RGB(R，G，B)就是灰度图。
在matlab中通过调用相关函数对图片进行灰度处理，所述函数包括rgb2gray，经过灰度处理后的图像如图3所示。
S2、图片二值化算法
图像的二值化处理就是将图像上的每个像素点的灰度值置为0或255，也就是将整个图像呈现出明显的黑白效果，这里涉及到取阈值的问题，即将256个亮度等级的灰度图像通过选取适当的阈值而获得仍然可以反映图像整体和局部特征的二值化图像，针对图片中的每个像素点小于等于此阈值的像素点就将其灰度值置为0(黑色)，大于此阈值的像素点则将其灰度值置为255(白色)。此阈值的选取有很多种方法，包括中值法，即取0～255的中值127；平均法，即计算像素点矩阵中的所有像素点的灰度值的平均值；直方图方法(也叫双峰法)，直方图方法认为图像由前景和背景组成，在灰度直方图上，前景和背景都形成高峰，在双峰之间的最低、谷处就是阈值。
在matlab中通过调用相关函数可对图片进行二值化处理，所述函数包括graythresh和im2bw，经过二值化算法处理后的图像如图4所示。
S3、形态学开操作、闭操作
构造结构元素是利用膨胀、腐蚀、开运算、闭运算等方法对图像的孔洞和粘连部分进行处理，膨胀和腐蚀这两种操作是形态学处理的基础。
1.膨胀、腐蚀
膨胀腐蚀算法是用特定的图像模板对目标图像的像素矩阵点进行与操作的过程，所述目标图像即为上述步骤得到的图像，膨胀即如果图像模板和目标图像都为0，则该处图像的像素为0，否则为1，膨胀的结果是使图像大一圈。腐蚀的处理结果使原来的图像小一圈。
2.开运算
开运算数学上是先腐蚀后膨胀的结果，开运算的结果为完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分。
3.闭运算
闭运算在数学上是先膨胀再腐蚀的结果，闭运算的结果也是会平滑对象的轮廓，但是与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。
在matlab中通过调用相关函数对图片进行形态学开闭操作，所述函数包括strel、imclose、imopen，经过形态学开闭操作处理后的图像如图5所示。
S4、滤波操作
在本实施例中，所述滤波优先中值滤波，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理计数。它是一种邻域运算，类似于卷积，但是计算的不是加权求和，而是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围像素灰度值差比较大的像素改取与周围像素值接近的值，从而可以取消孤立的噪声点。中值滤波在衰减噪声的同时能较好的保护图像的边缘。
在matlab中调用相关函数可对图片进行中值滤波的操作，所述函数包括medfilt2，经过中值滤波后的图像如图6所示。
S5、分水岭算法
分水岭算法将图像看成3-D的地形表示，即2-D的地基(对应图像空间)加上三维的高度(对应图像灰度)。
实际中建立不同目标间的分水岭过程借助涨水法来讨论。假设有水从各谷底涌出并逐渐增高，如果两个相邻的谷底涌出的水位高过其间的峰尖，这些水就会汇和，这个峰间就是分水岭。
在matlab中调用相关函数可用分水岭算法对图片进行处理，所述函数包括medfilt2、imextendedmin、imimposemin、watershed。未经分水岭算法处理前的图片如图7所示，经分水岭算法处理后的图片如图8所示。
S6、滤波操作
优先的，在经过分山岭操作之后再对图像采用滤波操作，所述滤波优先中值滤波，在matlab中调用相关函数可对图片进行中值滤波的操作，所述函数包括medfilt2。
S7、统计并标记目标物
在matlab中调用相关函数对图片中的零件进行统计，所述相关函数包括bwlabel、find、mean、watershed，经过此步骤后的图片如图9所示，圈出来的则为所要统计的目标物。
在上述算法执行完毕后，小零件位置可被迅速标记并对零件数量进行快速统计。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (7)

1.一种基于图像处理的零件计数的方法，其特征在于，包括将零件平铺进行拍摄形成一张包括所有需计数零件的图片；对所拍摄的零件图片进行灰度处理得到灰度图片；对灰度图片进行二值化处理形成二值化图片；对二值化图片进行形态学开操作、闭操作；对经过形态学开操作和闭操作的图片进行滤波处理；对进行了滤波处理的图片采用分水岭算法进行处理；对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。
2.如权利要求1所述的基于图像处理的零件计数的方法，其特征在于，所述对经过形态学开操作和闭操作的图片进行滤波处理，所述滤波处理为中值滤波处理。
3.如权利要求1所述的基于图像处理的零件计数的方法，其特征在于还包括对采用分水岭算法进行处理后的图片进行滤波处理。
4.如权利要求1所述的基于图像处理的零件计数的方法，其特征在于，还包括用matlab软件对所拍摄的零件图片进行处理，所述处理包括对所拍摄的零件图片进行灰度处理得到灰度图片；对灰度图片进行二值化处理形成二值化图片；对二值化图片进行形态学开操作、闭操作；对经过形态学开操作和闭操作的图片进行中值滤波处理；对进行了中值滤波处理的图片采用分水岭算法进行处理；对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。
5.一种基于图像处理的零件计数的系统，其特征在于，包括图片生成模块：用于生成一张包括所有需计数零件的图片；灰度处理模块：用于对所拍摄的零件图片进行灰度处理得到灰度图片；二值化处理模块：用于对灰度图片进行二值化处理形成二值化图片；形态学开闭操作模块：用于对二值化图片进行形态学开操作、闭操作；滤波模块：用于对经过形态学开操作和闭操作的图片进行滤波处理，以去除图片中的噪声；分水岭算法模块：用于对进行了滤波处理的图片采用分水岭算法进行处理，对图片中的黏连图像进行分割；统计模块：用于对采用分水岭算法进行处理后的图片进行统计并标记零件，得到零件的数量。
6.如权利要求5所述的基于图像处理的零件计数的系统，其特征在于，所述滤波模块的滤波处理为中值滤波处理。
7.如权利要求5所述的基于图像处理的零件计数的系统，其特征在于，所述滤波模块还用于对采用分水岭算法进行处理后的图片进行滤波处理。
CN202110974996.6A 2021-08-24 2021-08-24 一种基于图像处理的零件计数系统和方法 Pending CN113689404A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110974996.6A CN113689404A (zh) 2021-08-24 2021-08-24 一种基于图像处理的零件计数系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110974996.6A CN113689404A (zh) 2021-08-24 2021-08-24 一种基于图像处理的零件计数系统和方法

Publications (1)

Publication Number Publication Date
CN113689404A true CN113689404A (zh) 2021-11-23

Family

ID=78581927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110974996.6A Pending CN113689404A (zh) 2021-08-24 2021-08-24 一种基于图像处理的零件计数系统和方法

Country Status (1)

Country Link
CN (1) CN113689404A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581439A (zh) * 2022-04-29 2022-06-03 天津七一二通信广播股份有限公司 散装零件快速自动点料方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914843A (zh) * 2014-04-04 2014-07-09 上海交通大学 基于分水岭算法和形态学标记的图像分割方法
CN105389581A (zh) * 2015-10-15 2016-03-09 哈尔滨工程大学 一种胚芽米胚芽完整度智能识别系统及其识别方法
CN107749059A (zh) * 2017-11-08 2018-03-02 贵州航天计量测试技术研究所 一种基于连通域识别的电子元器件自动计数方法
JP2019057211A (ja) * 2017-09-22 2019-04-11 岩崎通信機株式会社 部品計数装置、部品計数方法およびプログラム
CN109741357A (zh) * 2018-12-19 2019-05-10 浙江大学 一种基于图像处理的油菜花序计数方法和装置
CN110473174A (zh) * 2019-07-26 2019-11-19 东南大学 一种基于图像计算铅笔精确数目的方法
CN110687122A (zh) * 2019-09-19 2020-01-14 湖北三江航天万峰科技发展有限公司 一种陶瓦表面裂纹检测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914843A (zh) * 2014-04-04 2014-07-09 上海交通大学 基于分水岭算法和形态学标记的图像分割方法
CN105389581A (zh) * 2015-10-15 2016-03-09 哈尔滨工程大学 一种胚芽米胚芽完整度智能识别系统及其识别方法
JP2019057211A (ja) * 2017-09-22 2019-04-11 岩崎通信機株式会社 部品計数装置、部品計数方法およびプログラム
CN107749059A (zh) * 2017-11-08 2018-03-02 贵州航天计量测试技术研究所 一种基于连通域识别的电子元器件自动计数方法
CN109741357A (zh) * 2018-12-19 2019-05-10 浙江大学 一种基于图像处理的油菜花序计数方法和装置
CN110473174A (zh) * 2019-07-26 2019-11-19 东南大学 一种基于图像计算铅笔精确数目的方法
CN110687122A (zh) * 2019-09-19 2020-01-14 湖北三江航天万峰科技发展有限公司 一种陶瓦表面裂纹检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
金佛荣;高皑琼;王凌强;: "基于机器视觉的芯片料管计数系统设计", 无线电工程 *
黄明鑫;杨龙兴;庄立东;梁栋;: "基于HALCON图像处理的粘连零件颗粒计数方法研究", 机械设计与制造工程 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581439A (zh) * 2022-04-29 2022-06-03 天津七一二通信广播股份有限公司 散装零件快速自动点料方法及系统

Similar Documents

Publication Publication Date Title
EP3783374A1 (en) Method for detecting corona discharge employing image processing
CN111260616A (zh) 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
CN108416784B (zh) 城市建成区边界快速提取方法、装置及终端设备
CN104376529B (zh) 一种基于glcm的灰度图像彩色化系统和方法
CN109410205B (zh) 一种复杂路面背景下的裂缝提取方法
CN110390653B (zh) 一种针对OLED屏的高鲁棒性DeMURA方法
CN105701491A (zh) 固定格式文档图像模版的制作方法及其应用
CN112801947A (zh) 一种led显示终端坏点的视觉检测方法
CN108416351A (zh) 路面病害区域的确定方法、装置和计算机设备
Srinivas et al. Remote sensing image segmentation using OTSU algorithm
CN113689404A (zh) 一种基于图像处理的零件计数系统和方法
CN110009574A (zh) 一种亮度、色彩自适应与细节丰富的低动态范围图像逆向生成高动态范围图像的方法
CN111354047A (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN111008563A (zh) 一种暗光场景种子发芽检测方法、装置及可读存储介质
CN109816720B (zh) 道路中心检测方法、机载设备及存储介质
CN115272362A (zh) 一种数字病理全场图像有效区域分割方法、装置
CN113888509A (zh) 一种图像清晰度的评价方法、装置、设备及存储介质
CN112233050B (zh) 一种光线自适应的绿色场地提取方法
CN108830834B (zh) 一种爬索机器人视频缺陷信息自动提取方法
CN110827309A (zh) 一种基于超像素的偏光片外观缺陷分割方法
CN115619796A (zh) 获取光伏组件模板的方法及装置、非易失性存储介质
CN110348452B (zh) 一种图像二值化处理方法及其系统
CN113505622A (zh) 一种自动识别多条码与led灯的测试系统及方法
CN110570437B (zh) 一种基于边界识别的电力通道自动化巡检数据处理方法
CN111382736B (zh) 车牌图像的获取方法和装置

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