CN108647685A - 一种基于图像处理的环形物体计数方法 - Google Patents
一种基于图像处理的环形物体计数方法 Download PDFInfo
- Publication number
- CN108647685A CN108647685A CN201810448546.1A CN201810448546A CN108647685A CN 108647685 A CN108647685 A CN 108647685A CN 201810448546 A CN201810448546 A CN 201810448546A CN 108647685 A CN108647685 A CN 108647685A
- Authority
- CN
- China
- Prior art keywords
- image
- annular
- inner ring
- exterior contour
- mask
- 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
- G06V10/20—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
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于图像处理的环形物体计数方法,先提取出待计数图像中目标的内环部分,再对内环图像中内环的个数就是环形物体的最终计数,其中,为了避免多个环形物体紧紧相邻时中间的空隙会被提取视为内环部分的情况,特别采用分水岭算法对圆环进行外部轮廓提取。本发明克服了霍夫圆变换阈值设置困难以及漏检的问题,并实现快速计数,提高了计数效率和准确性。实现了类似于工业密封毛毡垫这类质量轻,体积小,密度不均匀的环形物体的高准确性的快速计数。
Description
技术领域
本发明属于图像处理领域,主要用于对质量轻,体积小,密度不均匀的环形物体进行快速准确的计数。
背景技术
工业密封毛毡垫是经过冲床加工制作而成的密封垫圈,具有密封,隔热,隔音,防震,过滤等作用,在家电,乐器,运动器械,汽车,文化产品等各类产业领域中被广泛应用,准确计算毛毡垫的数量对保证厂家的经济效益十分重要。
毛毡垫的基本特点是体积较小、质量轻,形状规则,由于加工的原材料包含不同种类羊毛,因此最终的制成品由于毛质长短,粗细的不同会导致密度和厚度不均匀,造成误差。
传统的计数方法一般是称重法,人工计数法两种。(1)称重法要求称重对象为重量基本相同,并满足最小计量单位,但是毛毡垫体积小、质量轻,密度、厚度不均匀容易造成较大误差;(2)人工计数方法速度比较慢、效率低,而且容易受人为因素的影响,占用、浪费人力资源。
利用图像处理技术对环形物体进行计数方法一般有两种,(1)通过“个数=总像素点/单个像素点”这种间接关系来计算物体个数,但这种方法会带来累计误差;
(2)用霍夫圆变换检测内外圆形,通过对圆心进行计数得到目标物体的个数,但这种方法的漏检几率很大,降低了计数的准确性,如图1所示,a)图是要检测的目标物体图像,b)是霍夫圆变换检测数的圆形轮廓,c)是将检测出的圆形覆盖在原图上检测效果。由于检测的目标物体是环形,霍夫圆变换并不能控制检测内环还是外环,只是检测圆形,因为检测圆形,所以在检测圆形大小的时候要设置阈值,比如直径大概多少,在目标距离非常近时就会漏检,不同的环形物体需要设置不同的阈值,加大了检测前的工作量。
如何提高类似于工业密封毛毡垫这样质量轻,体积小,密度不均匀的环形物体计数的效率与准确率是是亟需解决的难题。
发明内容
本发明所要解决的技术问题是,提供一种能够实现对质量轻,体积小,密度不均匀的环形物体进行快速计数的方法。
本发明为解决上述技术问题所采用的技术方案是,一种基于图像处理的环形物体计数方法,先提取出待计数图像中目标的内环部分,再对内环图像中内环的个数就是环形物体的最终计数,其中,为了避免多个环形物体紧紧相邻时中间的空隙会被提取视为内环部分的情况,特别采用分水岭算法对圆环进行外部轮廓提取。
本发明的有益效果是,将计算环形物体个数转化为计算图像内环的个数,完全避免了“个数=总像素点/单个像素点”这种间接关系带来的累计误差,克服了霍夫圆变换阈值设置困难以及漏检的问题,并实现快速计数,提高了计数效率和准确性。实现了类似于工业密封毛毡垫这类质量轻,体积小,密度不均匀的环形物体的高准确性的快速计数。
附图说明
图1为现有霍夫圆变换检测圆形结果图。
图2为本发明提取内环的难点示意图。
图3为出错部分示意图。
图4为分水岭后的图像。
图5为本发明环形图像提取示意图。
图6为本发明环形图像提取后内环图像提取示意图。
图7为实施例提取内环图像过程图。
具体实施方式
为方便描述本发明内容,这里首先对一些现有技术术语进行解释:
最大类间方差法。最大类间方差法是一种自适应阈值确定的方法,又叫大津法,简称OTSU,是一种基于全局的二值化算法,它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时,两部分之间的差别应该是最大的,在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大,就说明构成图像的两个部分之间的差别越大,当部分目标被错分为背景或部分背景被错分为目标,都会导致两部分差别变小,当所取阈值的分割使类间方差最大时就意味着错分概率最小。
距离变换。图像的距离变换实现了像素与图像区域的距离变换,使得最后生成的图像在该自己元素位置处的像素为0,临近的背景的像素具有较小的值,且随着距离的增大它的数值也就越大。对于距离图像来说,图像中的每个像素的灰度值为该像素与距离其最近的背景像素间的距离。
分水岭算法。分水岭分割方法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。
腐蚀。腐蚀操作最基本的效果是腐蚀图像中前景色区域的边缘。使得前景图像区域变小,前景图像内部的背景区域被放大。主要作用是消除噪声,去掉图像的某些部分。
本发明将计算目标个数转化为计算内环图像的个数,因此核心算法是提取环形物体中内环图像,可以的做法是:
1)将待计数图像进行二值化处理,得到环形部分(前景)为1其它部分为0的二值化图像;
2)提取出待计数图像中目标的外部轮廓,对每一个外部轮廓对应生成外部轮廓以内(选定区域)为0其余部分为1的掩模图像;即提取出N个外部轮廓就对应有N个掩模图像;常用取外轮廓的手段为基于OpenCV库的findcontours函数;
3)将二值化图像分别与N个掩模图像进行逻辑或运算能够提取出N个内环图像,内环图像中内环部分为0其余部分为1;
4)累计N个内环图像中内环的个数就是环形物体的最终计数。
可选的,在计算内环图像中内环的个数时,可以再次提取轮廓,以轮廓个数作为内环个数;或者,通过聚类的方法,一个圆作为一个类,将类的个数作为内环个数。
可替换的,步骤2)生成外部轮廓以内为1其余部分为0的掩模图像,步骤3)将二值化图像分别与N个掩模图像进行异或运算能够提取出N个内环部分(内环部分为0其他部分为1);或者,进行同或运算提取内环部分(内环部分为1其他部分为0)。又或者,步骤1)生成环形部分为1其它部分为0的二值化图像,步骤2)生成外部轮廓以内为1其余部分为0的掩模图像,步骤3)将二值化图像与掩模图像进行与运算提取出内环部分。本领域技术人员容易根据上述思想进行利用其他手段实现内环提取。
申请人进而发现,上述方法的问题在于当存在多个环形物体彼此紧紧相邻时,环的外圈相连,如图2(a)所示,进行内环提取时就会出现将空隙背景误认为内环部分提取出来的问题,如图2(b)所示。其原因在于,当存在多个环形物体彼此紧紧相邻时,比如三个环形物体彼此紧紧相邻,提取出的外轮廓就不是一个圆形而是一个三个优弧封闭而成的形状,三个环形中间的空隙也会被提取视为内环,如图3所示,二值化图像为最左图,掩膜图为图的中间,内环提取结果为最右图。
此时,为了要消除3个以上环形物体紧紧相邻时中间空隙,申请人进一步改进内环提取方法。
对步骤2)中的采用分水岭算法分割待计数图像完成外部轮廓提取,如图4所示分水岭分割后的各个区域用白线标示,可以看出与常规外轮廓提取情况不同,当出现多个环形物体彼此紧紧相邻的情况时,如图4中椭圆圈内所示,分水岭算法将空隙部分识别至一个圆的区域内。
另外,还需要限定,步骤1)生成的二值化图像为环形部分为1其它部分为0的二值化图像,步骤2)生成外部轮廓以内为1其余部分为0的掩模图像,步骤3)二值化图像与掩模图像先进行与运算得到环形图像(环形部分为1其余部分0)如图5所示,同时,对环形图像取外部轮廓得到新掩模图像(外部轮廓以内为0其余部分为1的掩模图像),再对环形图像与新掩模图像进行或运算得到去掉了空隙的内环图像(环形部分为0其余部分1)。或者,步骤1)生成的二值化图像为环形部分为0其它部分为1的二值化图像,步骤2)生成外部轮廓以内为0其余部分为1的掩模图像,步骤3)二值化图像与掩模图像先进行或运算得到环形图像(环形部分为0其余部分1),同时,对环形图像取外部轮廓得到新掩模图像(外部轮廓以内为1其余部分为0的掩模图像),再对环形图像与新掩模图像进行与运算得到去掉了空隙的内环图像(环形部分为1其余部分0)。
本发明方法不限于内环的形状为圆形。
进一步的,步骤1)采用OTSU算法,即选取类间方差最大的灰度值即为最佳分割阈值,对图像进行二值化。之后,可以对二值化图像进行距离变换,将将像素点位置信息转化为灰度信息来细化环形物体。
在步骤4)进行计数之前,对得到的内环图像进行腐蚀操作,消除噪声。
实施例
步骤1、图像预处理
1-1灰度化:将彩色图像的RGB三个分量以不同的权值进行加权平均。按下式对RGB三分量进行加权平均能得到较合理的灰度图像f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j);
1-2二值化:采用的是OTSU算法,即选取类间方差最大的灰度值即为最佳分割阈值,对图像进行二值化得到图像src_th(环形部分为1(白色)其余为0(黑色))。
1-3距离变换:对图像src_th作距离变换。
1-4分水岭算法:对距离变换后的图像利用分水岭算法分割,得到带有分割线的图像src_line,并查找得到图像src_line的外部轮廓contours,contours的个数为n。
步骤2、提取目标区域。
2-1生成掩模图像:创建n个原图大小的全0图像src_mask,通过遍历contours中的各个轮廓,再在n个src_mask中分别在对应轮廓位置填充为1,更新生成背景白色目标的掩模图像src_mask。
2-2提取目标区域:将n个掩模图像与距离变换后的图像src_th相与提取出n个目标区域src_temp。
步骤3、对每一个目标区域src_temp提取内环图像,如图7所示。
3-1查找轮廓:查找得到各个区域目标src_temp的全部轮廓contours_temp。
3-2生成掩模图像:创建一个src_temp大小的全0图像mask,通过遍历contours_temp中的各个轮廓,将mask中的轮廓以内的对应位置填充为白色,更新生成黑色背景白色目标的图像mask。
3-3提取环形目标:将掩模图像mask与目标区域src_temp相与提取出环形目标src_temp_tm1。
3-4提取内环图像:对提取得到的图像src_temp_tm1查找轮廓,生成新掩模图像mask2,mask2与提取出的各个目标src_temp_tm1相或生成src_temp_tm2。
步骤4、计数
对最终提取得到的n个内环图像src_temp_tm2进行腐蚀操作,消除噪声,再对图像求取轮廓,将轮廓数作为环形物体的最终计数。
Claims (8)
1.一种基于图像处理的环形物体计数方法,其特征在于,包括步骤:
1)将待计数图像进行二值化处理,得到以环形部分为前景的二值化图像;
2)采用分水岭算法分割待计数图像完成外部轮廓提取,对每一个外部轮廓对应生成外部轮廓以内为选定区域的掩模图像;提取出N个外部轮廓就对应有N个掩模图像;
3)将二值化图像分别于N个掩模图像进行运算得到N个内环图像;
4)累计N个内环图像中内环的个数就是环形物体的最终计数。
2.如权利要求1所述方法,其特征在于,具体的:
步骤1)中生成的二值化图像为环形部分为1其它部分为0的二值化图像;
步骤2)生成外部轮廓以内为1其余部分为0的掩模图像;
步骤3)二值化图像与掩模图像先进行与运算得到环形图像,同时,对环形图像查找外部轮廓生成外部轮廓以内为0其余部分为1的新掩模图像;再对环形图像与新掩模图像进行或运算得到内环图像。
3.如权利要求1所述方法,其特征在于,具体的:
步骤1)中生成的二值化图像为环形部分为0其它部分为1的二值化图像;
步骤2)生成外部轮廓以内为0其余部分为1的掩模图像;
步骤3)二值化图像与掩模图像先进行或运算得到环形图像,同时,对环形图像查找外部轮廓生成外部轮廓以内为1其余部分为0的新掩模图像,再对环形图像与新掩模图像进行与运算得到内环图像。
4.如权利要求1、2或3所述方法,其特征在于,步骤4)中在计算内环图像中内环的个数时,对内环图像提取轮廓,以轮廓个数作为内环个数。
5.如权利要求1、2或3所述方法,其特征在于,步骤4)中在计算内环图像中内环的个数时,通过聚类的方法,一个圆作为一个类,将类的个数作为内环个数。
6.如权利要求1、2或3所述方法,其特征在于,步骤1)采用OTSU算法对图像进行二值化。
7.如权利要求6所述方法,其特征在于,步骤1)中对采用OTSU算法对图像进行二值化之后,再进行距离变换,将距离变换后的图像作为最终的二值化图像。
8.如权利要求1、2或3所述方法,其特征在于,在步骤4)进行计数之前,对得到的内环图像进行腐蚀操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448546.1A CN108647685A (zh) | 2018-05-11 | 2018-05-11 | 一种基于图像处理的环形物体计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448546.1A CN108647685A (zh) | 2018-05-11 | 2018-05-11 | 一种基于图像处理的环形物体计数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108647685A true CN108647685A (zh) | 2018-10-12 |
Family
ID=63754679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810448546.1A Pending CN108647685A (zh) | 2018-05-11 | 2018-05-11 | 一种基于图像处理的环形物体计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647685A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
-
2018
- 2018-05-11 CN CN201810448546.1A patent/CN108647685A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
Non-Patent Citations (1)
Title |
---|
两猿社: "提取内环图像", 《博客园》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xuan et al. | An improved canny edge detection algorithm | |
CN106780485B (zh) | 基于超像素分割和特征学习的sar图像变化检测方法 | |
WO2018107939A1 (zh) | 一种基于边缘完备度的图像分割最优识别方法 | |
Roy et al. | Classification of lung image and nodule detection using fuzzy inference system | |
CN102254319B (zh) | 一种多层次分割的遥感影像变化检测方法 | |
CN109919944B (zh) | 一种复杂场景建筑物变化检测的联合超像素图割优化方法 | |
CN105956557A (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN102676633A (zh) | 一种菌落自动计数方法 | |
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN103778627A (zh) | 一种基于sar图像的海域溢油检测方法 | |
Gang et al. | An improved moving objects detection algorithm | |
Ferdosi et al. | White blood cell detection and segmentation from fluorescent images with an improved algorithm using k-means clustering and morphological operators | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
Wang et al. | Hybrid remote sensing image segmentation considering intrasegment homogeneity and intersegment heterogeneity | |
CN108647685A (zh) | 一种基于图像处理的环形物体计数方法 | |
CN108629774A (zh) | 一种基于霍夫圆变换的环形物体计数方法 | |
Yang et al. | A self-adapted threshold-based region merging method for remote sensing image segmentation | |
CN110991019B (zh) | 一种沿海潮沟自动分级算法 | |
Wang et al. | Interval type-2 fuzzy based neural network for high resolution remote sensing image segmentation | |
Afsari et al. | Interval-valued intuitionistic fuzzy generators: Application to edge detection | |
Sasikala et al. | Performance analysis of various segmentation techniques in breast mammogram images | |
Chen | A novel radius adaptive based on center-optimized hybrid detector generation algorithm | |
Li et al. | An improved mean shift segmentation method of high-resolution remote sensing image based on LBP and canny features | |
Liu et al. | Trident Segmentation CNN: A Spatiotemporal Transformation CNN for Punctate White Matter Lesions Segmentation in Preterm Neonates | |
CN112150500B (zh) | 一种基于联合分量灰度化的绝缘子分割提取方法 |
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: 20181012 |
|
RJ01 | Rejection of invention patent application after publication |