CN115858832B - 一种用于钢绞线生产数据存储方法及系统 - Google Patents

Abstract

本发明涉及图像数据压缩存储领域，具体涉及一种用于钢绞线生产数据存储方法及系统。该方法通过将钢绞线的完整表面灰度图像划分为图像块，并根据钢丝绞合方向对每个图像块采用行程编码，获得初次压缩数据序列；根据初次压缩数据序列中灰度数据和行程长度差异情况获得两个图像块的相似度，根据两个图像块的边缘分布和外形尺寸的差异情况对相似度调整获得真实相似度，根据真实相似度对相邻图像块进行图像块类别划分，根据图像块类别构建压缩数据序列，以压缩数据序列、每个图像块类别的标准图像块的尺寸序列和绞合方向作为存储数据存储。本发明通过图像数据压缩，保留异常数据的同时避免了压缩后数据膨胀，减少数据损失量，提高了压缩效率。

Description

一种用于钢绞线生产数据存储方法及系统

技术领域

本发明涉及图像数据压缩存储领域，具体涉及一种用于钢绞线生产数据存储方法及系统。

背景技术

钢绞线是由多根钢丝绞合构成的钢铁制品，其制造过程分为单丝制造和绞线制造，一般采用拉丝技术获取单根钢丝，然后利用绞线机将多根钢丝绞合成产品，最后将钢绞线收在工字轮上。钢绞线通常用于承力索、拉线、加强芯等产品上，故其出厂前的质量检测十分重要，首要的检测项目为外观检测，如钢绞线的直径、各钢丝之间的绞合形状、表面裂纹和凹坑等异常，故需要采集大量的钢绞线图像数据。

这些海量的钢绞线图像数据需要传输至检测平台上进行质量分析，但传输大量数据时会造成传输系统实时性的降低，因此需要先对图像数据进行高效的压缩存储，减少传输的数据量。根据钢绞线在各钢丝中像素点以周期性方式排列，现有技术中对周期性像素点进行压缩的方法对每条纹理均进行提取压缩，对存在许多异常情况的数据进行压缩时，数据损失较为严重，并在压缩传输中仍存在很多冗余数据，影响传输效率。而根据钢绞线的绞合方向选择传统的行程编码压缩方法对连续出现的数据进行压缩，但在沿某一方向逐像素点遍历时，当遍历像素点灰度值连续不相同时，压缩效果较差，还有可能造成压缩后数据膨胀，无法实现高效的数据压缩存储。

发明内容

为了解决现有技术中传统的行程编码压缩方法对像素点灰度值连续不相同时，压缩效果较差，无法实现高效数据压缩存储的技术问题，本发明的目的在于提供一种用于钢绞线生产数据存储方法及系统，所采用的技术方案具体如下：

本发明提供了一种用于钢绞线生产数据存储方法，所述方法包括：

获得钢绞线的完整表面灰度图像；获得所述完整表面灰度图像中钢丝的绞合方向；获得所述完整表面灰度图像中每段钢丝的上边界边缘线，以每个所述上边界边缘线的端点为分割点对所述完整表面灰度图像进行垂直分割，获得至少两个图像块；

获得所述图像块对应的外接矩形，在所述绞合方向下对每个所述外接矩形采用行程编码，获得每个所述图像块的初次压缩数据序列，所述初次压缩数据序列包含灰度数据和行程长度；

根据两个所述图像块对应初次压缩数据序列中的所述灰度数据的匹配程度获得灰度匹配组，根据所有所述灰度匹配组的灰度差异和行程长度差异获得两个所述图像块的相似度；根据两个所述图像块的边缘分布差异和外形尺寸差异获得两个所述图像块的外观特征值；根据所述外观特征值调整对应两个所述图像块的所述相似度，获得两个所述图像块的真实相似度；

根据相邻两个所述图像块之间的所述真实相似度将所有所述图像块分类，获得至少两类图像块类别；选择所述图像块类别中的标准图像块；构建压缩数据序列，所述压缩数据序列包括每个所述图像块类别的所述标准图像块的所述初次压缩数据序列和对应所述图像类别内的图像块数量；

以所述压缩数据序列，所述标准图像块的尺寸序列和所述绞合方向作为存储数据进行存储。

进一步地，所述灰度匹配组的获取包括：

提取所述图像块对应初次压缩数据序列中的所述灰度数据，获得灰度值序列；

根据两个所述灰度值序列的相似性，对两个所述图像块对应的所述灰度值序列采用动态时间规整算法，获得相似灰度数据的灰度匹配组。

进一步地，所述灰度匹配组的灰度差异和行程长度差异具体包括：

统计所有所述灰度匹配组中灰度数据的数据总数量；将所述灰度匹配组中的任意一组作为参考匹配组，统计所述参考匹配组中所述灰度数据的数据数量；

计算所述参考匹配组中每个所述灰度值序列的灰度数据的灰度均值，并获得每个所述灰度值序列中所述灰度数据对应行程长度的累加值；将所述参考匹配组的所述数据数量在所述数据总数量的占比作为参考权重；

获得所述参考匹配组中两个所述灰度值序列的所述灰度均值的灰度差值绝对值，将所述参考权重与所述灰度差值绝对值的乘积作为所述参考匹配组的灰度差异；获得所述参考匹配组中两个所述灰度值序列中行程长度累加值的长度差值绝对值，将所述参考权重与所述长度差值绝对值的乘积作为所述参考匹配组的行程长度差异。

进一步地，所述相似度的获取包括：

获得所有所述灰度匹配组的所述灰度差异和所述行程长度差异；将所有所述灰度差异的累加值与所有所述行程长度差异的累加值相乘，对乘积进行负相关映射并归一化处理，将负相关映射并归一化的值作为两个所述图像块的相似度。

进一步地，所述根据两个所述图像块的边缘分布差异和外形尺寸差异获得两个所述图像块的外观特征值包括：

将每个所述图像块的上边界边缘像素点进行抛物线拟合，获得边缘弯曲程度；计算每个所述图像块的纵向长度均值，获得外形尺寸；

将两个所述图像块的所述边缘弯曲程度的均值作为边缘分布差异；将两个所述图像块的所述外形尺寸的差值绝对值作为外形尺寸差异；

获得所述边缘分布差异和所述外形尺寸差异的乘积，对乘积进行负相关映射并归一化处理，将负相关映射并归一化处理的值作为两个所述图像块的外观特征值。

进一步地，所述真实相似度的获取包括：

获得两个所述图像块的所述外观特征值和所述相似度，将对应所述外观特征值和所述相似度相乘，对乘积进行归一化处理，将归一化的值作为真实相似度。

进一步地，所述选择所述图像块类别中的标准图像块的方法包括：

在每类所述图像块类别中，将预设方向上的第一个图像块作为所述图像块类别的标准图像块。

进一步地，所述绞合方向的获取包括：

获取所述完整表面灰度图像的边缘图像，将所述边缘图像中所有外边界边缘线筛除，获得内部边缘图像；以所述内部边缘线作为钢丝边缘线；

将所述内部边缘图像中各钢丝边缘线上的像素点进行直线拟合，获得各钢丝边缘线的拟合直线斜率，计算所述拟合直线斜率的均值作为标准斜率，以所述标准斜率的方向作为绞合方向。

进一步地，所述钢丝的上边界边缘线的获取方法包括：

将所述边缘图像中整体上边界边缘线与所述钢丝边缘线的交点作为钢丝的所述上边界边缘线的端点，相邻端点之间的边缘点构成钢丝的上边界边缘线。

本发明提供了一种用于钢绞线生产数据存储系统，包括存储器和处理器；所述处理器执行所述存储器存储的计算机程序，以实现如上述的一种用于钢绞线生产数据存储方法。

本发明具有如下有益效果：

1.本发明对完整表面灰度图像进行划分，将得到的图像块，根据绞合方向确定行程编码的编码方向，根据行程编码获得初次压缩数据序列，完成无损压缩，使完整表面灰度图像中的数据尽可能保存完整。进一步可以根据初次压缩数据序列分析各图像块内的缺陷情况，根据各图像块的灰度值分布情况和外形特征综合分析，获得图像块的真实相似度，根据图像块的真实相似度将相邻的图像块进行分类，选出每个图像块类别的标准图像块，根据标准图像块和对应图像块类别的数量，获得压缩数据序列，完成有损压缩，可以更精准的将相似的图像块进行压缩，使具有缺陷情况的图像块更好保存的同时避免了压缩后数据膨胀。通过两次压缩，有效减少有损压缩的数据损失量，保证异常图像数据的可信度，在减少传输量的同时也提高了压缩效率。

2.在计算各图像块的相似度时，根据初次压缩数据序列中的灰度数据信息对两个图像块的灰度分布情况进行分析，使图像块相似度的计算更符合压缩情况，便于后续解码操作，使数据传输更加精确。因为根据灰度值分布情况的分析是基于每个图像块的外接矩阵进行，没有考虑到图像块外形因素的影响，因此对每个图像块的边缘分布和外形尺寸对相似度进行调整，获得真实相似度，保证相似程度的准确性，减少数据损失。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。

图1为本发明一个实施例所提供的一种用于钢绞线生产数据存储方法流程图；

图2为本发明一个实施例所提供的一种边缘图像示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于钢绞线生产数据存储方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于钢绞线生产数据存储方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种用于钢绞线生产数据存储方法流程图，该方法的具体步骤包括：

S1：获得钢绞线的完整表面灰度图像；获得完整表面灰度图像中钢丝的绞合方向；获得完整表面灰度图像中每段钢丝的上边界边缘线，以每个上边界边缘线的端点为分割点对完整表面灰度图像进行垂直分割，获得至少两个图像块。

在钢绞线生产后的首要检测项目为外观检测，如钢绞线的直径、各钢丝之间的绞合形状、表面裂纹和凹坑等异常，故需要采集大量的钢绞线图像数据，将图像数据传输至检测平台分析钢绞线的质量，而在检测前，需要对大量钢绞线图像数据进行压缩存储，方便后续对图像数据进行传输。

S1.1：因为本发明主要是通过对钢绞线图像进行分块处理，再根据钢丝绞合方向对各图像块进行初次行程编码无损压缩，然后以单个图像块的初次压缩数据为一单位数据，根据各图像块内的损伤缺陷、钢绞线尺寸和形状等特征对各图像块的初次压缩数据进行第二次行程编码有损压缩，完成图像的高效率压缩。因此在进行对图像块中数据的分析处理前，首先需要获得钢绞线的完整表面灰度图像，具体包括：

在本发明实施例中，选用3个摄像机并设置位置为每隔120度环绕钢绞线，等距离采集到钢绞线表面的全景图像，且由于钢绞线长度因素，对同一根钢绞线需要多次拍摄，因此根据钢绞线匀速运动的速度调整采集时间的间隔，以保证采集到的钢绞线图像为相邻但不同段的钢绞线，同时通过环形光源进行照明，保证图像光照均匀，减少光线影响，最终可获得一根钢绞线的多个钢绞线图像。

在获得的钢绞线图像中，既包含有背景图像也含有钢绞线表面图像，此时可将钢绞线表面图像提取出来，在本发明实施例中，采用图像差分法获取钢绞线表面图像，即先采集无钢绞线时的图像为背景图像，再采集有钢绞线时的图像与背景图像进行差分，最终获得钢绞线表面图像。需要说明的是，图像差分法为本领域技术人员熟知的技术手段，在此不做赘述。

对于同一个摄像机而言，可以采集到一条钢绞线中相邻但不同段的钢绞线表面图像，对钢绞线表面图像依次拼接，可获得钢绞线的完整表面图像。3个摄像机可以获得同一钢绞线三个方向上从头至尾的完整表面图像。

为了进一步对获得的完整表面图像进行无损压缩，需要对完整表面图像灰度化处理获得完整表面灰度图像，并根据完整表面灰度图像中的边缘情况对图像进行分块处理，再根据钢绞线的绞合方向对每个图像块中的像素点进行初次行程编码无损压缩。需要说明的是，对完整表面图像灰度化处理获得完整表面灰度图像中的图像灰度化方法，为本领域技术人员熟知的技术，如加权法，平均值法等，在此不做限定。

S1.2：经验可知，采用行程编码对于连续重复出现的数据压缩效果较好，但钢绞线完整表面灰度图像内相邻像素点灰度值存在一定差异，连续重复出现程度较差，但完整灰度表面灰度图像中的像素点灰度值存在一定周期性变化的规律，即沿钢绞线的绞合方向的像素点灰度变化存在规律。因此为了获得钢绞线的绞合方向，需要对完整表面灰度图像中的边缘进行分析，获得完整表面灰度图像中钢丝的绞合方向。

在本发明实施例中，对钢绞线的完整表面灰度图像采用Canny算子进行边缘检测获得边缘图像，需要说明的是，Canny算子边缘检测为本领域技术人员熟知的技术手段，也可选用其他边缘检测算子如Sobel算子边缘检测，Roberts算子边缘检测等，在此不做进一步限定。

请参阅图2，其出示了本发明一个实施例所提供的一种边缘图像示意图，需要说明的是，为了方便理解，图2选取为一段钢绞线的边缘图像。由于钢绞线的完整表面灰度图像为近似矩形的图像，因此在边缘图像中，存在四个外边界边缘线，这些外边界边缘线并不能反映钢绞线内部的绞合方向，因此先将边缘图像中的外边界边缘线筛除，获得内部边缘图像，此时内部边缘图像中的内部边缘线可以表示为钢绞线中钢丝的边缘，因此将内部边缘线作为钢丝边缘线，各钢丝边缘线均为独立存在，且方向均较为一致。

对内部边缘图像中的各钢丝边缘线分析，将各钢丝边缘线上的像素点根据坐标位置进行直线拟合，可以获得各边缘线的拟合直线斜率，计算这些拟合直线斜率的均值，获得标准斜率，标准斜率可以反映内部边缘图像中各钢丝边缘线的整体方向，也即表示钢绞线的绞合方向。

根据具体实施场景可知，钢绞线内的各根钢丝尺寸规格相同，以一种固定规则对各根钢丝进行绞合，因此钢绞线的各钢丝可看做以一种周期性分布的方式排列，即内部像素点沿绞合方向的变化是相似且规律的，因此可以采用行程编码沿绞合方向编码。需要说明的是，虽然钢丝在绞合过程中会产生一定的高度变化，但其高度变化缓慢，因此遍历像素点灰度值编码时，灰度值在绞合方向上连续相同的程度依然是较大的。

S1.3：由于对完整表面灰度图像整体编码，不利于分析对比，不能更好地对异常情况进行筛选，并充分压缩，减少冗余数据。因此需要对完整表面灰度图像进行分块处理，且为了尽可能保证每个图像块的大小和内部灰度变化均较为相似，考虑到在一个截面上钢丝呈现周期性分布非排列，获得完整表面灰度图像内整体上边界边缘线上每段钢丝的上边界边缘线，以每个上边界边缘线的端点为分割点对完整表面灰度图像进行垂直分割，获得至少两个图像块，具体包括：

根据图2中整体上边界边缘线的形状特征可知，整体上边界边缘线可以看做多个近似开口向下的抛物线组成的外边界边缘线，其中多个近似开口向下的抛物线为钢丝的上边界边缘线，具体为：将边缘图像中整体上边界边缘线与钢丝边缘线的交点作为一段钢丝的上边界边缘线的端点，即图2中所示标记为1的点，相邻端点之间的边缘点构成钢丝的上边界边缘线。

进一步地，在完整表面灰度图像中，将每个获得的端点作为分割点纵向垂直分割完整表面灰度图像，可以获得多个图像块，每个图像块之间的大小是相似的，且根据绞合过程为固定规则绞合，每个图像块中灰度沿绞合方向变化也是规律的，图像块之间的灰度分布也是较为相似的。

至此，获得了钢绞线完整表面灰度图像的绞合方向，并将完整表面灰度图像划分为多个图像块。

S2：获得图像块对应的外接矩形，在绞合方向下对每个外接矩形采用行程编码，获得每个图像块的初次压缩数据序列，初次压缩数据序列包含灰度数据和行程长度。

根据S1得到的所有图像块和绞合方向进行初次压缩。每个图像块表示为一个具有周期性的数据，可以先根据钢丝的绞合方向对各图像块进行初次行程编码压缩，初次行程编码为无损压缩，会最大程度的保留各图像块中的数据信息。具体初次行程编码压缩的过程包括：获得图像块对应的外接矩形，在绞合方向下对每个外接矩形采用行程编码，获得每个图像块的初次压缩数据序列。

根据完整表面灰度图像可知，每个图像块均为近似矩形的不规则图像块，若直接对不规则的图像块进行编码，则会导致后续解码时较为困难，因此为了后续能够更方便快速的进行解码操作，对每个图像块均取该图像块的最小外接矩形，并令外接矩形中非图像块内的像素点灰度值为0，使编码的图像为规则形状。此时对每个外接矩形进行编码后，后续也可根据外接矩形的尺寸数据方便且快速的解码。需要说明的是，取图像块最小外接矩形的方法为本领域技术人员熟知的技术手段，在此不做赘述。

根据绞合方向遍历外接矩形内所有像素点的灰度值，对由灰度值组成的灰度序列进行初次行程编码压缩，在本发明实施例中，具体遍历的起始点和方式为：根据绞合方向，即标准斜率，进行对应遍历方式的选择，首先根据标准斜率的正负情况确定起始点的位置，当标准斜率为正数时，以图像块对应外接矩形的左上角像素点为起始点，将标准斜率对应直线从起始点开始，沿垂直于直线方向平移，此时对在标准斜率对应直线上的像素点按从上至下的顺序遍历，直至标准斜率对应直线移出外接矩形，获得灰度序列，完成遍历；当标准斜率为负数时，则将图像块对应外接矩形的右上角像素点作为起始点，将标准斜率对应直线同理进行平移，完成遍历。需要说明的是，具体遍历方式可根据具体实施情况进行调整，在此不做限定。

对遍历获得的灰度序列采用行程编码，获得初次压缩数据序列，需要说明的是，采用行程编码进行编码的方法，为本领域技术人员熟知的技术手段，在此不做赘述。根据行程编码获得的初次压缩数据序列仅包含两种数据，一种为灰度数据，即像素点的灰度值，一种为灰度数据对应的延续长度，即行程长度。后续可根据初次压缩数据序列中的两种数据，对图像块中灰度分布进行分析。

至此，完成对各图像块的初次无损压缩，获得每个图像块对应的初次压缩数据序列。

S3：根据两个图像块对应初次压缩数据序列中的灰度数据的匹配程度获得灰度匹配组，根据所有灰度匹配组的灰度差异和行程长度差异获得两个图像块的相似度；根据两个图像块的边缘分布差异和外形尺寸差异获得两个图像块的外观特征值；根据外观特征值调整对应两个图像块的相似度，获得两个图像块的真实相似度。

在完成初次无损压缩后，为了进一步提高压缩比，将每个图像块的数据作为单位数据，进行行程编码的二次压缩，此时将单位数据间的相似度作为判定标准，将相似的图像块，即相似度大的两个图像块，作为相同的单位数据参与编码。

此时，需要获取两个图像块之间的相似度，根据经验可知，当钢绞线外观正常无损伤，且外形尺寸符合标准情况时，对应钢绞线的完整表面灰度图像的图像块相似度是较大的，而异常的钢绞线对应的图像块内情况复杂多样，往往具有唯一特征。因此本发明通过对各图像块的内部灰度分布分析和外观特征分析，计算图像块之间的真实相似度，进一步提高压缩效率。

S3.1：首先对图像块之间的内部灰度分布分析，当钢绞线上存在裂纹、凹坑等外观缺陷时，会破坏沿钢绞线绞合方向上的像素点灰度值连续相同的状态，造成行程编码压缩效率较低。因此本发明可以通过各图像块进行初次行程编码压缩后的数据序列特征，计算两个图像块之间的相似程度。因此，根据两个图像块对应初次压缩数据序列中的灰度数据的匹配程度获得灰度匹配组，根据所有灰度匹配组的灰度差异和行程长度差异获得两个图像块的相似度，具体包括：

由于图像块之间对应的初次压缩数据序列并不完全相同，无法仅通过一对一的形式准确找到具体对应的像素点，此时获得的相似度误差会更大。因此本发明先提取每个图像块对应初次压缩数据序列中的灰度数据，获得灰度值序列，根据灰度值序列间的匹配程度获得灰度匹配组，灰度匹配组可以反映出灰度序列中灰度值的对应情况，进一步根据对应关系计算每个灰度匹配组的差异情况。

优选地，本发明采用动态时间规整算法计算两个灰度值序列的相似度，获得两个灰度值序列在相对位置存在对应关系的灰度数据，将存在对应关系的数据，即相似的灰度数据，作为一个灰度匹配组。需要说明的是，灰度匹配组中存在对应关系的灰度数据分别取自两个灰度值序列，对应关系可能为“一对一”，“一对多”或者“多对一”的关系，因此可以对灰度匹配组中对应关系的灰度数据进行分析，计算灰度值序列的相似度，也即是获得图像块之间的相似度。

在对灰度匹配组中的灰度数据进行分析时，可以通过灰度值差异和行程长度差异两部分综合分析，通过灰度值差异和行程长度差异可以反映出图像块的灰度分布情况，根据灰度分布情况判断是否会存在异常图像，获得相似度。

将灰度匹配组中任意一组作为参考匹配组，对一个参考匹配组单独分析，统计所有灰度匹配组中灰度数据的数据总数量，统计参考匹配组中所含灰度数据的数据数量。参考匹配组中存在两个灰度值序列的灰度数据，计算参考匹配组中每个灰度值序列的灰度数据的灰度均值。并计算每个灰度值序列的灰度数据对应行程长度的累加值，最终可得到参考匹配组中对应两个灰度值序列的灰度均值和行程长度累加值。

将参考匹配组中数据数量在数据总数量的占比作为参考权重，当参考匹配组的数据数量越多，说明参考匹配组中对应了更多的灰度数据，灰度值种类数据更多，对应位置存在缺陷情况的概率越大，所以参考匹配组所占比重就越大，对应灰度差异和行程长度差异的影响也越大。

对参考匹配组中两个灰度值序列的灰度均值，计算灰度差值绝对值，并通过参考权重调整，将参考权重与灰度差值绝对值的乘积作为参考匹配组的灰度差异。对参考匹配组中两个灰度值序列的行程长度累加值，计算长度差值绝对值，并通过参考权重调整，将参考权重与长度差值绝对值的乘积作为参考匹配组的行程长度差异。

对于没有异常情况的两个图像块，初次压缩后获得的初次压缩数据序列也是相似的，对应编码的长度和像素点灰度值的变化规律也是相似的，故在匹配组中的灰度差异和行程长度差异是较小的。仅在出现缺陷异常情况时，由于编码效果变差，数据量增加，此时灰度差异和行程长度差异是较大的。

根据参考匹配组获得灰度差异和行程长度差异的过程，获得所有灰度匹配组的灰度差异和行程长度差异，将所有灰度差异的累加值与所有行程长度的累加值相乘，对乘积进行负相关映射并归一化处理，将负相关映射并归一化的值作为两个图像块的相似度，此时的相似度可以反映两个图像块之间的灰度分布差异情况，在本发明实施例中，为了后续计算的准确性，相似度的具体公式为：

式中，表示为两个图像块之间的相似度，表示为第个灰度匹配组的数据数量，表示为灰度匹配组的总组数，表示为第个灰度匹配组中一个灰度值序列的灰度均值，表示为第个灰度匹配组中另一个灰度值序列的灰度均值，表示为第个灰度匹配组中一个灰度值序列的行程长度累加值，表示为第个灰度匹配组中另一个灰度值序列的行程长度累加值，表示为自然常数。

采用乘积的形式，对灰度差异和行程长度差异综合分析，其中表示为所有灰度匹配组的数据总数量，表示为第个灰度匹配组的权重，当灰度匹配组的数据数量越多，说明灰度值变化较多，越可能为缺陷情况，则对应权重越大；表示为灰度差异的累加值，通过权重对所有灰度匹配组的灰度差值绝对值调整，获得的灰度差异累加值越大，说明两个图像块之间的灰度值差异情况越大，两个图像块越不相似；表示为行程长度差异的累加值，通过权重对所有灰度匹配组的长度差值绝对值调整，获得的行程长度差异累加值越大，说明两个图像块之间的灰度变化情况差异越大，两个图像块越不相似。因为灰度差异累加值与行程长度差异累加值均与相似度呈负相关关系，因此表示为使用以自然常数为底的指数函数，将灰度差异累加值与行程长度累加值的乘积进行负相关映射并归一化处理。

至此，完成对图像块之间的内部灰度分布分析，获得两个图像块之间的相似度。

S3.2：由于仅根据图像块之间的内部灰度分布分析，忽略了钢绞线外部尺寸形状的差异，由于钢绞线是通过各圆柱形的钢丝扭转获得的，所以受绞合压力的影响，在外形尺寸上可能会存在差异，若不考虑外形尺寸对相似度的影响，会使后续有损压缩时，将尺寸差别较大的图像块一同压缩，使数据丢失严重，储存的图像与实际差异较大。因此进一步分析图像块之间的外观特征，根据两个图像块的边缘分布差异和外形尺寸差异获得两个图像块的外观特征值，具体包括：

S3.2.1：根据S1可知，每个图像块，是由每根钢丝的上边界边缘线的两个端点进行垂直分割得到的，故每个图像块的上边界边缘为一个钢丝扭曲的边缘，可根据上边界边缘像素点的分布情况判断两个图像块之间的扭曲程度，即边缘弯曲程度。

根据图2中的边缘图像可知，整体上边界边缘线中存在多个近似开口向下的抛物线，在划分图像块时，对应每个图像块的上边界边缘为一个近似开口向下的抛物线。因此对每个图像块的上边界边缘像素点进行抛物线拟合，得到的抛物线公式为：

式中，表示为拟合抛物线上点的纵坐标，表示为拟合抛物线上点的横坐标，、、表示为拟合获得的抛物线常数，需要说明的是，抛物线拟合为本领域技术人员熟知的公知技术，因此具体公式的意义不再赘述。

根据图像块对应拟合抛物线均为开口向下的特征，小于0，且反映了拟合抛物线开口的大小，当越大时，拟合抛物线的开口越小，说明对应图像块的边缘弯曲程度较大，当越小时，拟合抛物线的开口越大，说明对应图像块的边缘弯曲程度较小。

因此将作为每个图像块对应的边缘弯曲程度，由于边缘弯曲程度可以反映钢丝的扭曲程度，故当两个图像块的边缘弯曲程度越小，说明两个图像块对应的钢丝绞合情况越正常，两个图像块应越相似，将两个图像块的边缘弯曲程度的均值作为边缘分布差异。

S3.2.2：由于钢绞线的外形尺寸主要为对应直径，根据标准规定的直径，在生产中会存在一定的允许误差。而对于同一根钢绞线来说，钢绞线的直径为一个定值，其允许的误差是较小的，因此可以根据图像块的纵向长度判断图像块尺寸的异常情况。

计算每个图像块的纵向长度均值，将纵向长度均值作为外形尺寸。根据S1可知图像块分割为垂直纵向分割，而图像块的纵向长度即为钢绞线对应的直径，因此对每个图像块取对应每列长度的均值，可作为每个图像块对应的外形尺寸。

将两个图像块的外形尺寸的差值绝对值作为外形尺寸差异，外形尺寸差异反映了两个图像块在同一根钢绞线的对应直径差异，若外形尺寸差异较小，说明两个图像块可能对应为正常情况的钢绞线，若外形尺寸差异较大，说明两个图像块可能对应出现异常情况的钢绞线。

S3.2.3：将两个图像块的边缘分布差异与外形尺寸差异相乘，对乘积进行负相关映射并归一化处理，将负相关映射并归一化处理的值作为两个图像块的外观特征值，通过外观特征值反映两个图像块的外形相似情况，可进一步根据外观特征值调整相似度，在本发明实施例中，为了后续计算的准确性，外观特征值的具体公式为：

式中，表示为两个图像块的外观特征值，表示为一个图像块的边缘弯曲程度，表示为另一个图像块的边缘弯曲程度，表示为一个图像块的外形尺寸，表示为另一个图像块的外形尺寸，表示为自然常数。

通过乘积的形式将边缘分布差异与外形尺寸差异综合分析，其中表示为边缘分布差异，当边缘分布差异越小时，说明两个图像块的边缘扭曲程度与直线越相近，对应抛物线开口越大，则外观特征值应越大，对应两个图像块越可能为正常情况的钢绞线，两个图像块越相似，并且，当边缘分布差异越小时，在S2中获得的外接矩形影响越小，根据外接矩形获得的初次压缩数据序列越准确，则对应获得的相似度也越准确。

表示为外形尺寸差异，当外形尺寸差异越小时，说明两个图像块对应的直径误差越小，则外观特征值应越大，对应两个图像块越可能为正常情况的钢绞线，两个图像块越相似。因为边缘分布差异和外形尺寸差异均与外观特征值呈负相关关系，因此表示为以自然常数为底的指数函数，将边缘分布差异和外形尺寸差异的乘积进行负相关映射并归一化处理。

至此，完成了图像块之间的外观特征分析，获得两个图像块的外观特征值。

S3.3：通过对各图像块的内部灰度分布分析和外观特征分析，获得了两个图像块之间的相似度和外观特征值，为了得到两个图像块之间更准确的真实相似度，根据外观特征值调整对应两个图像块的相似度，获得两个图像块的真实相似度，具体包括：

获得两个图像块的相似度和外观特征值，通过将对应外观特征值和相似度相乘，完成对相似度的调整，并对乘积进行归一化处理，将归一化的值作为真实相似度。在本发明实施例中，真实相似度表达式为：

式中，表示为两个图像块的真实相似度，表示为两个图像块的外观特征值，表示为两个图像块之间的相似度，表示为归一化函数，需要说明的是，归一化为本领域技术人员熟知的技术手段，归一化函数的选择可以为线性归一化或标准归一化等，具体的归一化方法在此不做限定。

采用乘积的形式完成外观特征值对相似度的调整，当外观特征值越大，相似度越大，说明两个图像块越可能对应为正常情况的钢绞线，两个图像块也越相似，则真实相似度应越大，外观特征值与相似度均与真实相似度呈正相关关系。

至此，可以获得两个图像块的真实相似度。

S4：根据相邻两个图像块之间的真实相似度将所有图像块分类，获得至少两类图像块类别；选择图像块类别中的标准图像块；构建压缩数据序列，压缩数据序列包括每个图像块类别的标准图像块的初次压缩数据序列和对应图像类别内的图像块数量。

根据S3可以获得任意两个图像块的真实相似度，进一步可根据真实相似度，进行第二次行程编码有损压缩，将每个图像块作为一个单位数据，根据每个图像块的位置，将相邻且相似的图像块有损压缩。具体的第二次行程编码压缩过程为：根据相邻两个图像块之间的真实相似度将所有图像块分类，获得至少两类图像块类别，选择图像块类别中的标准图像块，构建压缩数据序列。

在本发明实施例中，预设方向为从左至右的方向，预设的相似阈值为0.95。根据预设方向遍历整个完整表面灰度图像中的所有图像块完成图像块类别的划分，具体为：选择完整表面灰度图像最左端的图像块作为起始图像块，从起始图像块开始按照从左至右的方向遍历相邻的两个图像块，获得两个图像块的真实相似度。当相邻的两个图像块真实相似度大于预设的相似阈值时，开始遍历，直至两个相邻图像块之间的真实相似度小于等于预设的相似阈值时，停止遍历，将停止遍历前的所有图像块作为一个图像块类别，并统计图像块类别内的图像块数量。继续对剩余图像块进行遍历，直至所有图像块均完成类别划分。需要说明的是，每个图像块均对应一个图像块类别，即一个图像块类别可以只对应一个图像块。

优选地，在每类图像块类别中，选择预设方向上，即从左至右的方向上，图像块类别中的第一个图像块作为该图像块类别的标准图像块，记标准图像块的初次压缩数据序列为对应图像块类别的初次压缩数据序列。

构建压缩数据序列，压缩数据序列包括每个图像块类别的标准图像块的初次压缩数据序列和对应图像块类别的图像块数量。压缩数据序列即为第二次行程编码有损压缩后得到的编码，后续可根据压缩数据序列进行数据存储。

通过两次压缩，有效的减少了有损压缩的数据损失量，在第二次有损压缩过程中，通过将图像块分类整合，在避免了压缩后数据膨胀的同时对含有异常信息的图像块数据进行了完整保存，保证了异常图像数据的可信度，使得后续传输中传输量减少，在提高传输质量的同时也提高了压缩效率。需要说明的是，第二次的有损压缩仅是对图像块的类别进行分析，并未重新进行编码分析，因此第二次的有损压缩的运算量较小，能够进一步提高整体编码压缩的效率。

S5：以压缩数据序列，标准图像块的尺寸序列和绞合方向作为存储数据进行存储。

根据S4完成对完整表面灰度图像的数据压缩，得到压缩数据序列，因为S1中本发明的一个实施例选择采用3个摄像机采集一根钢绞线从头至尾的完整表面图像，因此分别完成3台摄像机采集的一根钢绞线完整表面灰度图像数据的压缩，进行数据存储，以便后续传输至检测平台分析每根钢绞线的质量。

在存储时，对每个完整表面灰度图像需要存储的数据有，压缩数据序列，及对应标准图像块的尺寸序列和绞合方向。在进行解码时，首先根据压缩数据序列中的初次压缩数据序列和对应图像块数量进行初次解码，进而根据每个初次压缩数据序列对应标准图像块的尺寸和绞合方向对每个图像块再次解码，根据绞合方向可知初次压缩的起始点和遍历方向，完成二次解码。

至此，本发明完成了对钢绞线生产数据的存储，通过两次行程编码压缩，将正常、符合标准的相似图像块有损压缩，减少数据损失量，对异常图像块根据其数据情况复杂多变，且往往具有唯一性的特点，保留初次无损压缩数据，使得后续对钢绞线质量检测分析的结果更准确。

综上所述，本发明通过对钢绞线完整表面灰度图像中每跟钢丝的上边界边缘线进行分割，获得至少两个图像块，且获得完整表面灰度图像中钢丝的绞合方向。在绞合方向下，对每个图像块的外接矩形采用行程编码，获得初次压缩数据序列。根据两个图像块对应初次压缩数据序列的灰度数据匹配情况获得两个图像块的相似度，根据两个图像块的边缘分布进而外形尺寸情况分析获得外观特征值，根据外观特征值调整两个图像块的相似度，获得两个图像块的真实相似度。根据相邻两个图像块的真实相似度完成图像块类别划分，选择每个图像块类别的标准图像块，获得压缩序列，压缩序列包括每个图像块类别标准图像块对应的初次压缩序列和图像块数量。以压缩数据序列，标准图像块的尺寸序列和绞合方向作为存储数据进行存储。本发明通过图像数据压缩，更好地保留异常数据的同时避免了压缩后数据膨胀，减少数据损失量，提高了压缩效率。

本发明提供了一种用于钢绞线生产数据存储系统，包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现如上述的一种用于钢绞线生产数据存储方法。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (8)

1.一种用于钢绞线生产数据存储方法，其特征在于，所述方法包括：

获得钢绞线的完整表面灰度图像；获得所述完整表面灰度图像中钢丝的绞合方向；获得所述完整表面灰度图像中每段钢丝的上边界边缘线，以每个所述上边界边缘线的端点为分割点对所述完整表面灰度图像进行垂直分割，获得至少相邻两个图像块；

获得所述图像块对应的外接矩形，在所述绞合方向下对每个所述外接矩形采用行程编码，获得每个所述图像块的初次压缩数据序列，所述初次压缩数据序列包含灰度数据和行程长度；

根据相邻两个所述图像块对应初次压缩数据序列中的所述灰度数据的匹配程度获得灰度匹配组，根据所有所述灰度匹配组的灰度差异和行程长度差异获得相邻两个所述图像块的相似度；根据相邻两个所述图像块的边缘分布差异和外形尺寸差异获得相邻两个所述图像块的外观特征值；根据所述外观特征值调整对应相邻两个所述图像块的所述相似度，获得相邻两个所述图像块的真实相似度；

根据相邻两个所述图像块之间的所述真实相似度将所有所述图像块分类，获得至少两类图像块类别；选择所述图像块类别中的标准图像块；构建压缩数据序列，所述压缩数据序列包括每个所述图像块类别的所述标准图像块的所述初次压缩数据序列和对应所述图像块类别内的图像块数量；

以所述压缩数据序列，所述标准图像块的尺寸序列和所述绞合方向作为存储数据进行存储；

所述灰度匹配组的获取包括：

提取所述图像块对应初次压缩数据序列中的所述灰度数据，获得灰度值序列；

根据相邻两个所述灰度值序列的相似性，对相邻两个所述图像块对应的所述灰度值序列采用动态时间规整算法，获得相似灰度数据的灰度匹配组；

所述灰度匹配组的灰度差异和行程长度差异具体包括：

统计所有所述灰度匹配组中灰度数据的数据总数量；将所述灰度匹配组中的任意一组作为参考匹配组，统计所述参考匹配组中所述灰度数据的数据数量；

计算所述参考匹配组中每个所述灰度值序列的灰度数据的灰度均值，并获得每个所述灰度值序列中所述灰度数据对应行程长度的累加值；将所述参考匹配组的所述数据数量在所述数据总数量的占比作为参考权重；

获得所述参考匹配组中相邻两个所述灰度值序列的所述灰度均值的灰度差值绝对值，将所述参考权重与所述灰度差值绝对值的乘积作为所述参考匹配组的灰度差异；获得所述参考匹配组中相邻两个所述灰度值序列中行程长度累加值的长度差值绝对值，将所述参考权重与所述长度差值绝对值的乘积作为所述参考匹配组的行程长度差异。

2.根据权利要求1所述的一种用于钢绞线生产数据存储方法，其特征在于，所述相似度的获取包括：

获得所有所述灰度匹配组的所述灰度差异和所述行程长度差异；将所有所述灰度差异的累加值与所有所述行程长度差异的累加值相乘，对乘积进行负相关映射并归一化处理，将负相关映射并归一化的值作为相邻两个所述图像块的相似度。

3.根据权利要求1所述的一种用于钢绞线生产数据存储方法，其特征在于，所述根据相邻两个所述图像块的边缘分布差异和外形尺寸差异获得相邻两个所述图像块的外观特征值包括：

将每个所述图像块的上边界边缘像素点进行抛物线拟合，获得边缘弯曲程度；计算每个所述图像块的纵向长度均值，获得外形尺寸；

将相邻两个所述图像块的所述边缘弯曲程度的均值作为边缘分布差异；将相邻两个所述图像块的所述外形尺寸的差值绝对值作为外形尺寸差异；

获得所述边缘分布差异和所述外形尺寸差异的乘积，对乘积进行负相关映射并归一化处理，将负相关映射并归一化处理的值作为相邻两个所述图像块的外观特征值。

4.根据权利要求1所述的一种用于钢绞线生产数据存储方法，其特征在于，所述真实相似度的获取包括：

获得相邻两个所述图像块的所述外观特征值和所述相似度，将对应所述外观特征值和所述相似度相乘，对乘积进行归一化处理，将归一化的值作为真实相似度。

5.根据权利要求1所述的一种用于钢绞线生产数据存储方法，其特征在于，所述选择所述图像块类别中的标准图像块的方法包括：

在每类所述图像块类别中，将预设方向上的第一个图像块作为所述图像块类别的标准图像块。

6.根据权利要求1所述的一种用于钢绞线生产数据存储方法，其特征在于，所述绞合方向的获取包括：

获取所述完整表面灰度图像的边缘图像，将所述边缘图像中所有外边界边缘线筛除，获得内部边缘图像；以内部边缘线作为钢丝边缘线；

将所述内部边缘图像中各钢丝边缘线上的像素点进行直线拟合，获得各钢丝边缘线的拟合直线斜率，计算所述拟合直线斜率的均值作为标准斜率，以所述标准斜率的方向作为绞合方向。

7.根据权利要求6所述的一种用于钢绞线生产数据存储方法，其特征在于，所述钢丝的上边界边缘线的获取方法包括：

将所述边缘图像中整体上边界边缘线与所述钢丝边缘线的交点作为钢丝的所述上边界边缘线的端点，相邻端点之间的边缘点构成钢丝的上边界边缘线。

8.一种用于钢绞线生产数据存储系统，包括存储器和处理器；其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-7任一项所述的一种用于钢绞线生产数据存储方法。

Images