CN108662977A - 一种耐火砖几何尺寸测量方法 - Google Patents
一种耐火砖几何尺寸测量方法 Download PDFInfo
- Publication number
- CN108662977A CN108662977A CN201810213913.XA CN201810213913A CN108662977A CN 108662977 A CN108662977 A CN 108662977A CN 201810213913 A CN201810213913 A CN 201810213913A CN 108662977 A CN108662977 A CN 108662977A
- Authority
- CN
- China
- Prior art keywords
- refractory brick
- image
- noise reduction
- geometric dimension
- threshold
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种耐火砖几何尺寸测量方法,包括对原始耐火砖彩色图像滤波降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得耐火砖图像;对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图像;用Canny算子对修正后耐火砖图像进行边缘检测;使用Hough变换方法和K均值方法提取耐火砖外形直线,形成耐火砖的外轮廓。本发明提供了一种效率和精度均提高的耐火砖几何尺寸测量方法。
Description
技术领域
本发明涉及一种耐火砖几何尺寸测量方法。
背景技术
耐火砖是一种用耐火黏土或其他耐火原料烧制呈的定型耐火材 料,主要用于砌冶炼炉或钢水包,能耐1580℃-1770℃的高温。在耐 火砖的生产线上,产品下线装箱之前,长期以来都是依靠人工使用卷 尺手动测量,测量结果准确性不高,容易出现误判,若个别不良品混 入整批成品中,会给工厂带来严重经济损失,甚至严重影响钢铁的生 产。
发明内容
本发明的目的在于提供了一种效率和精度均提高的耐火砖几何 尺寸测量方法。
本发明解决其技术问题所采用的技术方案是:
一种耐火砖几何尺寸测量方法,包括以下步骤:
步骤1:对原始耐火砖彩色图像滤波降噪,获得降噪后图像;
步骤2:在降噪后图像中,分割出耐火砖区域,获得耐火砖图像;
步骤3:对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑 过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图 像;
步骤4:用Canny算子对修正后耐火砖图像进行边缘检测;
步骤5:使用Hough变换方法和K均值方法提取耐火砖外形直 线,形成耐火砖的外轮廓,包括以下步骤:
步骤5-1:采用Hough变换方法对边缘检测后的耐火砖外形直线检 测拟合出多条直线,使用极坐标系来表示直线,则有:
xcosθ+ysinθ=ρ (3-23)
将ρθ参数空间划分为累加单元,其中(ρmin,ρmax)和(θmin,θmax)参数范 围为:-90°≤θ≤90°和-D≤ρ≤D,其中D是图像对角的最大距离;
步骤5-2:给定样本集D={x1,x2,…,xm},k均值方法针对聚类所得簇 C={C1,C2,…,CK}划分最小化平方误差,
其中,k为聚类簇数;Ci为簇;是簇Ci的均值向量, 1≤i≤k;E为间隔距离。
步骤5-3:结合Hough变换方法和K均值方法,从多组交点随机 选取交点定义为聚类中心,将同一条边作为一个种类提取一条直线, 直至提取耐火砖的四条边出来;
步骤6:求取耐火砖外形直线交点,两点之间距离为耐火砖的外 形几何尺寸。
进一步,步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
进一步,步骤2中使用灰度化和Ostu二值化分割出耐火砖区域, 包括以下步骤:
步骤2-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰 度值f(x,y),根据灰度值得到耐火砖 灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤2-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间 隔分为三类,根据类间方差获取最佳阈值:
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值。
步骤2-3:根据最佳阈值对耐火砖灰度图分割。
进一步,步骤3中,形态学处理包括对耐火砖图像进行开运算和 闭运算,进行开运算去除孤立点噪声;进行闭运算使耐火砖图像边界 平滑。
进一步,步骤4中边缘检测的方法包含以下步骤:
步骤4-1:用高斯平滑函数对修正后耐火砖图像滤波,令修正后耐 火砖图像为f(x,y),高斯函数为G(x,y),平滑后的图像为fs(x,y),则 fs(x,y)=G(x,y)*f(x,y);
步骤4-2:计算梯度幅值图像M和角度幅值图像θ, 其中,Gx表示水平方向的梯度幅值分量,Gy表示垂直 方向的梯度幅值分量;
步骤4-3:对梯度幅值图像M进行非极大值抑制:在梯度方向, 在每一点上,领域的中心像素f(x,y)与沿着梯度线的两个相邻像素相 比,若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值, 则令f(x,y)=0;
步骤4-4:采用双阈值检测并连接边缘,以高阈值图像为基础,以 低阈值图像为补充来连接图像边缘。
本发明相比现有技术优点在于:
1、采用滤波降噪、阈值分割获取耐火砖区域、形态学处理以消 除耐火砖图像孤立噪声,平滑边界,再对耐火砖外形直线检测,能准 确地得到耐火砖外形轮廓。
2、引入了统计方法即K均值机器学习方法,与传统的Hough变 换方法结合得到耐火砖外形几何尺寸,精度和计算效率明显提高。
3、采用双边滤波,对耐火砖边缘细节保存最好,且降噪效率高。
4、利用灰度化和Ostu(大津方法)确定待测物体区域不但有利于 精确地分析待测量物体的外形尺寸,也有利于缩小图像处理范围,提 高方法效率。
5、采用Canny算子对边缘检测,具有低错误率、边缘点被很好地 定位及单一的边缘点响应优点。
附图说明
图1是将耐火砖从背景中分割出来形成的耐火砖图像。
图2是对耐火砖图像进行形态学操作前后的图像,(2a)是对耐 火砖图像形态学操作前的图像,(2b)是对耐火砖图像形态学操作后 的图像。
图3是修正后耐火砖图像边缘拟合后的示意图。
图4为经过Hough变换方法拟合出的多条直线。
图5为耐火砖外形尺寸。
图6是耐火砖划痕提取结果图。
图7是深度缺陷测量得到的示意图。
图8是图像采集模块示意图。
图9是耐火砖测量装置示意图。
图10是耐火砖测量***流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
实施例1
如图1-5所示,一种耐火砖几何尺寸测量方法,包括以下步骤:
步骤1:对原始耐火砖彩色图像滤波降噪,获得降噪后图像;
步骤2:在降噪后图像中,分割出耐火砖区域,获得耐火砖图像;
步骤3:对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑 过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图 像;
步骤4:用Canny算子对修正后耐火砖图像进行边缘检测;
步骤5:使用Hough变换方法和K均值方法提取耐火砖外形直 线,形成耐火砖的外轮廓,包括以下步骤:
步骤5-1:考虑xy平面上的一个点(x,y)和斜截式表达式为 y=ax+b的一条直线,使用极坐标系来表示直线,则有:
xcosθ+ysinθ=ρ (3-23)
每条正弦曲线表示通过xy平面中一个特殊点(xk,yk)的一簇直线。 霍夫变换将ρθ参数空间划分为所谓的累加单元,其中(ρmin,ρmax)和 (θmin,θmax)是所期望的参数范围,-90°≤θ≤90°和-D≤ρ≤D,其中D是 图像对角的最大距离。位于坐标(i,j)处的单元具有累加值A(i,j),它 对应于与参数空间坐标(ρi,θj)相关联的正方形。开始将这些单元初始 化为0。然后,对于xy平面中的每个非背景点(xk,yk),令θ等于θ轴上 每个允许的细分值,同时使用方程ρ=xkcosθ+yksinθ解除对应的ρ。 对ρ进行四舍五入,得到沿轴的最接近的允许单元值。若选择一个θp值得到的解ρq,则令A(p,q)=A(p,q)+1。此过程结束后,A(i,j)中的值 P将意味着xy平面中有P个点位于直线xcosθj+ysinθj=ρj上。ρθ平面 中的细分数量决定了这些点的共线性的精度。
步骤5-2:给定样本集D={x1,x2,…,xm},k均值方法针对聚类所得 簇C={C1,C2,…,CK}划分最小化平方误差
其中,k为聚类簇数;Ci为簇;是簇Ci的均值向量, 1≤i≤k;E为间隔距离。在一定程度上簇内样本围绕簇均值向量的紧 密程度,E值越小,则簇内样本相似度越高。
步骤5-3:结合Hough变换方法和K均值方法,从多组交点随机 选取交点定义为聚类中心,将同一条边作为一个种类提取一条直线出 来,直至提取耐火砖的四条边,四条边即为耐火砖的外形尺寸,如图5 所示。
步骤6:求取耐火砖外形直线交点,两点之间距离为耐火砖的外 形几何尺寸。
如图1所示,步骤1中采用双边滤波降噪,双边滤波的计算公式 为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤2中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下 步骤:
步骤2-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰 度值f(x,y),根据灰度值得到耐火砖 灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤2-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度 间隔分为三类,由2个阈值分隔,根据类间方差获取最佳阈值:
式中,
且有以下关系成立:
P1m1+P2m2+P3m3=mG (3-10)
P1+P2+P3=1 (3-11)
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值。
步骤2-3:根据最佳阈值对耐火砖灰度图进行分割,获得耐火砖 图像,如图1所示。
步骤3中,形态学处理包括对耐火砖图像进行开运算和闭运算, 进行开运算去除孤立点噪声;进行闭运算使耐火砖图像边界平滑,如 图2所示。
步骤4中边缘检测的方法包含以下步骤:
步骤4-1:用高斯平滑函数对修正后耐火砖图像滤波,令修正后耐 火砖图像为f(x,y),高斯函数为G(x,y),平滑后的图像为fs(x,y),则 fs(x,y)=G(x,y)*f(x,y);
步骤4-2:计算梯度幅值图像M和角度幅值图像θ, 其中,Gx表示水平方向的梯度幅值分量,Gy表示垂直 方向的梯度幅值分量;
步骤4-3:对梯度幅值图像M进行非极大值抑制:在梯度方向, 在每一点上,领域的中心像素f(x,y)与沿着梯度线的两个像素相比, 若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值,则 令f(x,y)=0;
步骤4-4:用双阈值处理和连接分析来检测并连接边缘:以高阈值 图像为基础,以低阈值图像为补充来连接图像的边缘,参见图3。
实施例2
本实施例是在对耐火砖图像进行阈值分割的基础上进行耐火砖 表面划痕识别,耐火砖图像的获取、滤波降噪处理以及分割出耐火砖 区域与实施例1相同。
基于频率域滤波增强的耐火砖表面划痕识别方法,包括以下步 骤:
步骤1:对通过传感器采集得到的原始耐火砖彩色图像进行滤波 降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得 耐火砖灰度图像;
步骤2:,将耐火砖灰度图像转化为耐火砖彩色图像,对耐火砖 彩色图像进行通道分解,分离出R、G、B三个通道的图像,获得缺 陷通道图像,如图1所示;
步骤3:对缺陷通道图像进行二维离散傅里叶变换,获得缺陷通 道图像的频率域图像;使用正弦形状的带通滤波器对频率域图像进行 卷积操作,获得频率域图像滤波后的图像;对滤波后的耐火砖图像进 行傅里叶逆变换,获得逆变换后的耐火砖图像;对逆变换后的耐火砖 图像进行阈值处理和形态学处理,获得耐火砖阈值图像;
步骤4:对耐火砖阈值图像采用两遍扫描法,标记出耐火砖阈值 图像中存在的所有连通区域;根据不同连通区域的特征进行判断和筛 选,从而识别划痕区域,如图6所示。连通区域是指图像中具有相同 像素值且位置相邻的前景像素点组成的图像区域。
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤1中使用灰度化和Ostu(大津算法)二值化分割出耐火砖区 域,包括以下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰 度值f(x,y),根据灰度值得到耐火砖 灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度 间隔分为三类,根据类间方差获取最佳阈值:
式中,
且有以下关系成立:
P1m1+P2m2+P3m3=mG (3-10)
P1+P2+P3=1 (3-11)
获取最佳阈值:
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤1-3:根据最佳阈值对耐火砖灰度图进行分割,获得耐火砖 区域图像。
步骤2中,根据下式对耐火砖彩色图像进行通道分解 f(x,y)=0.3f(x,y,R)+0.59f(x,y,G)+0.11f(x,y,B);
步骤3中,二维离散傅里叶变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果, x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
步骤3中,使用函数h(x,y)对频域率图像f(x,y)进行卷积操作, 表达式为:
其中,x=0,1,2,…,M-1,y=0,1,2,…,N-1;
步骤3中,二维离散傅里叶逆变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果, x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
步骤4中,根据两遍扫描法获取连通区域,包括以下步骤:
步骤4-1:对耐火砖阈值图像进行第一遍扫描,赋予每个像素位 置一个标签,扫描过程中同一个连通区域内的像素集合被赋予一个或 多个不同标签,合并属于同一个连通区域但具有不同值的标签;
步骤4-2:对耐火砖阈值图像进行第二遍扫描,将具有相等关系 的相同标签所标记的像素归为一个连通区域并赋予一个相同的标签。
实施例3
本实施例是在对耐火砖图像进行阈值分割的基础上进行耐火砖 深度缺陷识别,耐火砖图像的获取、滤波降噪处理以及分割出耐火砖 区域与实施例1相同。
基于高度直方图分割的耐火砖深度缺陷的识别方法,包括以下步 骤:
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波 降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得 耐火砖灰度图像,如图1所示;
步骤2、使用最小二乘法对耐火砖图像点云进行平面拟合获得零 平面,并获取原始耐火砖图像的尺寸参数(高度和宽度),根据原始 耐火砖图像的尺寸参数和零平面,生成对应的基准平面图像;
步骤3、对原始耐火砖图像与基准平面图像进行作差,获得倾斜 校正后的点云数据图;
步骤4、对倾斜校正后的点云的高度直方图进行滤波分割,得到 设定深度的点云信息,根据两遍扫描法对设定深度的点云信息进行连 通区域标记,计算每个深度下的连通区域面积,获得缺陷数据,如图 7所示。连通区域是指图像中具有相同像素值且位置相邻的前景像素 点组成的图像区域。
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤1中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下 步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰 度值f(x,y),根据灰度值得到耐火砖 灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度 间隔分为三类,根据公式寻找最佳阈值, 其中,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤1-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖区 域灰度图像。
步骤2中,获取零平面的拟合参数α,β,γ:
对于一幅2D连续图像f(x,y)(≥0),p+q阶矩mpq定义为:
其中,p,q是非负的整数,对于离散化数字图像,上式为:
其中,(r0,c0)为质心坐标,且
一阶平面近似方法通过以下公式来描述:
Image(r,c)=α(r-r0)+β(c-c0)+γ (4-13)
其中,r0为待拟合区域的横坐标,c0为待拟合区域的纵坐标,γ 为待拟合区域的平均灰度,F为整个平面的面积,MRow是沿着行 方向的灰度矩,MCol是沿着列方向的灰度矩,则有:
MRow=sum((r-r0)*(Image(r,c)-γ))/F2 (4-14)
MCol=sum((c-r0)*(Image(r,c)-γ))/F2 (4-15)
步骤2中,基准平面图像的生成方法是:根据拟合参数α,β,γ, 结合原始耐火砖点云图Image(r,c)的尺寸信息,生成基准平面图像 Image(r,c)0。
步骤2中,对原始耐火砖点云图Image(r,c)和基准平面图像 Image(r,c)0进行作差,获取倾斜校正后的点云数据图Image'(r,c),
Image'(r,c)=Image(r,c)-Image(r,c)0。
步骤4中,采用高度带通滤波器对倾斜校正后的点云高度直方图 进行滤波分割。
步骤4中,根据两遍扫描法获取连通区域,包括以下步骤:
步骤4-1:对设定深度的点云信息进行第一遍扫描,赋予每个像 素位置一个标签,扫描过程中同一个连通区域内的像素集合被赋予一 个或多个不同标签,合并属于同一个连通区域但具有不同值的标签;
步骤4-2:对固定深度的点云信息进行第二遍扫描,将具有相等 关系的相同标签所标记的像素归为一个连通区域并赋予一个相同的 标签。
实施例4
本实施例是在对耐火砖图像进行阈值分割的基础上进行耐火砖 表面倾斜角测量,耐火砖图像的获取、滤波降噪处理以及分割出耐火 砖区域与实施例1相同。
基于拟合平面法向量的耐火砖表面倾斜角的测量方法,包括以下 步骤:
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波 降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得 耐火砖灰度图像,如图1所示;
步骤2、将耐火砖灰度图像转化为耐火砖彩色图像,使用一阶平 面方法对耐火砖彩色图像上表面区域进行近似拟合,获得拟合平面;
步骤3、在拟合平面上确定不共线的三个点,分别为 (x1,y1,z1),(x2,y2,z2),(x3,y3,z3),生成两个向量
步骤4:两个向量求叉集得到法向量
步骤5:根据法向量获得表面倾斜角θ,
其中
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c即为基于空间距离的高斯权 重,s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤1中使用灰度化和Ostu二值化分割出耐火砖区域,包括以 下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰 度值f(x,y),根据灰度值得到耐火砖 灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度 间隔分为三类,由两个阈值分隔,根据公式获取最佳阈值,其中,为类间方差,k1,k2为预设的阈值,为 最佳阈值;
步骤1-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖 区域图像。
步骤2中,获取拟合平面的方法为:
对于一幅2D连续图像f(x,y)(≥0),p+q阶矩mpq定义为:
其中,p,q是非负的整数,对于离散化数字图像,上式为:
其中,(r0,c0)为质心坐标,且
一阶平面近似方法通过以下公式来描述:
Image(r,c)=α(r-r0)+β(c-c0)+γ (4-13)
其中,r0为待拟合区域的横坐标,c0为待拟合区域的横坐标,γ为 待拟合区域的平均灰度,F为整个平面的面积,MRow是沿着行方 向的灰度矩,MCol是沿着列方向的灰度矩,则有:
MRow=sum((r-r0)*(Image(r,c)-γ))/F2 (4-14)
MCol=sum((c-r0)*(Image(r,c)-γ))/F2 (4-15)
其中,α,β,γ为拟合平面的拟合参数。
实施例5
如图8-10所示,基于机器视觉的耐火砖测量装置,包括图像采 集模块1,控制模块2,图像处理模块3和反馈模块4,图像采集模 块1具有底座11,底座11上设有承载三结构光激光传感器12的导 轨13,步进电机15通过联轴器16带动三结构光激光传感器12移动, 承载耐火砖的转台14固定于底座11,三结构光激光传感器12对准 耐火砖的待测表面并扫描待测耐火砖的4个端面;控制模块2的输入 端与图像采集模块1连接,控制模块2的输出端分别与图像处理模块 3和反馈模块4连接,反馈模块4包括行程开关,和执行剔除筛选操 作的机械手41;图像采集模块1采集耐火砖图像信息,图像处理模 块3获取耐火砖图像信息,并对耐火砖图像信息进行分析,控制模块 2获得分析结果,控制模块2将分析结果反馈至反馈模块4。
如图1-10所示,基于机器视觉的耐火砖测量方法,包含以下步 骤:
步骤1、控制器是转台14转动到耐火砖的待测量表面对准对三 结构光激光传感器12的位置,使导轨13平动,三结构光激光传感器 12扫描耐火砖的待测量表面,以获取灰度信息和高度信息融合的原 始耐火砖彩色图像;
步骤2、对原始耐火砖彩色图像滤波降噪,获得降噪后图像;
步骤3、在降噪后图像中,分割出耐火砖区域,获得耐火砖图像;
步骤4、对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑 过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图 像;
步骤5、用Canny算子对修正后耐火砖图像进行边缘检测;
步骤6、对耐火砖的边缘检测得到的离散点进行Hough变换方法 和K均值方法拟合分析,计算出耐火砖的实际尺寸;
步骤7、由步骤3得到的耐火砖图像,使用最小二乘法对耐火砖 图像点云进行平面拟合获得零平面,使耐火砖图像的点云与零平面的 点云进行查分获得倾斜校正后点云数据图;
步骤8、对倾斜校正后点云的高度直方图进行滤波分割,得到设 定深度的点云信息,根据两遍扫描法对设定深度的点云信息进行连通 区域标记,计算每个深度下的连通区域面积,获得缺陷数据,缺陷数 据上传数据库并在显示屏上显示;
步骤9:根据步骤7得到的倾斜校正后云数据图拟合耐火砖的表 面,获得耐火砖表面的法向量,计算耐火砖表面的倾斜角,以判定耐 火砖的平面度是否符合要求,若倾斜角小于给定阈值,则平面度合格, 合格将倾斜角上传数据库并在显示屏上显示;
步骤10、使转台转动到耐火砖的下一检测面,重复执行步骤1-9。
步骤2中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c即为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤3中使用灰度化和Ostu二值化分割出耐火砖区域,包括以 下步骤:
步骤3-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰 度值f(x,y),根据灰度值得到耐火砖 灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤3-2:根据耐火砖灰度直方图,获取最佳阈值的方法包括:
令{0,1,2,…,L-1}表示一幅大小为MN像素的数字图像中的L个不 同的灰度级,ni表示灰度级为i的像素数。图像中的像素总数MN为 MN=n0+n1+n2+…+nL-1,pi=ni/MN,i=0,1,2,...,L-1,根据耐火材料的灰 度直方图,其灰度间隔可以分为三类(这三个类由两个阈值分隔), 类间方差由下式给出:
令P1,P2,P3为三个
式中,
且有以下关系成立:
P1m1+P2m2+P3m3=mG
P1+P2+P3=1
此时,使用下式寻找最佳阈值:
其中,pi为某一灰度概率,m1表示一类的平均灰度,mG表示整 个图像的平均灰度,为类间方差,k1,k2为预设的阈值,为最 佳阈值;
步骤3-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖 区域灰度图像。
步骤4中对耐火砖图像进行开运算,去除孤立点噪声;进行闭运 算平滑边界。
步骤5中边缘检测的方法包含以下步骤:
步骤5-1:用高斯平滑函数对修正后耐火砖图像滤波,令修正后耐 火砖图像为f(x,y),高斯函数为G(x,y),平滑后的图像为fs(x,y),则 fs(x,y)=G(x,y)*f(x,y);
步骤5-2:计算梯度幅值图像M和角度幅值图像θ, 其中,Gx表示水平方向的梯度幅值分量,Gy表示垂直 方向的梯度幅值分量;
步骤5-3:对梯度幅值图像M进行非极大值抑制:在梯度方向, 在每一点上,领域的中心像素f(x,y)与沿着梯度线的两个相邻像素相 比,若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值, 则令f(x,y)=0;
步骤5-4:用双阈值检测并连接边缘,以高阈值图像为基础,以低 阈值图像为补充来连接图像的边缘。
步骤7中,零平面的获取方法包括:
步骤7-1:求解耐火砖上表面点云图像的几何中心位置,根据所求 解的平面中心位置获取平面校正区域中心,然后对该区域使用最小二 乘法进行平面拟合,拟合方法为:
对于一幅2D连续图像f(x,y)(≥0),p+q阶矩mpq定义为:
其中,p,q是非负的整数,对于离散化数字图像,上式为:
其中,(r0,c0)为质心坐标,且
一阶平面近似方法通过以下公式来描述:
Image(r,c)=α(r-r0)+β(c-c0)+γ (4-13)
其中,r0和c0即为待拟合区域的横纵坐标,γ为待拟合区域的平 均灰度,F为整个平面的面积,MRow是沿着行方向的灰度矩,MCol 是沿着列方向的灰度矩,则有:
MRow=sum((r-r0)*(Image(r,c)-γ))/F2 (4-14)
MCol=sum((c-r0)*(Image(r,c)-γ))/F2 (4-15)
其中,α,β,γ分别为零平面的拟合参数。
步骤7-2:获取原始耐火砖图像的尺寸参数,根据原始耐火砖图像 尺寸参数和零平面,生成对应的基准平面图像(虚拟平面图像);
步骤7-3:对原始耐火砖图像与基准图像平面进行作差,获得倾斜 校正后的点云数据图。
步骤9中倾斜角的求解过程为:
步骤9-1、在拟合平面上确定不共线的三个点,分别为 (x1,y1,z1),(x2,y2,z2),(x3,y3,z3),生成两个向量
步骤9-2、两个向量求叉集得到法向量
步骤9-3、根据法向量获得表面倾斜角θ,
其中
步骤7-2中,基准平面图像的生成方法是:根据拟合参数α,β,γ, 结合原始耐火砖点云图Image(r,c)的尺寸信息,生成基准平面图像 Image(r,c)0。
步骤2中,步骤7-3中,对原始耐火砖点云图Image(r,c)和基准平 面图像Image(r,c)0进行作差,获取倾斜校正后的点云数据图 Image'(r,c),
Image'(r,c)=Image(r,c)-Image(r,c)0。
步骤10:等待PLC信号,进行下一面的扫描测量,然后按照步骤 2-9处理数据。
步骤11:当4面测试分析完毕时,判定合格品与否,由测量*** 图像处理模块发送信号至控制模块,指导机械手执行下一步剔除筛选 动作。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列 举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形 式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够 想到的等同技术手段。
Claims (5)
1.一种耐火砖几何尺寸测量方法,其特征在于,包括以下步骤:
步骤1:对原始耐火砖彩色图像滤波降噪,获得降噪后图像;
步骤2:在降噪后图像中,分割出耐火砖区域,获得耐火砖图像;
步骤3:对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图像;
步骤4:用Canny算子对修正后耐火砖图像进行边缘检测;
步骤5:使用Hough变换方法和K均值方法提取耐火砖外形直线,形成耐火砖的外轮廓,包括以下步骤:
步骤5-1:采用Hough变换方法对边缘检测后的耐火砖外形直线检测拟合出多条直线,使用极坐标系来表示直线,则有:
xcosθ+ysinθ=ρ
将ρθ参数空间划分为累加单元,其中(ρmin,ρmax)和(θmin,θmax)参数范围为:-90°≤θ≤90°和-D≤ρ≤D,其中D是图像对角的最大距离;
步骤5-2:给定样本集D={x1,x2,…,xm},k均值方法针对聚类所得簇C={C1,C2,…,CK}划分最小化平方误差,
其中,k为聚类簇数;Ci为簇;是簇Ci的均值向量,1≤i≤k;E为间隔距离;
步骤5-3:结合Hough变换方法和K均值方法,从多组交点随机选取交点定义为聚类中心,将同一条边作为一个种类提取一条直线,直至提取耐火砖的四条边出来;
步骤6:求取耐火砖外形直线交点,两点之间距离为耐火砖的外形几何尺寸。
2.根据权利要求1所述的一种耐火砖几何尺寸测量方法,其特征在于:步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重,s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
3.根据权利要求2所述的一种耐火砖几何尺寸测量方法,其特征在于:步骤2中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤2-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量,B(x,y)为蓝通道分量;
步骤2-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,根据类间方差获取最佳阈值:
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤2-3:根据最佳阈值对耐火砖灰度图分割。
4.根据权利要求3所述的一种耐火砖几何尺寸测量方法,其特征在于:步骤3中,形态学处理包括对耐火砖图像进行开运算和闭运算,进行开运算去除孤立点噪声;进行闭运算使耐火砖图像边界平滑。
5.根据权利要求4所述的一种耐火砖几何尺寸测量方法,其特征在于:步骤4中边缘检测的方法包含以下步骤:
步骤4-1:用高斯平滑函数对修正后耐火砖图像滤波,令修正后耐火砖图像为f(x,y),高斯函数为G(x,y),平滑后的图像为fs(x,y),则fs(x,y)=G(x,y)*f(x,y);
步骤4-2:计算梯度幅值图像M和角度幅值图像θ, 其中,Gx表示水平方向的梯度幅值分量,Gy表示垂直方向的梯度幅值分量;
步骤4-3:对梯度幅值图像M进行非极大值抑制:在梯度方向,在每一点上,领域的中心像素f(x,y)与沿着梯度线的两个相邻像素相比,若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值,则令f(x,y)=0;
步骤4-4:采用双阈值检测并连接边缘,以高阈值图像为基础,以低阈值图像为补充来连接图像边缘。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018102087277 | 2018-03-14 | ||
CN201810208727 | 2018-03-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108662977A true CN108662977A (zh) | 2018-10-16 |
Family
ID=63785161
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810213913.XA Withdrawn CN108662977A (zh) | 2018-03-14 | 2018-03-15 | 一种耐火砖几何尺寸测量方法 |
CN201910195416.6A Pending CN110230978A (zh) | 2018-03-14 | 2019-03-14 | 一种耐火砖几何尺寸测量方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910195416.6A Pending CN110230978A (zh) | 2018-03-14 | 2019-03-14 | 一种耐火砖几何尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN108662977A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349169A (zh) * | 2019-06-24 | 2019-10-18 | 杭州汇萃智能科技有限公司 | 一种直线测量方法 |
CN110470218A (zh) * | 2019-08-15 | 2019-11-19 | 浙江工业大学之江学院 | 一种球头销视觉检测***及球头销检测设备 |
CN110634128A (zh) * | 2019-08-15 | 2019-12-31 | 浙江工业大学之江学院 | 一种球头销尺寸检测方法、装置、计算机设备及存储介质 |
CN111504193A (zh) * | 2020-05-07 | 2020-08-07 | 山东菏鲁电子科技有限公司 | 一种数据线插头尺寸自动检测方法 |
CN111833317A (zh) * | 2020-06-30 | 2020-10-27 | 佛山科学技术学院 | 基于增强现实的工业产品规格检测方法及设备 |
CN112337810A (zh) * | 2020-09-14 | 2021-02-09 | 西安工程大学 | 一种视觉引导分拣珍珠机器人及其分拣方法 |
CN113192088A (zh) * | 2021-05-19 | 2021-07-30 | 山东纬横数据科技有限公司 | 一种基于遥感图像阈值分割的雷达图像固定背景掩模方法 |
CN114663713A (zh) * | 2022-05-20 | 2022-06-24 | 海门市博洋铸造有限公司 | 一种基于霍夫变换的金属拉丝生产控制方法及*** |
CN115115664A (zh) * | 2022-08-25 | 2022-09-27 | 济宁景泽信息科技有限公司 | 计量器具信息采集*** |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112648920B (zh) * | 2019-10-12 | 2022-05-24 | 上海微电子装备(集团)股份有限公司 | 掩模开口尺寸测量方法、掩模版拉伸装置以及张网机 |
CN111127481A (zh) * | 2019-12-20 | 2020-05-08 | 上海吉七物联网科技有限公司 | 基于tof图像联通区域的图像识别方法及装置 |
CN111784722A (zh) * | 2020-07-15 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种改进Canny车道线边缘检测算法 |
CN113177949B (zh) * | 2021-04-16 | 2023-09-01 | 中南大学 | 一种大尺寸岩石颗粒特征识别方法及装置 |
CN113362468B (zh) * | 2021-07-05 | 2022-06-03 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
CN114549483A (zh) * | 2022-02-25 | 2022-05-27 | 山东科汇电力自动化股份有限公司 | 一种基于halcon单目视觉的耐火砖尺寸测量方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793501B (zh) * | 2010-04-14 | 2011-04-20 | 华中科技大学 | 一种基于图像的输电线覆冰状态检测方法 |
JP2013036964A (ja) * | 2011-08-11 | 2013-02-21 | Mitsutoyo Corp | 画像測定装置及び画像測定方法 |
CN102914545B (zh) * | 2012-11-15 | 2014-10-01 | 潍坊学院 | 一种基于计算机视觉的齿轮缺陷检测方法及*** |
CN103065149B (zh) * | 2012-12-21 | 2016-05-04 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
CN104732536A (zh) * | 2015-03-18 | 2015-06-24 | 广东顺德西安交通大学研究院 | 一种基于改进形态学的亚像素边缘检测方法 |
CN104820986B (zh) * | 2015-04-28 | 2017-06-16 | 电子科技大学 | 一种基于机器视觉的线缆在线检测方法 |
CN105403147B (zh) * | 2015-11-20 | 2019-07-12 | 山东科技大学 | 一种基于嵌入式的瓶胚检测***和检测方法 |
CN105678768B (zh) * | 2016-01-08 | 2018-11-02 | 杭州电子科技大学 | 一种基于机器视觉的胎面检测方法 |
CN105891186B (zh) * | 2016-05-12 | 2019-01-04 | 中山大学 | 一种聚合物相界面宽度统计方法 |
CN105891228A (zh) * | 2016-06-07 | 2016-08-24 | 江南工业集团有限公司 | 基于机器视觉的光纤外观缺陷检测及外径测量装置 |
CN106568424B (zh) * | 2016-10-27 | 2017-11-07 | 西安科技大学 | 基于机器视觉的采煤机摇臂采高检测方法 |
CN107084666B (zh) * | 2017-05-10 | 2020-08-28 | 中国计量大学 | 基于机器视觉的刹车片尺寸综合检测方法 |
CN107742289A (zh) * | 2017-10-15 | 2018-02-27 | 哈尔滨理工大学 | 一种基于机器视觉回转体工件检测方法 |
-
2018
- 2018-03-15 CN CN201810213913.XA patent/CN108662977A/zh not_active Withdrawn
-
2019
- 2019-03-14 CN CN201910195416.6A patent/CN110230978A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349169A (zh) * | 2019-06-24 | 2019-10-18 | 杭州汇萃智能科技有限公司 | 一种直线测量方法 |
CN110470218A (zh) * | 2019-08-15 | 2019-11-19 | 浙江工业大学之江学院 | 一种球头销视觉检测***及球头销检测设备 |
CN110634128A (zh) * | 2019-08-15 | 2019-12-31 | 浙江工业大学之江学院 | 一种球头销尺寸检测方法、装置、计算机设备及存储介质 |
CN111504193A (zh) * | 2020-05-07 | 2020-08-07 | 山东菏鲁电子科技有限公司 | 一种数据线插头尺寸自动检测方法 |
CN111833317A (zh) * | 2020-06-30 | 2020-10-27 | 佛山科学技术学院 | 基于增强现实的工业产品规格检测方法及设备 |
CN112337810A (zh) * | 2020-09-14 | 2021-02-09 | 西安工程大学 | 一种视觉引导分拣珍珠机器人及其分拣方法 |
CN112337810B (zh) * | 2020-09-14 | 2024-06-18 | 西安工程大学 | 一种视觉引导分拣珍珠机器人及其分拣方法 |
CN113192088A (zh) * | 2021-05-19 | 2021-07-30 | 山东纬横数据科技有限公司 | 一种基于遥感图像阈值分割的雷达图像固定背景掩模方法 |
CN114663713A (zh) * | 2022-05-20 | 2022-06-24 | 海门市博洋铸造有限公司 | 一种基于霍夫变换的金属拉丝生产控制方法及*** |
CN114663713B (zh) * | 2022-05-20 | 2022-08-30 | 海门市博洋铸造有限公司 | 一种基于霍夫变换的金属拉丝生产控制方法及*** |
CN115115664A (zh) * | 2022-08-25 | 2022-09-27 | 济宁景泽信息科技有限公司 | 计量器具信息采集*** |
CN115115664B (zh) * | 2022-08-25 | 2022-11-18 | 济宁景泽信息科技有限公司 | 计量器具信息采集*** |
Also Published As
Publication number | Publication date |
---|---|
CN110230978A (zh) | 2019-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108662977A (zh) | 一种耐火砖几何尺寸测量方法 | |
CN108596873A (zh) | 基于高度直方图分割的耐火砖深度缺陷的识别方法 | |
CN108896547A (zh) | 基于机器视觉的耐火砖测量*** | |
CN108550138A (zh) | 基于频率域滤波增强的耐火砖表面划痕识别方法 | |
CN107392232B (zh) | 一种浮选工况分类方法和*** | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN107145905B (zh) | 电梯紧固螺帽松动的图像识别检测方法 | |
CN107358627B (zh) | 基于Kinect相机的果实尺寸检测方法 | |
CN109993099A (zh) | 一种基于机器视觉的车道线提取识别方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及*** | |
CN109242870A (zh) | 一种基于图像划分和纹理特征的海天线检测方法 | |
CN108960237B (zh) | 一种指针式油位计读数识别方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别***及方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN110070526A (zh) | 基于深度神经网络热度图预测的缺陷检测方法 | |
CN115311294B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN110687121B (zh) | 一种陶瓦智能在线检测与自动分级方法和*** | |
CN103528534A (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
CN101315338A (zh) | 玻璃制品的缺陷检测***及方法 | |
CN116703911B (zh) | 一种led灯生产质量检测*** | |
CN116645367A (zh) | 一种高端制造用的钢板切割质量检测方法 | |
CN116721391B (zh) | 一种基于计算机视觉的原料油分离效果检测方法 | |
CN115345876B (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181016 |