CN113870120B - 一种基于pq-mean分布的加工表面纹理倾斜校正方法 - Google Patents
一种基于pq-mean分布的加工表面纹理倾斜校正方法 Download PDFInfo
- Publication number
- CN113870120B CN113870120B CN202111479955.6A CN202111479955A CN113870120B CN 113870120 B CN113870120 B CN 113870120B CN 202111479955 A CN202111479955 A CN 202111479955A CN 113870120 B CN113870120 B CN 113870120B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- processing surface
- information
- absolute value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000012937 correction Methods 0.000 title claims description 14
- 239000000126 substance Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 4
- 229910001018 Cast iron Inorganic materials 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于pq‑mean分布的加工表面纹理倾斜校正方法,主要包括以下步骤,获取到加工表面照片后将其转换为灰度空间,分别计算图像行列方向灰度信息的稀疏测度,随后计算两者平方差绝对值,以1°为间隔,在角度范围[‑90°,90°]内,旋转图片至对应角度,并在每个旋转图片上计算其平方差绝对值,最终形成一个平方差绝对值序列,则其最大值所在角度即为加工表面纹理倾斜角度。本发明具有倾斜角度自动辨识的优点,能够利用pq‑mean的分布情况自适应地沿着表面加工方向进行倾斜状态的校正。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种基于pq-mean分布的加工表面纹理倾斜校正方法。
背景技术
表面计量中纹理方向的选择对于工件表面状态的评估具有重要的影响。由于测量过程中难以对纹理方向进行准确的约束,其测量方向一般由计量人员通过视觉检查进行大致的判断。然而,这种人工干预的方式受制于操作人员的经验,不可避免会影响测量解决的鲁棒性。目前为止,尚没有一种成熟方法进行加工表面纹理倾斜方向的自适应获取并对其倾斜状态进行校正。
发明内容
本发明的目的在于,提供一种基于pq-mean分布的加工表面纹理倾斜校正方法。本发明具有倾斜角度自动辨识的优点,能够利用pq-mean的分布情况自适应地沿着表面加工方向进行倾斜状态的校正。
本发明的技术方案:一种基于pq-mean分布的加工表面纹理倾斜校正方法,其特征在于:包括以下步骤:
S1:利用图像采集设备对加工表面进行拍照并获取其图像样本;
S2:利用图像三个颜色通道的强度信息,将彩色图像样本转换为单通道的灰度图像;
S3:沿着图像水平方向提取经过图像中心点的行灰度信息 I row ;
S4:沿着图像垂直方向提取经过图像中心点的列灰度信息 I column ;
S5:分别计算对应的行灰度信息和列灰度信息的稀疏测度;
S6:计算两者平方差绝对值;
S7:以1°为间隔,在角度范围[-90°, 90°]内,旋转图片至对应角度,并在每个旋转图片上重复步骤S1至S6,获取一个新的平方差绝对值,最终形成一个平方差绝对值序列;
S8:寻找平方差绝对值序列最大值,则其平方差绝对值序列最大值所在角度即为加工表面纹理倾斜角度;
S9:根据寻找到的加工表面纹理倾斜角度对加工表面图像进行旋转即可实现纹理倾斜的校正。
前述的基于pq-mean分布的加工表面纹理倾斜校正方法中,所述的步骤S2中,单通道的灰度图像生成方法为:
其中,I为生成的灰度图像,R为彩色图像的红色通道,G为彩色图像的绿色通道,B为彩色图像的蓝色通道。
前述的基于pq-mean分布的加工表面纹理倾斜校正方法中,所述的步骤S5中,稀疏测度pq-mean的计算方法为:
前述的基于pq-mean分布的加工表面纹理倾斜校正方法中,所述的步骤S6中, 平方差绝对值的计算方法为:
与现有技术相比,本发明具有以下优点:
本发明首先将获取到加工表面照片转换为灰度空间,分别计算图像行列方向灰度信息的稀疏测度,随后计算两者平方差绝对值,以1°为间隔,在角度范围[-90°, 90°]内,旋转图片至对应角度,并在每个旋转图片上计算其平方差绝对值,最终形成一个平方差绝对值序列,则其最大值所在角度即为加工表面纹理倾斜角度。本发明具有倾斜角度自动辨识的优点,能够利用pq-mean的分布情况自适应地沿着表面加工方向进行倾斜状态的校正。
附图说明
图1是本发明的流程图;
图2是本发明的实施例1中转换后的单通道灰度图像;
图3是本发明的实施例1中不同旋转角度条件下pq-mean平方差绝对值序列;
图4是本发明中实施例1中倾斜校正后的加工表面纹理。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例:一种基于pq-mean分布的加工表面纹理倾斜校正方法,下面结合具体案例对本发明进一步说明,其流程图如图1所示,包括以下步骤,
S1:利用图像采集设备对加工表面进行拍照并获取其图像样本,获取到的铸铁铣削表面图像;
S2:利用图像三个颜色通道的强度信息,将彩色图像样本转换为单通道的灰度图像,如附图2所示,其具体方法为:
其中,I为生成的灰度图像,R为彩色图像的红色通道,G为彩色图像的绿色通道,B为彩色 图像的蓝色通道;
S3:沿着图像水平方向提取经过图像中心点的行灰度信息 I row ;
S4:沿着图像垂直方向提取经过图像中心点的列灰度信息 I column ;
S5:分别计算对应行灰度信息和列灰度信息的稀疏测度,具体方法为:
S6:计算两者平方差,具体方法为
S7:以1°为间隔,在角度范围[-90°, 90°]内,旋转图片至对应角度,并在每个旋转图片上重复步骤1至6,获取一个新的平方差绝对值,最终形成一个平方差绝对值序列,如附图4所示;
S8:寻找平方差绝对值序列最大值,则其最大值所在角度即为加工表面纹理倾斜角度,如附图3所示。
S9:根据寻找到的倾斜角度对加工表面图像进行旋转即可实现纹理倾斜的校正,本应用案例中,倾斜校正后的结果如附图4所示。
本发明首先将获取到加工表面照片转换为灰度空间,分别计算图像行列方向灰度信息的稀疏测度,随后计算两者平方差绝对值,以1°为间隔,在角度范围[-90°, 90°]内,旋转图片至对应角度,并在每个旋转图片上计算其平方差绝对值,最终形成一个平方差绝对值序列,则其最大值所在角度即为加工表面纹理倾斜角度。本发明具有倾斜角度自动辨识的优点,能够利用pq-mean的分布情况自适应地沿着表面加工方向进行倾斜状态的校正。
Claims (3)
1.一种基于pq-mean分布的加工表面纹理倾斜校正方法,其特征在于:包括以下步骤:
S1:利用图像采集设备对加工表面进行拍照并获取其图像样本;
S2:利用图像三个颜色通道的强度信息,将彩色图像样本转换为单通道的灰度图像;
S3:沿着图像水平方向提取经过图像中心点的行灰度信息I row ;
S4:沿着图像垂直方向提取经过图像中心点的列灰度信息 I column ;
S5:分别计算对应的行灰度信息和列灰度信息的稀疏测度;
S6:计算行灰度信息和列灰度信息的稀疏测度的平方差绝对值;
S7:以1°为间隔,在角度范围[-90°, 90°]内,旋转图片至对应角度,并在每个旋转图片上重复步骤S1至S6,获取一个新的平方差绝对值,最终形成一个平方差绝对值序列;
S8:寻找平方差绝对值序列最大值,则其平方差绝对值序列最大值所在角度即为加工表面纹理倾斜角度;
S9:根据寻找到的加工表面纹理倾斜角度对加工表面图像进行旋转即可实现纹理倾斜的校正;
所述的步骤S5中,稀疏测度pq-mean的计算方法为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111479955.6A CN113870120B (zh) | 2021-12-07 | 2021-12-07 | 一种基于pq-mean分布的加工表面纹理倾斜校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111479955.6A CN113870120B (zh) | 2021-12-07 | 2021-12-07 | 一种基于pq-mean分布的加工表面纹理倾斜校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870120A CN113870120A (zh) | 2021-12-31 |
CN113870120B true CN113870120B (zh) | 2022-03-01 |
Family
ID=78986006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111479955.6A Active CN113870120B (zh) | 2021-12-07 | 2021-12-07 | 一种基于pq-mean分布的加工表面纹理倾斜校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870120B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488501A (zh) * | 2015-11-26 | 2016-04-13 | 南京富士通南大软件技术有限公司 | 基于旋转投影的车牌倾斜矫正的方法 |
CN113392854A (zh) * | 2021-07-06 | 2021-09-14 | 南京信息工程大学 | 一种图像纹理特征提取分类方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4044297B2 (ja) * | 2001-03-29 | 2008-02-06 | 株式会社東芝 | パターン欠陥検査装置 |
CN101540040B (zh) * | 2008-03-21 | 2012-12-12 | 深圳迈瑞生物医疗电子股份有限公司 | 自动检测限束器边界的方法与装置 |
CN101719142B (zh) * | 2009-12-10 | 2011-11-30 | 湖南大学 | 基于分类字典的稀疏表示图片文字检测方法 |
CN103279736B (zh) * | 2013-04-27 | 2016-03-30 | 电子科技大学 | 一种基于多信息邻域投票的车牌检测方法 |
CN103714148B (zh) * | 2013-12-24 | 2017-05-10 | 西安电子科技大学 | 基于稀疏编码分类的sar图像检索方法 |
CN111833371B (zh) * | 2020-09-17 | 2020-12-11 | 领伟创新智能系统(浙江)有限公司 | 一种基于pq-mean稀疏测度的图像边缘检测方法 |
CN112509070B (zh) * | 2020-12-04 | 2024-04-05 | 武汉大学 | 一种隐私保护Canny边缘检测方法 |
-
2021
- 2021-12-07 CN CN202111479955.6A patent/CN113870120B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488501A (zh) * | 2015-11-26 | 2016-04-13 | 南京富士通南大软件技术有限公司 | 基于旋转投影的车牌倾斜矫正的方法 |
CN113392854A (zh) * | 2021-07-06 | 2021-09-14 | 南京信息工程大学 | 一种图像纹理特征提取分类方法 |
Non-Patent Citations (2)
Title |
---|
基于OCR的文档图片检测与信息提取系统的研究;邹亚劼;《中国优秀硕士学位论文全文数据库电子期刊 信息科技辑》;20160215;第2016年卷(第2期);全文 * |
车牌定位和倾斜校正的关键技术研究;申继龙;《中国优秀硕士学位论文全文数据库电子期刊 信息科技辑》;20130615;第2013年卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113870120A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量系统和方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN107194972A (zh) | 一种摄像机标定方法及系统 | |
CN111047586B (zh) | 一种基于机器视觉的像素当量测量方法 | |
CN113610060B (zh) | 一种结构体裂缝亚像素检测方法 | |
CN112785579A (zh) | 基于图像处理技术的混凝土裂缝识别方法 | |
CN102622739A (zh) | 一种Bayer滤波阵列彩色相机图像非均匀性校正方法 | |
CN113569647B (zh) | 一种基于ais的船舶高精度坐标映射方法 | |
CN111650968B (zh) | 一种云台定位误差测定方法 | |
CN110689512A (zh) | 一种孔内全景视频环状图像快速拼接融合成图方法 | |
US20160307062A1 (en) | Method and device for determining regions to be detected on display motherboard | |
CN111383194A (zh) | 一种基于极坐标的相机畸变图像校正方法 | |
CN114331924B (zh) | 大工件多相机视觉测量方法 | |
CN112232319A (zh) | 一种基于单目视觉定位的扫描拼接方法 | |
CN117152163B (zh) | 一种桥梁施工质量视觉检测方法 | |
CN116342674A (zh) | 一种三维模型计算沥青路面构造深度方法 | |
CN111563867A (zh) | 一种用于提升图像清晰度的图像融合方法 | |
CN115602093A (zh) | 基于白色画面进行Demura补偿的方法、系统和设备 | |
CN105115443B (zh) | 基于视觉测量技术的水平全视角高精度三维测量方法 | |
CN113870120B (zh) | 一种基于pq-mean分布的加工表面纹理倾斜校正方法 | |
CN111968182A (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN108898585B (zh) | 一种轴类零件检测方法及其装置 | |
CN112884676B (zh) | 一种基于分空间渐进控制的大范围航空遥感影像调色方法 | |
CN115393180A (zh) | 一种红外图像的拼接方法 | |
CN109493382B (zh) | 一种基于像元内响应的恒星高精度位置提取方法 |
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 |