CN113781508B - 叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 - Google Patents
叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 Download PDFInfo
- Publication number
- CN113781508B CN113781508B CN202111056336.6A CN202111056336A CN113781508B CN 113781508 B CN113781508 B CN 113781508B CN 202111056336 A CN202111056336 A CN 202111056336A CN 113781508 B CN113781508 B CN 113781508B
- Authority
- CN
- China
- Prior art keywords
- contour
- line
- arc
- segments
- segment
- 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
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000000605 extraction Methods 0.000 title claims description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000009499 grossing Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 29
- 230000001174 ascending effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005219 brazing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- G06T7/13—Edge 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
-
- 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
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/194—Segmentation; Edge detection involving foreground-background 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质，所述叶型孔图像的轮廓型线提取与分割方法通过对叶型孔图像进行滤波降噪、区域划分、目标区域确定、像素级边缘提取、边缘平滑、两次轮廓型线分割与合并、轮廓型线提取等步骤，获取了完整的叶型孔轮廓型线并进一步将其分割为前缘曲线、后缘曲线、叶盆曲线和叶背曲线，为后续的叶型孔轮廓型线参数计算奠定基础，保证检测的准确性。其中，通过第一次轮廓型线分割可以将较大直径的圆弧段有效地分割出来，而通过第二次轮廓型线分割可以将较小直径的圆弧段分割出来，并且可以细化较大直径的圆弧段末端，可以实现更加精确的轮廓型线分割，并达到较高的算法效率。
Description
技术领域
本发明涉及图像处理技术领域，特别地，涉及一种叶型孔图像的轮廓型线提取与分割方法及系统、设备、计算机可读取的存储介质。
背景技术
在中小型航空发动机中的静子安装环类零件上，沿其圆柱壁面的周向方向均匀分布着多个安装和固定导流叶片用的叶型孔特征，这些叶型孔在整台发动机中有数百个之多，而且形状复杂、规格较多。在发动机的装配过程中，需要将导流叶片插装并钎焊到相应的叶型孔中，因而叶型孔的轮廓型线参数就决定了叶片能否插装到位以及叶片钎焊后的位置和姿态，从而影响到发动机装配的可行性、一致性和互换性等。
当前，随着我国航空发动机性能的不断提升，对于批量叶型孔的轮廓度、位置度和均布度等轮廓型线参数的测量精度和检测效率提出了越来越高的要求，迫切需要研制出新型、高效的自动化测量设备。近年来，随着测量技术及相关学科的飞速发展，基于图像技术的机器视觉测量作为一项高新技术，已经广泛应用于航空工业的各个领域中。视觉测量是以图像作为检测手段，将机器视觉与图像处理技术应用于几何特征的测量和定位，不仅具有非接触式测量方法的优点，还具有成本低、操作简便、机动灵活和信息丰富等独特优点，因而被广泛应用于工业现场，这就为叶型孔特征的高精高效测量及相关设备研发提供了一项技术解决方案和思路。
通常说来，叶型孔的轮廓型线是由四段不同参数和类型的弧线段组成的，即前缘、后缘、叶盆和叶背。其中，前缘和后缘为两个圆弧或椭圆弧曲线，而叶盆和叶背则为两条平面自由曲线。在基于机器视觉测量原理并采用背向照明方式采集到被测叶型孔的背向照明图像后，为了最终解算出和获取到该叶型孔的轮廓型线参数，从而判断该叶型孔的加工质量，还需要通过一系列后续的图像处理过程对叶型孔图像进行处理，从而提取出完整的叶型孔轮廓型线，并进一步将其分割为前缘曲线、后缘曲线、叶盆曲线和叶背曲线，以便于后续对于各段曲线的分别处理。然而，由于叶型孔轮廓型线的复杂性及非标准性，尚未有有效且可靠的解决方法。
发明内容
本发明提供了一种叶型孔图像的轮廓型线提取与分割方法及系统、设备、计算机可读取的存储介质，以解决现有技术存在的上述缺点。
根据本发明的一个方面，提供一种叶型孔图像的轮廓型线提取与分割方法，包括以下内容：
对采集到的叶型孔图像进行滤波降噪处理；
将经过滤波降噪处理后的叶型孔图像划分为前景区域和背景区域，前景区域为叶型孔区域；
将前景区域分解为多个互不相连的子区域，并选择面积最大的子区域作为目标区域，所述目标区域为一个完整的叶型孔；
提取出目标区域的像素级边缘；
对像素级边缘进行平滑处理，平滑处理获得的叶型孔的亚像素级边缘作为叶型孔的完整轮廓型线；
对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线；
对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线。
进一步地，所述对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线的过程具体包括以下内容：
采用Ramer算法并设定第一距离阈值对叶型孔的完整轮廓型线进行第一次分割，将其分割成若干条轮廓段，并将每条轮廓段用一条直线段来替代；
采用圆弧方程对相邻两条轮廓段的数据点进行第一次拟合以得到一条圆弧段，若拟合得到的圆弧段与这两条轮廓段之间的最大距离小于等于相应的两条直线段与这两条轮廓段之间的最大距离，则采用圆弧段替代相邻的两条轮廓段，否则，仍然采用两条直线段来替代相应的两条轮廓段，不断迭代，整个叶型孔轮廓型线被分割成多条轮廓段，每条轮廓段用直线段或者圆弧段替代；
采用Ramer算法并设定第二距离值对第一次拟合过程中用直线段替代的那些轮廓段进行第二次分割，将其分割为新的轮廓段，并将每条新的轮廓段用直线段来替代，其中，第二距离值小于第一距离值；
采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，最终得到由多条圆弧段拟合而成的轮廓型线。
进一步地，所述采用圆弧方程对相邻的两条轮廓段进行第一次拟合以得到一条圆弧段的过程具体包括以下内容：
设相邻两条轮廓段上的数据点的坐标分别为(u1,v1)、(u2,v2)、…、(un,vn)，其中，(u1,v1)和(un,vn)分别为起点坐标和终点坐标，n为两条轮廓段上的数据点数目，则在二维平面坐标系o-uv中，圆弧方程的表达式为：
(u-u0)2+(v-v0)2＝R2，u∈[u1,un]且v∈[v1,vn]
其中，u0、v0和R为未知数，(u0,v0)为圆弧段所在圆周的圆心坐标，R为圆弧所在圆周的半径，由数据点(u1,v1)、(u2,v2)、…、(un,vn)和圆弧方程的表达式构成如下目标函数f：
基于最小二乘法求解出使目标函数f取得极小值的u0、v0和R，从而得到由相邻的两条轮廓段上的数据点拟合而成的圆弧段。
进一步地，所述对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线的过程具体包括以下内容：
以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线；
以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线；
将前缘曲线和后缘曲线从轮廓型线中分离出来，将剩余的相邻轮廓段进行联合，得到叶盆曲线和叶背曲线。
另外，本发明还提供一种叶型孔图像的轮廓型线提取与分割系统，包括：
滤波模块，用于对采集到的叶型孔图像进行滤波降噪处理；
区域划分模块，用于将经过滤波降噪处理后的叶型孔图像划分为前景区域和背景区域，前景区域为叶型孔区域；
区域分解模块，用于将前景区域分解为多个互不相连的子区域，并选择面积最大的子区域作为目标区域，所述目标区域为一个完整的叶型孔；
边缘提取模块，用于提取出目标区域的像素级边缘；
边缘处理模块，用于对像素级边缘进行平滑处理，平滑处理获得的叶型孔的亚像素级边缘作为叶型孔的完整轮廓型线；
轮廓型线分割模块，用于对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线；
轮廓型线提取模块，用于对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线。
进一步地，所述轮廓型线分割模块具体包括：
第一分割单元，用于采用Ramer算法并设定第一距离阈值对叶型孔的完整轮廓型线进行第一次分割，将其分割成若干条轮廓段，并将每条轮廓段用一条直线段来替代；
第一拟合单元，用于采用圆弧方程对相邻两条轮廓段的数据点进行第一次拟合以得到一条圆弧段，若拟合得到的圆弧段与这两条轮廓段之间的最大距离小于等于相应的两条直线段与这两条轮廓段之间的最大距离，则采用圆弧段替代相邻的两条轮廓段，否则，仍然采用两条直线段来替代相应的两条轮廓段，不断迭代，整个叶型孔轮廓型线被分割成多条轮廓段，每条轮廓段用直线段或者圆弧段替代；
第二分割单元，用于采用Ramer算法并设定第二距离值对第一次拟合过程中用直线段替代的那些轮廓段进行第二次分割，将其分割为新的轮廓段，并将每条新的轮廓段用直线段来替代，其中，第二距离值小于第一距离值；
第二拟合单元，用于采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，最终得到由多条圆弧段拟合而成的轮廓型线。
进一步地，第一拟合单元和第二拟合单元采用圆弧方程对相邻两条轮廓段进行拟合得到圆弧段的过程包括以下内容：
设相邻两条轮廓段上的数据点的坐标分别为(u1,v1)、(u2,v2)、…、(un,vn)，其中，(u1,v1)和(un,vn)分别为起点坐标和终点坐标，n为两条轮廓段上的数据点数目，则在二维平面坐标系o-uv中，圆弧方程的表达式为：
(u-u0)2+(v-v0)2＝R2，u∈[u1,un]且v∈[v1,vn]
其中，u0、v0和R为未知数，(u0,v0)为圆弧段所在圆周的圆心坐标，R为圆弧所在圆周的半径，由数据点(u1,v1)、(u2,v2)、…、(un,vn)和圆弧方程的表达式构成如下目标函数f：
基于最小二乘法求解出使目标函数f取得极小值的u0、v0和R，从而得到由相邻的两条轮廓段上的数据点拟合而成的圆弧段。
进一步地，所述轮廓型线提取模块包括：
前缘曲线提取单元，用于以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线；
后缘曲线提取单元，以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线；
叶盆和叶背曲线提取单元，用于将前缘曲线和后缘曲线从轮廓型线中分离出来，将剩余的相邻轮廓段进行联合，得到叶盆曲线和叶背曲线。
另外，本发明还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
另外，本发明还提供一种计算机可读取的存储介质，用于存储对叶型孔图像进行轮廓型线提取与分割的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
本发明具有以下效果：
本发明的叶型孔图像的轮廓型线提取与分割方法，通过对叶型孔图像进行滤波降噪、区域划分、目标区域确定、像素级边缘提取、边缘平滑、两次轮廓型线分割与合并、轮廓型线提取等步骤，获取了完整的叶型孔轮廓型线并进一步将其分割为前缘曲线、后缘曲线、叶盆曲线和叶背曲线，作为复杂及非标准的异形孔图像数据转换为数字化评价的前提技术，为后续的叶型孔轮廓型线参数计算奠定基础，保证检测的准确性。本发明采用两次轮廓型线分割和合并过程来获取最终的分割结果，通过第一次轮廓型线分割可以将较大直径的圆弧段有效地分割出来，而通过第二次轮廓型线分割可以将较小直径的圆弧段分割出来，并且可以细化较大直径的圆弧段末端，可以实现更加精确的轮廓型线分割，并达到较高的算法效率。
另外，本发明的叶型孔图像的轮廓型线提取与分割系统、设备、计算机可读取的存储介质同样具有上述优点。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的叶型孔图像的轮廓型线提取与分割方法的流程示意图。
图2是本发明优选实施例中的叶型孔的背向照明图像的示意图。
图3是本发明优选实施例中的从前景区域中分解出的目标区域图像的示意图。
图4是本发明优选实施例中提取出的像素级边缘图像的示意图。
图5是图1中步骤S6的子流程示意图。
图6是本发明优选实施例中的第一次轮廓型线分割结果图像的示意图。
图7是本发明优选实施例中的第一次轮廓段合并结果图像的示意图。
图8是图1中步骤S7的子流程示意图。
图9是本发明优选实施例中的前缘曲线和后缘曲线的最小外接矩形图像的示意图。
图10是本发明优选实施例中的轮廓型线分割结果图像的示意图。
图11是本发明另一实施例中的叶型孔图像的轮廓型线提取与分割系统的模块结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。
如图1所示，本发明的优选实施例提供一种叶型孔图像的轮廓型线提取与分割方法，包括以下内容：
步骤S1：对采集到的叶型孔图像进行滤波降噪处理；
步骤S2：将经过滤波降噪处理后的叶型孔图像划分为前景区域和背景区域，前景区域为叶型孔区域；
步骤S3：将前景区域分解为多个互不相连的子区域，并选择面积最大的子区域作为目标区域，所述目标区域为一个完整的叶型孔；
步骤S4：提取出目标区域的像素级边缘；
步骤S5：对像素级边缘进行平滑处理，平滑处理获得的叶型孔的亚像素级边缘作为叶型孔的完整轮廓型线；
步骤S6：对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线；
步骤S7：对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线。
可以理解，本实施例的叶型孔图像的轮廓型线提取与分割方法，通过对叶型孔图像进行滤波降噪、区域划分、目标区域确定、像素级边缘提取、边缘平滑、两次轮廓型线分割与合并、轮廓型线提取等步骤，获取了完整的叶型孔轮廓型线并进一步将其分割为前缘曲线、后缘曲线、叶盆曲线和叶背曲线，作为复杂及非标准的异形孔图像数据转换为数字化评价的前提技术，为后续的叶型孔轮廓型线参数计算奠定基础，保证检测的准确性。本发明采用两次轮廓型线分割和合并过程来获取最终的分割结果，通过第一次轮廓型线分割可以将较大直径的圆弧段有效地分割出来，而通过第二次轮廓型线分割可以将较小直径的圆弧段分割出来，并且可以细化较大直径的圆弧段末端，可以实现更加精确的轮廓型线分割，并达到较高的算法效率。
可以理解，具体采用背向照明方式采集被测叶型孔的背向照明图像，被测叶型孔的背向照明图像如图2所示，在叶型孔的背向照明图像中，遮光的部分为黑色，透光的部分为白色，从而使叶型孔图像中的像素黑白分明而易于后续处理和分析。在所述步骤S1中，对采集到的被测叶型孔的背向照明图像进行中值滤波处理，以降低原始图像中的噪声干扰。
可以理解，在所述步骤S2中，具体通过最大类间方差法确定图像阈值，并应用该阈值将经过中值滤波的叶型孔图像划分为前景区域和背景区域，其中，将灰度值高于阈值的像素所构成的区域设定为前景区域，而将灰度值低于阈值的像素所构成的区域设定为背景区域，前景区域即为叶型孔区域，即图2中白色区域。其中，最大类间方差法属于现有算法，故在此不再赘述。
可以理解，在所述步骤S3中，将前景区域进一步分解为多个互不相连的子区域，并选择出其中面积最大的子区域作为后续处理的目标区域，该目标区域是叶型孔图像中的一个完整的叶型孔区域，目标区域图像如图3所示。
可以理解，在所述步骤S4中，具体采用基于图像灰度梯度的边缘检测算法提取出目标区域的像素级边缘，其中，具体的边缘检测算法属于现有技术，故在此不再赘述。从目标区域图像中提取出来的像素级边缘图像如图4所示。
可以理解，在所述步骤S5中，将像素级边缘上的每个像素均投影到该像素的局部回归线上，从而对像素级边缘进行平滑处理，以抑制像素级边缘上的异常值，获取到叶型孔的亚像素级边缘作为该叶型孔的完整轮廓型线。
可以理解，如图5所示，所述步骤S6具体包括以下内容：
步骤S61：采用Ramer算法并设定第一距离阈值对叶型孔的完整轮廓型线进行第一次分割，将其分割成若干条轮廓段，并将每条轮廓段用一条直线段来替代；
步骤S62：采用圆弧方程对相邻两条轮廓段的数据点进行第一次拟合以得到一条圆弧段，若拟合得到的圆弧段与这两条轮廓段之间的最大距离小于等于相应的两条直线段与这两条轮廓段之间的最大距离，则采用圆弧段替代相邻的两条轮廓段，否则，仍然采用两条直线段来替代相应的两条轮廓段，不断迭代，整个叶型孔轮廓型线被分割成多条轮廓段，每条轮廓段用直线段或者圆弧段替代；
步骤S63：采用Ramer算法并设定第二距离值对第一次拟合过程中用直线段替代的那些轮廓段进行第二次分割，将其分割为新的轮廓段，并将每条新的轮廓段用直线段来替代，其中，第二距离值小于第一距离值；
步骤S64：采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，最终得到由多条圆弧段拟合而成的轮廓型线。
具体地，先采用Ramer算法(ramer-douglas-peucker，拉默-道格拉斯-普克算法，又简称RDP算法)并设定第一距离阈值D1，对叶型孔的完整轮廓型线进行第一次分割，将其分割为若干条轮廓段，每条轮廓段由多个数据点组成，然后将每条轮廓段用一条直线段来替代，该直线段由被替代的轮廓段的起点与终点直接连接而成，每条直线段与相应轮廓段之间的最大距离均小于D1。其中，具体的Ramer算法对轮廓型线进行分割的具体过程属于现有技术，故在此不再赘述。其中，第一次轮廓型线分割结果的图像如图6所示。
然后进行第一次轮廓段合并，采用圆弧方程对相连两条轮廓段的数据点进行第一次拟合，得到一条拟合的圆弧段。具体的拟合过程如下：
设相邻两条轮廓段上的数据点的坐标分别为(u1,v1)、(u2,v2)、…、(un,vn)，其中，(u1,v1)和(un,vn)分别为起点坐标和终点坐标，n为两条轮廓段上的数据点数量，则在二维平面坐标系o-uv中，圆弧方程的表达式为：
(u-u0)2+(v-v0)2＝R2，u∈[u1,un]且v∈[v1,vn]
其中，u0、v0和R为未知数，(u0,v0)为圆弧段所在圆周的圆心坐标，R为圆弧所在圆周的半径，由数据点(u1,v1)、(u2,v2)、…、(un,vn)和圆弧方程的表达式构成如下目标函数f：
基于最小二乘法求解出使目标函数f取得极小值的u0、v0和R，从而得到由相邻的两条轮廓段上的数据点拟合而成的圆弧段。
如果拟合得到的圆弧段与这两条轮廓段之间的最大距离不大于相应的两条直线段与这两条轮廓段之间的最大距离，则采用拟合得到的圆弧段来替代这两条轮廓段，由此完成了两条轮廓段的合并；如果拟合圆弧段与这两条轮廓段之间的最大距离大于相应的两条直线段与这两条轮廓段之间的最大距离，则依然采用这两条直线段来替代相应的两条轮廓段。不断迭代计算一直到不再发生任何改变为止，迭代过程结束后，整个叶型孔轮廓型线被分割为多条轮廓段，每条轮廓段用直线段或者圆弧段来替代。其中，第一次轮廓段合并结果的图像如图7所示。
接着，进行第二次轮廓型线分割，再次采用Ramer算法并设定第二距离阈值D2(D2＜D1)，对上述迭代过程中得到的用直线段替代的那些轮廓段再次进行分割，将这些轮廓段再次分割为新的轮廓段，并将每条新的轮廓段用一条直线段来替代，该直线段由被替代的轮廓段的起点与终点直接连接而成，每条直线段与相应轮廓段之间的最大距离均小于D2。
最后，进行第二次轮廓段合并，再次采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，具体的迭代拟合过程与第一次相同，故在此不再赘述，最终得到由多条圆弧段拟合而成的轮廓型线。
可以理解，基于叶型孔轮廓型线的特点和设计要求，前缘曲线和后缘曲线是连接叶盆曲线和叶背曲线的两段圆弧或椭圆弧，而叶盆曲线和叶背曲线则为两段自由曲线。前缘曲线和后缘曲线同时与叶盆曲线和叶背曲线相切，而且前缘曲线和后缘曲线的曲率半径较小，而叶盆曲线和叶背曲线的曲率半径较大，两类曲线之间的曲率差异明显。而且，对于前缘曲线和后缘曲线而言，应用圆弧段替代轮廓段的误差会比应用若干直线段进行替代的误差要小得多，因而在轮廓段合并过程中会达到良好的合并效果，并通过迭代将多个直线段逐步合并为一个圆弧段，从而将完整的前缘曲线和后缘曲线分割出来。因此，基于前缘曲线和后缘曲线自身的圆弧或椭圆弧特性，通过两次轮廓型线分割和合并后，所得到的多条圆弧段中必然有前缘轮廓段和后缘轮廓段。通过第一次轮廓型线分割可以将较大直径的圆弧段有效地分割出来，而通过第二次轮廓型线分割可以将较小直径的圆弧段分割出来，并且可以细化较大直径的圆弧段末端，可以实现更加精确的轮廓型线分割，并达到较高的算法效率。
可以理解，如图8所示，所述步骤S7具体包括以下内容：
步骤S71：以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线；
步骤S72：以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线；
步骤S73：将前缘曲线和后缘曲线从轮廓型线中分离出来，将剩余的相邻轮廓段进行联合，得到叶盆曲线和叶背曲线。
具体地，如图6所示，在叶型孔图像中，坐标系的原点在图像的左上方，u轴(即列坐标)正方向朝右，v轴(即行坐标)正方向朝下。因此，前缘曲线的行坐标值是最大的，而后缘曲线的列坐标值是最大的。如图9所示，通过以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线，以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线。然后，将前缘曲线和后缘曲线从所有轮廓段中分离出来，再将剩余的相邻轮廓段进行联合，由于叶背段位于叶盆段的上方，可以基于每个轮廓段的数据点的坐标信息可以得到其属于叶盆段还是叶背段，从而提取出叶盆曲线和叶背曲线。通过上述步骤，最终将提取到的完整的叶型孔轮廓型线分割为前缘曲线、后缘曲线、叶盆曲线和叶背曲线，从而为后续的叶型孔轮廓型线参数计算奠定坚实基础。其中，将轮廓型线分割结果图像如图10所示。
另外，如图11所示，本发明的另一实施例还提供一种叶型孔图像的轮廓型线提取与分割系统，优选采用上述实施例的方法，所述系统包括：
滤波模块，用于对采集到的叶型孔图像进行滤波降噪处理；
区域划分模块，用于将经过滤波降噪处理后的叶型孔图像划分为前景区域和背景区域，前景区域为叶型孔区域；
区域分解模块，用于将前景区域分解为多个互不相连的子区域，并选择面积最大的子区域作为目标区域，所述目标区域为一个完整的叶型孔；
边缘提取模块，用于提取出目标区域的像素级边缘；
边缘处理模块，用于对像素级边缘进行平滑处理，平滑处理获得的叶型孔的亚像素级边缘作为叶型孔的完整轮廓型线；
轮廓型线分割模块，用于对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线；
轮廓型线提取模块，用于对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线。
可以理解，本实施例的叶型孔图像的轮廓型线提取与分割系统，通过对叶型孔图像进行滤波降噪、区域划分、目标区域确定、像素级边缘提取、边缘平滑、两次轮廓型线分割与合并、轮廓型线提取等步骤，获取了完整的叶型孔轮廓型线并进一步将其分割为前缘曲线、后缘曲线、叶盆曲线和叶背曲线，作为复杂及非标准的异形孔图像数据转换为数字化评价的前提技术，为后续的叶型孔轮廓型线参数计算奠定基础，保证检测的准确性。本发明采用两次轮廓型线分割和合并过程来获取最终的分割结果，通过第一次轮廓型线分割可以将较大直径的圆弧段有效地分割出来，而通过第二次轮廓型线分割可以将较小直径的圆弧段分割出来，并且可以细化较大直径的圆弧段末端，可以实现更加精确的轮廓型线分割，并达到较高的算法效率。
可以理解，所述轮廓型线分割模块具体包括：
第一分割单元，用于采用Ramer算法并设定第一距离阈值对叶型孔的完整轮廓型线进行第一次分割，将其分割成若干条轮廓段，并将每条轮廓段用一条直线段来替代；
第一拟合单元，用于采用圆弧方程对相邻两条轮廓段的数据点进行第一次拟合以得到一条圆弧段，若拟合得到的圆弧段与这两条轮廓段之间的最大距离小于等于相应的两条直线段与这两条轮廓段之间的最大距离，则采用圆弧段替代相邻的两条轮廓段，否则，仍然采用两条直线段来替代相应的两条轮廓段，不断迭代，整个叶型孔轮廓型线被分割成多条轮廓段，每条轮廓段用直线段或者圆弧段替代；
第二分割单元，用于采用Ramer算法并设定第二距离值对第一次拟合过程中用直线段替代的那些轮廓段进行第二次分割，将其分割为新的轮廓段，并将每条新的轮廓段用直线段来替代，其中，第二距离值小于第一距离值；
第二拟合单元，用于采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，最终得到由多条圆弧段拟合而成的轮廓型线。
其中，第一拟合单元和第二拟合单元采用圆弧方程对相邻两条轮廓段进行拟合得到圆弧段的过程包括以下内容：
设相邻两条轮廓段上的数据点的坐标分别为(u1,v1)、(u2,v2)、…、(un,vn)，其中，(u1,v1)和(un,vn)分别为起点坐标和终点坐标，n为两条轮廓段上的数据点数目，则在二维平面坐标系o-uv中，圆弧方程的表达式为：
(u-u0)2+(v-v0)2＝R2，u∈[u1,un]且v∈[v1,vn]
其中，u0、v0和R为未知数，(u0,v0)为圆弧段所在圆周的圆心坐标，R为圆弧所在圆周的半径，由数据点(u1,v1)、(u2,v2)、…、(un,vn)和圆弧方程的表达式构成如下目标函数f：
基于最小二乘法求解出使目标函数f取得极小值的u0、v0和R，从而得到由相邻的两条轮廓段上的数据点拟合而成的圆弧段。
另外，所述轮廓型线提取模块包括：
前缘曲线提取单元，用于以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线；
后缘曲线提取单元，以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线；
叶盆和叶背曲线提取单元，用于将前缘曲线和后缘曲线从轮廓型线中分离出来，将剩余的相邻轮廓段进行联合，得到叶盆曲线和叶背曲线。
可以理解，本实施例的系统中的各个模块和单元分别与上述方法实施例中的各个步骤相对应，故各个模块和单元的具体工作过程在此不再赘述，参考上述方法实施例即可。
另外，本发明的另一实施例还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
另外，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储对叶型孔图像进行轮廓型线提取与分割的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
一般计算机可读取存储介质的形式包括：软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种叶型孔图像的轮廓型线提取与分割方法，其特征在于，包括以下内容：
对采集到的叶型孔图像进行滤波降噪处理；
将经过滤波降噪处理后的叶型孔图像划分为前景区域和背景区域，前景区域为叶型孔区域；
将前景区域分解为多个互不相连的子区域，并选择面积最大的子区域作为目标区域，所述目标区域为一个完整的叶型孔；
提取出目标区域的像素级边缘；
对像素级边缘进行平滑处理，平滑处理获得的叶型孔的亚像素级边缘作为叶型孔的完整轮廓型线；
对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线；
对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线。
2.如权利要求1所述的叶型孔图像的轮廓型线提取与分割方法，其特征在于，所述对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线的过程具体包括以下内容：
采用Ramer算法并设定第一距离阈值对叶型孔的完整轮廓型线进行第一次分割，将其分割成若干条轮廓段，并将每条轮廓段用一条直线段来替代；
采用圆弧方程对相邻两条轮廓段的数据点进行第一次拟合以得到一条圆弧段，若拟合得到的圆弧段与这两条轮廓段之间的最大距离小于等于相应的两条直线段与这两条轮廓段之间的最大距离，则采用圆弧段替代相邻的两条轮廓段，否则，仍然采用两条直线段来替代相应的两条轮廓段，不断迭代，整个叶型孔轮廓型线被分割成多条轮廓段，每条轮廓段用直线段或者圆弧段替代；
采用Ramer算法并设定第二距离值对第一次拟合过程中用直线段替代的那些轮廓段进行第二次分割，将其分割为新的轮廓段，并将每条新的轮廓段用直线段来替代，其中，第二距离值小于第一距离值；
采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，最终得到由多条圆弧段拟合而成的轮廓型线。
3.如权利要求2所述的叶型孔图像的轮廓型线提取与分割方法，其特征在于，所述采用圆弧方程对相邻的两条轮廓段进行第一次拟合以得到一条圆弧段的过程具体包括以下内容：
设相邻两条轮廓段上的数据点的坐标分别为(u1,v1)、(u2,v2)、…、(un,vn)，其中，(u1,v1)和(un,vn)分别为起点坐标和终点坐标，n为两条轮廓段上的数据点数目，则在二维平面坐标系o-uv中，圆弧方程的表达式为：
(u-u0)2+(v-v0)2＝R2，u∈[u1,un]且v∈[v1,vn]
其中，u0、v0和R为未知数，(u0,v0)为圆弧段所在圆周的圆心坐标，R为圆弧所在圆周的半径，由数据点(u1,v1)、(u2,v2)、…、(un,vn)和圆弧方程的表达式构成如下目标函数f：
基于最小二乘法求解出使目标函数f取得极小值的u0、v0和R，从而得到由相邻的两条轮廓段上的数据点拟合而成的圆弧段。
4.如权利要求1所述的叶型孔图像的轮廓型线提取与分割方法，其特征在于，所述对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线的过程具体包括以下内容：
以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线；
以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线；
将前缘曲线和后缘曲线从轮廓型线中分离出来，将剩余的相邻轮廓段进行联合，得到叶盆曲线和叶背曲线。
5.一种叶型孔图像的轮廓型线提取与分割系统，其特征在于，包括：
滤波模块，用于对采集到的叶型孔图像进行滤波降噪处理；
区域划分模块，用于将经过滤波降噪处理后的叶型孔图像划分为前景区域和背景区域，前景区域为叶型孔区域；
区域分解模块，用于将前景区域分解为多个互不相连的子区域，并选择面积最大的子区域作为目标区域，所述目标区域为一个完整的叶型孔；
边缘提取模块，用于提取出目标区域的像素级边缘；
边缘处理模块，用于对像素级边缘进行平滑处理，平滑处理获得的叶型孔的亚像素级边缘作为叶型孔的完整轮廓型线；
轮廓型线分割模块，用于对叶型孔的完整轮廓型线进行两次轮廓型线分割和合并，得到由多条圆弧段拟合而成的轮廓型线；
轮廓型线提取模块，用于对轮廓型线中的多条圆弧段进行整理和排序，分别提取出前缘曲线、后缘曲线、叶盆曲线和叶背曲线。
6.如权利要求5所述的叶型孔图像的轮廓型线提取与分割系统，其特征在于，所述轮廓型线分割模块具体包括：
第一分割单元，用于采用Ramer算法并设定第一距离阈值对叶型孔的完整轮廓型线进行第一次分割，将其分割成若干条轮廓段，并将每条轮廓段用一条直线段来替代；
第一拟合单元，用于采用圆弧方程对相邻两条轮廓段的数据点进行第一次拟合以得到一条圆弧段，若拟合得到的圆弧段与这两条轮廓段之间的最大距离小于等于相应的两条直线段与这两条轮廓段之间的最大距离，则采用圆弧段替代相邻的两条轮廓段，否则，仍然采用两条直线段来替代相应的两条轮廓段，不断迭代，整个叶型孔轮廓型线被分割成多条轮廓段，每条轮廓段用直线段或者圆弧段替代；
第二分割单元，用于采用Ramer算法并设定第二距离值对第一次拟合过程中用直线段替代的那些轮廓段进行第二次分割，将其分割为新的轮廓段，并将每条新的轮廓段用直线段来替代，其中，第二距离值小于第一距离值；
第二拟合单元，用于采用圆弧方程对第二次分割得到的新的轮廓段进行第二次迭代拟合，最终得到由多条圆弧段拟合而成的轮廓型线。
7.如权利要求6所述的叶型孔图像的轮廓型线提取与分割系统，其特征在于，第一拟合单元和第二拟合单元采用圆弧方程对相邻两条轮廓段进行拟合得到圆弧段的过程包括以下内容：
设相邻两条轮廓段上的数据点的坐标分别为(u1,v1)、(u2,v2)、…、(un,vn)，其中，(u1,v1)和(un,vn)分别为起点坐标和终点坐标，n为两条轮廓段上的数据点数目，则在二维平面坐标系o-uv中，圆弧方程的表达式为：
(u-u0)2+(v-v0)2＝R2，u∈[u1,un]且v∈[v1,vn]
其中，u0、v0和R为未知数，(u0,v0)为圆弧段所在圆周的圆心坐标，R为圆弧所在圆周的半径，由数据点(u1,v1)、(u2,v2)、…、(un,vn)和圆弧方程的表达式构成如下目标函数f：
基于最小二乘法求解出使目标函数f取得极小值的u0、v0和R，从而得到由相邻的两条轮廓段上的数据点拟合而成的圆弧段。
8.如权利要求5所述的叶型孔图像的轮廓型线提取与分割系统，其特征在于，所述轮廓型线提取模块包括：
前缘曲线提取单元，用于以各个圆弧段的最小外接矩形左上角的行坐标按升序排列，则排在最后的圆弧段即为前缘曲线；
后缘曲线提取单元，以各个轮廓段的最小外接矩形右上角的列坐标按升序排列，则排在最后的圆弧段为后缘曲线；
叶盆和叶背曲线提取单元，用于将前缘曲线和后缘曲线从轮廓型线中分离出来，将剩余的相邻轮廓段进行联合，得到叶盆曲线和叶背曲线。
9.一种设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～4任一项所述的方法的步骤。
10.一种计算机可读取的存储介质，用于存储对叶型孔图像进行轮廓型线提取与分割的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～4任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111056336.6A CN113781508B (zh) | 2021-09-09 | 2021-09-09 | 叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111056336.6A CN113781508B (zh) | 2021-09-09 | 2021-09-09 | 叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113781508A CN113781508A (zh) | 2021-12-10 |
| CN113781508B true CN113781508B (zh) | 2022-12-09 |
Family
ID=78842042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111056336.6A Active CN113781508B (zh) | 2021-09-09 | 2021-09-09 | 叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781508B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116433701B (zh) * | 2023-06-15 | 2023-10-10 | 武汉中观自动化科技有限公司 | 一种工件孔洞轮廓的提取方法、装置、设备及存储介质 |
| CN118565346A (zh) * | 2024-07-30 | 2024-08-30 | 中国石油大学(华东) | 一种油管外螺纹多参数一体化视觉测量方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110866932A (zh) * | 2018-08-20 | 2020-03-06 | 深圳市前海安测信息技术有限公司 | 多通道舌体边缘检测装置、方法及存储介质 |
| CN111008980A (zh) * | 2019-12-17 | 2020-04-14 | 西安交通大学 | 基于曲率变化的叶片缘头截面型线自适应分割方法 |
| CN111368462A (zh) * | 2020-03-31 | 2020-07-03 | 华中科技大学 | 一种基于曲率估计的航空叶片型面检测方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7831107B2 (en) * | 2005-10-17 | 2010-11-09 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
-
2021
- 2021-09-09 CN CN202111056336.6A patent/CN113781508B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110866932A (zh) * | 2018-08-20 | 2020-03-06 | 深圳市前海安测信息技术有限公司 | 多通道舌体边缘检测装置、方法及存储介质 |
| CN111008980A (zh) * | 2019-12-17 | 2020-04-14 | 西安交通大学 | 基于曲率变化的叶片缘头截面型线自适应分割方法 |
| CN111368462A (zh) * | 2020-03-31 | 2020-07-03 | 华中科技大学 | 一种基于曲率估计的航空叶片型面检测方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刀具轮廓亚像素精度阈值分割算法研究;关波等;《图学学报》;20141215(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113781508A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113781508B (zh) | 叶型孔图像的轮廓型线提取与分割方法及系统、设备、存储介质 | |
| CN111758024B (zh) | 一种缺陷检测方法及装置 | |
| CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
| CN107228860B (zh) | 一种基于图像旋转周期特性的齿轮缺陷检测方法 | |
| CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
| EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
| CN108764229A (zh) | 一种基于计算机视觉技术的水尺图像自动识别方法 | |
| CN115311275B (zh) | 一种电子元器件表面缺陷检测方法及系统 | |
| CN115861351A (zh) | 边缘检测方法、缺陷检测方法及检测装置 | |
| CN113554649B (zh) | 一种缺陷检测方法、装置、计算机设备及存储介质 | |
| CN118334019B (zh) | 一种注塑件注塑质量检测方法及系统 | |
| CN106503720B (zh) | 一种去除吸嘴干扰的元件图像识别方法 | |
| CN116309516A (zh) | 基于计算机视觉的智能检测方法 | |
| CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
| CN112819842B (zh) | 适用于工件质检的工件轮廓曲线拟合方法、装置及介质 | |
| CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
| CN115471650A (zh) | 一种气体压力仪表读数方法、装置、设备及介质 | |
| CN111476792A (zh) | 一种板带钢图像轮廓的提取方法 | |
| CN112907656A (zh) | 机器人的位置检测方法、检测装置、处理器和电子设备 | |
| CN112651936A (zh) | 基于图像局部熵的钢板表面缺陷图像分割方法及系统 | |
| CN117152447B (zh) | 一种冲切模具智能管理方法及系统 | |
| CN115880318B (zh) | 激光测距方法、介质、设备及装置 | |
| CN113592931B (zh) | 一种应用于工业图像的快速配准方法 | |
| CN118522656B (zh) | 一种清洗刻蚀机的智能化清洗方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |