CN114066898A - 一种用于线阵式相机的物料图像逐行实时分割方法 - Google Patents
一种用于线阵式相机的物料图像逐行实时分割方法 Download PDFInfo
- Publication number
- CN114066898A CN114066898A CN202111293238.4A CN202111293238A CN114066898A CN 114066898 A CN114066898 A CN 114066898A CN 202111293238 A CN202111293238 A CN 202111293238A CN 114066898 A CN114066898 A CN 114066898A
- Authority
- CN
- China
- Prior art keywords
- line
- range
- image
- updating
- real
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000011218 segmentation Effects 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000011284 combination treatment Methods 0.000 claims 1
- 238000007664 blowing Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 11
- 241000533293 Sesbania emerus Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002054 transplantation 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明属于数字图像处理技术领域,公开了一种用于线阵式相机的物料图像逐行实时分割方法,包括步骤一:对相机当前扫描线T作二值化处理;步骤二:更新现有物料范围:将T与当前每个物料i的范围Si作比对:若T与Si不存在交集,则该物料扫描结束,否则查找二者的交集区间,使用T中的新区间对Si更新;步骤三:新物料查找:若T中的某个像素区间Rj与现有物料范围均无交集,则Rj构成一个新出现的物料范围;步骤四:物料范围合并处理:对所有物料的范围集合{Si}中非零物料范围进行遍历,当前后两个范围存在重合时,进行合并;步骤五:更新物料缓存图像。本发明解决了现有技术从图像采集到气阀喷吹环节间时延较大的问题,适用于物料图像的实时分割。
Description
技术领域
本发明涉及数字图像处理技术领域,具体为一种用于线阵式相机的物料图像逐行实时分割方法。
背景技术
数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。线阵式相机是采用线阵传感器的逐行式图像采集设备,其主要利用物料的色彩、形状、纹理等特征,对物料进行品质检测和品相分级,是工农业产品等行业内广泛应用的无损分选设备。
一般地,利用光电色选机分选物料时,物料由色选机下方的高速线阵式相机拍摄,由于物料图像是逐行采集的,单行数据可能包含多个物料,因此需要对每行扫描数据线进行分析和处理,确定扫描线中每个像素所对应的物料编号,从而实现物料与图像的实时跟踪和分割,为后续的图像处理和识别分类提供数据。现有处理线阵式相机成像数据时的常用方法包括基于帧缓存的方法、基于帧前补偿的帧缓存方法和基于零扫描线分割的帧缓存方法。
基于帧缓存的方法其原理是设置一个固定行数的图像缓冲区作为缓存帧,该缓存帧随着数据的接收而逐行“增高”,当一帧数据填满后,即可启动物料分割子例程,对缓存图像帧进行基于连通域的图像分割,并进一步将分割出每个单独的物料子图像送至FPGA或上位机进行品相分级处理。该方法的优点是实现简单,处理速度快,可以将面阵式相机下的图像处理算法直接移植。其存在的主要问题是:一、当物料位于缓存帧的上下边界处时,物料的图像将被强制截断,严重影响后续物料品相分级环节的精度;二、不同种类的物料尺寸不同,缓存帧的行高难以自适应确定;三、对于大尺寸的物料,由于缓冲区规模较大,从图像采集和处理环节到气阀喷吹环节的时延较大,导致物料下落通道较长,影响色选机的气阀喷吹效果。
基于帧前补偿的帧缓存方法是对帧缓存方法的改进,为了避免物料在缓存图像帧上下边界处的截断问题,在每次处理帧缓存图像前,先将上一帧图像的最后若干行追加到本帧图像的头部,从而对上一帧图像顶部可能被强行截断的物料进行拼贴和补全。但该方法与基于帧缓存的方法并无本质区别,依然存在缓存帧的行高难以自适应确定和从图像采集到气阀喷吹环节间的时延较大的问题。
基于零扫描线分割的帧缓存方法同样是基于帧缓存方法的改进,其能够在生成缓存图像的同时,实时对当前扫描行数据进行判断,及时地将缓存图像内已经采集完毕的完整物料进行分割,送往后续的品相分级环节进行处理。但如果物料密集,在使用该方法的过程中可能导致一次待处理的图像过大,要分割的物料过多,给系统带来的计算压力较大;另外,在极端情况下,如果物料下落过于密集,甚至可能根本无法获得一个完整帧的处理机会。因此,该方法对从图像采集到气阀喷吹环节间的时延较大的问题依然没有得到很好的解决。
发明内容
本发明意在提供一种用于线阵式相机的物料图像逐行实时分割方法,以解决现有技术从图像采集到气阀喷吹环节间的时延较大的问题。
为了实现上述目的,本发明提供如下技术方案:
一种用于线阵式相机的物料图像逐行实时分割方法,包括以下步骤:
步骤一:对线阵式相机的扫描线T作二值化处理,背景像素为0,物料像素为1,并记物料i的物料范围为Si,该范围是一个二值掩膜向量,保存了T中属于第i个物料的像素位置;
步骤二:更新现有物料范围:将扫描线T与当前每个物料i的物料范围Si作比对,若扫描线T与物料范围Si不存在交集,则意味着该物料对应的图像扫描已经结束,否则就要查找二者的交集区间,使用扫描线T中的新区间对物料范围Si更新;
步骤三:新物料查找:若扫描线T中的某个像素区间Rj与现有物料范围{Si}均无交集时,则Rj构成了一个新出现物料的物料范围;
步骤四:物料范围合并处理:对{Si}中非零物料范围进行遍历,当前后两个物料范围存在重合时,对其进行合并;
步骤五:更新物料缓存图像。
进一步地,在步骤二中判断物料i的结构及其方法为:
遍历{Si}中的每个物料范围Si,将其与T进行比对:
进一步地,在步骤四中对物料范围进行合并处理的方法为:
进一步地,更新物料缓存图像的方法为:
在更新得到本次扫描线对应的各物料最终范围{Si}后,即可将Si叠放到第i个物料所缓存的图像Ki中。
与现有技术相比,本发明的有益效果是:
1、本发明对物料图像实时分割的精度高、计算简单,且易于在嵌入式系统中利用C语言实现,还可以在FPGA中进行移植与编程;
2、本发明降低了色选机从图像采集和处理环节到气阀喷吹环节的平均时延,简化相关的机械执行结构,提高色选精度,在色选机领域具有较高的应用价值。
附图说明
图1为本发明一种用于线阵式相机的物料图像逐行实时分割方法的流程图;
图2为本发明物料进行扫描的二值化扫描线数据示意图;
图3为本发明对物料范围的二值化扫描线数据拆分图;
图4为本发明物料1的物料范围S1更新处理图;
图5为本发明物料2的物料范围S2更新处理图;
图6为本发明物料3的物料范围S3更新处理图;
图7为本发明物料4的物料范围S4更新处理图;
图8为本发明查找新物料的物料范围更新处理图;
图9为本发明步骤四中合并处理缓存图像Ka和Kb的示意图之扫描;
图10为本发明步骤四中合并处理缓存图像Ka和Kb的示意图之拷贝;
图11为本发明步骤四中合并处理缓存图像Ka和Kb示意图之临时图像Kt;
图12为本发明步骤四中合并处理缓存图像Ka和Kb完成后的示意图;
图13为利用本发明仿真测试原始图;
图14为利用本发明处理图13得到的即时分割结果图;
图15为咖啡豆色选机实拍图像;
图16为利用本发明处理图15咖啡豆图像得到的即时分割结果图。
具体实施方式
下面结合附图和实施方式对本发明作进一步的详细说明:
如图1所示,一种用于线阵式相机的物料图像逐行实时分割方法,包括以下步骤:
步骤一:对线阵式相机的扫描线T作二值化处理,背景像素为0,物料像素为1,并记物料i的物料范围为Si,该范围是一个二值掩膜向量,保存了T中属于第i个物料的像素位置,如图2所示;
步骤二:更新现有物料范围:更新现有物料范围:将扫描线T与当前每个物料i的物料范围Si作比对,若扫描线T与物料范围Si不存在交集,则意味着该物料图像的扫描已经结束,否则就要查找二者的交集区间,使用扫描线T中的新区间对物料范围Si更新,具体地:
遍历{Si}中的每个物料范围Si,将其与T进行比对:
如图3至图7所示,其中,图5中,物料2的图像采集已经结束,图6中,物料3在当前扫描行已经分裂成两个;
步骤三:新物料查找:若扫描线T中的某个像素区间Rj与现有物料范围{Si}均无交集时,则Rj构成了一个新出现物料的物料范围,如图8所示;
步骤四:物料范围合并处理:对{Si}中非零物料范围进行遍历,遍历{Si}中每个非零物料范围:
当前后两个物料范围存在重合时,对其进行合并,其方法为:设定待合并处理的图像分别为Ka和Kb,Ka和Kb的有效像素行数分别为La和Lb,并构造空白图像容器Kt;先将Ka的第1至La行和Kb的第1至Lb行分别拷贝到Kt的顶部;然后将Kt中的图像移动至底部,最后更新Ka=Kt即得到合并后的图像,如图9至图12所示;
步骤五:更新物料缓存图像:在更新得到本次扫描线对应的各物料最终范围{Si}后,即可将Si叠放到第i个物料所缓存的图像Ki中。
具体实施例如下:
如图13至图14所示,利用本发明所提供的方法能够有效地分割出仿真测试图像中的每个物料。
如图15和图16所示,利用本发明所提供的方法能够有效地分割出实拍咖啡豆图像中的每个物料。注意,由于拍摄角度等因素,图16中有2个物料是粘连的,需要在后续步骤中做去粘连处理。
以上所述的仅是本发明的实施例,方案中公知的具体技术方案或特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明技术方案的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (4)
1.一种用于线阵式相机的物料图像逐行实时分割方法,其特征在于,包括以下步骤:
步骤一:对线阵式相机的扫描线T作二值化处理,背景像素为0,物料像素为1,并记物料i的物料范围为Si,该范围是一个二值掩膜向量,保存了T中属于第i个物料的像素位置;
步骤二:更新现有物料范围:将扫描线T与当前每个物料i的物料范围Si作比对,若扫描线T与物料范围Si不存在交集,则意味着该物料对应的图像扫描已经结束,否则就要查找二者的交集区间,使用扫描线T中的新区间对物料范围Si更新;
步骤三:新物料查找:若扫描线T中的某个像素区间Rj与现有物料范围{Si}均无交集时,则Rj构成了一个新出现物料的物料范围;
步骤四:物料范围合并处理:对{Si}中非零物料范围进行遍历,当前后两个物料范围存在重合时,对其进行合并;
步骤五:更新物料缓存图像。
4.根据权利要求1所述的一种用于线阵式相机的物料图像逐行实时分割方法,其特征在于:更新物料缓存图像的方法为:
在更新得到本次扫描线对应的各物料最终范围{Si}后,即可将Si叠放到第i个物料所缓存的图像Ki中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111293238.4A CN114066898B (zh) | 2021-11-03 | 2021-11-03 | 一种用于线阵式相机的物料图像逐行实时分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111293238.4A CN114066898B (zh) | 2021-11-03 | 2021-11-03 | 一种用于线阵式相机的物料图像逐行实时分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066898A true CN114066898A (zh) | 2022-02-18 |
CN114066898B CN114066898B (zh) | 2024-03-12 |
Family
ID=80273645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111293238.4A Active CN114066898B (zh) | 2021-11-03 | 2021-11-03 | 一种用于线阵式相机的物料图像逐行实时分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066898B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100124375A1 (en) * | 2008-11-20 | 2010-05-20 | Industrial Technology Research Institute | Image segmentation method and system based on region features of pixels |
CN110310290A (zh) * | 2019-06-18 | 2019-10-08 | 合肥安杰特光电科技有限公司 | 一种微小颗粒图像的实时分割方法 |
-
2021
- 2021-11-03 CN CN202111293238.4A patent/CN114066898B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100124375A1 (en) * | 2008-11-20 | 2010-05-20 | Industrial Technology Research Institute | Image segmentation method and system based on region features of pixels |
CN110310290A (zh) * | 2019-06-18 | 2019-10-08 | 合肥安杰特光电科技有限公司 | 一种微小颗粒图像的实时分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114066898B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7015001B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN108961217B (zh) | 一种基于正例训练的表面缺陷检测方法 | |
CN112419250A (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
CN109166125B (zh) | 一种基于多边缘融合机制的三维深度图像分割算法 | |
CN111738165B (zh) | 一种从高分辨率无人机可见光遥感影像中提取单株植物冠层的方法 | |
CN110033471B (zh) | 一种基于连通域分析和形态学操作的框线检测方法 | |
CN102663726B (zh) | 对物料堆积图像进行物料分割的方法和装置 | |
CN108629775A (zh) | 一种热态高速线材表面图像处理方法 | |
CN110910339B (zh) | Logo缺陷检测方法及装置 | |
CN110363769B (zh) | 一种高铁接触网支撑装置腕臂系统图像分割方法 | |
CN109359207B (zh) | 一种易于快速迭代更新的Logo检测方法 | |
CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及系统 | |
CN110766017A (zh) | 基于深度学习的移动终端文字识别方法及系统 | |
CN108009538A (zh) | 一种汽车发动机缸体序列号智能识别方法 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
CN112967255A (zh) | 一种基于深度学习的盾构管片缺陷类型识别及定位系统及其方法 | |
CN112861654A (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
CN113610024B (zh) | 一种多策略的深度学习遥感影像小目标检测方法 | |
CN114040116A (zh) | 塑胶模材良品监测反馈系统 | |
CN112784894B (zh) | 一种岩石薄片显微图像自动标注方法 | |
CN117115095A (zh) | 一种实现复杂纹理瓷砖细小缺陷检测的方法及系统 | |
CN114066898A (zh) | 一种用于线阵式相机的物料图像逐行实时分割方法 | |
CN113160209A (zh) | 用于建筑外立面损伤检测的目标标注方法及目标识别方法 | |
CN111340765B (zh) | 一种基于背景分离的热红外图像倒影检测方法 |
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 |