CN102663781A - 一种基于视觉的亚像素级焊缝中心提取方法 - Google Patents

Abstract

一种基于视觉的亚像素级焊缝中心提取方法。其方法步骤为：1）利用中值滤波器去除采集的焊缝图像进行去噪处理；2）在经过图像去噪处理后的图像中，根据图像的灰度分布特点，将焊缝特征区与背景区进行分割，获得像素级的焊缝边缘；3）对分割后的焊缝特征区域，根据重心法提取焊缝中心，获得亚像素级的焊缝中心。本发明的技术效果是，相对于传统的提取方法，本方案将提取精度提高了一个等级，从像素级提高到亚像素级。

Description

一种基于视觉的亚像素级焊缝中心提取方法

技术领域

本发明涉及一种利用视觉传感获取焊缝特征信息方法，具体涉及一种基于视觉的亚像素级焊缝中心提取方法。

背景技术

机器视觉***是指通过机器视觉产品（即图像采集装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，根据像素分布和亮度、颜色等信息，再转换成数字信号，图像处理***对转换后的数字信号进行各种运算以提取目标的特征信息，进而根据控制模型判别，对目标相关设备参数和动作在线修正。

到目前为止关于焊缝图像的数据结构的讨论都是像素精度的，然而随着科学技术的发展，需要达到比图像像素分辨率更高的精度，因此需要从图像中提取亚像素精度数据。

发明内容

   本发明的目的是提供一种基于视觉的亚像素级焊缝中心提取方法，采用面性激光器作为辅助光源摄取焊缝图像，通过一种亚像素级焊缝中心提取方法，获取焊缝特征信息，该方法检测精度高。

本发明的目的是这样来实现的，其方法步骤为 ：

1、 利用中值滤波器去除采集的焊缝图像进行去噪处理；

2、 在经过图像去噪处理后的图像中，根据图像的灰度分布特点，将焊缝特征区与背景区进行分割，获得像素级的焊缝边缘；

3、 对分割后的焊缝特征区域，根据重心法提取焊缝中心，获得亚像素级的焊缝中心。

步骤1中，对采集的焊缝图像进行中值滤波，模板为3像素×3像素的窗口；

步骤2中，根据图像的灰度分布特点，在每一行中像素灰度值存在两个极值点分别为极大值点和极小值点。假设在一像素点（i,j）处，该点处的灰度值为f(i,j)，已知其左边两点为f(i-2,j)、f(i-1,j)，右边两点为f(i+1,j)、f(i+2,j)。以3点为一个集合求和，M ₁ = f(i-2,j)+ f(i-1,j)+f(i,j)，M ₂ = f(i-1,j)+f(i,j)+ f(i+1,j)，M ₃ =f(i,j)+ f(i+1,j)+ f(i+2,j)。选择阈值T ₁ 和T ₂ ，当|M ₂ -M ₁ |≥T ₁ 且|M ₂ -M ₃ |≥T ₂ 时，该点为这一行的极大值或极小值点。找出图像中每一行的极大值点和极小值点，以这两点为边界将图像中焊缝区域与背景区域分割开来；

步骤3中，采用重心法计算焊缝中心位置，                                                ，其中m，n分别为行中的两个极值点的坐标值j，

,

为两极值之间所有像素点的平均灰度值。

本发明的技术优点是，首先使用中值滤波对采集的焊缝图像进行去噪处理，然后根据每一行的极大值和极小值点，将图像的焊缝区域与背景区分割开来，最后对焊缝区域后，采用重心法，提取焊缝中心，从而获得亚像素级的焊缝中心。相对于传统的提取方法，本方案将提取精度提高了一个等级，从像素级提高到亚像素级。

附图说明

图1为本发明的亚像素级焊缝中心提取流程图。

图2为本发明去噪处理后的焊缝图像灰度分布图。

图3为本发明亚像素的焊缝中心提取结果。

具体实施方式

首先使用中值滤波对采集的焊缝图像进行去噪处理，然后根据每一行的极大值和极小值点，将图像的焊缝区域与背景区分割开来，最后对焊缝区域，采用重心法，提取焊缝中心，从而获得亚像素级的焊缝中心。

图1为本发明中亚像素级焊缝中心提取流程图，如图1所示，它包括以下步骤：

 步骤101：对采集的焊缝图像进行中值滤波，模板为3像素×3像素的窗口。

步骤102：根据如图2所示的焊缝图像灰度分布特点，在每一行中像素灰度值存在两个极值点分别为极大值点和极小值点。假设在一像素点（i,j）处，该点处的灰度值为f(i,j)，已知其左边两点为f(P1)、f(P2)，右边两点为f(Q1)、f(Q2)。以3点为一个集合求和，M ₁ = f(P1)+ f(P2)+f(i,j)，M ₂ = f(P2)+f(i,j)+ f(Q1)，M ₃ =f(i,j)+ f(Q1)+ f(Q2)。选择阈值T ₁ 和T ₂ ，当|M ₂ -M ₁ |≥T ₁ 且|M ₂ -M ₃ |≥T ₂ 时，该点为这一行的极大值或极小值点。找出图像中每一行的极大值点和极小值点，以这两点为边界将图像中焊缝区域与背景区域分割开来；

步骤103：采用重心法计算焊缝中心位置，, 

，其中m，n分别为行中的两个极值点的坐标值j，

,

为两极值之间所有像素点的平均灰度值。图3为亚像素焊缝中心提取结果。

在焊缝中心提取时，在焊缝区域与背景区分割后，分别采用传统的CANANY算子和本方案中提出的方法进行焊缝中心提取。

表1为选取10个焊缝中心点的两种提取方案对比。

由表1可见，本发明提供的方案在提取的精度高于传统的CANNY算子提取方案。

Claims (4)

1.一种基于视觉的亚像素级焊缝中心提取方法，其特征在于方法步骤为 ：

1） 利用中值滤波器去除采集的焊缝图像进行去噪处理；

2） 在经过图像去噪处理后的图像中，根据图像的灰度分布特点，将焊缝特征区与背景区进行分割，获得像素级的焊缝边缘；

3） 对分割后的焊缝特征区域，根据重心法提取焊缝中心，获得亚像素级的焊缝中心。

2.根据权利要求书1所述的一种基于视觉的亚像素级焊缝中心提取方法，

其特征在于步骤1中所述焊缝图像为3像素×3像素的窗口。

3.根据权利要求书1所述的一种基于视觉的亚像素级焊缝中心提取方法，其特征在于步骤2中所述将焊缝特征区与背景区进行分割，是根据图像的灰度分布特点，在每一行中像素灰度值存在两个极值点分别为极大值点和极小值点，假设在一像素点（i,j）处，该点处的灰度值为f(i,j)，已知其左边两点为f(i-2,j)、f(i-1,j)，右边两点为f(i+1,j)、f(i+2,j)，以3点为一个集合求和，M ₁ = f(i-2,j)+ f(i-1,j)+f(i,j)，M ₂ = f(i-1,j)+f(i,j)+ f(i+1,j)，M ₃ =f(i,j)+ f(i+1,j)+ f(i+2,j)，选择阈值T ₁ 和T ₂ ，当|M ₂ -M ₁ |≥T ₁ 且|M ₂ -M ₃ |≥T ₂ 时，该点为这一行的极大值或极小值点，找出图像中每一行的极大值点和极小值点，以这两点为边界将图像中焊缝区域与背景区域分割开来。

4.根据权利要求书1所述一种基于视觉的亚像素级焊缝中心提取方法，

其特征在于步骤3中所述重心法计算焊缝中心位置，即                                                

，其中m，n分别为行中的两个极值点的坐标值j，

,

为两极值之间所有像素点的平均灰度值。

Images