CN115018735A - 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统 - Google Patents

基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统 Download PDF

Info

Publication number
CN115018735A
CN115018735A CN202210856969.3A CN202210856969A CN115018735A CN 115018735 A CN115018735 A CN 115018735A CN 202210856969 A CN202210856969 A CN 202210856969A CN 115018735 A CN115018735 A CN 115018735A
Authority
CN
China
Prior art keywords
image
points
dimensional code
crack
projection transformation
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
Application number
CN202210856969.3A
Other languages
English (en)
Other versions
CN115018735B (zh
Inventor
胡志祥
郅伦海
马鸿盛
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202210856969.3A priority Critical patent/CN115018735B/zh
Publication of CN115018735A publication Critical patent/CN115018735A/zh
Application granted granted Critical
Publication of CN115018735B publication Critical patent/CN115018735B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • 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
    • G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
    • 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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出一种基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统，涉及二维码图像校正技术领域。首先通过QR二维码的三个位置探测图形进行定位，并基于三个位置探测图形的中心点坐标得到第一组投影变换点；接着，通过霍夫变换检测QR二维码外框的四个角点坐标，得到第二组投影变换点。然后，根据两组投影变换点中的共7个投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并基于投影变换矩阵对灰度化图像进行投影变换，将倾斜的QR二维码图像校正成标准的QR二维码图像，从而得到校正后的标准裂缝图像，用于计算裂缝宽度。不仅为实时准确提取QR二维码图像信息提供了基础，而且提高了基于QR二维码图像信息测量裂缝宽度的准确率。

Description

基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统
技术领域
本发明涉及二维码图像校正技术领域，具体而言，涉及一种基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统。
背景技术
近年来，随着建筑工程技术领域快速发展，人们对建筑质量的要求也越来越严格。在工程实践和现代工程材料的质量研究中，建筑结构最常见的质量问题主要是墙体表面的裂缝问题，而建筑墙体的损坏总是从裂缝开始的，小的裂缝会干扰建筑的安全性，大的裂缝会破坏构造的整体性，缩短建筑使用寿命，导致安全事故，危害人民的生命和财产安全，产生严重的后果。
传统的裂缝检测通常采用人工测量的方法，其测量使用到卡纸、刻度尺和其他辅助设备，在测量的过程中存在人为数据读取误差以及偶然因素误差，同时由于人工测量工作量大，又需要专业技术人员进行操作，测量效率较低。后基于信息化时代计算机和大数据分析算法、数字图像处理等技术的迅速发展，提供了一种新的裂缝测量技术方法，可以利用摄像机或者手机等移动摄像设备等获取图像，然后对图像进行预处理，并结合计算机相关的算法识别裂缝的边缘以及宽度得到裂缝的具体情况。
但是在现有技术中，由于拍摄设备本身、外界光照、拍摄环境、拍摄角度等影响，拍摄出来的图片可能会有较大几何形变、很多噪点，图像均匀性较差，此时采用常规的图像预处理方式难以对图像进行有效校正和识别，导致裂缝测量结果准确性低。
发明内容
本发明的目的在于提供一种基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统，其基于QR二维码的三个位置检测中心点以及QR二维码外框的四个角点对裂缝图像中的QR二维码进行校正处理，使得预处理后的裂缝图像质量更好，有利于裂缝宽度的准确测量。
本发明的实施例是这样实现的：
第一方面，本申请实施例提供一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其包括：
获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像；
获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点；
裁剪并得到带外框的QR二维码图像；
对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点；
基于上述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并根据透视投影变换矩阵对上述灰度化图像进行校正，得到校正后的待识别图像；
基于校正后的待识别图像分析计算得到裂缝宽度。
基于第一方面，在本发明的一些实施例中，上述对裂缝图像进行预处理，得到灰度化图像的步骤包括：
对裂缝图像进行去噪滤波处理；
将去噪滤波处理后的裂缝图像进行图像增强；
将图像增强后的裂缝图像进行灰度化处理，得到灰度化图像。
基于第一方面，在本发明的一些实施例中，上述获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点的步骤包括：
对灰度化图像像素进行横竖扫描，得到候选点集；
利用近邻点融合算法从候选点集中筛选出QR二维码中三个位置探测图形的中心点坐标；
将三个中心点保存为第一组投影变换点。
基于第一方面，在本发明的一些实施例中，上述利用近邻点融合算法从候选点集中筛选出QR二维码中三个位置探测图形的中心点坐标的步骤包括：
搜索候选点集中每个候选点设定范围内的近邻点坐标，并统计得到该候选点对应的近邻点集；
计算近邻点集中所有近邻点的平均坐标值，并将平均坐标值迭代为该候选点的新坐标；
当迭代次数超过预设的迭代阈值时停止，并筛选出拥有近邻点数量最多的三个候选点；
分别计算三个候选点对应的近邻点集中所有近邻点的平均坐标值，得到三个位置探测图形的中心点坐标。
基于第一方面，在本发明的一些实施例中，上述对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点的步骤包括：
对带外框的QR二维码图像利用Canny边缘检测算法进行处理；
将处理后的QR二维码图像进行霍夫变换，检测得到外框对应的四条边界及四个角点坐标；
将四个角点保存为第二组投影变换点。
基于第一方面，在本发明的一些实施例中，上述将处理后的QR二维码图像进行霍夫变换，检测得到外框对应的四条边界及四个角点坐标的步骤包括：
将处理后的QR二维码图像中的像素点坐标转换为极坐标，得到二维数组(ρ,θ)，其中，ρ代表原点到直线的距离，θ代表夹角；
基于二维数组(ρ,θ)进行霍夫直线检测，确定检测到外框对应的四条边界后，通过逆映射得到原图像空间中四条边界的表达式；
根据四条边界的表达式求解四条边界的交点，得到四个角点坐标。
基于第一方面，在本发明的一些实施例中，上述基于上述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵的步骤包括：
利用第一组投影变换点和第二组投影变换点中的共7个点坐标构成矩阵A，并获取标准QR二维码图像的三个中心点坐标和四个角点坐标，构成矩阵B；
利用最小二乘法按照公式H＝BAT(AAT)-1计算得到透视投影变换矩阵H。
第二方面，本申请实施例提供一种基于霍夫变换校正二维码图像的裂缝宽度识别系统，其包括：
图像获取模块，用于获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像；
定位模块，用于获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点；
裁剪模块，用于裁剪并得到带外框的QR二维码图像；
霍夫变换模块，用于对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点；
透视投影模块，用于基于上述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并根据透视投影变换矩阵对上述灰度化图像进行校正，得到校正后的待识别图像；
识别测量模块，用于基于校正后的待识别图像分析计算得到裂缝宽度。
第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项上述的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
本申请实施例提供一种基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统，首先获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像，接着，通过灰度化图像中QR二维码的三个位置探测图形对二维码进行定位，并得到第一组投影变换点，然后，根据QR二维码的三个位置探测图形的中心点位置，确定带外框的QR二维码图形的大概范围，并对其进行裁剪得到带外框的QR二维码图像，再然后，对QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并计算得到第二组投影变换点，最后，根据上述第一组投影变换点和第二组投影变换点对上述灰度化图像进行校正，得到校正后的待识别图像，并基于校正后的待识别图像分析计算得到裂缝宽度。整体而言，本方法一方面通过QR二维码的三个位置探测图形进行定位，并基于三个位置探测图形的中心点坐标得到第一组投影变换点，另一方面，通过霍夫变化检测QR二维码固定外框的四个角点坐标，并基于四个角点坐标得到第二组投影变换点，然后进一步根据第一组投影变换点和第二组投影变换点中的共7个点坐标与其对应的标准坐标计算得到透视投影变换矩阵，以对灰度化图像进行投影变换，将倾斜、扭曲的QR二维码图像校正成标准的QR二维码图像，从而得到校正后的标准裂缝图像，用于计算裂缝宽度。不仅为实时准确提取QR二维码图像信息提供了基础，而且提高了基于QR二维码图像信息测量裂缝宽度的准确率，降低了复杂背景、光照不均匀、几何形变等问题对裂缝宽度测量的准确性的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例的流程示意图；
图2为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例中QR二维码图像的结构示意图；
图3为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例中设计的QR二维码图像的示意图；
图4为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例中校正前的裂缝图像；
图5为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例中校正后的裂缝图像；
图6为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例中识别出的三个位置探测图形对应的三个中心点坐标；
图7为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法一实施例中识别出的外框的四个角点坐标；
图8为本发明提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别系统一实施例的结构框图；
图9为本发明实施例提供的一种电子设备的结构框图。
图标：1、存储器；2、处理器；3、通信接口；11、图像获取模块；12、定位模块；13、裁剪模块；14、霍夫变换模块；15、透视投影模块；16、识别测量模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
请参照图1，图1所示为本申请实施例提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法的流程示意图，该方法包括以下步骤：
步骤S1：获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像。
上述步骤中，首先设计一个带外框的QR二维码图形，然后将其打印在亚克力板上，并粘贴在混凝土表面。接着，用手机或者摄像机等设备进行图片拍摄，采集包含完整的待测量裂缝和QR二维码的裂缝图像。然后，将采集到的裂缝图像上传至服务器，服务器后台通过本申请所提出的方法进行图像处理、QR二维码校正和裂缝宽度测量，从而用户可以通过网站实时查询和监测裂缝的宽度数据。
具体的，请参照图2和图3，QR码符号由正方形模块构成，组成一个正方形阵列。它由编码区域和包括寻像图形、位置探测图形、定位图形和校正图形在内的功能图形组成。QR码符号的四周是空白区，空白区被外框包围。其中，位置探测图形位于三个角落处，像“回”字的正方形图案，利用其可以对二维码进行快速定位；校正图形主要用于QR码形状的校正，尤其是当QR码印刷在不平坦的面上，或者拍照时候发生畸变时(如图4所示)，可以以其为参照对QR码形状进行校正(如图5所示)；编码区域可以用于存储信息。
在本实施例中，设计的QR二维码图像不仅用于裂缝图像的校正、测量裂缝宽度，同时还存储相关工程信息，例如项目名称、测点编号(二维码编号)、时间、内容等等，从而每个裂缝处都对应一个QR二维码，后续可以持续拍摄带有该QR二维码的裂缝图像并进行相应处理和识别，实现对裂缝情况的实时监测。请参照图3，QR二维码图像在设计的时候，QR二维码图像的外框L1的分辨率可以设计成450px×405px，打印成成品后尺寸为45mm×45mm，相邻两个位置探测图形之间的距离L2可以设计成32mm，于是可以得到三个位置探测图形对应的三个中心点坐标，以及外框的四个角点坐标，共计7个标准点的坐标，从而可以为后续以QR二维码图形尺寸为基准计算裂缝宽度提供依据。需说明的是，QR二维码图像的尺寸还可以根据实际裂缝的情况进行相应调整，以更好地对裂缝宽度进行测量。
进一步地，在对裂缝图像进行预处理，得到灰度化图像的过程中，为了得到质量更好的处理图像，示例性的，可以对裂缝图像进行如下处理：首先，对裂缝图像进行去噪滤波处理，例如采用中值滤波法，以平滑去除图像中的噪声，防止对后续裂缝的识别与测量造成干扰；然后，将去噪滤波处理后的裂缝图像进行图像增强，例如采用伽玛变换方式进行对比度增强以实现图像增强处理；最后，将图像增强后的裂缝图像进行灰度化处理，得到灰度化图像。
请参照图6，步骤S2：获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点。
上述步骤中，可以首先通过边缘检测对QR二维码进行大致定位，然后基于QR二维码的三个位置探测图形对QR二维码进行快速、精准定位，并将三个位置探测图形的三个中心点坐标作为第一组投影变换点，为对QR二维码进行校正提供基础。具体的，请参照图2，该步骤包括：
步骤S2-1：对灰度化图像像素进行横竖扫描，得到候选点集。
上述步骤中，通过横竖扫描图像像素，找到满足黑-白-黑-白-黑且比例关系近似1:1:3:1:1的线段，并将其两端的中点坐保存录下来，从而找到整幅图像所有的候选点，并统计得到候选点集，为寻找三个位置探测图形的中心点坐标提供依据。
步骤S2-2：利用近邻点融合算法从候选点集中筛选出QR二维码中三个位置探测图形的中心点坐标。
上述步骤中，首先，搜索候选点集中每个候选点设定范围内的近邻点坐标，并统计得到该候选点对应的近邻点集。接着，通过计算近邻点集中所有近邻点的平均坐标值，并将平均坐标值迭代为该候选点的新坐标。这样可以将比较集中的点的集群向内收缩融合，而孤立点由于没有紧邻点则会直接删除，从而在不停的迭代中，其它零散的点的近邻点减少的速度会比较快，而由于三个位置探测图形所在位置的点相对更集中，所以其近邻点减少的速度会远远小于零散点的近邻点减少的速度。然后，当迭代次数超过预设的迭代阈值时，或者当近邻点集中的近邻点数量小于预设的数量时，停止迭代，并统计对比每个候选点对应的近邻点集中的近邻点数量，以筛选出拥有近邻点数量最多的三个候选点，此三个候选点即为QR二维码图形的三个位置探测图形的中心点。最后，分别计算拥有近邻点数量最多的三个候选点对应的近邻点集中所有近邻点的平均坐标值，并将其平均坐标值作为该候选点的坐标，从而得到三个位置探测图形的中心点坐标，实现对QR二维码的精确定位。进一步地，为了使得定位结果更加准确，可以在最后加入一个反馈机制，对于得到的三个中心点坐标进行计算，判断其各种位置关系是否是真正的三个位置探测图形，若计算结果发现位置关系差别较大，则对近邻点融合算法中的相关参数进行调整，并重新进行循环融合，以提高准确率。
步骤S2-3：将三个中心点保存为第一组投影变换点。
步骤S3：裁剪并得到带外框的QR二维码图像。
上述步骤中，可以首先根据QR二维码的三个位置探测图形的中心点位置，确定带外框的QR二维码图形的大概范围。具体的，先根据三个位置探测图形的中心点坐标构成一个三角形，然后以最长边为对称轴进行镜像对称，得到一个平行四边形，可以知道该平行四边形和图像中的QR二维码外框是相似的，于是，基于该平行四边形扩大1.5倍，可得到裁剪范围，并且该裁剪范围是包含了外框在内的。接下来依据该裁剪范围进行裁剪，将QR二维码图像之外的部分去除，只得到包含外框的QR二维码图像(或者可以通过将带外框的QR二维码图像区域外的像素点的像素值设为0来实现)，从而后续在探寻外框的四条直线边界时，可以防止图像背景中的直线对探寻过程造成干扰，并且计算外框的四个角点位置时就只需要在二维码图像区域进行计算，大大的减少了不必要的运算量。
请参照图7，步骤S4：对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点。该步骤具体包括：
步骤S4-1：对带外框的QR二维码图像利用Canny边缘检测算法进行处理。
上述步骤中，利用Canny边缘检测算法可以保证在带外框的QR二维码区域的边缘信息不被损耗的情况下，有效地区分出QR二维码以外的区域，从而凸显外框的四条直线边界，方便进行边界检测。
步骤S4-2：将处理后的QR二维码图像进行霍夫变换，检测得到外框对应的四条边界及四个角点坐标。
上述步骤中，通过霍夫变换可将图像空间的坐标变换到参数空间(霍夫空间)来实现直线的检测。具体的，首先，可根据公式ρ＝xcosθ+ysinθ将处理后的QR二维码图像中的像素点坐标(x,y)转换到极坐标系下，得到各点的极坐标，即二维数组(ρ,θ)，其中，ρ代表原点到直线的距离，θ代表夹角，并且，由二维数组(ρ,θ)构成的平面空间即为霍夫空间，从而图像空间中的一个点则对应霍夫空间中的一条正弦曲线，而在图像空间中处于同一直线上的点，投影到霍夫空间中后，对应的正弦曲线会有共同的交点，所以在极坐标系内的一条直线可以通过在霍夫空间内相交于一点的正弦曲线的数量来评估，也就是说，在霍夫坐标系内，经过一个点的正弦曲线越多，说明其映射在极坐标系内是一条直线。所以，接着就可以基于二维数组(ρ,θ)进行霍夫直线检测，确定检测到固定外框对应的四条边界后，通过逆映射得到原图像空间中四条边界的表达式。具体的，可以通过累加器统计穿过同一个点的正弦曲线的数量，当数量大于预设的阈值时，即说明检测到直线，然后可以根据参数对(ρ,θ)，通过逆映射公式：
Figure BDA0003755743460000131
得到其对应的原图像空间中的直线的表达式，从而检测得到外框对应的四条边界。最后，根据四条边界的直线表达式求解四条边界的交点，得到四个角点坐标。
步骤S4-3：将四个角点保存为第二组投影变换点。
步骤S5：基于上述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并根据透视投影变换矩阵对上述灰度化图像进行校正，得到校正后的待识别图像。
上述步骤中，透视投影本质上是将图像投影到一个新的视平面，其利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，但仍能保持承影面上投影几何图形不变的变换。
具体的，假设拍摄的图像上的像素点坐标为(xk,yk)，标准QR二维码图像上的像素点坐标为(x′k,y′k)，且两者的Z坐标均为1，即(xk,yk，1)和(x′k,y′k，1)。首先，将经上述步骤处理得到的第一组投影变换点(QR二维码图像的三个位置探测图形对应的三个中心点坐标)和第二组投影变换点(带外框的QR二维码图像的四个角点坐标)，共7个点坐标，构成矩阵A，
Figure BDA0003755743460000141
然后，获取标准QR二维码图像的三个中心点坐标和四个角点坐标，构成矩阵B，
Figure BDA0003755743460000142
从而，设透视投影变换矩阵为H，则构造出方程B＝HA，然后利用最小二乘法按照公式H＝BAT(AAT)-1，并将矩阵A和矩阵B的参数代入进去，即可计算得到透视投影变换矩阵H。最后，根据透视投影变换矩阵H，对上述包含裂缝和QR二维码图形的灰度化图像进行透视投影，可以使得图像中的QR二维码图形以标准的正方形呈现在图像中(如图5所示)，从而完成图像校正，得到待识别图像。示例性的，可以通过Matlab软件进行编程，并利用其中的imwarp函数进行几何变换，实现投影校正的目的。
步骤S6：基于校正后的待识别图像分析计算得到裂缝宽度。
上述步骤中，首先根据校正后的待识别图像中QR二维码图像的图像尺寸和标准QR二维码的实际尺寸，计算得到两者之间的比例关系，即可知道校正后的待识别图像中一个像素所对应的实际尺寸值；然后，统计校正后的待识别图像中裂缝所占的像素大小，并结合上述比例关系即可计算得到裂缝的实际宽度，从而完成对裂缝宽度的测量。同时，在每一次拍摄裂缝图像并测量出裂缝宽度以后，将相关信息记录到该QR二维码对应编号的裂缝数据库中，从而在连续性测量的过程中，可以读取之前每次测量的结果，并进行对比，方便了解期间内裂缝的变化情况，实现对裂缝宽度的连续监测。
基于同样的发明构思，本发明还提出一种基于霍夫变换校正二维码图像的裂缝宽度识别系统，请参照图8，图8为本申请实施例提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别系统的结构框图。该系统包括：
图像获取模块11，用于获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像；
定位模块12，用于获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点；
裁剪模块13，用于裁剪并得到带外框的QR二维码图像；
霍夫变换模块14，用于对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点；
透视投影模块15，用于基于上述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并根据透视投影变换矩阵对上述灰度化图像进行校正，得到待识别图像；
识别测量模块16，用于基于校正后的待识别图像分析计算得到裂缝宽度。
请参照图9，图9为本申请实施例提供的一种电子设备的结构框图。该电子设备包括存储器1、处理器2和通信接口3，该存储器1、处理器2和通信接口3相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器1可用于存储软件程序及模块，如本申请实施例所提供的一种基于霍夫变换校正二维码图像的裂缝宽度识别系统对应的程序指令/模块，处理器2通过执行存储在存储器1内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口3可用于与其他节点设备进行信令或数据的通信。
其中，存储器1可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器2可以是一种集成电路芯片，具有信号处理能力。该处理器2可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图9所示的结构仅为示意，电子设备还可包括比图9中所示更多或者更少的组件，或者具有与图1所示不同的配置。图9中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图保存视为限制所涉及的权利要求。

Claims (10)

1.一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，包括：
获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像；
获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点；
裁剪并得到带外框的QR二维码图像；
对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点；
基于所述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并根据透视投影变换矩阵对所述灰度化图像进行校正，得到校正后的待识别图像；
基于校正后的待识别图像分析计算得到裂缝宽度。
2.如权利要求1所述的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，所述对裂缝图像进行预处理，得到灰度化图像的步骤包括：
对裂缝图像进行去噪滤波处理；
将去噪滤波处理后的裂缝图像进行图像增强；
将图像增强后的裂缝图像进行灰度化处理，得到灰度化图像。
3.如权利要求1所述的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，所述获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点的步骤包括：
对灰度化图像像素进行横竖扫描，得到候选点集；
利用近邻点融合算法从候选点集中筛选出QR二维码中三个位置探测图形的中心点坐标；
将三个中心点保存为第一组投影变换点。
4.如权利要求3所述的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，所述利用近邻点融合算法从候选点集中筛选出QR二维码中三个位置探测图形的中心点坐标的步骤包括：
搜索候选点集中每个候选点设定范围内的近邻点坐标，并统计得到该候选点对应的近邻点集；
计算近邻点集中所有近邻点的平均坐标值，并将平均坐标值迭代为该候选点的新坐标；
当迭代次数超过预设的迭代阈值时停止，并筛选出拥有近邻点数量最多的三个候选点；
分别计算三个候选点对应的近邻点集中所有近邻点的平均坐标值，得到三个位置探测图形的中心点坐标。
5.如权利要求1所述的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，所述对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点的步骤包括：
对带外框的QR二维码图像利用Canny边缘检测算法进行处理；
将处理后的QR二维码图像进行霍夫变换，检测得到外框对应的四条边界及四个角点坐标；
将四个角点保存为第二组投影变换点。
6.如权利要求5所述的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，所述将处理后的QR二维码图像进行霍夫变换，检测得到外框对应的四条边界及四个角点坐标的步骤包括：
将处理后的QR二维码图像中的像素点坐标转换为极坐标，得到二维数组(ρ,θ)，其中，ρ代表原点到直线的距离，θ代表夹角；
基于二维数组(ρ,θ)进行霍夫直线检测，确定检测到外框对应的四条边界后，通过逆映射得到原图像空间中四条边界的表达式；
根据四条边界的表达式求解四条边界的交点，得到四个角点坐标。
7.如权利要求1所述的一种基于霍夫变换校正二维码图像的裂缝宽度识别方法，其特征在于，所述基于所述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵的步骤包括：
利用第一组投影变换点和第二组投影变换点中的共7个点坐标构成矩阵A，并获取标准QR二维码图像的三个中心点坐标和四个角点坐标，构成矩阵B；
利用最小二乘法按照公式H＝BAT(AAT)-1计算得到透视投影变换矩阵H。
8.一种基于霍夫变换校正二维码图像的裂缝宽度识别系统，其特征在于，包括：
图像获取模块，用于获取包含带外框的QR二维码的裂缝图像，并对裂缝图像进行预处理，得到灰度化图像；
定位模块，用于获取灰度化图像中QR二维码的三个位置探测图形对应的中心点坐标，并将三个中心点保存为第一组投影变换点；
裁剪模块，用于裁剪并得到带外框的QR二维码图像；
霍夫变换模块，用于对带外框的QR二维码图像进行霍夫变换，得到对应的四个角点坐标，并将四个角点保存为第二组投影变换点；
透视投影模块，用于基于所述第一组投影变换点和第二组投影变换点，利用最小二乘法计算得到透视投影变换矩阵，并根据透视投影变换矩阵对所述灰度化图像进行校正，得到校正后的待识别图像；
识别测量模块，用于基于校正后的待识别图像分析计算得到裂缝宽度。
9.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN202210856969.3A 2022-07-20 2022-07-20 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统 Active CN115018735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210856969.3A CN115018735B (zh) 2022-07-20 2022-07-20 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210856969.3A CN115018735B (zh) 2022-07-20 2022-07-20 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统

Publications (2)

Publication Number Publication Date
CN115018735A true CN115018735A (zh) 2022-09-06
CN115018735B CN115018735B (zh) 2024-08-20

Family

ID=83082048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210856969.3A Active CN115018735B (zh) 2022-07-20 2022-07-20 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统

Country Status (1)

Country Link
CN (1) CN115018735B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721042A (zh) * 2023-08-10 2023-09-08 广东石油化工学院 基于多阈值二值化的摄像图像倾斜校正方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5616905A (en) * 1994-02-24 1997-04-01 Kabushiki Kaisha Tec Two-dimensional code recognition method
CN103884286A (zh) * 2014-02-28 2014-06-25 河南省交通科学技术研究院有限公司 混凝土表面裂缝宽度测量标记贴片及进行测量识别的方法
CN103914675A (zh) * 2014-03-17 2014-07-09 东华大学 一种服装的快速响应矩阵二维码识别方法
WO2021106189A1 (ja) * 2019-11-29 2021-06-03 株式会社Ｒｉｓｔ クラック測定装置、クラック測定システム、クラック測定方法及びクラック測定プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5616905A (en) * 1994-02-24 1997-04-01 Kabushiki Kaisha Tec Two-dimensional code recognition method
CN103884286A (zh) * 2014-02-28 2014-06-25 河南省交通科学技术研究院有限公司 混凝土表面裂缝宽度测量标记贴片及进行测量识别的方法
CN103914675A (zh) * 2014-03-17 2014-07-09 东华大学 一种服装的快速响应矩阵二维码识别方法
WO2021106189A1 (ja) * 2019-11-29 2021-06-03 株式会社Ｒｉｓｔ クラック測定装置、クラック測定システム、クラック測定方法及びクラック測定プログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
滕明星;佘梦坤;何科均;: "一种桥梁裂缝信息提取的改进算法", 城市勘测, no. 06, 31 December 2017 (2017-12-31) *
田文利;: "基于霍夫直线检测与二维透视变换的图像校正恢复算法", 电子测量技术, no. 09, 15 September 2017 (2017-09-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721042A (zh) * 2023-08-10 2023-09-08 广东石油化工学院 基于多阈值二值化的摄像图像倾斜校正方法

Also Published As

Publication number Publication date
CN115018735B (zh) 2024-08-20

Similar Documents

Publication Publication Date Title
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN111339951A (zh) 体温测量方法、装置及系统
US8422759B2 (en) Image processing method and image processing device
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN114494045B (zh) 一种基于机器视觉的大型直齿轮几何参数测量系统及方法
EP4411633A1 (en) Method and device for detecting stability of vision system
CN107356213B (zh) 滤光片同心度测量方法及终端设备
CN113324478A (zh) 一种线结构光的中心提取方法及锻件三维测量方法
CN113962306A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN110475078B (zh) 摄像机曝光时间调整方法及终端设备
CN109191516B (zh) 结构光模组的旋转纠正方法、装置及可读存储介质
CN116862910B (zh) 基于自动化裁切生产的视觉检测方法
CN103217108A (zh) 一种眼镜架几何参数检测方法
CN114972531B (zh) 一种角点检测方法、设备及可读存储介质
CN114037992A (zh) 仪表示数识别方法、装置、电子设备及存储介质
CN115018735B (zh) 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统
CN112836726B (zh) 一种基于视频信息的指针类仪表示数读取方法及装置
CN115546016B (zh) Pcb的2d和3d图像的采集和处理方法及相关装置
CN108428250B (zh) 一种应用于视觉定位和标定的x角点检测方法
CN105078404A (zh) 基于激光算法的全自动眼动追踪测距定标仪及其使用方法
CN115035071A (zh) 一种pad导光板黑点缺陷的视觉检测方法
CN110794389B (zh) 一种基于图像处理的非接触式测量间距的方法
CN115184362A (zh) 一种基于结构光投影的快速缺陷检测方法
CN115330832A (zh) 一种基于计算机视觉的输电铁塔全自由度位移监测系统和方法
CN112730427B (zh) 一种基于机器视觉的产品表面缺陷检测方法及系统

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