CN108985305A - 一种激光蚀刻工业***编码图像定位及校正方法 - Google Patents
一种激光蚀刻工业***编码图像定位及校正方法 Download PDFInfo
- Publication number
- CN108985305A CN108985305A CN201810667817.2A CN201810667817A CN108985305A CN 108985305 A CN108985305 A CN 108985305A CN 201810667817 A CN201810667817 A CN 201810667817A CN 108985305 A CN108985305 A CN 108985305A
- Authority
- CN
- China
- Prior art keywords
- image
- straightway
- detonator
- positioning
- coding
- 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.)
- Granted
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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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 Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种激光蚀刻工业***编码图像定位及校正方法,首先对预处理过的***编码图像运用Sobel算子检测边缘信息并进行二值化,然后通过形态学闭运算操作定位出***编码字符的大致位置即粗定位,再对粗定位后的二值图使用概率Hough变换进行直线段拟合,并估计***编码的倾斜角,进而根据倾斜角进行旋转变换校正编码图像,最后在校正图像中根据所拟合直线段的分布情况准确定位出编码字符的位置即精定位。该方法可解决编码字符倾斜、光照变化、随机噪声等因素所造成的对***编码定位不准的技术问题,具有较高的可靠性和稳定性。
Description
技术领域
本发明属于图像处理与模式识别领域,具体涉及一种激光蚀刻工业***编码图像定位及校正方法。
背景技术
***是工业上常用的一种起爆材料,在对此危险品的严格管控过程中,作为光学字符识别(Optical Character Recognition,OCR)技术的一项具体应用,***编码识别正逐渐走向市场用以代替传统的人工手工记录其编号。***编码定位是***编码识别算法中关键的一步,它的精确与否直接关系着***编码识别结果的准确性和***编码识别***的实时性。
作为图像处理和模式识别领域的一项传统课题,字符定位在车牌定位、自然场景文本定位和一些仪表字符识别等方面已经取得了很多不错的成果。但是由于应用场景的差异,很难有一种通用的适合于各种不同应用场景的字符定位算法,所以字符定位的研究仍具有理论和实践意义。现有的字符定位方法有:申请号为201210395549.6的中国专利公开了一种啤酒瓶盖激光字符的定位识别方法,啤酒瓶盖激光字符由固定不变的字符“A”(被称为定位符)和五位变动的数字组成,该方法用定位符的模板通过相关系数进行粗匹配找到定位符的位置,然后对定位符图像进行精匹配找到图像的旋转角度,从而定位到数字字符的位置;申请号为201410459607.6的中国专利公开了一种基于水表表盘环形排布钢印字符定位方法,圆形水表在成像后根据拍摄角度不同呈现为不同程度的椭圆,该方法先提取表盘外轮廓并对其进行椭圆拟合并定位出表盘中心,再将图像展开为矩形,最后利用投影和最大值的方法确定边界点并定位字符。对于不同特点的字符定位,目前没有一个通用的有效方法,现有的方法并不能用于***编码定位中。
本发明所针对的激光蚀刻***编码图像是在一个定制装置中使用面阵相机采集,装置主要包括金属外壳、***槽(用于固定***位置)、两个LED侧光源(分别固定在***槽两侧),由于图像采集时*********槽中位置深浅不一,激光蚀刻编码本身在***上位置也不一(有时会倾斜打印),所以需要算法对***编码定位。在此装置下获取的***编码图像有如下特点:光照不均(两端光照强,中间光照较弱),编码位置不固定且有时呈现出倾斜,编码笔画不均匀(由***本身质量造成)。本发明在利用边缘检测进行字符定位的方法的基础上,结合直线拟合,提出了一种激光蚀刻工业***编码图像定位及校正方法,相比于经典的字符定位方法,不仅能够更加精确地定位字符位置并能够校正倾斜字符,而且能够在一定程度上克服噪声和光照不均的影响。
发明内容
本发明的目的在于针对经典的字符定位方法不能在激光蚀刻工业***编码图像中取得很好的效果,提出了一种激光蚀刻工业***编码图像定位及校正方法。该方法可以解决编码字符倾斜、光照变化、随机噪声等因素所造成的对激光蚀刻工业***编码定位不准的技术问题,该方法定位结果精准,稳定性高。
本发明通过以下技术方案实现:首先对预处理过的***编码图像运用Sobel算子检测图像中的边缘信息并进行二值化,然后通过形态学闭运算操作初步估计出***编码的大致位置,最后通过直线拟合方法从而矫正倾斜***编码并根据本发明提出的相应算法精准地定位出编码位置。其具体步骤包括:
步骤S1,对***编码图像进行预处理;
步骤S2,***编码串粗定位,包括如下子步骤;
步骤S21,对预处理的***编码图像进行边缘检测,获得边缘像素点;
步骤S22,对边缘检测结果图像二值化,并对二值化图像进行形态学闭运算;
步骤S23,连通域筛选,将满足一定条件的连通域外接矩形作为***编码粗定位结果;
步骤S3,***编码串精确位置,包括如下子步骤;
步骤S31,对***编码图像粗定位图像进行增强处理,然后进行二值化;
步骤S32,对粗定位二值图中的边缘像素点进行直线拟合,并根据拟合直线段估计***编码倾斜角;
步骤S33,根据倾斜角对粗定位图像中的倾斜编码串进行校正,并计算直线拟合结果中各直线段端点坐标在校正图像中相对应的坐标值;
步骤S34,根据各直线段端点坐标确定***编码串的精确位置。
进一步的,步骤S1所述预处理包括,
步骤S11,图像灰度化,灰度化过程采用通用的RGB三原色到灰度的转换方程:Gray(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j),式中Gray(i,j)表示灰度转换之后像素(i,j)的灰度值,R(i,j)、G(i,j)、B(i,j)分别代表原彩色图中像素(i,j)在R、G、B三个通道中的灰度值;
步骤S12,高斯平滑,采用的5×5高斯模板进行平滑;
步骤S13,图像锐化,利用拉普拉斯算子对原灰度图像进行锐化处理,产生描述灰度突变的图像,再将拉普拉斯图像与高斯滤波图像叠加而产生锐化图像。
进一步的,步骤S21中采用Sobel算子边缘检测方法对预处理后的***编码图像进行边缘检测。
进一步的,步骤S22中利用局部自适应二值化方式对边缘检测结果图像二值化;进行形态学闭运算操作之前先删除二值图中一些面积很小的连通域,然后选择大小为W×1(W根据输入图像分辨率适当选取)的矩形结构进行闭运算操作,将***编码图像中的边缘区域连接成若干个连通域。
进一步的,步骤S23中满足一定条件的连通域外接矩形是指,面积大于设定阈值(根据输入图像分辨率适当选取),长宽比最接近标准***编码串长宽比的连通域外接矩形。
进一步的,步骤S31中所述增强处理包括灰度化、高斯滤波和直方图均衡操作。
进一步的,步骤S32中对粗定位二值图中的边缘像素点进行直线拟合的具体实现方式如下,
利用概率霍夫变换对***编码粗定位二值图中边缘像素点进行直线拟合,在进行直线段拟合时候需满足两个条件:(a1)两个相邻共线边缘点之间的间距不得大于某一较小的阈值min,保证相邻两个字符上的边缘点可以被连起来,而距离较远的噪声点则不会被拟合进来;(a2)设定被检测出来的直线段的长度最小值为一个较大的阈值L,保证编码上下方的少许噪声像素点不被拟合进来;
具体过程为:(1)随机选择一个边缘点并将该点标记;(2)对该点进行霍夫变换,并进行累加和计算;(3)选取霍夫空间内值最大的点,若小于阈值Max,则回到步骤(1)重新选择一个剩余的边缘点,若大于阈值Max,则进行下一步;(4)从该点出发,沿着直线的方向位移,找到直线段的两个端点;(5)计算该直线段的长度Length,若大于阈值T,则输出该直线段,否则回到步骤(1);(6)重复上述过程,直至没有剩余的边缘点。
进一步的S32中根据拟合直线段估计***编码倾斜角的具体实现方式如下,
设拟合出来的直线段总数为N,各直线段可以表示为:l1,l2,...,lN,其端点坐标可以表示为:其中表示第i条直线段的两个端点坐标,表示左端点的坐标值,表示右端点的坐标值;
然后根据各直线段估计***编码串倾斜角θ,过程如下:
(1)直线段li在粗定位图像中竖直方向的位置Yi可以表示为其中和分别表示直线段li的左右端点Y坐标值,根据Yi值大小由小到大对l1,l2,...,lN进行排序;
(2)设第一条直线段l1的中点为“参照点”,其坐标表示为(xp,yp), 设直线段li的点斜式方程为y=ki*x+bi,其中ki,bi分别表示第i条直线段的斜率和截距,根据公式:计算出“参照点”(xp,yp)到各个直线段的距离di;
(3)在最上部分根直线段l1,l2,...,lN/3中,根据“参照点”(xp,yp)到各个直线段的距离di,找出包含l1的一组满足上下相邻两根直线段di差值的绝对值不超过2的线段集合l1,l2,...,lm,计算这组直线段的平均斜率k1,在最下部分根线段中找到满足相同条件的直线段集合ln,ln+1,...,lN,并计算这组直线段的平均斜率k2;
(4)计算上下两组直线的密度: 若ρ1>ρ2,则***编码倾斜的方向斜率k=k1,反之,k=k2;
(5)***编码串倾斜角θ=arctan(k)。
进一步的,步骤S33中利用估计出的倾斜角,根据以图像中心点为中心对***编码粗定位图像进行旋转变换校正倾斜,其中(x,y),(x',y')分别表示各像素原坐标与旋转后的坐标。
进一步的,步骤S34中确定***编码串的精确位置的实现方式如下,
设精定位图像上下边界在校正图像中的上下范围为top和bottom,左右边界在校正图像中的左右范围为left和right,统计校正图像上所有直线段的两个端点的y值,将统计到的所有值记为集合A={y1,y2,...,yk},则top=min{y1,y2,...,yk},bottom=max{y1,y2,...,yk},计算水平方向上各个位置的直线段数目占比对直线段数目占比的定义如下:设经过水平方向上xi处的直线段条数为检测出的直线段总条数为N,则由于编码两端偶尔出现的噪声形状多不规则,并非像字符那样在整个字符高度的Y方向上均有像素分布,因此经过噪声的直线段数目很少,即这些位置的直线段数目占比很小,从左往右找到第一个满足的位置x1,则left=x1,从右往左找到第一个满足的位置x2,则right=x2。
本发明提出了一种激光蚀刻工业***编码图像定位及校正方法,通过边缘检测和和概率霍夫变换相结合的方法有效地检测***编码位置,在一定程度上克服噪声和光照的影响,与现有的字符定位方法相比较,具有的主要优点:
1、在通过边缘检测得到***编码粗定位图像的基础上,进一步利用直线拟合方法校正并定位***编码,得到的定位结果更加精准;
2、在定位的同时对编码字符进行倾斜校正,既避免了由编码串倾斜造成的定位区域过大,也更利于字符分割。
附图说明
图1是本发明实施例流程图;
图2是本发明实施例直线拟合流程图;
图3是本发明实施例中关键过程效果图。
具体实施方式
图1为本发明提出的激光蚀刻工业***编码图像定位及校正方法流程图,结合图1对本发明的实施过程进行详细的说明,本实施例中采取的***编码图像的大小为1080×240。
步骤S1,***编码图像预处理,为了更加完整地检测出字符边缘,本发明在图像预处理阶段对***编码图像进行图像增强处理;
步骤S11,图像灰度化,灰度化过程采用通用的RGB三原色到灰度的转换方程:Gray(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j),式中Gray(i,j)表示灰度转换之后像素(i,j)的灰度值,R(i,j)、G(i,j)、B(i,j)分别代表原彩色图中像素(i,j)在R、G、B三个通道中的灰度值。
步骤S12,高斯平滑,由于***编码图像中的编码字符容易受到各种噪声成分的影响,因而需要对其进行平滑去噪,以突出编码信息,本发明采用的5×5高斯模板进行平滑,它考虑了位置的影响,距离处理点越远的点,其加权系数越小。
步骤S13,图像锐化,拉普拉斯算子是偏导数运算的线性组合,而且是一种各向同性(旋转不变)的线性运算。一个二维图像函数的拉普拉斯变换是各向同性的二阶导数,四邻域模板中心系数表示为:▽2f(x,y)=4f(x,y)-f(x-1,y)-f(x,y+1)-f(x+1,y)-f(x,y-1),f(x,y)表示像素(x,y)灰度值,▽2f(x,y)表示模板中心系数,锐化处理可选择拉普拉斯算子对原灰度图像进行处理,产生描述灰度突变的图像,再将拉普拉斯图像与高斯滤波图像叠加而产生锐化图像,使图像中的各灰度值得到保留的同时让灰度突变处的对比度得到增。拉普拉斯锐化的基本方法可以由下式表示:f(x,y)表示原图像素(x,y)灰度值,g(x,y)表示锐化图像像素(x,y)灰度值,▽2f(x,y)表示原图像素(x,y)的模板中心系数。
本实施例中,根据灰度转换方程:Gray(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j)对***编码原图进行灰度化,然后采用高斯模板进行平滑,再用离散拉普拉斯模板对平滑图像进行处理,最后将拉普拉斯图像与高斯滤波图像叠加得到锐化图像。
步骤S2,利用边缘检测和形态学闭运算对***编码进行粗定位;
其中,所述步骤S2的具体实现方式如下:
S21,Sobel算子边缘检测,本发明采用Sobel算子检测竖直边缘模板对预处理后的***编码图像进行边缘检测,获得边缘像素点。
S22,利用局部自适应二值化方式对边缘检测结果图像二值化,并对二值化图像进行形态学闭运算处理,即先膨胀后腐蚀,膨胀(Diliation):腐蚀(Erosion):使用结构元素B对X进行闭运算,记作X·B,可以表示为:本发明在进行闭运算操作之前先删除二值图中一些面积小于给定阈值(本实施例中为20个像素)的连通域,然后选择的结构元素为大小为13×1的矩形结构(本发明所用样本图像中一个字符的宽度大概为20个像素左右)进行闭运算操作,将***编码图像中的边缘区域连接成若干个连通域。
S23,连通域筛选,本发明根据连通域的外接矩形的面积及长宽比确定包含***编码串的连通域,在满足面积大于一固定阈值的基础上,选择长宽比最接近标准***编码串长宽比的连通域外接矩形作为***编码粗定位结果。***编码图像分辨率不同,选取的阈值大小设置不同,本实施例中面积阈值为1000,长宽比为8。
步骤S3,利用概率霍夫变换对粗定位编码图像中边缘点进行直线拟合,根据拟合出来的所有直线段的斜率估计编码倾斜角,然后根据此倾斜角对粗定位图像校正倾斜编码串,最后根据经过仿射变换后的各直线段端点坐标确定***编码串的精确位置。
具体实现方式如下:
S31:图像增强处理,对***编码图像粗定位图像依次进行灰度化、高斯滤波和直方图均衡操作,去除一些噪声,凸显字符,对增强后的粗定位灰度图像进行二值化,并删除面积小于20的连通域。
S32,基于概率霍夫变换的直线段拟合,本发明利用概率霍夫变换对***编码粗定位二值图中边缘像素点进行直线拟合,然后根据各直线段估计***编码串倾斜角θ;
霍夫变换的基本思想是将原图像变换到参数空间,用大多数边界点满足某种参数形式来描述图像中的线,通过设置累加器进行积累求得峰值对应的点所需要的信息,标准霍夫变换需要计算所有的M个边缘点,这样它的运算量和所需内存空间都会很大,概率霍夫变换只是处理m(m<M)个边缘点,在进行直线段拟合时候需满足两个条件:(1)两个相邻共线边缘点之间的间距不得大于某一较小的阈值min,设置为大概一个字符的宽度值20,保证相邻两个字符上的边缘点可以被连起来,而距离较远的噪声点则不会被拟合进来;(2)设定被检测出来的直线段的长度最小值为一个较大的阈值L,设置为大概6个字符宽度值120(考虑到部分字符可能残缺,这个值不能设得太小也不能太大),保证编码上下方的少许噪声像素点不被拟合进来。
按照图2所示的流程图对粗定位二值图中的边缘点进行直线拟合,图中固定阈值均按输入图像分辨率适当选取,其中Max表示经过最多边缘点的直线段包含的边缘点个数;T为自己设定的阈值,表示默认的每条直线段上的边缘点个数最小值;Length表示该直线段的长度值;L为自己设定的阈值,表示默认直线段最小长度值。概率霍夫变换直线拟合的过程为:(1)随机选择一个边缘点并将该点标记;(2)对该点进行霍夫变换,并进行累加和计算;(3)选取霍夫空间内值最大的点,若小于阈值Max,则回到步骤(1)重新选择一个剩余的边缘点,若大于阈值Max,则进行下一步;(4)从该点出发,沿着直线的方向位移,找到直线段的两个端点;(5)计算该直线段的长度Length,若大于阈值T,则输出该直线段,否则回到步骤(1);(6)重复上述过程,直至没有剩余的边缘点。
设拟合出来的直线段总数为N,各直线段可以表示为:l1,l2,...,lN,其端点坐标可以表示为:其中表示第i条直线段的两个端点坐标,表示左端点的坐标值,表示右端点的坐标值,
根据各直线段估计***编码串倾斜角θ过程如下:(1)直线段li在粗定位图像中竖直方向的位置Yi可以表示为其中和分别表示直线段li的左右端点Y坐标值,根据Yi值大小由小到大对l1,l2,...,lN进行排序;(2)设第一条直线段l1的中点为“参照点”,其坐标表示为(xp,yp), 设直线段li的点斜式方程为y=ki*x+bi,其中ki,bi分别表示第i条直线段的斜率和截距,根据公式:计算出“参照点”(xp,yp)到各个直线段的距离di;(3)在最上部分根直线段l1,l2,...,lN/3中,根据“参照点”(xp,yp)到各个直线段的距离di,找出包含l1的一组满足上下相邻两根直线段di差值的绝对值不超过2的线段集合l1,l2,...,lm,计算这组直线段的平均斜率k1,在最下部分根线段中找到满足相同条件的直线段集合ln,ln+1,...,lN,并计算这组直线段的平均斜率k2;
(4)计算上下两组直线的密度: 若ρ1>ρ2,则***编码倾斜的方向斜率k=k1,反之,k=k2;
(5)***编码串倾斜角θ=arctan(k)。
S33,编码串倾斜校正,本发明利用估计出的倾斜角根据以图像中心点为中心对***编码粗定位图像进行旋转变换校正倾斜,其中(x,y),(x',y')分别表示各像素原坐标与旋转后的坐标,并计算各直线段端点坐标在校正图像中相对应的坐标值。
S34,***编码精定位,设精定位图像上下边界在校正图像中的上下范围为top和bottom,左右边界在校正图像中的左右范围为left和right,统计校正图像上所有直线段的两个端点的y值,将统计到的所有值记为集合A={y1,y2,...,yk},则top=min{y1,y2,...,yk},bottom=max{y1,y2,...,yk},计算水平方向上各个位置的直线段数目占比对直线段数目占比的定义如下:设经过水平方向上xi处的直线段条数为检测出的直线段总条数为N,则由于编码两端偶尔出现的噪声形状多不规则,并非像字符那样在整个字符高度的Y方向上均有像素分布,因此经过噪声的直线段数目很少,即这些位置的直线段数目占比很小,从左往右找到第一个满足的位置x1,则left=x1,从右往左找到第一个满足的位置x2,则right=x2。
如图3是本发明实施例中关键过程效果图。采用本方法对来自某厂提供的1000幅***编码图像进行试验,将本发明中提出的算法在该样本上进行实验,定位准确的样本数目为987幅,准确率达98.7%。定位失败的13张图像主要是由于:***编码部分被遮挡,在图像采集时候未将***旋转至合适角度,采集到的图像中编码不完整,导致定位失败;***表面磨损太严重,编码字符大部分笔画残缺导致定位失败。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种激光蚀刻工业***编码图像定位及校正方法,其特征在于,包括如下步骤:
步骤S1,对***编码图像进行预处理;
步骤S2,***编码串粗定位,包括如下子步骤;
步骤S21,对预处理的***编码图像进行边缘检测,获得边缘像素点;
步骤S22,对边缘检测结果图像二值化,并对二值化图像进行形态学闭运算;
步骤S23,连通域筛选,将满足一定条件的连通域外接矩形作为***编码粗定位结果;
步骤S3,***编码串精确位置,包括如下子步骤;
步骤S31,对***编码图像粗定位图像进行增强处理,然后进行二值化;
步骤S32,对粗定位二值图中的边缘像素点进行直线拟合,并根据拟合直线段估计***编码倾斜角;
步骤S33,根据倾斜角对粗定位图像中的倾斜编码串进行校正,并计算直线拟合结果中各直线段端点坐标在校正图像中相对应的坐标值;
步骤S34,根据各直线段端点坐标确定***编码串的精确位置。
2.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S1所述预处理包括,
步骤S11,图像灰度化,灰度化过程采用通用的RGB三原色到灰度的转换方程:Gray(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j),式中Gray(i,j)表示灰度转换之后像素(i,j)的灰度值,R(i,j)、G(i,j)、B(i,j)分别代表原彩色图中像素(i,j)在R、G、B三个通道中的灰度值;
步骤S12,高斯平滑,采用的5×5高斯模板进行平滑;
步骤S13,图像锐化,利用拉普拉斯算子对原灰度图像进行锐化处理,产生描述灰度突变的图像,再将拉普拉斯图像与高斯滤波图像叠加而产生锐化图像。
3.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S21中采用Sobel算子边缘检测方法对预处理后的***编码图像进行边缘检测。
4.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S22中利用局部自适应二值化方式对边缘检测结果图像二值化;进行形态学闭运算操作之前先删除二值图中一些面积很小的连通域,然后选择结构元素大小为W×1的矩形结构进行闭运算操作,其中W根据输入图像分辨率适当选取,将***编码图像中的边缘区域连接成若干个连通域。
5.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S23中满足一定条件的连通域外接矩形是指,面积大于设定阈值,该阈值根据输入图像分辨率适当选取,长宽比最接近标准***编码串长宽比的连通域外接矩形。
6.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S31中所述增强处理包括灰度化、高斯滤波和直方图均衡操作。
7.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S32中对粗定位二值图中的边缘像素点进行直线拟合的具体实现方式如下,
利用概率霍夫变换对***编码粗定位二值图中边缘像素点进行直线拟合,在进行直线段拟合时候需满足两个条件:(a1)两个相邻共线边缘点之间的间距不得大于某一较小的阈值min,保证相邻两个字符上的边缘点可以被连起来,而距离较远的噪声点则不会被拟合进来;(a2)设定被检测出来的直线段的长度最小值为一个较大的阈值L,保证编码上下方的少许噪声像素点不被拟合进来;
具体过程为:(1)随机选择一个边缘点并将该点标记;(2)对该点进行霍夫变换,并进行累加和计算;(3)选取霍夫空间内值最大的点,若小于阈值Max,则回到步骤(1)重新选择一个剩余的边缘点,若大于阈值Max,则进行下一步;(4)从该点出发,沿着直线的方向位移,找到直线段的两个端点;(5)计算该直线段的长度Length,若大于阈值T,则输出该直线段,否则回到步骤(1);(6)重复上述过程,直至没有剩余的边缘点。
8.如权利要求7所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S33中根据拟合直线段估计***编码倾斜角的具体实现方式如下,
设拟合出来的直线段总数为N,各直线段可以表示为:l1,l2,...,lN,其端点坐标可以表示为:其中表示第i条直线段的两个端点坐标,表示左端点的坐标值,表示右端点的坐标值;
然后根据各直线段估计***编码串倾斜角θ,过程如下:
(1)直线段li在粗定位图像中竖直方向的位置Yi可以表示为其中和分别表示直线段li的左右端点Y坐标值,根据Yi值大小由小到大对l1,l2,...,lN进行排序;
(2)设第一条直线段l1的中点为“参照点”,其坐标表示为(xp,yp), 设直线段li的点斜式方程为y=ki*x+bi,其中ki,bi分别表示第i条直线段的斜率和截距,根据公式:计算出“参照点”(xp,yp)到各个直线段的距离di;
(3)在最上部分根直线段l1,l2,...,lN/3中,根据“参照点”(xp,yp)到各个直线段的距离di,找出包含l1的一组满足上下相邻两根直线段di差值的绝对值不超过2的线段集合l1,l2,...,lm,计算这组直线段的平均斜率k1,在最下部分根线段中找到满足相同条件的直线段集合ln,ln+1,...,lN,并计算这组直线段的平均斜率k2;
(4)计算上下两组直线的密度:若ρ1>ρ2,则***编码倾斜的方向斜率k=k1,反之,k=k2;
(5)***编码串倾斜角θ=arctan(k)。
9.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S34中利用估计出的倾斜角,根据以图像中心点为中心对***编码粗定位图像进行旋转变换校正倾斜,其中(x,y),(x',y')分别表示各像素原坐标与旋转后的坐标。
10.如权利要求1所述的一种激光蚀刻工业***编码图像定位及校正方法,其特征在于:步骤S34中确定***编码串的精确位置的实现方式如下,
设精定位图像上下边界在校正图像中的上下范围为top和bottom,左右边界在校正图像中的左右范围为left和right,统计校正图像上所有直线段的两个端点的y值,将统计到的所有值记为集合A={y1,y2,...,yk},则top=min{y1,y2,...,yk},bottom=max{y1,y2,...,yk},计算水平方向上各个位置的直线段数目占比对直线段数目占比的定义如下:设经过水平方向上xi处的直线段条数为检测出的直线段总条数为N,则由于编码两端随机噪声形状多不规则,并非像字符那样在整个字符高度的Y方向上均有像素分布,故经过噪声的直线段数目很少,即这些位置的直线段数目占比很小,从左往右找到第一个满足的位置x1,则left=x1,从右往左找到第一个满足的位置x2,则right=x2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810667817.2A CN108985305B (zh) | 2018-06-26 | 2018-06-26 | 一种激光蚀刻工业***编码图像定位及校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810667817.2A CN108985305B (zh) | 2018-06-26 | 2018-06-26 | 一种激光蚀刻工业***编码图像定位及校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108985305A true CN108985305A (zh) | 2018-12-11 |
CN108985305B CN108985305B (zh) | 2020-08-25 |
Family
ID=64538359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810667817.2A Expired - Fee Related CN108985305B (zh) | 2018-06-26 | 2018-06-26 | 一种激光蚀刻工业***编码图像定位及校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108985305B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859198A (zh) * | 2019-02-01 | 2019-06-07 | 佛山市南海区广工大数控装备协同创新研究院 | 一种大幅面pcb板多区域精准定位方法 |
CN110298799A (zh) * | 2019-06-25 | 2019-10-01 | 福建工程学院 | 一种pcb图像定位校正方法 |
CN110443260A (zh) * | 2019-08-05 | 2019-11-12 | 广东博智林机器人有限公司 | 一种建筑墙板间凹槽定位方法 |
CN111401142A (zh) * | 2020-02-25 | 2020-07-10 | 杭州测质成科技有限公司 | 基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法 |
CN111914764A (zh) * | 2020-08-05 | 2020-11-10 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
CN113177959A (zh) * | 2021-05-21 | 2021-07-27 | 广州普华灵动机器人技术有限公司 | 一种快速运动过程中qr码实时提取算法 |
CN114359882A (zh) * | 2021-12-31 | 2022-04-15 | 广东哈士奇制冷科技股份有限公司 | 一种货柜中瓶体商品的检测方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625760A (zh) * | 2009-07-28 | 2010-01-13 | 谭洪舟 | 一种证件图像倾斜校正的办法 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
JP2013206067A (ja) * | 2012-03-28 | 2013-10-07 | Jvc Kenwood Corp | 直線検出装置、直線検出方法及び直線検出プログラム |
CN104112139A (zh) * | 2014-06-30 | 2014-10-22 | 南京富士通南大软件技术有限公司 | 一种lpr车牌精确定位的方法和*** |
CN104331688A (zh) * | 2014-11-05 | 2015-02-04 | 中北大学 | 一种***外壳点阵字符识别方法 |
CN105139009A (zh) * | 2015-07-10 | 2015-12-09 | 安徽清新互联信息科技有限公司 | 一种基于边缘特征的******识别方法 |
CN107545207A (zh) * | 2017-09-28 | 2018-01-05 | 云南电网有限责任公司电力科学研究院 | 基于图像处理的dm二维码识别方法及装置 |
CN107609451A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于二维码的高精度视觉定位方法及*** |
CN107808157A (zh) * | 2017-11-08 | 2018-03-16 | 广东工业大学 | 一种***编码定位及识别的方法及装置 |
-
2018
- 2018-06-26 CN CN201810667817.2A patent/CN108985305B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625760A (zh) * | 2009-07-28 | 2010-01-13 | 谭洪舟 | 一种证件图像倾斜校正的办法 |
JP2013206067A (ja) * | 2012-03-28 | 2013-10-07 | Jvc Kenwood Corp | 直線検出装置、直線検出方法及び直線検出プログラム |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN104112139A (zh) * | 2014-06-30 | 2014-10-22 | 南京富士通南大软件技术有限公司 | 一种lpr车牌精确定位的方法和*** |
CN104331688A (zh) * | 2014-11-05 | 2015-02-04 | 中北大学 | 一种***外壳点阵字符识别方法 |
CN105139009A (zh) * | 2015-07-10 | 2015-12-09 | 安徽清新互联信息科技有限公司 | 一种基于边缘特征的******识别方法 |
CN107609451A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于二维码的高精度视觉定位方法及*** |
CN107545207A (zh) * | 2017-09-28 | 2018-01-05 | 云南电网有限责任公司电力科学研究院 | 基于图像处理的dm二维码识别方法及装置 |
CN107808157A (zh) * | 2017-11-08 | 2018-03-16 | 广东工业大学 | 一种***编码定位及识别的方法及装置 |
Non-Patent Citations (4)
Title |
---|
WU S, XU W, JIANG J, ET AL.: "A robust method for aligning large-photometric-variation and noisy images", 《2015 IEEE 17TH INTERNATIONAL WORKSHOP ON MULTIMEDIA SIGNAL PROCESSING》 * |
吴梦麟: "机械式数字仪表字符定位方法", 《南京工业大学学报》 * |
苗姣姣,徐望明: "HSV 空间和形态学处理相结合的车牌定位方法", 《电视技术》 * |
陈超,杨柳: "基于数字图像处理的条形码识别预处理算法研究", 《河南工程学院学报( 自然科学版)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859198A (zh) * | 2019-02-01 | 2019-06-07 | 佛山市南海区广工大数控装备协同创新研究院 | 一种大幅面pcb板多区域精准定位方法 |
CN109859198B (zh) * | 2019-02-01 | 2020-10-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种大幅面pcb板多区域精准定位方法 |
CN110298799A (zh) * | 2019-06-25 | 2019-10-01 | 福建工程学院 | 一种pcb图像定位校正方法 |
CN110298799B (zh) * | 2019-06-25 | 2021-02-23 | 福建工程学院 | 一种pcb图像定位校正方法 |
CN110443260A (zh) * | 2019-08-05 | 2019-11-12 | 广东博智林机器人有限公司 | 一种建筑墙板间凹槽定位方法 |
CN111401142A (zh) * | 2020-02-25 | 2020-07-10 | 杭州测质成科技有限公司 | 基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法 |
CN111914764A (zh) * | 2020-08-05 | 2020-11-10 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
CN111914764B (zh) * | 2020-08-05 | 2023-09-15 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
CN113177959A (zh) * | 2021-05-21 | 2021-07-27 | 广州普华灵动机器人技术有限公司 | 一种快速运动过程中qr码实时提取算法 |
CN113177959B (zh) * | 2021-05-21 | 2022-05-03 | 广州普华灵动机器人技术有限公司 | 一种快速运动过程中qr码实时提取方法 |
CN114359882A (zh) * | 2021-12-31 | 2022-04-15 | 广东哈士奇制冷科技股份有限公司 | 一种货柜中瓶体商品的检测方法及*** |
CN114359882B (zh) * | 2021-12-31 | 2024-04-02 | 广东哈士奇制冷科技股份有限公司 | 一种货柜中瓶体商品的检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108985305B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985305A (zh) | 一种激光蚀刻工业***编码图像定位及校正方法 | |
CN105046252B (zh) | 一种人民币冠字码识别方法 | |
CN107092871B (zh) | 基于多尺度多特征融合的遥感影像建筑物检测方法 | |
CN108537782B (zh) | 一种基于轮廓提取的建筑物图像匹配与融合的方法 | |
CN105488503B (zh) | 一种非编码圆环形标记点圆心图像坐标检测方法 | |
CN104574347A (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
CN108550174B (zh) | 一种基于半全局优化的海岸线超分辨率制图方法及*** | |
US20180130217A1 (en) | Method and apparatus for performing background image registration | |
CN106682629A (zh) | 一种复杂背景下身份证号识别算法 | |
JP2006285310A (ja) | 森林の樹冠の評価方法及びその樹冠評価プログラム | |
CN109886878A (zh) | 一种基于由粗到精配准的红外图像拼接方法 | |
CN109741356A (zh) | 一种亚像素边缘检测方法及*** | |
CN111220235B (zh) | 水位监测方法及装置 | |
CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及***、存储介质 | |
CN110569857A (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
CN106709952B (zh) | 一种显示屏幕的自动标定方法 | |
Dillabaugh et al. | Semi-automated extraction of rivers from digital imagery | |
EP3770799A1 (en) | A method of identifying topographic features | |
CN111476723B (zh) | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 | |
CN107992856A (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN112907580A (zh) | 一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法 | |
CN110532938A (zh) | 基于Faster-RCNN的纸质作业页码识别方法 | |
CN104463126A (zh) | 一种扫描文档图像的倾斜角自动检测方法 | |
CN107330864B (zh) | 一种基于改进局部纹理特征的红外图像处理方法 | |
Shah | Automated lake shoreline mapping at subpixel accuracy |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200825 Termination date: 20210626 |
|
CF01 | Termination of patent right due to non-payment of annual fee |