CN101469986B - 模糊边界的自动寻点***及方法 - Google Patents

Abstract

一种模糊边界的自动寻点***及方法，该方法包括如下步骤：接收影像测量仪传送过来的工件影像；手动选取所述工件影像的边界点；记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板；接收下一次测量该类工件的测量命令；根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像，获取每个最匹配的图像的中心点，作为当前所测量工件影像的边界点；显示所述边界点的坐标。利用本发明可以根据图像模板自动寻找边界点。

Description

模糊边界的自动寻点***及方法

技术领域

本发明涉及一种模糊边界的自动寻点***及方法。

背景技术

在使用影像测量仪测量一个工件的边界时，可以根据像素点的梯度值自动计算边界线上的边界点。如果边界比较模糊，利用像素点的梯度值自动计算边界点通常会测量失败甚至错误，此时可以使用手动方法选取边界点。但是，在大量相同类型工件需要测量时，手动选取边界点费时费力，量测人员需要高度集中精神盯看计算机屏幕，容易疲劳，且测量人员在使用测量程序测量该工件时需要凭记忆再次进行手动选取。当其他测量人员使用测量程序测量该工件时，还需测量程序建立者进行相关说明才能进行手动选取边界点。

发明内容

鉴于以上内容，有必要提供一种模糊边界的自动寻点***，其可将第一次测量时手动选取的工件影像的边界点及该边界点周围的相关点保存为一个图像模板，在下次测量该工件时，通过与该图像模板匹配，自动寻找边界点。

鉴于以上内容，还有必要提供一种模糊边界的自动寻点方法，其可将第一次测量时手动选取的工件影像的边界点及该边界点周围的相关点保存为一个图像模板，在下次测量该工件时，通过与该图像模板匹配，自动寻找边界点。

一种模糊边界的自动寻点***，包括主机和影像测量仪，所述影像测量仪用于摄取工件的影像，并将摄取的工件影像传送给主机，其特征在于，所述主机包括模糊边界自动寻点单元，所述模糊边界自动寻点单元包括：模板创建模块，用于在用户手动选取所述工件影像的边界点后，记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板；接收模块，用于接收下一次测量该类工件的测量命令；匹配模块，用于根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像，获取每个最匹配的图像的中心点，作为当前所测量工件影像的边界点；结果显示模块，用于显示所述边界点的坐标。

一种模糊边界的自动寻点方法，包括如下步骤：接收影像测量仪传送过来的工件影像；手动选取所述工件影像的边界点；记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板；接收下一次测量该类工件的测量命令；根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像，获取每个最匹配的图像的中心点，作为当前所测量工件影像的边界点；显示所述边界点的坐标。

相较于现有技术，所述的模糊边界的自动寻点***及方法，其可记录第一次测量时手动选取的工件影像的边界点及该边界点周围的相关点，并将手动选取的边界点及该边界点周围的相关点保存为一个图像模板，在下次测量该工件时，通过与该图像模板匹配，自动寻找边界点，从而减少了手动选取边界点的次数，提高了测量的效率和准确性。

附图说明

图1是本发明模糊边界的自动寻点***较佳实施例的***架构图。

图2是本发明模糊边界的自动寻点方法较佳实施例的流程图。

具体实施方式

如图1所示，是本发明模糊边界的自动寻点***较佳实施例的***架构图。该***主要包括显示器1、主机2、影像测量仪3和输入设备4。所述主机2包括存储体20和模糊边界自动寻点单元21，所述存储体20可以是主机2中的硬盘等。所述影像测量仪3与所述主机2相连，用于摄取工件的影像，并将工件影像传送给主机2。所述模糊边界自动寻点单元21用于记录第一次测量时手动选取的工件影像的边界点及该边界点周围的相关点，并将每个手动选取的边界点及该边界点周围的相关点保存为一个图像模板，将该图像模板存储于所述存储体20中。当测量人员在下次测量该类工件时，通过与每个图像模板匹配，自动寻找边界点。

所述主机2连接有显示器1，用于显示影像测量仪3传送给主机2的工件影像和模糊边界自动寻点单元21自动寻找到的边界点。所述输入设备4可以是键盘和鼠标等，用于在进行模糊边界的自动寻点过程中输入数据。

所述模糊边界自动寻点单元21包括模板创建模块210、接收模块211、匹配模块212、结果显示模块213和预处理模块214。本发明所称的模块是完成一特定功能的计算机程序段，比程序更适合于描述软件在计算机中的执行过程，因此在本发明以下对软件描述中都以模块描述。

首先，影像测量仪3摄取工件的影像，将该工件的影像传送给主机2。

所述模板创建模块210用于在用户手动选取所述工件影像的边界点后，记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板存储于存储体20中。所述边界点周围的相关点是指以该边界点为中心的固定宽度和高度的矩形内的所有像素点。用户通过所述模板创建模块210可以为每一类工件创建对应的模板图像，当下次测量同一类的工件时，匹配模块212将自动根据该类工件对应的图像模板进行图像匹配。

所述预处理模块214可以利用图像噪声滤波算法去除图像模板中的噪声，所述图像噪声滤波算法可以是中值滤波算法或其它类型的算法。

所述接收模块211用于接收下一次测量该类工件的测量命令。

所述匹配模块212用于根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像。

具体而言，设已知该类工件一个边界点的图像模板为T，大小为M×N，其中，M为图像模板T的宽度，N为图像模板T的高度。当前工件的图像(即当前工件的影像)为S，大小为L×W，其中，L为图像S的宽度，W为图像S的高度，L＞M，W＞N。匹配的过程是把模板T叠加在图像S上，并比较T与它覆盖下的子图像Si，j的差别，若两者一致，则T和Si，j之差为零，可以用下列两种测度之一来衡量T和Si，j的相似程度。

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{[S_{i,j}(m,n)-T(m,n)]}^2---\left(1\right)$

或者

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|S_{i,j}(m,n)-T(m,n)|---\left(2\right)$

其中，i代表像素点D的X轴坐标，j代表像素点D的Y轴坐标，D(i，j)代表相似度，以下以第(1)式为例进行说明。展开第(1)式，则有：

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S_{i,j}(m,n)\right]}^2-2\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_{i,j}(m,n)\×T(m,n)+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2---\left(3\right)$

(3)式右边第三项表示模板的总能量，是一个常数与(i，j)无关，第一项是模板覆盖下那块子图像的能量，它随(i，j)位置的改变而缓慢改变，第二项是子图像和模板的互动能量，随(i，j)而改变，T和Si，j匹配时该项的取值最大，因此可以用下列相关函数作相似度测度。

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_{i,j}(m,n)\×T(m,n)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S_{i,j}(m,n)\right]}^2}---\left(4\right)$

或者归一化为：

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_{i,j}(m,n)\×T(m,n)}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S_{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2}}---\left(5\right)$

根据施瓦兹不等式可以知道上式中0≤R(i，j)≤1，并且仅在比值Si，j(m，n)/T(m，n)为常数时R(i，j)取极大值(等于1)。如果R(i，j)大于给定的阀值，则Si，j与T匹配成功，反之，则失败。

所述匹配模块212还用于判断是否从当前所测量工件的影像中找到与所述图像模板最匹配的图像，如果没有找到，则转为手动选取边界点。然后，匹配模块212判断该类工件对应的所有图像模板是否匹配完毕。如果所有图像模板没有匹配完毕，则所述匹配模块212将继续在该类工件对应的图像模板中，从当前所测量工件影像中寻找与下一个图像模板最匹配的图像。

所述匹配模块212还用于在找到与所述图像模板最匹配的图像后，获取所述最匹配的图像的中心点，作为当前所测量工件影像的边界点，然后判断所有图像模板是否匹配完毕。如果所有图像模板没有匹配完毕，则所述匹配模块212将继续在该类工件对应的图像模板中，从当前所测量工件影像中寻找与下一个图像模板最匹配的图像。

所述结果显示模块213用于将所述边界点的坐标显示在显示器1上。

在本实施例中，所述匹配模块212直接在当前所测量工件的影像中寻找与该类工件对应的图像模板最匹配的图像，在其它实施例中，所述匹配模块212在当前所测量工件影像中寻找与该类工件对应的图像模板最匹配的图像前，所述预处理模块214可以利用图像噪声滤波算法去除当前所测量工件影像中的噪声，所述图像噪声滤波算法可以是中值滤波算法或其它类型的算法。预处理能有效提高匹配成功率。

如图2所示，是本发明模糊边界的自动寻点方法较佳实施例的流程图。首先，步骤S401，所述模板创建模块210接收影像测量仪3传送过来的工件影像。

步骤S402，用户通过所述模板创建模块210手动选取所述工件影像的边界点。

步骤S403，所述创建模块210记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板。所述边界点周围的相关点是指以该边界点为中心的固定宽度和高度的矩形内的所有像素点。用户通过所述模板创建模块210可以为每一类工件创建对应的模板图像，当下次测量同一类的工件时，匹配模块212将自动根据该类工件对应的图像模板进行图像匹配。所述预处理模块214可以利用图像噪声滤波算法去除图像模板中的噪声，所述图像噪声滤波算法可以是中值滤波算法或其它类型的算法。

步骤S404，所述接收模块211接收下一次测量该类工件的测量命令。

步骤S405，所述匹配模块212根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像。

具体而言，设已知该类工件一个边界点的图像模板为T，大小为M×N，其中，M为图像模板T的宽度，N为图像模板T的高度。当前工件的图像(即当前工件的影像)为S，大小为L×W，其中，L为图像S的宽度，W为图像S的高度，L＞M，W＞N。匹配的过程是把模板T叠加在图像S上，并比较T与它覆盖下的子图像Si，j的差别，若两者一致，则T和Si，j之差为零，可以用下列两种测度之一来衡量T和Si，j的相似程度。

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{[S_{i,j}(m,n)-T(m,n)]}^2---\left(1\right)$

或者

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|S_{i,j}(m,n)-T(m,n)|---\left(2\right)$

其中，i代表像素点D的X轴坐标，j代表像素点D的Y轴坐标，D(i，j)代表相似度，以下以第(1)式为例进行说明。展开第(1)式，则有：

$D(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S_{i,j}(m,n)\right]}^2-2\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_{i,j}(m,n)\×T(m,n)+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2---\left(3\right)$

(3)式右边第三项表示模板的总能量，是一个常数与(i，j)无关，第一项是模板覆盖下那块子图像的能量，它随(i，j)位置的改变而缓慢改变，第二项是子图像和模板的互动能量，随(i，j)而改变，T和Si，j匹配时该项的取值最大，因此可以用下列相关函数作相似度测度。

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_{i,j}(m,n)\×T(m,n)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S_{i,j}(m,n)\right]}^2}---\left(4\right)$

或者归一化为：

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_{i,j}(m,n)\×T(m,n)}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S_{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2}}---\left(5\right)$

根据施瓦兹不等式可以知道上式中0≤R(i，j)≤1，并且仅在比值Si，j(m，n)/T(m，n)为常数时R(i，j)取极大值(等于1)。如果R(i，j)大于给定的阀值，则Si，j与T匹配成功，反之，则失败。

步骤S406，所述匹配模块212判断是否从当前工件的影像中找到与所述图像模板最匹配的图像，如果没有找到，则流程转到步骤S407，转为手动选取边界点，接着流程转到步骤S409。如果找到，则执行步骤S408。

步骤S408，所述匹配模块212获取所述最匹配的图像的中心点，作为当前所测量工件影像的边界点。然后，结果显示模块213将所述边界点的坐标显示在显示器1上。

步骤S409，所述匹配模块212判断该类工件对应的所有图像模板是否匹配完毕，如果所有图像模板匹配完毕，则流程结束。如果还有图像模板没有匹配完毕，则流程转到步骤S405，所述匹配模块212将继续在该类工件对应的图像模板中，从当前所测量工件影像中寻找与下一个图像模板最匹配的图像。

在本实施例中，所述匹配模块212直接在当前所测量工件的影像中寻找与该类工件对应的图像模板最匹配的图像，在其它实施例中，所述匹配模块212在当前所测量工件影像中寻找与该类工件对应的图像模板最匹配的图像前，所述预处理模块214可以利用图像噪声滤波算法去除当前所测量工件影像中的噪声，所述图像噪声滤波算法可以是中值滤波算法或其它类型的算法。预处理能有效提高匹配成功率。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。例如，将此方法应用于在清晰的边界线上寻找边界点。

Claims (8)

1.一种模糊边界的自动寻点***，包括主机和影像测量仪，所述影像测量仪用于摄取工件的影像，并将摄取的工件影像传送给主机，其特征在于，所述主机包括模糊边界自动寻点单元，所述模糊边界自动寻点单元包括：

模板创建模块，用于在用户手动选取所述工件影像的边界点后，记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板；

接收模块，用于接收下一次测量该类工件的测量命令；

匹配模块，用于根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像，获取每个最匹配的图像的中心点，作为当前所测量工件影像的边界点；及

结果显示模块，用于显示所述边界点的坐标。

2.如权利要求1所述的模糊边界的自动寻点***，其特征在于，所述边界点周围的相关点是指以该边界点为中心的固定宽度和高度的矩形内的所有像素点。

3.如权利要求1所述的模糊边界的自动寻点***，其特征在于，所述模糊边界自动寻点单元还包括预处理模块，用于利用图像噪声滤波算法去除图像模板中的噪声，及在当前所测量工件影像中寻找与该类工件对应的图像模板最匹配的图像前，利用图像噪声滤波算法去除当前所测量工件影像中的噪声。

4.如权利要求3所述的模糊边界的自动寻点***，其特征在于，所述图像噪声滤波算法为中值滤波算法。

5.一种模糊边界的自动寻点方法，其特征在于，该方法包括如下步骤：

接收影像测量仪传送过来的工件影像；

手动选取所述工件影像的边界点；

记录每个边界点及该边界点周围的相关点，并将每个边界点及该边界点周围的相关点保存为一个图像模板；

接收下一次测量该类工件的测量命令；

根据图像匹配算法在该类工件对应的图像模板中，从当前所测量工件影像中寻找与每个图像模板最匹配的图像，获取每个最匹配的图像的中心点，作为当前所测量工件影像的边界点；及

显示所述边界点的坐标。

6.如权利要求5所述的模糊边界的自动寻点方法，其特征在于，所述边界点周围的相关点是指以该边界点为中心的固定宽度和高度的矩形内的所有像素点。

7.如权利要求5所述的模糊边界的自动寻点方法，其特征在于，所述方法还包括步骤：利用图像噪声滤波算法去除图像模板中的噪声，及在当前所测量工件影像中寻找与该类工件对应的图像模板最匹配的图像前，利用图像噪声滤波算法去除当前所测量工件影像中的噪声。

8.如权利要求7所述的模糊边界的自动寻点方法，其特征在于，所述图像噪声滤波算法为中值滤波算法。

Images