CN106469312A - 基于区域生长标号的焊缝视觉识别方法 - Google Patents
基于区域生长标号的焊缝视觉识别方法 Download PDFInfo
- Publication number
- CN106469312A CN106469312A CN201610867648.8A CN201610867648A CN106469312A CN 106469312 A CN106469312 A CN 106469312A CN 201610867648 A CN201610867648 A CN 201610867648A CN 106469312 A CN106469312 A CN 106469312A
- Authority
- CN
- China
- Prior art keywords
- image
- weld seam
- weld
- label
- region
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于区域生长标号的焊缝视觉识别方法,通过图像采集设备获取被检测物体的焊缝图像;对所获得的焊缝图像采用中值滤波方法进行图像去噪,采用梯度直方图进行图像增强去除图像的噪声,并提高焊缝和周围背景的对比度;将图像预处理后的焊缝图像进行焊缝和周围背景分离,采用区域生长的算法对连通区域进行标号,将像素数最多的区域进行二值化,来将焊缝从图像中分割出来;提取焊缝中心线,获得焊缝在图像中的位置;该种基于区域生长标号的焊缝视觉识别方法,且只需要普通的光源,能够实现10帧/秒的速度进行图像采集,实现实时焊缝检测,能够保证提取的焊缝更加准确。
Description
技术领域
本发明涉及一种基于区域生长标号的焊缝视觉识别方法。
背景技术
图像处理是用计算机对图像进行分析,以达到所需结果的技术。图像处理一般指数字图像处理,数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像滤波和增强、图像分割,特征提取和识别3个部分。
焊缝检测的图像处理算法流程:图像采集,图像预处理,图像分割,特征提取。目前的焊缝检测算法是针对焊接过程的焊缝检测,且焊缝检测算法存在着或算法复杂,或准确性不理想的问题。此外,现有焊缝检测通常采用激光作为结构光源,需要精确的光学设备,成本高,并且对于激光的安装角度具有较高的要求。
上述问题是在焊缝检测过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种基于区域生长标号的焊缝视觉识别方法,针对已有焊缝进行检测,解决现有技术中存在的上述问题。
本发明的技术解决方案是:
一种基于区域生长标号的焊缝视觉识别方法,包括以下步骤:
图像采集,通过图像采集设备获取被检测物体的焊缝图像;
图像预处理:对所获得的焊缝图像采用中值滤波方法进行图像去噪,采用梯度直方图进行图像增强去除图像的噪声,并提高焊缝和周围背景的对比度;
图像分割:将图像预处理后的焊缝图像进行焊缝和周围背景分离,采用区域生长的算法获得连通区域并对连通区域进行标号,将像素数最多的连通区域进行二值化,来将焊缝从图像中分割出来;
特征提取:提取焊缝中心线,获得焊缝在图像中的位置。
进一步地,图像分割中,先采用最大类间方差法将图像进行二值化,然后采用区域生长的方法获取连通区域,并对每个连通区域进行标号,具体为:首先分别在水平方向和竖直方向每隔若干个点选取一个种子点,每个种子点的像素值置不同标号,对每个标号的种子点考察周围的八邻域像素点,如果某一邻域像素点满足生长准则,则该邻域像素点的像素值和种子点置同一标号,然后将该邻域像素点作为新的种子点进行考察,直到没有像素点可以合并,最终获得若干标号的连通区域。
进一步地,图像分割中,将像素数最多的连通区域进行二值化具体为:像素数最多的连通区域的像素值设为0,其他点的像素值设为255。
进一步地,特征提取中,提取焊缝中心线具体为:通过求出焊缝上半区域和下半区域的质心坐标,两点连线获得焊缝中心线。
进一步地,图像采集是通过搭建图像采集设备实现的,图像采集设备包括相机、镜头和光源,来获得焊缝图像。
进一步地,图像采集通过DirectShow流媒体开发包进行图像的采集,速度为8-15帧/秒。
本发明的有益效果是:该种基于区域生长标号的焊缝视觉识别方法,是针对已有焊缝的检测,使用区域生长算法获取连通区域,并对连通区域进行标号,提取像素数最多的连通区域进行二值化,将焊缝从周围的背景分割出来,能够实现10帧/秒的速度进行图像采集,实现实时焊缝检测。该方法在最大类间方差法进行二值化的基础上,采用区域生长的方法获取若干标号的连通区域,将噪声连通区域和焊缝连通区域分离,进一步降噪,提取像素数符合要求的连通区域,通常是最大的连通区域,提取的焊缝更加准确。该种基于区域生长标号的焊缝视觉识别方法,只需要普通的光源,成本低,安装简单,便于调试。
附图说明
图1是本发明实施例基于区域生长标号的焊缝视觉识别方法的流程示意图。
图2是实施例中采用区域生长的方法获取连通区域的流程示意图。
图3是实施例图像采集的焊缝原始图像。
图4是实施例中经过图像预处理后的焊缝图像。
图5是实施例中经过图像分割后的焊缝图像。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例的基于区域生长标号的焊缝视觉识别方法,针对大型球罐的焊缝检测,通过图像处理技术获取焊缝的位置信息。
实施例
一种基于区域生长标号的焊缝视觉识别方法,如图1,包括以下步骤:
图像采集,通过图像采集设备获取被检测物体的焊缝图像,如图3;
图像预处理:对所获得的焊缝图像采用中值滤波方法进行图像去噪,采用梯度直方图进行图像增强,提高焊缝和周围背景的对比度,如图4;
图像分割:将图像预处理后的焊缝图像采用最大类间方差法进行二值化,采用区域生长的算法对连通区域进行标号,将像素数最多的区域提取为焊缝,来将焊缝从图像中分割出来,如图5;
特征提取:提取焊缝中心线,获得焊缝在图像中的位置。
实施例中,图像采集设备,包括相机、镜头和光源,通过DirectShow流媒体开发包进行图像的采集,速度为8-15帧/秒,优选10帧/秒。
实施例中,图像分割具体为:先采用最大类间方差法将图像进行二值化,然后采用区域生长的方法获取连通区域,并对每个连通区域进行标号,如图2,首先在水平方向和竖直方向每隔5个点选取一个种子点,每个种子点的像素值置不同标号,对每个标号的种子点考察周围的八邻域像素点,如果某一邻域像素点满足生长准则,它的像素值和种子点置同一标号,然后将该邻域像素点作为新的种子点进行考察,直到没有像素点可以合并,最终获得若干标号的连通区域,其中像素数最多的连通区域的像素值设为0,其他点的像素值设为255。
特征提取中,提取焊缝中心线具体为:通过求出焊缝上半区域和下半区域的质心坐标,两点连线获得焊缝中心线。
实施例的该种基于区域生长标号的焊缝视觉识别方法,是针对已有焊缝的检测,使用区域生长的算法对连通区域进行标号,提取像素数最多的连通区域进行二值化,将焊缝从周围的背景分割出来,提取像素数最多的连通性区域即为焊缝,能够实现10帧/秒的速度进行图像采集,实现实时焊缝检测。
图像采集是通过搭建图像采集设备实现的,图像采集设备包括相机、镜头和光源,来获得焊缝图像。该种基于区域生长标号的焊缝视觉识别方法,不需要激光类的结构光源,只需要普通的光源,成本低,安装简单,便于调试。
该种基于区域生长标号的焊缝视觉识别方法,在最大类间方差法进行二值化的基础上,采用区域生长的方法获取若干标号的连通区域,将噪声连通区域和焊缝连通区域分离,进一步降噪,提取像素数符合要求的连通区域,通常是最大的连通区域,提取的焊缝更加准确。
Claims (6)
1.一种基于区域生长标号的焊缝视觉识别方法,其特征在于,包括以下步骤:
图像采集,通过图像采集设备获取被检测物体的焊缝图像;
图像预处理:对所获得的焊缝图像采用中值滤波方法进行图像去噪,采用梯度直方图进行图像增强去除图像的噪声,并提高焊缝和周围背景的对比度;
图像分割:将图像预处理后的焊缝图像进行焊缝和周围背景分离,采用区域生长的算法获得连通区域并对连通区域进行标号,将像素数最多的连通区域进行二值化,来将焊缝从图像中分割出来;
特征提取:提取焊缝中心线,获得焊缝在图像中的位置。
2.如权利要求1所述的基于区域生长标号的焊缝视觉识别方法,其特征在于:图像分割中,先采用最大类间方差法将图像进行二值化,然后采用区域生长的方法获取连通区域,并对每个连通区域进行标号,具体为:首先分别在水平方向和竖直方向每隔若干个点选取一个种子点,每个种子点的像素值置不同标号,对每个标号的种子点考察周围的八邻域像素点,如果某一邻域像素点满足生长准则,则该邻域像素点的像素值和种子点置同一标号,然后将该邻域像素点作为新的种子点进行考察,直到没有像素点可以合并,最终获得若干标号的连通区域。
3.如权利要求1所述的基于区域生长标号的焊缝视觉识别方法,其特征在于:图像分割中,将像素数最多的连通区域进行二值化具体为:像素数最多的连通区域的像素值设为0,其他点的像素值设为255。
4.如权利要求1-3任一项所述的基于区域生长标号的焊缝视觉识别方法,其特征在于:特征提取中,提取焊缝中心线具体为:通过求出焊缝上半区域和下半区域的质心坐标,两点连线获得焊缝中心线。
5.如权利要求1-3任一项所述的基于区域生长标号的焊缝视觉识别方法,其特征在于:图像采集是通过搭建图像采集设备实现的,图像采集设备包括相机、镜头和光源,来获得焊缝图像。
6.如权利要求5所述的基于区域生长标号的焊缝视觉识别方法,其特征在于:图像采集通过DirectShow流媒体开发包进行图像的采集,速度为8-15帧/秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610867648.8A CN106469312A (zh) | 2016-09-29 | 2016-09-29 | 基于区域生长标号的焊缝视觉识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610867648.8A CN106469312A (zh) | 2016-09-29 | 2016-09-29 | 基于区域生长标号的焊缝视觉识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106469312A true CN106469312A (zh) | 2017-03-01 |
Family
ID=58230758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610867648.8A Pending CN106469312A (zh) | 2016-09-29 | 2016-09-29 | 基于区域生长标号的焊缝视觉识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106469312A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154042A (zh) * | 2017-05-18 | 2017-09-12 | 湖南大学 | 一种包衣机视觉检测方法与装置 |
CN107274420A (zh) * | 2017-06-15 | 2017-10-20 | 中国水产科学研究院东海水产研究所 | 基于图像分割的海洋锋面提取方法 |
CN107909567A (zh) * | 2017-10-31 | 2018-04-13 | 华南理工大学 | 数字图像的细长型连通区域提取方法 |
CN109146866A (zh) * | 2018-08-23 | 2019-01-04 | 深圳市神视检验有限公司 | 机器人对焊缝处理的方法及装置 |
CN109514043A (zh) * | 2018-12-13 | 2019-03-26 | 刘堂斌 | 一种有效的焊接机器人焊接控制*** |
CN110021017A (zh) * | 2019-04-02 | 2019-07-16 | 南通大学 | 一种提取焊缝中心线的方法 |
CN111126392A (zh) * | 2019-12-25 | 2020-05-08 | 江苏恒创软件有限公司 | 一种钢包标号的数字图像快速识别方法及装置 |
CN112053368A (zh) * | 2019-09-23 | 2020-12-08 | 华北电力大学(保定) | 一种用于薄板焊接的焊缝中心识别方法及*** |
CN112132807A (zh) * | 2020-09-23 | 2020-12-25 | 泉州装备制造研究所 | 一种基于颜色相似度分割的焊缝区域提取方法和装置 |
CN112581398A (zh) * | 2020-12-22 | 2021-03-30 | 上海电机学院 | 基于区域生长标号的图像降噪方法 |
CN114820629A (zh) * | 2022-07-01 | 2022-07-29 | 山东意吉希精密制造有限公司 | 一种汽车零部件的焊接识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205821A (zh) * | 2015-09-21 | 2015-12-30 | 江苏科技大学 | 一种焊接图像分割方法 |
CN105588845A (zh) * | 2016-01-04 | 2016-05-18 | 江苏科技大学 | 一种焊接缺陷特征参数提取方法 |
-
2016
- 2016-09-29 CN CN201610867648.8A patent/CN106469312A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205821A (zh) * | 2015-09-21 | 2015-12-30 | 江苏科技大学 | 一种焊接图像分割方法 |
CN105588845A (zh) * | 2016-01-04 | 2016-05-18 | 江苏科技大学 | 一种焊接缺陷特征参数提取方法 |
Non-Patent Citations (7)
Title |
---|
JINTAO YU ET AL.: "Weld Seam Recognition Based On CCD Image Processing", 《INTERNATIONAL JOURNAL OF SIGNAL PROCESSING, IMAGE PROCESSING AND PATTERN RECOGNITION》 * |
孙太生 等: "基于改进区域生长算法的焊缝图像分割", 《现代焊接》 * |
李秀忠 等: "基于二值形态学的焊缝图像处理", 《试验与研究》 * |
林立峰: "基于机器视觉的胶囊检测***", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
段大高 等: "《图像处理与应用》", 31 January 2013 * |
王璇: "焊接机器人焊缝信息视觉检测***研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
聂欢欢 等: "基于区域生长法提取二值图像中的连通区域", 《计算机时代》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154042A (zh) * | 2017-05-18 | 2017-09-12 | 湖南大学 | 一种包衣机视觉检测方法与装置 |
CN107154042B (zh) * | 2017-05-18 | 2020-02-21 | 湖南大学 | 一种包衣机视觉检测方法与装置 |
CN107274420B (zh) * | 2017-06-15 | 2020-08-14 | 中国水产科学研究院东海水产研究所 | 基于图像分割的海洋锋面提取方法 |
CN107274420A (zh) * | 2017-06-15 | 2017-10-20 | 中国水产科学研究院东海水产研究所 | 基于图像分割的海洋锋面提取方法 |
CN107909567A (zh) * | 2017-10-31 | 2018-04-13 | 华南理工大学 | 数字图像的细长型连通区域提取方法 |
CN107909567B (zh) * | 2017-10-31 | 2022-02-15 | 华南理工大学 | 数字图像的细长型连通区域提取方法 |
CN109146866A (zh) * | 2018-08-23 | 2019-01-04 | 深圳市神视检验有限公司 | 机器人对焊缝处理的方法及装置 |
CN109514043A (zh) * | 2018-12-13 | 2019-03-26 | 刘堂斌 | 一种有效的焊接机器人焊接控制*** |
CN109514043B (zh) * | 2018-12-13 | 2020-11-24 | 南昌市龙诚电器设备有限公司 | 一种有效的焊接机器人焊接控制*** |
CN110021017A (zh) * | 2019-04-02 | 2019-07-16 | 南通大学 | 一种提取焊缝中心线的方法 |
CN112053368A (zh) * | 2019-09-23 | 2020-12-08 | 华北电力大学(保定) | 一种用于薄板焊接的焊缝中心识别方法及*** |
CN112053368B (zh) * | 2019-09-23 | 2023-07-21 | 华北电力大学(保定) | 一种用于薄板焊接的焊缝中心识别方法及*** |
CN111126392A (zh) * | 2019-12-25 | 2020-05-08 | 江苏恒创软件有限公司 | 一种钢包标号的数字图像快速识别方法及装置 |
CN112132807A (zh) * | 2020-09-23 | 2020-12-25 | 泉州装备制造研究所 | 一种基于颜色相似度分割的焊缝区域提取方法和装置 |
CN112132807B (zh) * | 2020-09-23 | 2024-02-23 | 泉州装备制造研究所 | 一种基于颜色相似度分割的焊缝区域提取方法和装置 |
CN112581398A (zh) * | 2020-12-22 | 2021-03-30 | 上海电机学院 | 基于区域生长标号的图像降噪方法 |
CN114820629A (zh) * | 2022-07-01 | 2022-07-29 | 山东意吉希精密制造有限公司 | 一种汽车零部件的焊接识别方法 |
CN114820629B (zh) * | 2022-07-01 | 2022-09-02 | 山东意吉希精密制造有限公司 | 一种汽车零部件的焊接识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469312A (zh) | 基于区域生长标号的焊缝视觉识别方法 | |
CN106709436B (zh) | 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪*** | |
CN102663760B (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN108982512A (zh) | 一种基于机器视觉的电路板检测***及其方法 | |
CN104597057B (zh) | 一种基于机器视觉的柱状二极管表面缺陷检测装置 | |
CN109993099A (zh) | 一种基于机器视觉的车道线提取识别方法 | |
CN105262991B (zh) | 一种基于二维码的变电站设备对象识别方法 | |
JP2013065304A (ja) | 高速障害物検出 | |
CN105044114A (zh) | 一种电解电容外观包装缺陷图像检测***与方法 | |
US20180182088A1 (en) | Automatic Detection, Counting, and Measurement of Lumber Boards Using a Handheld Device | |
CN109741314A (zh) | 一种零件的视觉检测方法及*** | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
CN109886935A (zh) | 一种基于深度学习的道面异物检测方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN104282018A (zh) | 基于机器视觉的工业产品外形直径在线检测的方法 | |
CN110414308A (zh) | 一种针对输电线路上动态异物的目标识别方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测*** | |
WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
CN111368797A (zh) | 一种基于路端单目摄像头的目标实时测距方法 | |
CN105957300B (zh) | 一种智慧金睛识别可疑张贴遮蔽报警方法和装置 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN108961262B (zh) | 一种复杂场景下的条码定位方法 | |
US20200193561A1 (en) | Automatic Detection, Counting, and Measurement of Lumber Boards Using a Handheld Device | |
CN103390259A (zh) | 视觉导引agv中的地面图像处理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170301 |
|
RJ01 | Rejection of invention patent application after publication |