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 PDF

Info

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
Application number
CN202110984639.8A
Other languages
English (en)
Inventor
张中凯
梁明明
于娟
杨汀汀
刘晓炜
李莹莹
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.)
Weihai Beiyang Electric Group Co Ltd
Original Assignee
Weihai Beiyang Electric Group 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 Weihai Beiyang Electric Group Co Ltd filed Critical Weihai Beiyang Electric Group Co Ltd
Priority to CN202110984639.8A priority Critical patent/CN115731254A/zh
Publication of CN115731254A publication Critical patent/CN115731254A/zh
Pending legal-status Critical Current

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

基于亚像素的图像求尺寸的方法
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：
Figure BDA0003230232850000031
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：
Figure BDA0003230232850000051
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；
S5-2：增加原始特征的平方项
Figure BDA0003230232850000061
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、
Figure BDA0003230232850000062
等特征均为归一化处理后的特征
Figure BDA0003230232850000063
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。
S7-1：设器件真实尺寸为L，预测值为
Figure BDA0003230232850000064
亚像素代表的真实距离为Lo，拟合值为
Figure BDA0003230232850000065
内侧Li，则
Figure BDA0003230232850000066
的结果为：
Figure BDA0003230232850000067
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
Figure BDA0003230232850000071
在S7-1已经得到，要求待测工件直径，则需要对
Figure BDA0003230232850000072
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
Figure BDA0003230232850000073
那么
Figure BDA0003230232850000074
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。
2.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，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；利用边缘差分算子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：
Figure FDA0003230232840000021
θ＝atan2(Gy,Gx)
步骤2-3：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。
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7-1：设器件真实尺寸为L，预测值为
Figure FDA0003230232840000031
亚像素代表的真实距离为Lo，拟合值为
Figure FDA0003230232840000032
内侧Li，则
Figure FDA0003230232840000033
的结果为：
Figure FDA0003230232840000034
步骤7-2：对柱形待检测物体直径尺寸测量时的修正处理，执行以下步骤对预测值
Figure FDA0003230232840000035
进行斜率修正，具体过程如下：
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；
步骤7-2-2：设待测直径为D,利用勾股定理，及三角形相似原理，则
Figure FDA0003230232840000036
那么
Figure FDA0003230232840000037
CN202110984639.8A 2021-08-25 2021-08-25 基于亚像素的图像求尺寸的方法 Pending CN115731254A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (4)

* Cited by examiner, † Cited by third party
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