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 PDF

Info

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
Application number
CN202111479955.6A
Other languages
English (en)
Other versions
CN113870120A (zh
Inventor
李小刚
孙浩然
霍晓娜
孙维方
林苏奔
冯光
卢成绩
邵正鹏
迟诚
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.)
Liaiwei Innovative Intelligent System Zhejiang Co ltd
Original Assignee
Liaiwei Innovative Intelligent System Zhejiang 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 Liaiwei Innovative Intelligent System Zhejiang Co ltd filed Critical Liaiwei Innovative Intelligent System Zhejiang Co ltd
Priority to CN202111479955.6A priority Critical patent/CN113870120B/zh
Publication of CN113870120A publication Critical patent/CN113870120A/zh
Application granted granted Critical
Publication of CN113870120B publication Critical patent/CN113870120B/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
    • 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

一种基于pq-mean分布的加工表面纹理倾斜校正方法
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：
Figure 100002_DEST_PATH_IMAGE001
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：
Figure 100002_DEST_PATH_IMAGE002
；
其中
Figure 100002_DEST_PATH_IMAGE003
为对应行或者列的灰度信息，
Figure 100002_DEST_PATH_IMAGE004
为所有元素的个数，
Figure 100002_DEST_PATH_IMAGE005
为数列内元素对应序 号，
Figure 100002_DEST_PATH_IMAGE006
和
Figure 100002_DEST_PATH_IMAGE007
为对应的指数信息，其中
Figure 100002_DEST_PATH_IMAGE008
。
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：
Figure 100002_DEST_PATH_IMAGE009
；
其中
Figure 100002_DEST_PATH_IMAGE010
为行灰度信息对应的稀疏测度，
Figure 100002_DEST_PATH_IMAGE011
为列灰度信息对 应的稀疏测度。
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：
Figure 482142DEST_PATH_IMAGE001
；
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：
Figure DEST_PATH_IMAGE012
；
其中
Figure 605343DEST_PATH_IMAGE003
为对应行或者列的灰度信息，
Figure 743064DEST_PATH_IMAGE004
为所有元素的个数，
Figure 188957DEST_PATH_IMAGE005
为数列内元素对应序 号，
Figure 412128DEST_PATH_IMAGE006
和
Figure 617982DEST_PATH_IMAGE007
为对应的指数信息，其中
Figure 593897DEST_PATH_IMAGE008
；
S6:计算两者平方差，具体方法为
Figure 492583DEST_PATH_IMAGE009
;
其中
Figure DEST_PATH_IMAGE013
为行灰度信息对应的稀疏测度，
Figure DEST_PATH_IMAGE014
为列灰度信息对 应的稀疏测度；
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：
Figure DEST_PATH_IMAGE001
；
其中
Figure DEST_PATH_IMAGE002
为对应行或者列的灰度信息，
Figure DEST_PATH_IMAGE003
为所有元素的个数，
Figure DEST_PATH_IMAGE004
为数列内元素对应序号，
Figure DEST_PATH_IMAGE005
和
Figure DEST_PATH_IMAGE006
为对应的指数信息，其中
Figure DEST_PATH_IMAGE007
。
2.根据权利要求1所述的基于pq-mean分布的加工表面纹理倾斜校正方法，其特征在于，所述的步骤S2中,单通道的灰度图像生成方法为：
Figure DEST_PATH_IMAGE008
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。
3.根据权利要求1所述的基于pq-mean分布的加工表面纹理倾斜校正方法，其特征在于，所述的步骤S6中, 平方差绝对值的计算方法为：
Figure DEST_PATH_IMAGE009
；
其中
Figure DEST_PATH_IMAGE010
为行灰度信息对应的稀疏测度，
Figure DEST_PATH_IMAGE011
为列灰度信息对应的稀疏测度。
CN202111479955.6A 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 Active CN113870120B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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