CN115731254A - 基于亚像素的图像求尺寸的方法 - Google Patents
基于亚像素的图像求尺寸的方法 Download PDFInfo
- Publication number
- CN115731254A CN115731254A CN202110984639.8A CN202110984639A CN115731254A CN 115731254 A CN115731254 A CN 115731254A CN 202110984639 A CN202110984639 A CN 202110984639A CN 115731254 A CN115731254 A CN 115731254A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- points
- edge
- fitting
- 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
Images
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体的说是一种能够有效提高测量精度,具有较高的适应性与稳定性的基于亚像素的图像求尺寸的方法,其特征在于,包括利用设备采集待检测物体图像;进行边缘检测算子粗定位,利用边缘检测算子对待检测物体图像进行像素级边缘检测,得到图像的像素边缘在原图中的坐标位置;进行像素级边缘修正,确定图像两侧各n个点,分别向图像内侧找n个点,记录n个点的灰度值;特征衍生,利用找到的像素点的灰度值进行特征的生成;拟合求值,带入拟合公式进行拟合,得到亚像素边缘代表的真实距离;结果修正,将拟合求值得到的真实距离加上像素级边缘修正内侧距离后,然后对结果进行修正,即获得待检测工件尺寸。
Description
技术领域:
本发明涉及图像处理技术领域,具体的说是一种能够有效提高测量精度,具有较高的适应性与稳定性的基于亚像素的图像求尺寸的方法。
背景技术:
随着人工智能尤其是图像处理算法的飞速发展,非接触的基于机器视觉的工业测量产品的测量精度、内容、速度等方面具有较大的提升,基于图像的检测多种参数快速检测优势,例如可以同时快速检测长度、弧度、角度、间距、不同孔间距等,传统单一测量工具无法同时快速实现在线检测。
要对直径进行测量,关键的地方是求出图像包含的像素点(精确到亚像素),然后与单个像素代表的距离相乘即可得到最优的距离,目前,流行的方法有Canny算子、Sobel算子等成熟的像素级边缘检测算法,很显然其精度只能达到像素级别,也有利用Zernike矩方法、拟合法、插值法进行亚像素检测的算法,分别寻找各个边界的亚像素轮廓,但这些方法需要求取精确的亚像素边缘,找到精确的亚像素点个数才能确定最终的检测尺寸,精度受边界的影响较大。
现有技术中,在进行尺寸的测量时,大都利用亚像素的算法去分别计算两侧的真实边界,再去计算其包含像素点的个数,然后乘以单像素距离即可求出其真实距离,如果分别去拟合两侧边界得到两侧最优的拟合曲线,曲线会受到光照等条件的影响,导致拟合出来的曲线不准确,则导致结果不准确。
发明内容:
本发明针对现有技术中存在的精度差、稳定性差的问题,提出了一种能够有效提高测量精度,具有较高的适应性与稳定性的基于亚像素的图像求尺寸的方法。
本发明通过以下措施达到:
一种基于亚像素的图像求尺寸的方法,其特征在于,包括以下步骤:
步骤1:利用设备采集待检测物体图像;
步骤2:进行边缘检测算子粗定位,利用边缘检测算子对待检测物体图像进行像素级边缘检测,得到图像的像素边缘在原图中的坐标位置;
步骤3:进行像素级边缘修正:对步骤2中找到的像素级边缘存在的异常值进行修正,并计算修正后内侧像素点个数;
步骤4:确定图像两侧各n个点,在修正后图像边缘两侧,分别向图像内侧找n个点,记录n个点的灰度值;
步骤5:特征衍生,利用找到的像素点的灰度值进行特征的生成;
步骤6:拟合求值,带入拟合公式进行拟合,得到亚像素边缘代表的真实距离,也就是图像外侧n个点所代表的真实距离;
步骤7:结果修正,将拟合求值得到的真实距离加上像素级边缘修正内侧距离后,然后对结果进行修正,即获得待检测工件尺寸。
本发明步骤2中利用Canny进行边缘检测,具体为:
步骤2-1:对图像进行高斯平滑,具体通过高斯卷积实现;
步骤2-2:计算图像中每个像素点的梯度强度和方向,利用四个梯度算子来分别计算水平,垂直和对角线方向的梯度;采用常用的边缘差分算子(如Rober,Prewitt,Sobel)计算水平和垂直方向的差分Gx和Gy,按下式计算梯度模和方向:
θ=atan2(Gy,Gx)
步骤2-3:然后采用“非最大抑制”算法寻找图像中的可能边缘点,最后通过双门限值寻找图像边缘点。
本发明所述步骤4对找到的像素级边缘进行修正,记录内侧像素点个数,具体为:
步骤3-1:利用步骤2中得到的像素级边缘点,对边缘点进行修正,具体的修正方法为,假设图像灰度值分布为1-255(由黑到白),则往外侧找点找到第一个全白即灰度值略小于255的数据,作为新的边界点,若Canny找到的边为外侧第二根灰线,那么需要往外移动一个像素,即修正边界为最外侧灰边;
步骤3-2:假设Canny找到的边界为可能的最外侧边界,最外侧的一列像素为不确定的亚像素边界,那利用新找到的左右边界点进行作差并减1,得到内侧真实距离,此处内侧边界在上述假设的前提下,即认为边界内侧的像素点代表的距离不会出现再次被分割的情况。
本发明所述步骤7中像素级边缘修正具体为,得到像素级边缘后利用两侧边缘像素点的坐标,即可得到像素级的物体的水平尺寸,再加上拟合求值中得到的外侧亚像素的真实距离,便可得到待测量工件的水平尺寸,对水平尺寸进行修正转换即可得到要求的待测物体的真实尺寸。
本发明与现有技术相比,不需要求取图像外侧轮廓,可以直接获取图像实际距离,具有精度高、稳定性好、适应度高等显著的优点。
附图说明:
附图1是本发明的流程图。
附图2是本发明实施例1中步骤3示意图。
附图3是本发明实施例1的步骤7中结果修正示意图。
附图4是本发明实施例1的步骤7中斜率修正示意图。
具体实施方式:
下面结合附图和实施例,对本发明做进一步的说明。
实施例1:
本例提出了一种基于亚像素处理的图像求尺寸的方法,具体包括以下步骤:
S1:利用设备采集待检测物体图像,采集数据为灰度图,设定全白为255,黑色为1,(算法也适用于其数据格式如0-1的格式),并将采集数据传递到Canny检测算法中;
S2:利用边缘检测算子进行像素级边缘检测,此处利用Canny进行边缘检测,具体步骤如下:
S2-1:对图像进行高斯平滑,具体通过高斯卷积实现;
S2-2:计算图像中每个像素点的梯度强度和方向,利用四个梯度算子来分别计算水平,垂直和对角线方向的梯度;常用的边缘差分算子(如Rober,Prewitt,Sobel)计算水平和垂直方向的差分Gx和Gy,这样就可以如下计算梯度模和方向:
θ=atan2(Gy,Gx)
S2-3:然后采用‘非最大抑制’算法寻找图像中的可能边缘点,最后通过双门限值寻找图像边缘点;
S3:对找到的像素级边缘进行修正,记录内侧像素点个数,具体为:S3-1:利用S2中得到的像素级边缘点,对边缘点进行修正,具体的修正方法为,往外侧找点找到第一个不为全白(灰度值略小于255)的数据,作为新的边界点,如图2所示Canny找到的边为外侧第二根灰线,那么需要往外移动一个像素,即修正边界为最外侧灰边;
S3-2:假设Canny找到的边界为可能的最外侧边界,最外侧的一列像素为不确定的亚像素边界,那利用新找到的左右边界点进行作差并减1,得到内侧真实距离,此处内侧边界在上述假设的前提下,即认为边界内侧的像素点代表的距离不会出现再次被分割的情况;
S4:在修正后的边缘基础上,两侧分别往内找三个点,定义图像要求尺寸为左右两侧,那么定义左右两侧坐标特征点为
l1、l2、l3、r1、r2、r3,其中l代表的是左,r代表右,下标越大越靠近图像内侧;
S5:利用找到的像素点进行特征的生成,具体包括:
S5-1:差值特征按下式获得:
l1-2=l1-l2
l2-3=l2-l3
r1-2=r1-r2
r2-3=r2-r3;
S5-3:对特征进行归一化,其中x表示原始的特征数据,mean(x)代表特征的均值,max(x)代表该特征的最大值,min(x)代表该特征的最小值,x′表示归一化后的数据,后续用到的l1、l2、l3、r1、r2、r3、等特征均为归一化处理后的特征
S6:带入拟合公式进行拟合,得到亚像素边缘代表的真实距离的拟合值,也就是外侧点所代表的真实距离;
S7:将S6得到真实距离加上内侧像素级边缘确定出来的内侧距离,即得到其水平方向的尺寸,此处若要求物体的直径,则需要对结果进行修正,即利用三角形对称的原理,利用斜边尺寸,得到直角边尺寸,修正后的结果即为工件待测直径尺寸,如图3所示。
S7-2:特别的若待检测物体为一柱体,需要对其直径尺寸进行测量,其成像图如图4所示,实线-直径的尺寸为待测物体的直径尺寸,虚线-水平截面的尺寸在S7-1已经得到,要求待测工件直径,则需要对进行斜率修正,具体过程如下:
a)通过S2中得到的像素级边缘点,进行拟合,其中下图中虚线-边界线为拟合线,求取拟合线的斜率S;
b)设待测直径为D,利用勾股定理,及三角形相似原理,则
本发明与现有技术相比,在对工件物体进行测量过程中,并未区分其左右两侧分别代表的距离,而是将两者视为一个整体,同时利用了两侧的数据,因此对单像素距离的容错率是分别求取两侧的两倍,对单像素距离的要求会远低于现有技术,从结果上看该方法有效的提升了检测的适应性与稳定性,降低了算法复杂度。
Claims (5)
1.一种基于亚像素的图像求尺寸的方法,其特征在于,包括以下步骤:
步骤1:利用设备采集待检测物体图像;
步骤2:进行边缘检测算子粗定位,利用边缘检测算子对待检测物体图像进行像素级边缘检测,得到图像的像素边缘在原图中的坐标位置;
步骤3:进行像素级边缘修正:对步骤2中找到的像素级边缘存在的异常值进行修正,并计算修正后内侧像素点个数;
步骤4:确定图像两侧各n个点:在修正后图像边缘两侧,分别向图像内侧找n个点,记录n个点的灰度值;
步骤5:特征衍生,利用找到的像素点的灰度值进行特征的生成;
步骤6:拟合求值,带入拟合公式进行拟合,得到亚像素边缘代表的真实距离,也就是图像外侧n个点所代表的真实距离;
步骤7:结果修正,将拟合求值得到的真实距离加上像素级边缘尺寸,对结果进行修正,即获得待检测工件尺寸。
3.根据权利要求1所述的一种基于亚像素的图像求尺寸的方法,其特征在于,所述步骤3对找到的像素级边缘进行修正,记录内侧像素点个数,具体为:
步骤3-1:利用步骤2中得到的像素级边缘点,对边缘点进行修正,具体的修正方法为,往外侧找点找到第一个不为全白即灰度值为255的数据,作为新的边界点,Canny找到的边为外侧第二根灰线,那么需要往外移动一个像素,即修正边界为最外侧灰边;
步骤3-2:假设Canny找到的边界为可能的最外侧边界,最外侧的一列像素为不确定的亚像素边界,那利用新找到的左右边界点进行作差并减1,得到内侧真实距离,此处内侧边界在上述假设的前提下,即认为边界内侧的像素点代表的距离不会出现再次被分割的情况。
4.根据权利要求1所述的一种基于亚像素的图像求尺寸的方法,其特征在于,所述步骤4确定图像两侧各3个点,具体为:
定义左右两侧坐标特征点为l1、l2、l3、r1、r2、r3,其中l代表的是左,r代表右,下标越大越靠近图像内侧。
5.根据权利要求1所述的一种基于亚像素的图像求尺寸的方法,其特征在于,所述步骤7中像素级边缘修正具体为,得到像素级边缘后利用两侧边缘像素点的坐标,即可得到待测物体的内侧尺寸,再加上拟合求值中得到的外侧亚像素的真实距离,便可得到待测量工件的水平方向的尺寸,利用勾股定理及三角形相似原理,即可得到待测物体的直径尺寸。
步骤7-2-1:通过已得到的像素级边缘点,进行拟合,求取拟合线的斜率S;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110984639.8A CN115731254A (zh) | 2021-08-25 | 2021-08-25 | 基于亚像素的图像求尺寸的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110984639.8A CN115731254A (zh) | 2021-08-25 | 2021-08-25 | 基于亚像素的图像求尺寸的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115731254A true CN115731254A (zh) | 2023-03-03 |
Family
ID=85289842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110984639.8A Pending CN115731254A (zh) | 2021-08-25 | 2021-08-25 | 基于亚像素的图像求尺寸的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731254A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883255A (zh) * | 2023-05-22 | 2023-10-13 | 北京拙河科技有限公司 | 一种高精度光场图像的边界修正方法及装置 |
CN117890068A (zh) * | 2024-03-14 | 2024-04-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
-
2021
- 2021-08-25 CN CN202110984639.8A patent/CN115731254A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883255A (zh) * | 2023-05-22 | 2023-10-13 | 北京拙河科技有限公司 | 一种高精度光场图像的边界修正方法及装置 |
CN116883255B (zh) * | 2023-05-22 | 2024-05-24 | 北京拙河科技有限公司 | 一种高精度光场图像的边界修正方法及装置 |
CN117890068A (zh) * | 2024-03-14 | 2024-04-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
CN117890068B (zh) * | 2024-03-14 | 2024-05-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN115731254A (zh) | 基于亚像素的图像求尺寸的方法 | |
CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN107832674B (zh) | 一种车道线检测方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
CN113409313A (zh) | 基于计算机视觉的车轮焊缝表面缺陷检测方法 | |
CN114627080B (zh) | 基于计算机视觉的车辆冲压配件缺陷检测方法 | |
CN116912250B (zh) | 基于机器视觉的菌包生产质量检测方法 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN103810676B (zh) | 一种钢管运行速度的监测方法 | |
Zhang et al. | Edge detection based on improved sobel operator | |
CN114612410A (zh) | 一种新型服装检测装置 | |
CN106813569A (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
CN106682674A (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
CN108109154A (zh) | 一种工件的新型定位及数据获取方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN113012181B (zh) | 一种基于Hough变换的新型类圆形检测方法 | |
CN107506739A (zh) | 一种夜间前向车辆检测及测距方法 | |
CN113409256B (zh) | 一种管道波纹补偿器轴向尺寸检测方法 | |
CN112233063B (zh) | 一种大尺寸圆形物体的圆心定位方法 | |
CN112767425A (zh) | 一种基于视觉的车位检测方法及装置 | |
Huang et al. | Weld line detection using realsense depth camera based on depth map | |
CN109539980B (zh) | 一种基于图像处理的接触线抬升量实时测量方法 | |
Huang et al. | Gray object recognition and angle measurement method based on mean shift to overhead crane systems |
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 |