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 PDF

Info

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Withdrawn
Application number
CN201810213913.XA
Other languages
English (en)
Inventor
曹衍龙
张远松
杨将新
王敬
孙安顺
董献瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Industrial Technology Research Institute of ZJU
Original Assignee
Shandong Industrial Technology Research Institute of ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Industrial Technology Research Institute of ZJU filed Critical Shandong Industrial Technology Research Institute of ZJU
Publication of CN108662977A publication Critical patent/CN108662977A/zh
Withdrawn legal-status Critical Current

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

一种耐火砖几何尺寸测量方法
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。
CN201810213913.XA 2018-03-14 2018-03-15 一种耐火砖几何尺寸测量方法 Withdrawn CN108662977A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Cited By (12)

* Cited by examiner, † Cited by third party
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