CN113920038A - 一种割轮廓提取方法、装置系统及介质 - Google Patents
一种割轮廓提取方法、装置系统及介质 Download PDFInfo
- Publication number
- CN113920038A CN113920038A CN202111069963.3A CN202111069963A CN113920038A CN 113920038 A CN113920038 A CN 113920038A CN 202111069963 A CN202111069963 A CN 202111069963A CN 113920038 A CN113920038 A CN 113920038A
- Authority
- CN
- China
- Prior art keywords
- image
- contour
- pixel
- cutting
- boundary
- 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
Links
- 238000000605 extraction Methods 0.000 title claims description 27
- 238000005520 cutting process Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种割轮廓提取方法、装置系统及介质,方法包括以下步骤:获取原始图像,将原始图像二值化,得到二值化图像;获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像上的像素点;通过判断二值化图像上像素点的灰度值,识别二值化图像内图像的边界点,多个连续的边界点构成图像轮廓;筛选图像轮廓,得到有效边界,多条有效边界组成切割轮廓组;任一指定一条有效边界输入真实尺寸,并根据切割轮廓组生成切割走刀文件。
Description
技术领域
本发明涉及切割机领域,具体为一种割轮廓提取方法、装置系统及介质。
背景技术
传统的切膜机进行切割的方法是通过专业的绘图软件绘制图形及文字, 并生成相应的包含所有轮廓点的切割格式文件(如plt格式文件等),然后通 过串口或者U盘发送给切膜机进行轮廓切割。
随着科技的发展,对于移动端,如何快速的根据图片快速生成切割文件 进行切割,成为亟需解决的难题。
发明内容
本发明的发明目的在于提供一种割轮廓提取方法、装置系统及介质。
本发明解决上述技术问题所采取的技术方案如下:
一种切割轮廓提取方法,包括以下步骤:
获取原始图像,将原始图像二值化,得到二值化图像;
获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像上的像 素点;
通过判断二值化图像上像素点的灰度值,识别二值化图像内图像的边界 点,多个连续的边界点构成图像轮廓;
筛选图像轮廓,得到有效边界,多条有效边界组成切割轮廓组;
任一指定一条有效边界输入真实尺寸,并根据切割轮廓组生成切割走刀 文件。
进一步的,所述获取原始图像,将原始图像二值化,得到二值化图像包 括以下步骤:
获取原始图像,将原始图像去色转变为灰度图;
对灰度图进行腐蚀和膨胀处理,得到优化图;
对优化图进行二值化,得到二值化图像。
进一步的,所述获取二值化图像的像素尺寸,建立定位坐标系并标记二 值化图像上的像素点包括以下步骤:
选取二值化图像一角为原点;
二值化图像中像素点的以行数i为和列数j为坐标轴;
坐标(i,j)表示二值化图像中第i行,第j列的像素点。
进一步的,所述通过判断二值化图像上像素点的灰度值,识别二值化图 像内图像的边界点,多个连续的边界点构成图像轮廓包括以下步骤:
识别二值化图像中所有像素点的灰度值,灰度值为0和1的像素点分别 记为0像素和1像素;
将1像素组成的连通域记为1连通域,用于表示二值化图像中的图像, 将0像素组成的连通域记为0连通域,用于表示二值化图像中的背景或孔洞;
若1连通域中的1像素的4连通场景中存在0像素,则认定此1像素为 边界点;
多个连续的边界点构成图像轮廓,所述边界点的坐标组成边界点数据。
进一步的,所述多个连续的边界点构成图像轮廓,所述边界点的坐标组 成边界点数据还包括以下步骤:
若存在1连通域S1,且所述1连通域S1外围环绕连通域S2,则1连通 域的S1与0连通域S2交界处的图像轮廓为一级轮廓;
若1连通域S1还环绕0连通域S3,则1连通域S1与0连通域S3交界 处的图像轮廓为属于二级轮廓;
分别对一级轮廓和二级轮廓编号,所述二级轮廓所属于所述一级轮廓;
通过一组索引编号记录二级轮廓和一级轮廓的所属关系。
进一步的,所述筛选图像轮廓组中的图像轮廓,得到有效边界,多条有 效边界组成切割轮廓组包括以下步骤:
一级轮廓均为有效边界;
计算一级轮廓的长度L1和二级轮廓的长度L2,并设定阈值Δ;
若L2/L1<Δ,则认定二级轮廓为有效边界,若L2/L1>Δ,则认定二级轮 廓为无效边界;
所有有效边界组成切割轮廓组。
进一步的,所述任一指定一条有效边界输入真实尺寸,并根据切割轮廓 组生成切割走刀文件包括以下步骤:
任一指定一条有效边界输入尺寸,并计算其余有效边界的尺寸和有效边 界直接的相对距离;
根据切割轮廓组中有效边界的1像素坐标,依次生成下刀坐标、走刀路 径和距离、抬刀坐标。
一种切割轮廓提取装置,所述装置包括:
图像获取模块,用于获取原始图像,将原始图像二值化,得到二值化图 像;
像素标记模块,用于获取二值化图像的像素尺寸,建立定位坐标系并标 记二值化图像上的像素点;
轮廓识别模块,用于通过判断二值化图像上像素点的灰度值,识别二值 化图像内图像的边界点,多个连续的边界点构成图像轮廓;
轮廓筛选模块,用于筛选图像轮廓,得到有效边界,多条有效边界组成 切割轮廓组
文件生产模块,任一指定一条有效边界输入真实尺寸,并根据切割轮廓 组生成切割走刀文件。
一种切割轮廓提取系统,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所 述至少一个处理器执行,以使所述至少一个处理器能够执行上述的切割轮廓 提取方法。
一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质 存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时, 可使得所述一个或多个处理器执行上述的切割轮廓提取方法。
本发明公开了一种割轮廓提取方法、装置系统及介质,相比于现有技术, 本发明实施例通过对原始图像进行二值化,建立坐标系标记二值化图像中的 每一个像素点,便于轮廓的长度计算和定位;提取图像轮廓后,对图像轮廓 进行编号区分和分级,通过图像轮廓的级数和长度进行筛选,取出无效的图 像轮廓,得到有效边界组成的切割轮廓组,基于坐标系和切割轮廓组生成用 于控制切割设备切割需要的下刀坐标、走刀路径和距离、抬刀坐标等关键数 据;即达到移动设备可以根据原始图片发送切割文件控制切割设备进行定制 切割的目的。
发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明 书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点 可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
下面结合附图对本发明进行详细的描述,以使得本发明的上述优点更加 明确。
图1是本发明一种切割轮廓提取方法的流程图;
图2是本发明一种切割轮廓提取方法的二值化图像流程图;
图3是本发明一种切割轮廓提取方法的像素标记流程图;
图4是本发明一种切割轮廓提取方法的轮廓识别模块流程图;
图5是本发明一种切割轮廓提取方法的轮廓分级流程图;
图6是本发明一种切割轮廓提取方法的案例示范图;
图7是本发明一种切割轮廓提取方法的轮廓筛选模块流程图;
图8是本发明一种切割轮廓提取方法的文件生产模块流程图;
图9是本发明一种切割轮廓提取装置的实施例的功能模块示意图;
图10是本发明一种切割轮廓提取设备的实施例的硬件结构示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长 度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、 “顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于 附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是 指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操 作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相 对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第 二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述 中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、 “固定”等术语应做广义理解,例如,可以是连接,也可以是可拆卸连接,或成 一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中 间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。 对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明 中的具体含义。
如图1所示,一种切割轮廓提取方法,包括以下步骤:
S100、获取原始图像,将原始图像二值化,得到二值化图像;
将原始图像二值化,消除噪点,相比于灰度图或原始图片,便于提高乳 腺轮廓识别的精准率和减少计算量,适用于移动端设备。
S200、获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像 上的像素点;
拟定坐标系,标记二值化图像的每个像素,方便后续计算图像轮廓的长 度和计算有效边界之间的相对距离,对于后续的图像轮廓筛选和生成切割走 刀文件,这是必须的一步。
S300、通过判断二值化图像上像素点的灰度值,识别二值化图像内图像 的边界点,多个连续的边界点构成图像轮廓;
二值化图像的像素点的灰度值只有0和1,通过判断二值化图像上像素点 的灰度值结合坐标系即可用于0和1表示二值化图片,即可以根据二值化中 像素点四周像素点的灰度值判断此像素点是否为边界点,多个连续不中断的 像素点组成图像轮廓。
S400、筛选图像轮廓,得到有效边界,多条有效边界组成切割轮廓组;
在图像切割时,有些图像轮廓是边框,这些边框在微观下存在一定的宽 度,即在图像轮廓识别时会出现内外两圈及其接近的图像轮廓,若不经过筛 选,则生成的切割走刀文件会重复走刀。
S500、任一指定一条有效边界输入真实尺寸,并根据切割轮廓组生成切 割走刀文件。
对图像轮廓筛选后得到若干有效边界,需要将有效边界的边长转化为切 割设备实际的走刀距离对应上,即需要指定任一一条有效边界输入真实尺寸, 切割轮廓组中其余的有效边界和有效边界之间的相对距离,通过二值化图片 中的像素点进行等比例计算,即得出了实际的走刀数据,并根据切割轮廓组 生成切割走刀文件。
如图2所示,本实施案例中,所述获取原始图像,将原始图像二值化, 得到二值化图像包括以下步骤:
S101、获取原始图像,将原始图像去色转变为灰度图;
任何颜色都有红、绿、蓝三原色组成,而灰度图只有一个通道,他有256 个灰度等级,255代表全白,0表示全黑。
S102、对灰度图进行腐蚀和膨胀处理,得到优化图;
腐蚀的作用就是让暗的区域变大,而膨胀的作用就是让亮的区域变大, 同时可以减少原始图像中的噪点,减少干扰。
S103、对优化图进行二值化,得到二值化图像。
图像的二值化处理就是将图像上的点的灰度值为0或255,也就是将整个 图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈 值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像 处理中,二值图像占有非常重要的地位,特别是在实用的图像处理中,以二 值图像处理实现而构成的系统是很多的,要进行二值图像的处理与分析,首 先要把灰度图像二值化,得到二值化图像,这样子有利于在对图像做进一步 处理时,图像的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多级值,使处理变得简单,而且数据的处理和压缩量小。
如图3所示,本实施案例中,所述获取二值化图像的像素尺寸,建立定 位坐标系并标记二值化图像上的像素点包括以下步骤:
S201、选取二值化图像一角为原点;
为方便计算,一般选取二值化的四个边角出为原点,切割设备在进行切 割时,切割设备启动时的位置即为原点。
S202、二值化图像中像素点的以行数i为和列数j为坐标轴;
S203、坐标(i,j)表示二值化图像中第i行,第j列的像素点。
灰度值为0和1的像素分别称为0像素和1像素。本实施案例中以二值 化背景为0像素填充的为例。fij表示(i,j)的灰度值,则二值化图片可以表 示为F={fij}。
如图4所示,本实施案例中,所述通过判断二值化图像上像素点的灰度 值,识别二值化图像内图像的边界点,多个连续的边界点构成图像轮廓包括 以下步骤:
S301、识别二值化图像中所有像素点的灰度值,灰度值为0和1的像素 点分别记为0像素和1像素;
通过0像素和1像素将二值化图像上所有的像素点进行区分。二值化图 像的最上行,最下行,最左列,最右列组成了二值化图像的的框架。
S302、将1像素组成的连通域记为1连通域,用于表示二值化图像中的 图像,将0像素组成的连通域记为0连通域,用于表示二值化图像中的背景 或孔洞;
如果0连通域包含了框架,那么此0连通域称为背景,否则称为孔洞。
S303、若1连通域中的1像素的4连通场景中存在0像素,则认定此1 像素为边界点;
S304、多个连续的边界点构成图像轮廓,所述边界点的坐标组成边界点 数据。
4连通:两个像素p和q,如果q在p的4邻域中,称这两个像素是4连 通。
8连通:两个像素p和q,如果q在p的8邻域中,称这两个像素是8连 通。
边界点为1像素点,图像轮廓的识别的本质即是找出代表线条或图案的1 连通域与代表背景或孔洞的0连通域的接触处,若1像素的一侧存在0像素, 则此1像素为边界点,同时图像轮廓是连续的,通过判断相邻两个边界点的 是否在1像素的4连通场景中,从而寻找出完整且连续的图像轮廓。
如图5所示,本实施案例中,所述多个连续的边界点构成图像轮廓,所 述边界点的坐标组成边界点数据还包括以下步骤:
S305、若存在1连通域S1,且所述1连通域S1外围环绕连通域S2,则 1连通域的S1与0连通域S2交界处的图像轮廓为一级轮廓;
S306、若1连通域S1还环绕0连通域S3,则1连通域S1与0连通域S3 交界处的图像轮廓为属于二级轮廓;
S307、分别对一级轮廓和二级轮廓编号,所述二级轮廓所属于所述一级 轮廓;
S308、通过一组索引编号记录二级轮廓和一级轮廓的所属关系。
在一幅二值图像中有两个连通域S1和S2,如果S1中任何一个像素点从 任何一个方向(4个方向)到达边框的路径上都存在S2的像素点,我们称S2 环绕S1。如果S2环绕S1且S2和S1之间存在边界点,那么我们称S2直接 环绕S1。
如图6所示,共10条图像轮廓,最外层正方形外边沿8号图像轮廓是一 级轮廓,正方形内边沿9号图像轮廓是8号图像轮廓的二级轮廓;字母A内 的6号图像轮廓是外外边沿5号图像轮廓的二级轮廓;字母B外的2号图像 轮廓是一级轮廓,它有3号和4号2条二级轮廓;字母C只有7号一条一级 轮廓;字母D有0号一级轮廓和1号二级轮廓,0号是1号的父轮廓。
索引编号包含了轮廓的层级信息每个数组元素包含以下4个值:同层级 下一条轮廓号、同层级上一条轮廓号、第一个子轮廓号、上一层级轮廓号。 若没有则用-1表示,图中图像轮廓的索引编号如下:
0号图形轮廓,为一级轮廓,[2,-1,1,-1];
1号图形轮廓,属于0号图形轮廓的二级轮廓,[-1,-1,-1,0];
2号图形轮廓,一级轮廓,[5,0,3,-1];
3号图形轮廓,属于2号图形轮廓的二级轮廓,[4,-1,-1,2];
4号图形轮廓,属于2号图形轮廓的二级轮廓,[-1,3,-1,2];
5号图形轮廓,一级轮廓,[7,2,6,-1];
6号图形轮廓,属于5号图形轮廓的二级轮廓,[-1,-1,-1,5];
7号图形轮廓,一级轮廓,[8,5,-1,-1];
8号图形轮廓,一级轮廓,[-1,7,9,-1];
9号图形轮廓,属于8号图形轮廓的二级轮廓,[-1,-1,-1,8]。
如图7所示,本实施案例中,所述筛选图像轮廓组中的图像轮廓,得到 有效边界,多条有效边界组成切割轮廓组包括以下步骤:
S401、一级轮廓均为有效边界;
保留一级轮廓为切割路径。
S402、计算一级轮廓的长度L1和二级轮廓的长度L2,并设定阈值Δ;
本实施案例中,通过像素点分别计算计算一级轮廓的长度L1和二级轮廓 的长度L2,阈值Δ为0.8。
S403、若L2/L1<Δ,则认定二级轮廓为有效边界,若L2/L1>Δ,则认定 二级轮廓为无效边界;
若L2/L1>0.8,则认定为二级轮廓与一级轮廓极为相似,相应的1连通 域表示线条,无需重复走刀,若L2/L1<0.8,则正面一级轮廓之间存在孔洞, 故一级轮廓和二级轮廓均需要走刀切割。
S404、所有有效边界组成切割轮廓组。
筛选掉无效的图像轮廓,得到有效边界,若干个有效边界组成的图形及 代表最后切割设备的切割模板。
如图8所示,本实施案例中,所述任一指定一条有效边界输入真实尺寸, 并根据切割轮廓组生成切割走刀文件包括以下步骤:
S501、任一指定一条有效边界输入尺寸,并计算其余有效边界的尺寸和 有效边界直接的相对距离;
S502、根据切割轮廓组中有效边界的1像素坐标,依次生成下刀坐标、 走刀路径和距离、抬刀坐标。
对于检测出的所有有效手机轮廓,按照plt文件规则生成plt格式文件。 Plt文件中,1mm对应40单位。Plt的PD代表下刀,PU代表太刀;命令“PD x,y;” 代表先下刀再走到(x,y)坐标处;命令”PU x,y;”代表先抬刀,再走到(x,y) 坐标处。plt文件以IN代表文件开始,以”PG;@”代表文件结束。
根据轮廓数据生成plt文件的步骤为:
先写文件开始命令:IN;
遍历所有轮廓,对于每一条轮廓,遍历轮廓中的所有点Pi(xi,yi);
写下刀走到改点命令“PD xi,yi;”;
若是轮廓最后一个点,则写下刀走到轮廓起始点命令“PD x0,y0;”;
若存在下一条轮廓,则写抬刀走到下一条轮廓起始点命令;
若所有点写完,则写文件结束命令“PG;@;”。
如图9所示,一种切割轮廓提取装置,所述装置包括:
图像获取模块,用于获取原始图像,将原始图像二值化,得到二值化图 像;
像素标记模块,用于获取二值化图像的像素尺寸,建立定位坐标系并标 记二值化图像上的像素点;
轮廓识别模块,用于通过判断二值化图像上像素点的灰度值,识别二值 化图像内图像的边界点,多个连续的边界点构成图像轮廓;
轮廓筛选模块,用于筛选图像轮廓,得到有效边界,多条有效边界组成 切割轮廓组
文件生产模块,任一指定一条有效边界输入真实尺寸,并根据切割轮廓 组生成切割走刀文件。
本发明另一实施例提供一种三维模型的生成系统,如图10所示,系统50 包括:
一个或多个处理器510以及存储器520,图5中以一个处理器510 为例进行介绍,处理器510和存储器520可以通过总线或者其他方式 连接,图10中以通过总线连接为例。
处理器510用于完成系统50的各种控制逻辑,其可以为通用处理器、数 字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、 单片机、ARM(AcornRISCMachine)或其它可编程逻辑器件、分立门或晶体 管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器510还可 以是任何传统处理器、微处理器或状态机。处理器510也可以被实现为计算 设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微 处理器结合DSP和/或任何其它这种配置。
存储器520作为一种非易失性计算机可读存储介质,可用于存储非易失 性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的切 割轮廓提取方法对应的程序指令。处理器510通过运行存储在存储器520中 的非易失性软件程序、指令以及单元,从而执行系统50的各种功能应用以及 数据处理,即实现上述方法实施例中的切割轮廓提取方法。
存储器520可以包括存储程序区和存储数据区,其中,存储程序区可存 储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据系统 50使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器, 还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件或其他 非易失性固态存储器件。在一些实施例中,存储器520可选包括相对于处理 器510远程设置的存储器,这些远程存储器可以通过网络连接至系统50。上 述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其 组合。
一个或者多个单元存储在存储器520中,当被一个或者多个处理器510 执行时,执行上述任意方法实施例中的切割轮廓提取方法,例如,执行以上 描述的图1中的方法步骤S100至步骤S500。
本发明实施例提供了一种非易失性计算机可读存储介质,计算机可读存 储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器 执行,例如,执行以上描述的图1中的方法步骤S100至步骤S500。
作为示例,非易失性存储介质能够包括只读存储器(ROM)、可编程ROM (PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速 存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器 (RAM)。通过说明丽非限制,RAM可以以诸如同步RAM(SRAM)、动 态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM) 以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中 所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其 他适合类型的存储器中的一个或多个。
本发明的另一种实施例提供了一种计算机程序产品,计算机程序产品包 括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程 序指令,当程序指令被处理器执行时,使处理器执行上述方法实施例的切割 轮廓提取方法。例如,执行以上描述的图1中的方法步骤S100至步骤S500。
综上,本发明公开了一种切割轮廓提取方法、装置、系统及介质,方法 对骨骼模型进行轻量化的同时,还将骨骼模型与皮肤模型进行绑定,并提供 骨骼微调、动作微调、皮肤微调等工具,创作出自然、流畅的三维虚拟对象, 严格控制数据的体积和传输量,极大地减少加载等待时间和程序的预算量, 并最后将文件转存为一个通用性文件,适用于不同的三维模型运用平台,通 用性较强。
以上所描述的实施例仅仅是示意性的,其中作为分离部件说明的单元可 以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以 不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。 可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目 的。
通过以上的实施例的描述,本领域的技术人员可以清楚地了解到各实施 例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件实现。基 于这样的理解,上述技术方案本质上或者说对相关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 软件产品可以存在于计算机可读存 储介质中,如ROM/RAM、碱碟、光盘等,包括若干指今用以 使得一台计 算机电子设备(可以是个人计算机,服务器,或者网络电子设备等)执行各 个实施例或者实施例的某些部分的方法。
除了其他之外,诸如"能够"、"能"、"可能"或"可以"之类的条件语言除非 另外具体地陈述或者在如所使用的上下文内以其他方式理解,否则一般地旨 在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/ 或操作。因此,这样的条件语言一般地还旨在暗示特征、元件和/或操作对于 一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括 用于在有或没有输入或提示的情况下判定这些特征、元件和/或操作是否被包 括或者将在任何特定实施方式中被执行的逻辑。
已经在本文中在本说明书和附图中描述的内容包括能够提供一种切割轮 廓提取方法、装置、系统及介质的示例。当然,不能够出于描述本公开的各 种特征的目的来描述元件和/或方法的每个可以想象的组合,但是可以认识到, 所公开的特征的许多另外 的组合和置换是可能的。因此,显而易见的是, 在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改。此外, 或在替代方案中,本公开的其他实施例从对本说明书和附图的考虑以及如本 文中所呈现的本公开的实践中可能是显而易见的。意图是,本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中 采用了特定术语,但是它们在通用和描述性意义上被使用并且不用于限制的 目的。
Claims (10)
1.一种切割轮廓提取方法,其特征在于,包括以下步骤:
获取原始图像,将原始图像二值化,得到二值化图像;
获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像上的像素点;
通过判断二值化图像上像素点的灰度值,识别二值化图像内图像的边界点,多个连续的边界点构成图像轮廓;
筛选图像轮廓,得到有效边界,多条有效边界组成切割轮廓组;
任一指定一条有效边界输入真实尺寸,并根据切割轮廓组生成切割走刀文件。
2.根据权利要求1所述切割轮廓提取方法,其特征在于,所述获取原始图像,将原始图像二值化,得到二值化图像包括以下步骤:
获取原始图像,将原始图像去色转变为灰度图;
对灰度图进行腐蚀和膨胀处理,得到优化图;
对优化图进行二值化,得到二值化图像。
3.根据权利要求1所述切割轮廓提取方法,其特征在于,所述获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像上的像素点包括以下步骤:
选取二值化图像一角为原点;
二值化图像中像素点的以行数i为和列数j为坐标轴;
坐标(i,j)表示二值化图像中第i行,第j列的像素点。
4.根据权利要求3所述切割轮廓提取方法,其特征在于,所述通过判断二值化图像上像素点的灰度值,识别二值化图像内图像的边界点,多个连续的边界点构成图像轮廓包括以下步骤:
识别二值化图像中所有像素点的灰度值,灰度值为0和1的像素点分别记为0像素和1像素;
将1像素组成的连通域记为1连通域,用于表示二值化图像中的图像,将0像素组成的连通域记为0连通域,用于表示二值化图像中的背景或孔洞;
若1连通域中的1像素的4连通场景中存在0像素,则认定此1像素为边界点;
多个连续的边界点构成图像轮廓,所述边界点的坐标组成边界点数据。
5.根据权利要求4所述切割轮廓提取方法,其特征在于,所述多个连续的边界点构成图像轮廓,所述边界点的坐标组成边界点数据还包括以下步骤:
若存在1连通域S1,且所述1连通域S1外围环绕连通域S2,则1连通域的S1与0连通域S2交界处的图像轮廓为一级轮廓;
若1连通域S1还环绕0连通域S3,则1连通域S1与0连通域S3交界处的图像轮廓为属于二级轮廓;
分别对一级轮廓和二级轮廓编号,所述二级轮廓所属于所述一级轮廓;
通过一组索引编号记录二级轮廓和一级轮廓的所属关系。
6.根据权利要求5所述切割轮廓提取方法,其特征在于,所述筛选图像轮廓组中的图像轮廓,得到有效边界,多条有效边界组成切割轮廓组包括以下步骤:
一级轮廓均为有效边界;
计算一级轮廓的长度L1和二级轮廓的长度L2,并设定阈值Δ;
若L2/L1<Δ,则认定二级轮廓为有效边界,若L2/L1>Δ,则认定二级轮廓为无效边界;
所有有效边界组成切割轮廓组。
7.根据权利要求6所述切割轮廓提取方法,其特征在于,所述任一指定一条有效边界输入真实尺寸,并根据切割轮廓组生成切割走刀文件包括以下步骤:
任一指定一条有效边界输入尺寸,并计算其余有效边界的尺寸和有效边界直接的相对距离;
根据切割轮廓组中有效边界的1像素坐标,依次生成下刀坐标、走刀路径和距离、抬刀坐标。
8.一种切割轮廓提取装置,其特征在于,所述装置包括:
图像获取模块,用于获取原始图像,将原始图像二值化,得到二值化图像;
像素标记模块,用于获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像上的像素点;
轮廓识别模块,用于通过判断二值化图像上像素点的灰度值,识别二值化图像内图像的边界点,多个连续的边界点构成图像轮廓;
轮廓筛选模块,用于筛选图像轮廓,得到有效边界,多条有效边界组成切割轮廓组
文件生产模块,任一指定一条有效边界输入真实尺寸,并根据切割轮廓组生成切割走刀文件。
9.一种切割轮廓提取系统,其特征在于,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任一项所述的切割轮廓提取方法。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-7任一项所述的切割轮廓提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111069963.3A CN113920038A (zh) | 2021-09-13 | 2021-09-13 | 一种割轮廓提取方法、装置系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111069963.3A CN113920038A (zh) | 2021-09-13 | 2021-09-13 | 一种割轮廓提取方法、装置系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113920038A true CN113920038A (zh) | 2022-01-11 |
Family
ID=79234653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111069963.3A Pending CN113920038A (zh) | 2021-09-13 | 2021-09-13 | 一种割轮廓提取方法、装置系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920038A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116330516A (zh) * | 2023-05-29 | 2023-06-27 | 乳山市东方硅胶有限公司 | 一种硅胶颗粒生产设备颗粒大小控制系统 |
CN116433701A (zh) * | 2023-06-15 | 2023-07-14 | 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 |
CN117952963A (zh) * | 2024-03-25 | 2024-04-30 | 浙江明禾新能科技股份有限公司 | 一种基于轮廓匹配的光伏连接器故障检测方法 |
-
2021
- 2021-09-13 CN CN202111069963.3A patent/CN113920038A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116330516A (zh) * | 2023-05-29 | 2023-06-27 | 乳山市东方硅胶有限公司 | 一种硅胶颗粒生产设备颗粒大小控制系统 |
CN116330516B (zh) * | 2023-05-29 | 2023-08-29 | 乳山市东方硅胶有限公司 | 一种硅胶颗粒生产设备颗粒大小控制系统 |
CN116433701A (zh) * | 2023-06-15 | 2023-07-14 | 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 |
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 |
CN117952963A (zh) * | 2024-03-25 | 2024-04-30 | 浙江明禾新能科技股份有限公司 | 一种基于轮廓匹配的光伏连接器故障检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113920038A (zh) | 一种割轮廓提取方法、装置系统及介质 | |
CN110516208B (zh) | 一种针对pdf文档表格提取的系统及方法 | |
CN109726643B (zh) | 图像中表格信息的识别方法、装置、电子设备及存储介质 | |
CN108960062A (zh) | 校正发票图像的方法、装置、计算机设备和存储介质 | |
WO2018233055A1 (zh) | 保单信息录入的方法、装置、计算机设备及存储介质 | |
JP5387193B2 (ja) | 画像処理システム、画像処理装置およびプログラム | |
CN109766778A (zh) | 基于ocr技术的发票信息录入方法、装置、设备及存储介质 | |
CN109801275B (zh) | 基于图像识别的马铃薯病害检测方法和系统 | |
CN113011144A (zh) | 表单信息的获取方法、装置和服务器 | |
CN113343740A (zh) | 表格检测方法、装置、设备和存储介质 | |
CN114038004A (zh) | 一种证件信息提取方法、装置、设备及存储介质 | |
CN111737478A (zh) | 文本检测方法、电子设备及计算机可读介质 | |
CN110867243B (zh) | 一种图像标注方法、装置、计算机系统及可读存储介质 | |
CN113724137A (zh) | 基于图像切分的图像识别方法、装置、设备及存储介质 | |
CN113989167A (zh) | 基于种子点自生长的轮廓提取方法、装置、设备及介质 | |
CN113159035B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112488983A (zh) | 缺陷识别网络的获得方法、缺陷识别方法和等级确定方法 | |
CN106022329B (zh) | 一种字符识别过程中的字符降噪处理方法 | |
CN115797939A (zh) | 一种基于深度学习的两阶段斜体字符识别方法及装置 | |
CN113936187A (zh) | 文本图像合成方法、装置、存储介质及电子设备 | |
CN114494052A (zh) | 书本计数方法、装置、计算机设备和存储介质 | |
CN112330659A (zh) | 结合lsd直线检测和连通域标记法的几何公差符号分割方法 | |
CN112036268A (zh) | 构件识别方法及相关装置 | |
CN112396057A (zh) | 一种字符识别方法、装置及电子设备 | |
CN112825141B (zh) | 识别文本的方法、装置、识别设备和存储介质 |
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 |