CN109712147A - 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法 - Google Patents
一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法 Download PDFInfo
- Publication number
- CN109712147A CN109712147A CN201811562483.9A CN201811562483A CN109712147A CN 109712147 A CN109712147 A CN 109712147A CN 201811562483 A CN201811562483 A CN 201811562483A CN 109712147 A CN109712147 A CN 109712147A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- interference fringe
- neighborhood territory
- suen
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 3
- 206010047571 Visual impairment Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种基于Zhang‑Suen图像骨架提取的干涉条纹中心线拟合方法,包括:S1:将包含干涉条纹的图像转换成灰度图;S2:对灰度图进行预处理,得到二值图像;S3:扫描二值图像的所有像素,对每一个扫描到的像素构造邻域像素模板;S4:利用Zhang‑Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的邻域像素模板进行条件判决,在保留干涉条纹的骨架信息的前提下,删除干涉条纹边缘的冗余像素点,反复迭代后,得到干涉条纹的中心线。本发明使用了并行运算的方法,减少了冗余的判别条件,只使用邻域像素点的和对条纹边缘像素点进行判别,显著地提高干涉条纹拟合算法的运行效率,同时减少了拟合后图像的毛刺,能够快速、准确地对干涉条纹的中心线进行拟合。
Description
技术领域
本发明涉及结构光成像领域,更具体地,涉及一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法。
背景技术
干涉条纹分析是结构光成像中的关键步骤之一,通过对干涉条纹进行分析,可以获取条纹数量,条纹周期,条纹间距等信息。利用这些信息,可以进行物体表面缺陷检测、波前检测、光学镜面检测等测量。利用干涉条纹进行检测的技术已经得到广泛的应用。
利用光学摄像头采集的图像,要经过干涉条纹图像预处理和干涉条纹的识别才能获得干涉条纹的有效信息。而对干涉条纹进行拟合是一个干涉条纹图像处理的重点研究邻域。常用的的方法有Sobel算子法和Hilditch串行算法,上述方法由于使用串行计算和使用较多的判别条件,所以存在算法耗时较长等问题。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,显著地减少计算量,快速、有效地提取出干涉条纹的骨架信息。
为解决上述技术问题,本发明的技术方案如下:
一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,包括以下步骤:
S1:将包含干涉条纹的图像转换成灰度图;
S2:对灰度图进行预处理,得到二值图像;
S3:扫描二值图像的所有像素,对每一个扫描到的像素构造邻域像素模板;
S4:利用Zhang-Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的邻域像素模板进行条件判决,在保留干涉条纹的骨架信息的前提下,删除干涉条纹边缘的冗余像素点,反复迭代后,得到干涉条纹的中心线。
Zhang-Suen图像骨架提取方法使用并行运算,与串行算法比较,能够显著地减少计算量。同时,Zhang-Suen图像骨架提取方法能够利用较少且有效的判别条件标注条纹的边缘像素点,减少拟合后图像的毛刺。利用Zhang-Suen图像骨架提取方法提取出干涉条纹的中心线后能直接得出干涉条纹间距等关键信息。Zhang-Suen图像骨架提取方法通过删除干涉条纹的冗余像素点,快速、有效地提取出干涉条纹的骨架信息。
优选地,所述步骤S2中对灰度图进行预处理包括以下步骤:
S2.1:使用内核为n×n的中值滤波对灰度图进行降噪;
S2.2:对滤波后的图片进行阈值为λ的二值化操作。
优选地,所述步骤S3的邻域像素模板包括9个像素,为3×3邻域像素模板,其中,从左至右,从上至下,分别为P9像素点、P2像素点、P3像素点、P8像素点、P1像素点、P4像素点、P7像素点、P6像素点、P5像素点。
优选地,所述步骤S3中利用Zhang-Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的像素点进行条件判决,其中对以P1像素点为中心的邻域像素模板进行条件判决,包括以下条件:
1)2≤N(P1)≤6,其中N(P1)是P1像素邻域的P2、P3、……、P9中所有非零像素的像素个数总和;
2)S(P1)=1,其中S(P1)是P1像素邻域中,以P2、P3、……、P9为顺序的像素点的值从0到1的变化次数总和;
3)P2*P4*P6=0;
4)P2*P4*P8=0;
5)P4*P6*P8=0;
6)P2*P6*P8=0;
若P1像素点同时满足以上六个条件,则删除P1像素点;若P1像素点不同时满足以上六个条件,则保留P1像素点,完成一次迭代。
优选地,用一个在P2,P4,P6位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件3);用一个在P2,P4,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件4);用一个在P4,P6,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件5);用一个在P2,P6,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件6)。
与现有技术相比,本发明技术方案的有益效果是:
使用了并行运算的方法,在3×3的卷积核中作并行运算来判别干涉条纹的边缘像素。同时,减少了冗余的判别条件,只使用邻域像素点的和等直接的条件对条纹边缘像素点进行判别。所以能够快速、准确地对干涉条纹的中心线进行拟合。使用本发明的方法,能够显著地提高干涉条纹拟合算法的运行效率,同时减少了拟合后图像的毛刺,克服了拟合不完全的问题。
附图说明
图1为一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法流程示意图。
图2为3×3邻域像素模板示意图。
图3为原始干涉条纹1。
图4为经本发明方法拟合后的干涉条纹1。
图5为原始干涉条纹2。
图6为经本发明方法拟合后的干涉条纹2。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,如图1,包括以下步骤:
S1:将包含干涉条纹的图像转换成灰度图;
S2:对灰度图进行预处理,得到二值图像;
S3:扫描二值图像的所有像素,对每一个扫描到的像素构造邻域像素模板;
S4:利用Zhang-Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的邻域像素模板进行条件判决,在保留干涉条纹的骨架信息的前提下,删除干涉条纹边缘的冗余像素点,反复迭代后,得到干涉条纹的中心线。
步骤S2中对灰度图进行预处理包括以下步骤:
S2.1:使用内核为n×n的中值滤波对灰度图进行降噪;
S2.2:对滤波后的图片进行阈值为λ的二值化操作。
步骤S3的邻域像素模板包括9个像素,为3×3邻域像素模板,其中,如图2,从左至右,从上至下,分别为P9像素点、P2像素点、P3像素点、P8像素点、P1像素点、P4像素点、P7像素点、P6像素点、P5像素点。
步骤S3中利用Zhang-Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的邻域像素模板进行条件判决,其中对以P1像素点为中心的邻域像素模板进行条件判决,包括以下条件:
1)2≤N(P1)≤6,其中N(P1)是P1像素邻域的P2、P3、……、P9中所有非零像素的像素个数总和;
2)S(P1)=1,其中S(P1)是P1像素邻域中,以P2、P3、……、P9为顺序的像素点的值从0到1的变化次数总和;
3)P2*P4*P6=0;
4)P2*P4*P8=0;
5)P4*P6*P8=0;
6)P2*P6*P8=0;
若P1像素点同时满足以上六个条件,则删除P1像素点;若P1像素点不同时满足以上六个条件,则保留P1像素点,每个像素点完成一次判决后,完成一次迭代。
用一个在P2,P4,P6位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件3);用一个在P2,P4,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件4);用一个在P4,P6,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件5);用一个在P2,P6,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件6)。
在具体实施过程中,令阈值λ=60,将带有原始干涉条纹1的图片,如图3,经本实施例提供的方法处理后,得到拟合后的干涉条纹1,如图4;将带有原始干涉条纹2的图片,如图5,经本实施例提供的方法处理后,得到拟合后的干涉条纹2,如图6;经检测,Zhang-Suen图像骨架提取方法在拟合干涉条纹中心线时有较好的效果。通过进行少量的计算,有效地拟合了干涉条纹的中心线,并且去除大部分噪声。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,其特征在于,包括以下步骤:
S1:将包含干涉条纹的图像转换成灰度图;
S2:对灰度图进行预处理,得到二值图像;
S3:扫描二值图像的所有像素,对每一个扫描到的像素构造邻域像素模板;
S4:利用Zhang-Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的邻域像素模板进行条件判决,在保留干涉条纹的骨架信息的前提下,删除干涉条纹边缘的冗余像素点,反复迭代后,得到干涉条纹的中心线。
2.根据权利要求1所述的基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,其特征在于,所述步骤S2中对灰度图进行预处理包括以下步骤:
S2.1:使用内核为n×n的中值滤波对灰度图进行降噪;
S2.2:对滤波后的图片进行阈值为λ的二值化操作,得到二值图像。
3.根据权利要求2所述的基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,其特征在于,所述步骤S3的邻域像素模板包括9个像素,为3×3邻域像素模板,其中,从左至右,从上至下,分别为P9像素点、P2像素点、P3像素点、P8像素点、P1像素点、P4像素点、P7像素点、P6像素点、P5像素点。
4.根据权利要求3所述的基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,其特征在于,所述步骤S3中利用Zhang-Suen图像骨架提取方法和邻域像素的条件判别方法对扫描到的邻域像素模板进行条件判决,其中对以P1像素点为中心的邻域像素模板进行条件判决,包括以下条件:
1)2≤N(P1)≤6,其中N(P1)是P1像素邻域的P2、P3、……、P9中所有非零像素的像素个数总和;
2)S(P1)=1,其中S(P1)是P1像素邻域中,以P2、P3、……、P9为顺序的像素点的值从0到1的变化次数总和;
3)P2*P4*P6=0;
4)P2*P4*P8=0;
5)P4*P6*P8=0;
6)P2*P6*P8=0;
若P1像素点同时满足以上六个条件,则删除P1像素点;若P1像素点不同时满足以上六个条件,则保留P1像素点,每个像素点完成一次判决后,完成一次迭代。
5.根据权利要求4所述的基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法,其特征在于,用一个在P2,P4,P6位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件3);用一个在P2,P4,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件4);用一个在P4,P6,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件5);用一个在P2,P6,P8位置为1,其余位置为0的3×3的卷积核与邻域像素模板进行图像卷积运算,判断像素点是否满足条件6)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811562483.9A CN109712147A (zh) | 2018-12-19 | 2018-12-19 | 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811562483.9A CN109712147A (zh) | 2018-12-19 | 2018-12-19 | 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109712147A true CN109712147A (zh) | 2019-05-03 |
Family
ID=66256095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811562483.9A Pending CN109712147A (zh) | 2018-12-19 | 2018-12-19 | 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712147A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956179A (zh) * | 2019-11-29 | 2020-04-03 | 河海大学 | 一种基于图像细化的机器人路径骨架提取方法 |
CN111060479A (zh) * | 2019-12-10 | 2020-04-24 | 天津大学 | 一种基于stm32f407zg开发板的矿井瓦斯测量***及方法 |
CN111122511A (zh) * | 2019-12-10 | 2020-05-08 | 天津大学 | 一种基于雅满干涉仪的反刍动物甲烷排放检测***及方法 |
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN112229853A (zh) * | 2019-06-26 | 2021-01-15 | 长鑫存储技术有限公司 | 液滴型缺陷的检测方法和检测*** |
CN112308826A (zh) * | 2020-10-23 | 2021-02-02 | 南京航空航天大学 | 一种基于卷积神经网络的桥梁结构表面缺陷检测方法 |
CN115393172A (zh) * | 2022-08-26 | 2022-11-25 | 无锡砺成智能装备有限公司 | 基于gpu实时提取光条纹中心的方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156730A (zh) * | 2014-07-25 | 2014-11-19 | 山东大学 | 一种基于骨架的抗噪声汉字特征提取方法 |
CN105184216A (zh) * | 2015-07-24 | 2015-12-23 | 山东大学 | 一种心二区掌纹的数字提取方法 |
CN107194928A (zh) * | 2017-06-15 | 2017-09-22 | 华中科技大学同济医学院附属协和医院 | 一种基于视觉的静脉采血扎针点自动提取方法 |
CN107203973A (zh) * | 2016-09-18 | 2017-09-26 | 江苏科技大学 | 一种三维激光扫描***中线激光中心的亚像素定位方法 |
CN108088390A (zh) * | 2017-12-13 | 2018-05-29 | 浙江工业大学 | 一种焊接检测中基于双目线结构光的光条中心三维坐标获取方法 |
-
2018
- 2018-12-19 CN CN201811562483.9A patent/CN109712147A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156730A (zh) * | 2014-07-25 | 2014-11-19 | 山东大学 | 一种基于骨架的抗噪声汉字特征提取方法 |
CN105184216A (zh) * | 2015-07-24 | 2015-12-23 | 山东大学 | 一种心二区掌纹的数字提取方法 |
CN107203973A (zh) * | 2016-09-18 | 2017-09-26 | 江苏科技大学 | 一种三维激光扫描***中线激光中心的亚像素定位方法 |
CN107194928A (zh) * | 2017-06-15 | 2017-09-22 | 华中科技大学同济医学院附属协和医院 | 一种基于视觉的静脉采血扎针点自动提取方法 |
CN108088390A (zh) * | 2017-12-13 | 2018-05-29 | 浙江工业大学 | 一种焊接检测中基于双目线结构光的光条中心三维坐标获取方法 |
Non-Patent Citations (1)
Title |
---|
WEIXIN-34116110: "图像处理之Zhang-Suen细化算法", 《CHINESE SOFTWARE DEVELOPER NETWORK(CSDN论坛HTTP://T.CSDN.CN/HPPL5)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112229853A (zh) * | 2019-06-26 | 2021-01-15 | 长鑫存储技术有限公司 | 液滴型缺陷的检测方法和检测*** |
CN110956179A (zh) * | 2019-11-29 | 2020-04-03 | 河海大学 | 一种基于图像细化的机器人路径骨架提取方法 |
CN111060479A (zh) * | 2019-12-10 | 2020-04-24 | 天津大学 | 一种基于stm32f407zg开发板的矿井瓦斯测量***及方法 |
CN111122511A (zh) * | 2019-12-10 | 2020-05-08 | 天津大学 | 一种基于雅满干涉仪的反刍动物甲烷排放检测***及方法 |
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN112308826A (zh) * | 2020-10-23 | 2021-02-02 | 南京航空航天大学 | 一种基于卷积神经网络的桥梁结构表面缺陷检测方法 |
CN115393172A (zh) * | 2022-08-26 | 2022-11-25 | 无锡砺成智能装备有限公司 | 基于gpu实时提取光条纹中心的方法及设备 |
CN115393172B (zh) * | 2022-08-26 | 2023-09-05 | 无锡砺成智能装备有限公司 | 基于gpu实时提取光条纹中心的方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109712147A (zh) | 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法 | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及*** | |
Lee et al. | Morphologic edge detection | |
CN107491730A (zh) | 一种基于图像处理的化验单识别方法 | |
CN108830832A (zh) | 一种基于机器视觉的塑料筒表面缺陷检测算法 | |
CN104036521A (zh) | 一种新的视网膜眼底图像分割方法 | |
JP3830998B2 (ja) | 罫線除去方法及びこれを用いた文字認識装置 | |
CN105447489B (zh) | 一种图片ocr识别***的字符与背景粘连噪声消除方法 | |
Çavdaroğlu et al. | A character segmentation method to increase character recognition accuracy for Turkish number plates | |
CN113283439A (zh) | 基于图像识别的智能计数方法、装置及*** | |
Shaikh et al. | Image binarization using iterative partitioning: A global thresholding approach | |
Mol et al. | Text recognition using poisson filtering and edge enhanced maximally stable extremal regions | |
CN109934817A (zh) | 一种果体外部轮廓畸形检测方法 | |
Pillai et al. | Can contactless fingerprints be compared to existing database? | |
Hwang et al. | Character extraction from documents using wavelet maxima | |
Khanyile et al. | A comparative study of fingerprint thinning algorithms | |
CN103971376A (zh) | 应用程序执行方法和装置 | |
Nain et al. | Dynamic thresholding based edge detection | |
Xiao et al. | Extraction of glasses in human face images | |
Zhang et al. | Shading Surface Estimation Using Piecewise Polynomials for Binarizing Unevenly Illuminated Document Images | |
CN108961248A (zh) | 一种应用于包含复杂信息的机箱表面划痕检测方法 | |
Koshy et al. | Preprocessing Techniques for High Quality Text Extraction from Text Images | |
Haussmann et al. | A region extraction approach to blood smear segmentation | |
US7333640B2 (en) | Extraction of minutiae from a fingerprint image | |
Antonelli et al. | Lung nodule detection in ct scans |
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: 20190503 |
|
RJ01 | Rejection of invention patent application after publication |