CN112489058A - 一种高效准确的条纹方向估计方法 - Google Patents
一种高效准确的条纹方向估计方法 Download PDFInfo
- Publication number
- CN112489058A CN112489058A CN202011410592.6A CN202011410592A CN112489058A CN 112489058 A CN112489058 A CN 112489058A CN 202011410592 A CN202011410592 A CN 202011410592A CN 112489058 A CN112489058 A CN 112489058A
- Authority
- CN
- China
- Prior art keywords
- stripe
- efficient
- accurate
- estimation method
- marking
- 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 26
- 239000012634 fragment Substances 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种高效准确的条纹方向估计方法,该估计方法包括如下步骤:P1、对条纹表面进行曝光拍摄,得到条纹实时图像;P2、对实时图像进行片段截取,形成条纹单元;P3、对各个单元进行重叠匹配,找出相同形状的单元,剔除边缘图形;P4、对相同单元进行强曝光,区分条纹区域和背景区域,标记条纹边界线;P5、对条纹边界线拐点进行标记,形成标记点;P6、根据标记点分布状态判断条纹方向,形成估计结果,避免相邻条纹和背景图案造成干扰,提高条纹识别精确度,同时结合边界线拐点标记方法来识别条纹形状和分布状态,利于确定条纹区域,进而判断其两个方向,能够大大提高识别效率和估算紧精确度,提高使用效果,利于推广。
Description
技术领域
本发明涉及条纹方向技术领域,尤其涉及一种高效准确的条纹方向估计方法。
背景技术
在现在的日常生活和生产中,一些图形会配置条纹图案,需要进行方向识别和估算,进而确定条纹定位和铺装方向,避免错乱。
但是吸纳有的条纹方向估算多是通过摄像头进行直接拍摄识别,而有序条纹多是连续密集型图案,拍摄时容易和背景图案混合,影响识别效率和精确度,有待提出一种新的方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种高效准确的条纹方向估计方法。
为了实现上述目的,本发明采用了如下技术方案:
一种高效准确的条纹方向估计方法,该估计方法包括如下步骤:
P1、对条纹表面进行曝光拍摄,得到条纹实时图像;
P2、对实时图像进行片段截取,形成条纹单元;
P3、对各个单元进行重叠匹配,找出相同形状的单元,剔除边缘图形;
P4、对相同单元进行强曝光,区分条纹区域和背景区域,标记条纹边界线;
P5、对条纹边界线拐点进行标记,形成标记点;
P6、根据标记点分布状态判断条纹方向,形成估计结果。
优选的,所述P1步骤的曝光拍摄采用两路曝光光束,且在条纹基底上形成干涉区域。
优选的,所述P2步骤的片段截取采用图片格式,且构建初图片集合和验证图片集合。
优选的,所述初图片集合包括含噪声的条纹图,条纹图的大小为512*512,密度为500ppi,ppi表示每英寸像素个数,所述验证图片结合包括无噪声的条纹图,条纹图的大小为512*512,密度为1000ppi。
优选的,所述P3步骤的重叠匹配为条纹图像堆叠匹配,选区最大化重叠面积作为条纹区域。
优选的,所述P4步骤的标记条纹边界线为强曝光后的明暗交界线位置,并描绘边界图形。
优选的,所述P5步骤的边界线拐点包括凸型点和凹形点。
优选的,所述P6步骤的判断条纹方向的方法包括如下步骤:
S1、准确标记边界拐点,并记录编号和对应位置;
S2、识别拐点分散状态,根据中心连线综合交汇处去顶条纹中心位置;
S3、识别拐点分布最密集的最少两个区域,相互连线过中心位置,确定横向和纵向两个中心线;
S4、确定最密集区域到中心线的距离,估算条纹方向。
优选的,所述S4步骤的估算条纹方向分为两个,以两个对称的最远距离密集区域为条纹的延伸方向,以最密集的两个最近家里密集区域为条纹的平铺方向。
本发明提供的一种高效准确的条纹方向估计方法,通过采用双路光束曝光拍照,可以有效提高图像清晰度,并且进行片段截取结合强曝光照射,避免相邻条纹和背景图案造成干扰,提高条纹识别精确度,同时结合边界线拐点标记方法来识别条纹形状和分布状态,利于确定条纹区域,进而判断其两个方向,能够大大提高识别效率和估算紧精确度,提高使用效果,利于推广。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种高效准确的条纹方向估计方法,该估计方法包括如下步骤:
P1、对条纹表面进行曝光拍摄,得到条纹实时图像;
P2、对实时图像进行片段截取,形成条纹单元;
P3、对各个单元进行重叠匹配,找出相同形状的单元,剔除边缘图形;
P4、对相同单元进行强曝光,区分条纹区域和背景区域,标记条纹边界线;
P5、对条纹边界线拐点进行标记,形成标记点;
P6、根据标记点分布状态判断条纹方向,形成估计结果。
作为优选的,所述P1步骤的曝光拍摄采用两路曝光光束,且在条纹基底上形成干涉区域。
作为优选的,所述P2步骤的片段截取采用图片格式,且构建初图片集合和验证图片集合。
作为优选的,所述初图片集合包括含噪声的条纹图,条纹图的大小为512*512,密度为500ppi,ppi表示每英寸像素个数,所述验证图片结合包括无噪声的条纹图,条纹图的大小为512*512,密度为1000ppi。
作为优选的,所述P3步骤的重叠匹配为条纹图像堆叠匹配,选区最大化重叠面积作为条纹区域。
作为优选的,所述P4步骤的标记条纹边界线为强曝光后的明暗交界线位置,并描绘边界图形。
作为优选的,所述P5步骤的边界线拐点包括凸型点和凹形点。
作为优选的,所述P6步骤的判断条纹方向的方法包括如下步骤:
S1、准确标记边界拐点,并记录编号和对应位置;
S2、识别拐点分散状态,根据中心连线综合交汇处去顶条纹中心位置;
S3、识别拐点分布最密集的最少两个区域,相互连线过中心位置,确定横向和纵向两个中心线;
S4、确定最密集区域到中心线的距离,估算条纹方向。
作为优选的,所述S4步骤的估算条纹方向分为两个,以两个对称的最远距离密集区域为条纹的延伸方向,以最密集的两个最近家里密集区域为条纹的平铺方向。
本发明提供的一种高效准确的条纹方向估计方法,通过采用双路光束曝光拍照,可以有效提高图像清晰度,并且进行片段截取结合强曝光照射,避免相邻条纹和背景图案造成干扰,提高条纹识别精确度,同时结合边界线拐点标记方法来识别条纹形状和分布状态,利于确定条纹区域,进而判断其两个方向,能够大大提高识别效率和估算紧精确度,提高使用效果,利于推广。
Claims (9)
1.一种高效准确的条纹方向估计方法,其特征在于:该估计方法包括如下步骤:
P1、对条纹表面进行曝光拍摄,得到条纹实时图像;
P2、对实时图像进行片段截取,形成条纹单元;
P3、对各个单元进行重叠匹配,找出相同形状的单元,剔除边缘图形;
P4、对相同单元进行强曝光,区分条纹区域和背景区域,标记条纹边界线;
P5、对条纹边界线拐点进行标记,形成标记点;
P6、根据标记点分布状态判断条纹方向,形成估计结果。
2.根据所述权利要求1的一种高效准确的条纹方向估计方法,其特征在于:所述P1步骤的曝光拍摄采用两路曝光光束,且在条纹基底上形成干涉区域。
3.根据所述权利要求1的一种高效准确的条纹方向估计方法,其特征在于:所述P2步骤的片段截取采用图片格式,且构建初图片集合和验证图片集合。
4.根据所述权利要求3的一种高效准确的条纹方向估计方法,其特征在于:所述初图片集合包括含噪声的条纹图,条纹图的大小为512*512,密度为500ppi,ppi表示每英寸像素个数,所述验证图片结合包括无噪声的条纹图,条纹图的大小为512*512,密度为1000ppi。
5.根据所述权利要求1的一种高效准确的条纹方向估计方法,其特征在于:所述P3步骤的重叠匹配为条纹图像堆叠匹配,选区最大化重叠面积作为条纹区域。
6.根据所述权利要求1的一种高效准确的条纹方向估计方法,其特征在于:所述P4步骤的标记条纹边界线为强曝光后的明暗交界线位置,并描绘边界图形。
7.根据所述权利要求1的一种高效准确的条纹方向估计方法,其特征在于:所述P5步骤的边界线拐点包括凸型点和凹形点。
8.根据所述权利要求1的一种高效准确的条纹方向估计方法,其特征在于:所述P6步骤的判断条纹方向的方法包括如下步骤:
S1、准确标记边界拐点,并记录编号和对应位置;
S2、识别拐点分散状态,根据中心连线综合交汇处去顶条纹中心位置;
S3、识别拐点分布最密集的最少两个区域,相互连线过中心位置,确定横向和纵向两个中心线;
S4、确定最密集区域到中心线的距离,估算条纹方向。
9.根据所述权利要求8的一种高效准确的条纹方向估计方法,其特征在于:所述S4步骤的估算条纹方向分为两个,以两个对称的最远距离密集区域为条纹的延伸方向,以最密集的两个最近家里密集区域为条纹的平铺方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410592.6A CN112489058A (zh) | 2020-12-03 | 2020-12-03 | 一种高效准确的条纹方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410592.6A CN112489058A (zh) | 2020-12-03 | 2020-12-03 | 一种高效准确的条纹方向估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112489058A true CN112489058A (zh) | 2021-03-12 |
Family
ID=74938125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011410592.6A Pending CN112489058A (zh) | 2020-12-03 | 2020-12-03 | 一种高效准确的条纹方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112489058A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000132685A (ja) * | 1998-10-23 | 2000-05-12 | Matsushita Electric Works Ltd | 外観検査方法 |
US20020126295A1 (en) * | 2000-11-20 | 2002-09-12 | Gilbert Dudkiewicz | Automatic installation and process for taking measurements and acquiring shapes |
WO2015189174A2 (en) * | 2014-06-10 | 2015-12-17 | Carl Zeiss Meditec, Inc. | Improved frequency-domain interferometric based imaging systems and methods |
CN106091978A (zh) * | 2016-06-01 | 2016-11-09 | 西安工程大学 | 斜入式激光干涉法测量中干涉条纹图像的拼接方法 |
CN107917676A (zh) * | 2017-10-24 | 2018-04-17 | 南京理工大学 | 一种基于条纹图像频谱分析的干涉测量方法 |
CN109889696A (zh) * | 2019-03-18 | 2019-06-14 | 上海顺久电子科技有限公司 | 用于自动几何校正的抗噪声拍摄图像识别方法及*** |
CN110298811A (zh) * | 2018-03-21 | 2019-10-01 | 北京大学 | 图像的预处理方法、装置、终端以及计算机可读存储介质 |
CN111402149A (zh) * | 2020-03-06 | 2020-07-10 | 四川大学 | 一种基于卷积神经网络去噪正则化的条纹图修复方法 |
-
2020
- 2020-12-03 CN CN202011410592.6A patent/CN112489058A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000132685A (ja) * | 1998-10-23 | 2000-05-12 | Matsushita Electric Works Ltd | 外観検査方法 |
US20020126295A1 (en) * | 2000-11-20 | 2002-09-12 | Gilbert Dudkiewicz | Automatic installation and process for taking measurements and acquiring shapes |
WO2015189174A2 (en) * | 2014-06-10 | 2015-12-17 | Carl Zeiss Meditec, Inc. | Improved frequency-domain interferometric based imaging systems and methods |
CN106091978A (zh) * | 2016-06-01 | 2016-11-09 | 西安工程大学 | 斜入式激光干涉法测量中干涉条纹图像的拼接方法 |
CN107917676A (zh) * | 2017-10-24 | 2018-04-17 | 南京理工大学 | 一种基于条纹图像频谱分析的干涉测量方法 |
CN110298811A (zh) * | 2018-03-21 | 2019-10-01 | 北京大学 | 图像的预处理方法、装置、终端以及计算机可读存储介质 |
CN109889696A (zh) * | 2019-03-18 | 2019-06-14 | 上海顺久电子科技有限公司 | 用于自动几何校正的抗噪声拍摄图像识别方法及*** |
CN111402149A (zh) * | 2020-03-06 | 2020-07-10 | 四川大学 | 一种基于卷积神经网络去噪正则化的条纹图修复方法 |
Non-Patent Citations (1)
Title |
---|
杨鹏程;刘洋;朱新栋;胥光申;肖渊;: "基于物体像的干涉条纹图像中散斑噪声的识别方法", 应用光学, no. 02, 15 March 2017 (2017-03-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145915B (zh) | 一种复杂场景下车牌快速畸变矫正方法 | |
CN111207695A (zh) | 一种基于双线结构光的热轧带钢端部三维轮廓测量方法 | |
KR20200087184A (ko) | 증착 마스크를 제조하기 위한 금속판 및 금속판의 제조 방법, 그리고 증착 마스크 및 증착 마스크의 제조 방법 | |
CN101339601B (zh) | 一种基于sift算法的车牌汉字识别方法 | |
CN105718870A (zh) | 自动驾驶中基于前向摄像头的道路标线提取方法 | |
CN102673106A (zh) | 一种用于光伏太阳能硅片的丝网印刷定位设备及定位方法 | |
CN112224590B (zh) | 一种基于三维点云的钢坯贴标方法及*** | |
CN110390256B (zh) | 一种沥青路面裂缝提取方法 | |
CN113390605B (zh) | 一种风洞试验飞机机翼变形全场测量方法 | |
CN107389693A (zh) | 一种基于机器视觉的印刷品缺陷自动检测方法 | |
CN105551046A (zh) | 车脸定位方法及装置 | |
CN109870458B (zh) | 一种基于三维激光传感器及包围盒的路面裂缝检测与分类方法 | |
CN105225229A (zh) | 基于视频信号的鱼类过坝运动轨迹定位装置与方法 | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN108171753A (zh) | 基于形心特征点与邻域灰度互相关性的立体视觉定位方法 | |
CN112489058A (zh) | 一种高效准确的条纹方向估计方法 | |
CN111739006B (zh) | 一种基于围道积分的椭圆图像检测算法及*** | |
CN113313116A (zh) | 一种基于视觉的水下人工目标准确检测与定位方法 | |
CN112862898A (zh) | 一种基于计算机视觉的流速测定方法 | |
JP3589293B2 (ja) | 道路の白線検出方法 | |
CN111968079A (zh) | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 | |
CN109064448A (zh) | 中低速磁浮f轨轨缝检测方法 | |
CN117689717B (zh) | 用于机器人拾取的地面羽毛球位姿检测方法 | |
CN111318815A (zh) | 一种激光打标*** | |
CN114565745A (zh) | 一种考虑悬垂特征识别的激光增材制造扫描路径分区域规划方法 |
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 |