CN108510498B - 纤维测量非冻结换视场自动判定方法 - Google Patents
纤维测量非冻结换视场自动判定方法 Download PDFInfo
- Publication number
- CN108510498B CN108510498B CN201810336426.2A CN201810336426A CN108510498B CN 108510498 B CN108510498 B CN 108510498B CN 201810336426 A CN201810336426 A CN 201810336426A CN 108510498 B CN108510498 B CN 108510498B
- Authority
- CN
- China
- Prior art keywords
- field
- view
- image
- images
- function
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8444—Fibrous material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Treatment Of Fiber Materials (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种纤维测量非冻结换视场自动判定方法,包括:步骤1,基于设定判断变量并启动判定线程,用于记录图像视场内容是否变化,并启动对应的处理线程;所述变化包括调焦产生的变化及切换或移动视场产生的变化;步骤2,启动所述判定线程,在图片预处理后进行图像视场内容变化判定,先采用重心和相关性判定,根据判定结果是否采用压缩后图像的高频分量继续判定,最后发送判定结果至主线程,根据判定结果决定是否执行更换视场动作。通过本发明能够提高纤维测量效率并杜绝重复测量。
Description
技术领域
本发明属于纤维测量技术领域,具体涉及一种纤维测量非冻结换视场自动判定方法 。
背景技术
传统的显微镜链接摄像头测量纤维细度是在图像冻结状态下进行的,即,如果需要测量当前视场内的一根纤维,需要冻结一张当前视场成为一幅图像显示在窗口中,然后进行测量。如果这个视场内的不同位置另有纤维,但没有处于最佳聚焦状态,就要解冻当前视场,使其在窗口里显示为动态的,以便实时观察调焦状态,当又一根待测纤维调清楚后再次冻结视场,进行测量。这样频繁的冻结和解锁图像,会影响测量效率,也会使得测量标记消失 (由于图像在冻结与非冻结状态之间的切换),当同一个视场出现了大量纤维的时候,用户就可能会因测量标记消失而忘掉之前测试过哪几根纤维,导致重复测量,最终影响数据的准确性。
发明内容
本发明的目的在于针对现有技术的不足,提高纤维测量效率,避免重复测量。
本发明的实施例提供了一种纤维测量非冻结换视场自动判定方法 ,包括:
步骤1,基于设定判断变量并启动设置判定线程,用于记录判定图像视场内容是否变化,并启动对应的处理线程;所述变化包括调焦产生的变化及切换或移动移动视场产生的变化;
步骤2,启动所述判定线程,在图片预处理后进行图像视场内容变化判定,先采用重心和相关性函数(简称第一函数)判定,根据判定结果是否采用压缩后图像的高频分量函数(简称第二函数)继续判定若判定视场变化属于水平移动视场产生的变化,最后发送判定结果至主线程,根据判定结果决定是否执行更换视场动作。
进一步地,步骤2包括:
1)对输入的序列图像进行预处理;预处理包括对图像进行灰度化及缩小处理;
2)基于第一函数对两幅输入的图像计算重心,若两幅图像的重心发生变化,判定为更换视场,然后,通过前后几帧图像数据矩阵相关性的最大值位置是否超出设定的视场允许范围来判定是否有移动。
进一步地,步骤2还包括:
若第一函数判定结果为没有更换视场,基于第二函数通过对比两幅图像压缩后的高频分量,获取图像之间的变化量,将该变化量与经过反复测试得出的阈值进行比较,来判定是否有移动。
进一步地,步骤2)具体包括:
计算两幅图像重心坐标,分别计算行、列两个方向的重心,计算行列的图像数据的加权和及像素和;
判定重心是否满足设定的移动和焦距变动范围,若任意方向的重心的变动范围超出测量纤维的景深范围,则判定为更换视场;
若图像重心没有变动,继续用相关性的最大值判断是否有移动,包括:
两幅图分别进行傅里叶空域到时域变换,得到图片a,图片b;
对图片a的元素取共轭,并将共轭后的图片a和图片b两个图像复矩阵做点乘,获得图c;
将图片c进行傅里叶反变换,找出图片c复矩阵中模最大的元素,获得最大模的平方值和最大模的行、列。如果这个最大模的行或者列超过范围,则判定为移动,需要更换视场;
如果第一函数判定结果为没有更换视场,则基于第二函数判断如下:
获取时间上最邻近的两幅图,把两幅图像进行压缩,去除两幅图像中的噪点,并且剔除一些梯度并不明显的高频分量;
用sobel算子提出对比图的x方向和y方向的边缘,合并x方向和y方向的不同部分;
统计合并矩阵中的变化量总数量和,如果这个变化总量超过了正常的阈值,则判定为需要更换视场。
与现有技术相比本发明的有益效果是:
用户能够直接在动态图像状态(即:非冻结)进行测量,可以实时调焦观察纤维的状态,更可以让用户测量同一个视场中不同聚焦层次的纤维。在调焦过程中,测量标记不消失,用户更换下一个视场进行测量时,上一个视场的测量标记才会消失。方法 在后***立运行,在当前视频流中不断抓取图像进行计算和判断,但始终不会中断视频流在图像窗口中的动态显示,能够让用户在测量纤维的时候体验更好效率更高并杜绝重复测量现象。
附图说明
图1是本发明纤维测量非冻结换视场自动判定方法 的流程图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
参图1所示,本实施例提供的纤维测量非冻结换视场自动判定方法 ,包括:
基于设定判断变量并启动设置判定线程,用于记录判定图像视场内容是否变化,并启动对应的处理线程;所述变化包括调焦产生的变化及切换或移动移动视场产生的变化;
启动所述判定线程,在图片预处理后进行图像视场内容变化判定,先采用重心和相关性函数(简称第一函数)判定,根据判定结果是否采用压缩后图像的高频分量函数(简称第二函数)继续判定若判定视场变化属于水平移动视场产生的变化,最后发送判定结果至主线程,以根据结果决定是否执行更换视场动作。
本实施例通过设定一个判定线程,负责判定图像视场内容是否变化——是属于调焦产生的变化还是属于移动视场产生的变化。当该线程发现视场进行了水平变动,而非是调校变动的时候,发给主线程消息,主线程安排换视场的工作。能够让用户提高纤维测量效率,并杜绝重复测量。
下面对本发明作进一步详细说明。
方法 的输入是序列图像,输出的是判定结果:判定用户是否更换了纤维视场。包括如下步骤:
第一步,设定判断变量,启动判定线程:
1、设置变量
在测量的时候,安排一个变量用来表达是否更换了视场。
2、启动判定线程
当一个新视场被测量出第一根纤维的时候,保存一个被测物体附近内容的图像,因为此时的被测物体应该是比较清晰的状态,而且拥有很高的细节,可以代表当时纤维景深样子。然后,启动这个“判定线程”。
第二步,线程判定过程:
1、图像预处理:
先把图像进行灰度化,然后再缩小。这样可以提高图像的处理速度。
2、用重心和相关性来判定是否应该换视场:
判定函数为:move_check(第一函数)。这个函数用于通过对两幅输入的图像计算重心。如果用户进行调焦过大,或者有移动。则两幅图像的重心几乎一定会发生变化。除此之外,用户如果不进行移动,前后几帧的图像的数据矩阵会有很大的相关性,所以这个方法的第二步是通过相关性的最大值位置是否出了视场允许的范围来判定是否有移动。具体步骤如下:
1)检查图像重心是否变动过大来判断是否应该更换视场。方法如下:
①计算两图重心坐标,分别计算行、列两个方向的重心,将行列的图像数据的加权和与行列数据的像素和计算出来。
②判定重心是否满足指定移动和焦距变动范围,如果任意方向的重心的变动范围超过了测量纤维的景深范围,则判定为更换视场。
2)如果图像重心没有变动,继续用相关值判断是否应该更换视场。方法如下:
①两幅图分别进行傅里叶空域到时域变换。得到图像a,图像b。
②对图像a的元素取共轭。
③将共轭后的图像a和图像b两个图像复矩阵做点乘,获得图c。
④将图像c进行傅里叶反变换。
⑤找出图像c复矩阵中模最大的元素,获得最大模的平方值和最大模的行、列。如果这个最大模的行或者列超过范围,则判定为移动,需要更换视场。
3、用压缩后图像的高频分量判定是否应该换视场
如果move_check判定没有更换视场,继续用另一个函数 _for_move_check(第二函数)来判定是否需要更换视场。这个函数用于通过对比两幅图像的压缩后的高频分量,获取图像之间的变化量,把该变化量和自己反复测试得出的一个阈值进行比较,来判定是否应该判定为移动。具体步骤如下:
1)获取时间上最邻近的两幅图。也就是说进行这个函数的两幅图: imag_A和img_B是摄像头采集的前后两幅图像。这两幅图像在没有换视场的时候应该非常相似,但是一但更换视场,就会变化非常明显,尤其是高频部分,也就是变化越陡峭的部分,差别越大。
2)把两幅图像进行压缩,去除两幅图像中的噪点,并且剔除一些梯度并不明显的高频分量。
3)用sobel算子提出对比图的x方向和y方向的边缘。
4)合并x方向和y方向的不同部分。
5)统计合并矩阵中的变化量总数量和,如果这个变化总量超过了正常的阈值,则判定为需要更换视场。
通过本实施例提供的纤维测量非冻结换视场自动判定方法 ,用户能够直接在动态图像状态(即:非冻结)进行测量,可以实时调焦观察纤维的状态,更可以让用户测量同一个视场中不同聚焦层次的纤维。在调焦过程中,测量标记不消失,用户更换下一个视场进行测量时,上一个视场的测量标记才会消失。方法 在后***立运行,在当前视频流中不断抓取图像进行计算和判断,但始终不会中断视频流在图像窗口中的动态显示,能够让用户在测量纤维的时候体验更好效率更高并杜绝重复测量现象。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (1)
1.一种纤维测量非冻结换视场自动判定方法,其特征在于,包括:
步骤1,基于设定判断变量并启动设置判定线程,用于记录判定图像视场内容是否变化,并启动对应的处理线程;所述变化包括调焦产生的变化及切换或移动视场产生的变化;
步骤2,启动所述判定线程,在图片预处理后进行图像视场内容变化判定,先采用第一函数判定,根据判定结果是否采用第二函数继续判定若判定视场变化属于水平移动视场产生的变化,最后发送判定结果至主线程,根据判定结果决定是否执行更换视场动作;其中,所述第一函数为重心和相关性函数,第二函数为压缩后图像的高频分量函数,包括:
1)对输入的序列图像进行预处理;所述预处理包括对图像进行灰度化及缩小处理;
2)基于第一函数对两幅输入的图像计算重心,若两幅图像的重心发生变化,判定为更换视场,然后,通过前后几帧图像数据矩阵相关性的最大值位置是否超出设定的视场允许范围来判定是否有移动;
若所述第一函数判定结果为没有更换视场,基于第二函数通过对比两幅图像压缩后的高频分量,获取图像之间的变化量,将所述变化量与经过反复测试得出的阈值进行比较,来判定是否有移动;
所述步骤2具体包括:
计算两幅图像重心坐标,分别计算行、列两个方向的重心,计算行列的图像数据的加权和及像素和;
判定重心是否满足设定的移动和焦距变动范围,若任意方向的重心的变动范围超出测量纤维的景深范围,则判定为更换视场;
若图像重心没有变动,继续用相关性的最大值判断是否有移动,包括:
两幅图分别进行傅里叶空域到时域变换,得到图片a,图片b;
对图片a的元素取共轭,并将共轭后的图片a和图片b两个图像复矩阵做点乘,获得图c;
将图片c进行傅里叶反变换,找出图片c复矩阵中模最大的元素,获得最大模的平方值和最大模的行、列;如果这个最大模的行或者列超过范围,则判定为移动,需要更换视场;
如果第一函数判定结果为没有更换视场,则基于第二函数判断如下:
获取时间上最邻近的两幅图,把两幅图像进行压缩,去除两幅图像中的噪点,并且剔除一些梯度并不明显的高频分量;
用sobel算子提出对比图的x方向和y方向的边缘,合并x方向和y方向的不同部分;
统计合并矩阵中的变化量总数量和,如果这个变化总量超过了正常的阈值,则判定为需要更换视场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810336426.2A CN108510498B (zh) | 2018-04-12 | 2018-04-12 | 纤维测量非冻结换视场自动判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810336426.2A CN108510498B (zh) | 2018-04-12 | 2018-04-12 | 纤维测量非冻结换视场自动判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510498A CN108510498A (zh) | 2018-09-07 |
CN108510498B true CN108510498B (zh) | 2021-11-12 |
Family
ID=63382320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810336426.2A Active CN108510498B (zh) | 2018-04-12 | 2018-04-12 | 纤维测量非冻结换视场自动判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510498B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06194407A (ja) * | 1991-12-09 | 1994-07-15 | Matsushita Electric Ind Co Ltd | 半導体集積回路の評価装置及び評価方法 |
JP2003021772A (ja) * | 2001-07-06 | 2003-01-24 | Olympus Optical Co Ltd | レンズ鏡筒の加工装置及び加工方法 |
CN101498833A (zh) * | 2009-03-06 | 2009-08-05 | 北京理工大学 | 兼有宏-微视场观测的超分辨差动共焦显微镜 |
CN107088892A (zh) * | 2017-04-01 | 2017-08-25 | 西安交通大学 | 一种基于双目视觉的工业机器人运动精度检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010017528A2 (en) * | 2008-08-08 | 2010-02-11 | Snap-On Incorporated | Image-based inventory control system |
US9646194B2 (en) * | 2012-08-28 | 2017-05-09 | Molecular Devices, Llc | Methods and systems for analysis of fibers and branching structures within an image of a sample |
-
2018
- 2018-04-12 CN CN201810336426.2A patent/CN108510498B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06194407A (ja) * | 1991-12-09 | 1994-07-15 | Matsushita Electric Ind Co Ltd | 半導体集積回路の評価装置及び評価方法 |
JP2003021772A (ja) * | 2001-07-06 | 2003-01-24 | Olympus Optical Co Ltd | レンズ鏡筒の加工装置及び加工方法 |
CN101498833A (zh) * | 2009-03-06 | 2009-08-05 | 北京理工大学 | 兼有宏-微视场观测的超分辨差动共焦显微镜 |
CN107088892A (zh) * | 2017-04-01 | 2017-08-25 | 西安交通大学 | 一种基于双目视觉的工业机器人运动精度检测方法 |
Non-Patent Citations (1)
Title |
---|
CU6纤维细度分析仪操作规程;tangyanyun06;《百度文库》;20111010;第3.2.7.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108510498A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697726B (zh) | 一种基于事件相机的端对端目标运动估计方法 | |
CN106920232B (zh) | 基于显著性检测的梯度相似度图像质量评价方法及*** | |
CN106441804B (zh) | 解像力测试方法 | |
CN100373423C (zh) | 用于评价显示器的运动图像质量的***和方法 | |
CN103327219B (zh) | 一种视频图像对比度调整方法及装置 | |
CN110689555B (zh) | 基于前景检测的kcf跟踪目标丢失检测方法及*** | |
CN108573664B (zh) | 量化拖尾测试方法、装置、存储介质及*** | |
CN104394377A (zh) | 一种监控图像的模糊异常的识别方法及装置 | |
CN106851341A (zh) | 用于测量网络视频传送质量的方法和移动终端 | |
US20100182495A1 (en) | Focusing measurement device, focusing measurement method, and program | |
CN103096117B (zh) | 视频噪声检测方法及装置 | |
CN111487257A (zh) | 一种显示面板异常像素实时检测修复方法及装置 | |
CN101887579A (zh) | 基于散射模型的水下图像复原方法 | |
CN108510498B (zh) | 纤维测量非冻结换视场自动判定方法 | |
Bijelic et al. | Recovering the Unseen: Benchmarking the Generalization of Enhancement Methods to Real World Data in Heavy Fog. | |
CN113298764B (zh) | 基于图像噪声分析的高速相机成像质量分析方法 | |
CN101685240B (zh) | 判断图像提取装置对焦品质的方法 | |
Repasi et al. | Analysis of image distortions by atmospheric turbulence and computer simulation of turbulence effects | |
TWI381735B (zh) | 影像監視設備之影像處理系統及其影像解析自動調適之方法 | |
CN101888568B (zh) | 运动图像响应特征参数的测量方法 | |
CN108781280B (zh) | 一种测试方法、装置及终端 | |
CN109961422A (zh) | 数字图像的对比度值的确定 | |
CN114339203A (zh) | 相机性能检测方法、设备和存储介质 | |
CN112637506A (zh) | 一种手机加快对焦的方法 | |
KR101899070B1 (ko) | 랜덤신호에 대한 강건성 정량화를 통한 단독 영상 품질 평가 방법 및 장치 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |