CN110223339B - 一种基于机器视觉热保护器校准点中心定位方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉热保护器校准点中心定位方法，包括图像预处理，目标提取，校准点区域边缘提取；校准点中心位置确定等步骤，本发明通过改进的随机Hough变换对提取的边缘进行圆检测，获得校准点中心位置。本发明克服了传统的Hough变换检测圆计算量大，占用过多内存的情况，大大地提升了检测速度；本发明克服随机圆检测算法(RCD)对图像的边缘点进行检测时，在复杂背景下存在鲁棒性差的问题，提高***的鲁棒性，使热保护器校准点中心定位对环境的适应能力增强，***的应用领域更宽。

Description

一种基于机器视觉热保护器校准点中心定位方法

技术领域

本发明属于热保护器技术领域，具体涉及一种基于机器视觉热保护器校准点中心定位方法。

背景技术

热保护器是一种电路保护装置，广泛的应用在各类电器产品中，其主要的工作原理是在常温下保持电路的接通，当温度超出设定阈值之后，切断电路。起主要作用的是内部的双金属片，但双金属片的跳变温度又与校准点深度紧密相关，因此校准点深度测量是产品检验中的重要内容。由于校准点尺寸微小，采用结构光深度检测时第一步要进行校准点中心点的定位，以确保结构光线能够准确打在校准点最深处。

热保护器校准点二维成像几何特征为圆形结构，因此可以首先通过检测圆，然后获得圆心坐标实现对校准点中心定位。对于圆的检测，目前有大量的相关研究和检测方法。Hough变换检测圆是最基本检测方法，将平面坐标转化到参数坐标，在参数空间对坐标点进行累积，获得峰值点求得圆参数。传统的Hough变化检测圆计算量大，占用过多的内存。针对传统检测方法的不足，国内外学者在此基础上提出了多种改进方法。(1)Xu等提出了随机Hough变换(RHT)，在一定程度上缓解了计算量大和占用内存多的问题。RHT通过在图像空间随机采样非共线的3个边缘点映射到参数空间，提取峰值对应的圆参数，采用这种多对一的映射，大大地提升了检测速度；虽然RHT算法在平面坐标到参数坐标映射时采用多对一的方式，但还存在空间参数累积的问题，因此计算速度有待提高。(2)Chen等人提出的随机圆检测算法(RCD)，RCD直接对图像的边缘点进行检测，不存在空间参数累积的问题，在检测速度和检测精度上都得到提升，但是该方法在复杂背景下存在鲁棒性差的问题。(3)李福庆，苏湛提出一种基于粒子群算法的圆检测方法。基于粒子群圆检测算法相比Hough变换检测圆的效率更高，运行时间更短。

发明内容

为了解决当前热保护器光学情况复杂、干扰因素较多、检测效果不理想的问题，本发明提出了一种基于机器视觉热保护器校准点中心定位方法。该方法在原有圆检测方法上进行改进，提出一种改进型Hough变换圆检测算法，实现校准点边缘最优圆的检测和中心定位。

本发明的技术方案如下：

一种基于机器视觉热保护器校准点中心定位方法，包括以下步骤：

第一步，图像预处理，具体包括：使用带显微镜头的工业相机对热保护器进行图像采集，对彩色图像进行灰度化处理，对图像进行滤波处理，对图像进行阈值分割；

第二步，目标提取，采用形态学中的开运算进行去字符区，使图像轮廓变得光滑，断开狭窄连接并消除毛刺，通过采用连通域面积约束算法，消除形态学处理之后在边缘形成的离散点，通过对连通域标记，确定校准点区域；

第三步，校准点区域边缘提取；

第四步，校准点中心位置确定，通过改进的随机Hough变换对提取的边缘进行圆检测，获得校准点中心位置。

具体地，第三步校准点区域边缘提取中采用8邻域区域生长算法对二值化的边缘图像进行处理，确定连通区域。

8邻域区域生长算法对二值化的边缘图像进行处理具体包括如下步骤：

步骤1，从上到下、从左到右的顺序依次扫描图像，扫描到第一个像素为1的点时，将该点作为基点，并对该点进行标记；

步骤2，以基点为种子点，对其8邻域内的目标像素进行相同的标记；

步骤3，将所有有标记的像素的8邻域内的目标像素标记为相同的标号，直到该连

通区域标记完毕；

步骤4，继续顺序扫描，重复前三步骤，直到所有的像素值为1的点标记结束。具体地，第四步校准点中心位置确定具体包括：

步骤1，载入图像；

步骤2，对该图像从左到右、从上到下扫描，得到边缘上一点，找到边缘子集中在竖直方向上对应的点，求取两点的对称中心；

步骤3，以两点所在直线绕对称中心点旋转90°；

步骤4，旋转后得到直线与边缘的两交点，以这两个交点作为圆上的点，以两交点的中心对称点作为圆心，确定一圆C1；

步骤5，以圆直径为轴，以圆心为旋转中心，按顺时针方向旋转30度，得到新的两点：

s＝(x-a)cos30°-(y-b)sin30°+a

t＝(y-b)cos30°-(x-a)sin30°+b

其中x，y表示直径延长线与边缘的交点，a，b为两交点的对称中心坐标，s，t表示旋转后的坐标，获得旋转后坐标(s0，t0)，(s1，t1)；求过两交点的所在直线：

直线与边缘相交于两点，求出中心对称点，确定一圆C2，重复该步骤，直到旋转角度累积和超过180°；

步骤6，设边缘像素点在第i个圆上的个数为E(Si)，点f(si，ti)为圆上点的像素值，则E(Si)可表示为：

用N表示边缘点像素个数，则每个圆的偏差系数为：

步骤7，偏差值系数最小的圆为最优圆，最优圆的圆心所在点即为校准点的中心位置。

与现有技术相比，本发明的有益效果在于：

(1)克服传统的Hough变换检测圆计算量大，占用过多内存的情况，大大地提升了检测速度。

(2)克服随机圆检测算法(RCD)对图像的边缘点进行检测时，在复杂背景下存在鲁棒性差的问题，提高***的鲁棒性。

(3)使校准点中心位置定位精度提高，相对误差减小。

(4)使热保护器校准点中心定位对环境的适应能力增强，***的应用领域更宽。

附图说明

图1是本发明方法流程图；

图2是本发明旋转候选圆示意图；

图3是本发明非唯一最高点误差示意图；

图4是本发明最优圆圆心确定流程图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。图1所示为本发明校准点中心定位处理流程图，包括图像预处理、目标提取、校准点区域边缘提取、校准点中心位置确定。

图像预处理包括如下步骤：步骤1，校准点直径在1mm左右，属于微小尺寸测量的范畴，为获得清晰的校准点图像，使用带显微镜头的工业相机对热保护器进行图像采集；步骤2，为了减少计算量，提高计算速度，对彩色图像进行灰度化处理；步骤3，消除金属反光、外界环境的影响，对图像进行滤波处理；步骤4，对图像进行阈值分割。

预处理后的图像含有数字和英文字母的圆形结构，由双边缘组成，边缘宽度在4到8个像素之间，而校准点区域的边缘宽度在10个像素点以上，所以目标提取是采用形态学中的开运算进行去字符区，使图像轮廓变得光滑，断开狭窄连接并消除毛刺。在形态学处理之后会有边缘离散点，通过采用连通域面积约束算法，将离散点去除，通过对连通域标记，确定校准点区域。

校准点区域边缘提取是采用8邻域区域生长算法对二值化的边缘图像进行处理，确定连通区域。包括如下步骤：步骤1，从上到下、从左到右的顺序依次扫描图像，扫描到第一个像素为1的点时，将该点作为基点，并对该点进行标记；步骤2，以基点为种子点，对其8邻域内的目标像素进行相同的标记；步骤3，将所有有标记的像素的8邻域内的目标像素标记为相同的标号，直到该连通区域标记完毕；步骤4，继续顺序扫描，重复前三步骤，直到所有的像素值为1的点标记结束。

校准点中心位置确定是通过改进的随机Hough的圆检测算法对提取的边缘进行圆检测，获得校准点中心位置，流程如图4所示：

如图2、3，圆是中心对称图形，首先从左到右，从上到下扫描，得到边缘上一点。找到边缘子集中在竖直方向上对应的点，求取两点的对称中心。以两点所在直线绕对称中心点旋转900，旋转后直线与边缘的两交点分别为(x0，y0)、(x1，y1)，以两交点作为圆上的点，以两交点的中心对称点作为圆心，确定一圆C1。因为内边缘并不是完全规则的圆，第一次扫描得到的第一个边缘点并非一定为圆的唯一最高点，当边缘点不是唯一最高点的情况，其与对称点的连线l1为所在圆的弦，通过旋转90°即圆直径与弦相垂直，可以消除非唯一最高点带来的误差，如图2中l2与边缘交点可以确定一圆。以圆直径为轴，以圆心为旋转中心，按顺时针方向旋转30度，得到新的两点：

s＝(x-a)cos30°-(y-b)sin30°+a

t＝(y-b)cos30°-(x-a)sin30°+b

其中x，y表示直径延长线与边缘的交点，a，b为两交点的对称中心坐标，s，t表示旋转后的坐标。获得旋转后坐标(s0，t0)，(s1，t1)求过两交点的所在直线：

直线与边缘相交于两点，求出中心对称点，确定一圆C2，重复该步骤，直到旋转角度累积和超过180°。图3中C1，C2，C3分别为旋转0°、30°、90°对应的圆。设边缘像素点在第i个圆上的个数为E(Si)，点f(si，ti)为圆上点的像素值，则E(Si)可表示为：

用N表示边缘点像素个数，则每个圆的偏差系数为：

偏差值系数最小的圆为最优圆。最优圆的圆心所在点即为校准点的中心位置，其流程图如图4所示。

Claims (3)

1.一种基于机器视觉热保护器校准点中心定位方法，其特征在于：包括以下步骤：

第一步，图像预处理，具体包括：使用带显微镜头的工业相机对热保护器进行图像采集，对彩色图像进行灰度化处理，对图像进行滤波处理，对图像进行阈值分割；

第二步，目标提取，采用形态学中的开运算进行去字符区，使图像轮廓变得光滑，断开狭窄连接并消除毛刺，通过采用连通域面积约束算法，消除形态学处理之后在边缘形成的离散点，通过对连通域标记，确定校准点区域；

第三步，校准点区域边缘提取；

第四步，校准点中心位置确定，通过改进的随机Hough变换对提取的边缘进行圆检测，获得校准点中心位置；其步骤如下：

步骤1，载入图像；

步骤2，对该图像从左到右、从上到下扫描，得到边缘上一点，找到边缘子集中在竖直方向上对应的点，求取两点的对称中心；

步骤3，以两点所在直线绕对称中心点旋转90°；

步骤4，旋转后得到直线与边缘的两交点，以这两个交点作为圆上的点，以两交点的中心对称点作为圆心，确定一圆C1；

步骤5，以圆直径为轴，以圆心为旋转中心，按顺时针方向旋转30度，得到新的两点：

s＝(x-a)cos30°-(y-b)sin30°+a

t＝(y-b)cos30°-(x-a)sin30°+b

其中x，y表示直径延长线与边缘的交点，a，b为两交点的对称中心坐标，s，t表示旋转后的坐标，获得旋转后坐标(s0，t0)，(s1，t1)；求过两交点的所在直线：

直线与边缘相交于两点，求出中心对称点，确定一圆C2，重复该步骤，直到旋转角度累积和超过180°；

步骤6，设边缘像素点在第i个圆上的个数为E(Si)，点f(si，ti)为圆上点的像素值，则E(Si)可表示为：

Ci为旋转到对应角度的第i圆C；

用N表示边缘点像素个数，则每个圆的偏差系数为：

步骤7，偏差值系数最小的圆为最优圆，最优圆的圆心所在点即为校准点的中心位置。

2.根据权利要求1所述的一种基于机器视觉热保护器校准点中心定位方法，其特征在于：第三步中采用8邻域区域生长算法对二值化的边缘图像进行处理，确定连通区域。

3.根据权利要求2所述的一种基于机器视觉热保护器校准点中心定位方法，其特征在于：具体包括如下步骤：

步骤1，从上到下、从左到右的顺序依次扫描图像，扫描到第一个像素为1的点时，将该点作为基点，并对该点进行标记；

步骤2，以基点为种子点，对其8邻域内的目标像素进行相同的标记；

步骤3，将所有有标记的像素的8邻域内的目标像素标记为相同的标号，直到该连通区域标记完毕；

步骤4，继续顺序扫描，重复前三步骤，直到所有的像素值为1的点标记结束。

Images