CN112710632A - 一种玻璃微珠高低折射率检测方法及*** - Google Patents
一种玻璃微珠高低折射率检测方法及*** Download PDFInfo
- Publication number
- CN112710632A CN112710632A CN202110306319.7A CN202110306319A CN112710632A CN 112710632 A CN112710632 A CN 112710632A CN 202110306319 A CN202110306319 A CN 202110306319A CN 112710632 A CN112710632 A CN 112710632A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- processing
- refractive index
- low refractive
- 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 65
- 239000011521 glass Substances 0.000 title claims abstract description 31
- 239000011324 bead Substances 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 230000000877 morphologic effect Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 239000004005 microsphere Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000001448 refractive index detection Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004075 alteration Effects 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000004148 unit process Methods 0.000 claims description 2
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000760358 Enodes Species 0.000 description 1
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000010292 electrical insulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000003981 vehicle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/10—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
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10141—Special mode during image acquisition
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种玻璃微珠高低折射率检测方法及***,所述检测方法包括:对采集的高折射率图像依次进行畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆处理;对采集的低折射率图像依次进行畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化和最小二乘法拟合圆处理;根据上述处理得到轮廓圆的半径以及圆中心坐标值,进而计算出高折射率图像和低折射率图像中的折射率。本发明的优点在于:不仅能够同时对玻璃微珠的高折射率和低折射率进行同时检测,而且通过图像分析处理的方法极大地提高了检测效率以及检测准确率。
Description
技术领域
本发明涉及玻璃微珠折射率检测领域,尤其涉及一种玻璃微珠高低折射率检测方法及***。
背景技术
玻璃微珠是一种硅酸盐材料,具有良好的化学稳定性、机械强度和电绝缘性,其独特的特性是对光具有回归反射特性,被广泛应用于公路、铁路、港口、海洋运输、矿山、坑道、消防和城建等领域作为各种标志、警示牌、车辆拍照和救生用品等;随着我国公路建设的快速发展,与道路逆反射材料配合使用的玻璃微珠的用量迅速增加,在广告标志、反光膜、反光油墨、反光标线等交通安全产品和设施中发挥着越来越重要的作用。
目前测量玻璃微珠折射率的方法主要有成像法、一次彩虹法和二次彩虹法等;而目前上面上的测量技术,基于成像法存在光路调整复杂,自动定量化测量过程实现困难,透过率低,成像效果差等缺点;基于一次彩虹法只能测量低折射率的玻璃微珠,基于二次彩虹法只能测量高折射率的玻璃微珠,不能实现高低折射率的同时测量,存在功能单一的缺点,而且现有都是通过调节光路来实现对玻璃微珠折射率的测量,但是一般情况下光路调节麻烦且复杂,需要采用带环形标尺测量,且调节精度不高,可操作性差。
发明内容
本发明的目的在于克服现有技术的缺点,提供了一种玻璃微珠高低折射率检测方法及***,解决了现有对玻璃微珠折射率检测方式中存在的不足。
本发明的目的通过以下技术方案来实现:一种玻璃微珠高低折射率检测方法,所述检测方法包括:
对采集的高折射率图像依次进行畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆处理;对采集的低折射率图像依次进行畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化和最小二乘法拟合圆处理;
根据上述处理得到轮廓圆的半径以及圆中心坐标值,进而计算出高折射率图像和低折射率图像中的折射率。
所述畸变矫正处理包括:
将输入的高折射率图像或者低折射率图像在图像像素坐标系中的中心坐标设置为图像物理坐标系的原点,根据图像中每个像素在图像物理坐标系中的尺寸,得到图像像素坐标系和图像物理坐标系的转换矩阵,进而得到高折射率图像或者低折射率图像的图像物理坐标系 ;
所述对比度增强处理包括:对输入图像 进行低通滤波,根据得到的灰度值和原始值进行计算得到结果值: ,得到输出图像,实现对图像的高频区域进行强调,使图像更加清晰,将该步骤的作为输出图像下一步骤的输入图像 。
所述形态学处理包括:将所述阈值分割处理后得出来的区域依次进行膨胀和腐蚀处理,或者依次进行腐蚀和膨胀处理滤掉图像中的干扰信息。
所述傅里叶变换处理包括:
傅里叶正变换:把经过对比度增强后的图像进行傅里叶变换将时域图像转换为频域图像;
高斯卷积:将经过傅里叶变换的图像与卷积核模板进行卷积,对于图像上的一个点,让卷积核模板的原点与该点重合,然后将卷积核模板上的点与图像上对应的点相乘,并将各点的积相加,得到该点的卷积值,再对图像上的每个点都这样处理后得到卷积图像;
傅里叶逆变换:将卷积图像进行傅里叶逆变换将频域图像转换为时域图像。
所述轮廓优化提取处理包括:
通过理论圆度值对图像中的轮廓进行筛选,并计算筛选出的轮廓的面积和周长;
通过面积和周长计算出圆形轮廓的实际圆度值,并将实际圆度值与理论圆度值进行比较,如果实际圆度值在理论圆度值的误差范围内,则判断筛选出的轮廓为圆形轮廓,如果实际圆度值不再理论圆度值的误差范围内,则重新进行筛选提取。
所述最小二乘法拟合圆处理包括:
计算求出a,b,c的值,进而得到A,B和R的拟合值。
一种基于玻璃微珠高低折射率检测方法的检测***,它包括:
图像采集模块:对高低折射率图像进行采集并将采集到的图像传递给图像处理模块;
图像处理模块:对输入的高低折射率图像进行畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、傅里叶变换、轮廓优化和最小二乘法拟合圆处理后将处理结果传输到数据处理模块;
数据处理模块:对数据进行分析处理根据圆半径和成像距离计算得到折射率,最后输出并保存数据信息。
所述图像处理模块包括高折射率图像处理单元和低折射率图像处理单元;
所述高折射率图像处理单元依次通过畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆处理输入的高折射率图像,得到圆形轮廓的半径和成像距离;
所述低折射率图像处理单元依次通过畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化提取和最小二乘法拟合圆处理输入的低折射率图像,得到圆形轮廓的半径和成像距离。
本发明具有以下优点:一种玻璃微珠高低折射率检测方法及***,不仅能够同时对玻璃微珠的高折射率和低折射率进行同时检测,而且通过图像分析处理的方法极大地提高了检测效率以及检测准确率。
附图说明
图1 为本发明方法的流程示意图;
图2 为图像像素坐标系至图像物理坐标系示意图1;
图3 为图像像素坐标系至图像物理坐标系示意图2;
图4 为相机坐标系至图像物理坐标系示意图;
图5 为世界坐标系至相机坐标系示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
需要说明的是,本发明中f(x,y)表示输入图像,g(x,y)表示输出图像,每一步中的f(x,y)和g(x,y)表示不同的图像,即某一个处理步骤中的输出图像g(x,y)到下一个处理步骤后就表示下一个处理步骤中的输入图像f(x,y)。
实施例1
如图1所示,本发明涉及一种玻璃微珠高低折射率检测方法,其主要包括以下内容:
程序启动并初始化,软件启动后,会自动初始化,加载配置文件,检测相机连接状态,进入等待检测状态;
手动调整玻璃微珠样品的位置,待图像达到最佳采图效果后,开启高折射率相机图像采集或者低折射率相机图像采集;高折射率相机和低折射率相机采用单独相机、单独线程,可实现实时图像读取、处理、传输、显示;
图像采集成功后,进入图像处理模块,经过一系列的算法处理,获取我们想要的信息,最后提取圆半径;其中,高折射率图像处理模块主要用到的算法有畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆;低折射率图像处理模块主要用到的算法有畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化提取和最小二乘法拟合圆。此模块通过特有的算法对图像进行一系列的处理,并将计算结果传递给数据处理模块;
通过数据处理模块,根据圆半径和成像距离,计算得到折射率,最后输出数据,测量结束。
进一步地,畸变矫正:相机的成像过程实质上是坐标系的转换。首先空间中的点由“世界坐标系”转换到“像机坐标系”,然后再将其投影到成像平面(图像物理坐标系) ,最后再将成像平面上的数据转换到图像像素坐标系。但是由于透镜制造精度以及组装工艺的偏差会引入畸变,导致原始图像的失真。镜头的畸变分为径向畸变和切向畸变两类。
径向畸变:是沿着透镜半径方向分布的畸变,产生原因是光线在远离透镜中心的地方比靠近中心的地方更加弯曲。成像仪光轴中心的畸变为0,沿着镜头半径方向向边缘移动,畸变越来越严重。畸变的数学模型可以用主点(principle point)周围的泰勒级数展开式的前几项进行描述,通常使用前两项,即k1和k2,对于畸变很大的镜头,如鱼眼镜头,可以增加使用第三项k3来进行描述,成像仪上某点根据其在径向方向上的分布位置,调节公式为:
式里(x0,y0)是畸变点在成像仪上的原始位置,(x,y)是畸变较真后新的位置;
切向畸变:是由于透镜本身与相机传感器平面(成像平面)或图像平面不平行而产生的,这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致。畸变模型可以用两个额外的参数p1和p2来描述:
相机标定的目的就是要获得相机的内参(畸变参数)和外参,得到二维平面像素坐标和三维世界坐标的关系。四个坐标系:摄像机坐标系 、 图像物理坐标系、图像像素坐标系 和 世界坐标系(参考坐标系) 。
图像坐标系:是一个以像素为单位的坐标系,它的原点在左上方,每个像素点的位置是以像素为单位来表示的,所以这样的坐标系叫图像像素坐标系(u,v),u和v分别表示像素在数字图像中的列数和行数,但是并没有用物理单位表示像素的位置,因此还需建立以物理单位表示的图像坐标系,叫图像物理坐标系(x,y),该坐标系是以光轴与图像平面的交点为原点,该点一般位于图像中心,但是由于制造原因,很多情况下会偏移。以毫米为单位。两个坐标轴分别与图像像素坐标系平行。即:像素坐标(u,v),物理坐标(x,y)。
如图2所示,若图像物理坐标系的原点在图像像素坐标系中的坐标为(u0,v0),每个像素在图像物理坐标系中的尺寸为dx,dy,则两个坐标系的关系为:
矩阵形式为:
但是一般情况下,两轴互相不垂直:
如图3所示,此时有:
写成矩阵形式为:
如图4所示,相机坐标系(Xc,Yc,Zc)至图像坐标系(x,y);
根据相似三角形原理可得:
如图5所示,世界坐标系(Xw,Yw,Zw)至相机坐标系(Xc,Yc,Zc);
将上式合并得到:
灰度增强:表示对输入图像灰度做线性扩张或压缩,映射函数为一个直线方程,输入图像为f(x,y),灰度为r,输出图像为g(x,y),灰度为s;其表达式如下:Factor、k为参数因子;
对比度增强:主要强调图像的高频区域(边缘和角落),使得到的图像更加清晰。先对图像g(x,y)进行低通滤波(mean_image),根据得到的灰度值(mean)和原始值(orig)进行计算得到结果值(res),其表达式如下:Factor为参数因子
阈值分割:输入图像f(x,y)中选取灰度值满足在灰度区间[MinGray,MaxGray]的像素,将所有满足的点作为一个区域返回,其表达式如下:
其中,MinGray表示最优灰度值范围的最小灰度值,MaxGray表示最优灰度值范围的最大灰度值,如我们需要灰度值为100左右像素,就可以将灰度区间设置为[90,110]。
形态学处理:数学形态学是由一组形态学的代数运算子组成的,它的基本运算有4个:膨胀、腐蚀、开操作和闭操作,主要作用是保持图像的基本特征并除去不相干的结构;通过对阈值分割后得出来的区域进行形态学处理,可以滤除掉一些干扰信息
膨胀(Dilate):是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程。可以用来填补物体中的空洞。膨胀可以看做是腐蚀的对偶运算,其定义是:把结构元素B平移a后得到Ba,若Ba击中X,我们记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。
腐蚀(Erode):是一种消除边界点的方法,使边界向内收缩的过程。可以消除小且毫无意义的物体。X用S腐蚀的结果是所有使S平移x后仍在X中的x的集合。换句话说,用S来腐蚀X得到的集合是S完全包括在X中时S的原点位置的集合,用公式表示为:
开操作(Close):先膨胀后腐蚀称为闭(close),即 CLOSE(X)=E(D(X))。一般来说,闭运算能够填平小湖(即小孔),弥合小裂缝,而总的位置和形状不变。
闭操作(Open):开和闭是对偶运算。先腐蚀后膨胀称为开(open),即 OPEN(X)=D(E(X))。作用:消除小物体,在纤细点出分离物体,位置和形状总是不变的。
傅里叶变换:图像的频率是表征图像中灰度变化剧烈程度的指标。频域图像的每一点都来自于整个原图像,频谱图上的各点与图像上各点并不存在一一对应的关系在进行图像处理时,很多时候需要获得图像中灰度变化剧烈的地方,或者灰度变化相对缓慢的区域,灰度变化剧烈的地方就是那些灰度值变化大的地方,或梯度大的地方,该地方频率高;灰度变化缓慢的地方,就是梯度小的地方,频率低;傅立叶变换(FT, Fourier Transform)的作用是将一个信号由空间域或时间域变换到频域。其实就是把数据由横坐标时间、纵坐标采样值的波形图格式,转换为横坐标频率、纵坐标振幅(或相位)的频谱格式。傅里叶逆变换就是把频域还原为空间域或时间域。
进一步地,把经过对比度增强后的图像进行傅里叶变换,再对傅里叶图像进行高斯卷积,最后再把傅里叶图像还原为空间域图像,可以很明显地看出一些原先不易察觉的特征得到了增强,对接下来轮廓优化提取有很大的帮助;
傅里叶变换公式:
高斯卷积:用一个模板(卷积核)和一幅图像进行卷积,对于图像上的一个点,让模板的原点和该点重合,然后模板上的点和图像上对应的点相乘,然后各点的积相加,就得到了该点的卷积值,对图像上的每个点都这样处理最后得到卷积图像。卷积是一种积分运算,用来求两个曲线重叠区域面积。把一个点的像素值用它周围的点的像素值的加权平均代替,可以看作加权求和,可以用来消除噪声、特征增强。
卷积公式:
傅里叶逆变换公式:
其中,f(x,y)图像矩阵,x/y图像的行列。
轮廓优化提取:通过圆度对轮廓进行筛选的过程。对于一个圆型轮廓,其半径为r,面积为S,周长为L则有:
从上面公式可以看出当轮廓为标准圆时C为一个定值(理论值),而通过前面算法处理得出来的轮廓往往有很多轮廓,包括圆形轮廓和非圆形轮廓,而其中只有圆形才是我们所需要的,所以计算出轮廓的面积和周长再通过上述公式就能筛选出需要的圆形轮廓。当计算出的实际圆度值在理论圆度值±10%的误差范围内时,表示筛选出的轮廓为圆形轮廓。
最小二乘法拟合圆:最小二乘法(least squares analysis)是一种数学优化技术,它通过最小化误差的平方和找到一组数据的最佳函数匹配。最小二乘法是用最简的方法求得一些绝对不可知的真值,而令误差平方之和为最小来寻找一组数据的最佳匹配函数的计算方法,最小二乘法通常用于曲线拟合 (least squares fitting) 。最小二乘圆拟合方法是一种基于统计的检测方法,可实现亚像素级别的精确拟合定位。
圆的公式:
其中A、B为圆中心坐标,R为半径
可得出圆曲线的另外一个方程:
只要求出a,b,c,就能得出圆的半径参数:
解此方程组就能得出a,b,c的值,再通过上面公式就能得出A,B,R的拟合值。
实施例2
本发明还涉及一种玻璃微珠高低折射率检测***,其包括初始化模块、图像采集模块、图像处理模块以及数据处理模块。
进一步地,初始化模块:加载***参数、配置文件、初始化相机;
图像采集模块:对高低折射率图像进行采集并将采集到的图像传递给图像处理模块;
图像处理模块:分为高折射率图像处理模块和低折射率处理模块,分别采用不同的算法,高折射率图像处理模块主要用到的算法有畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆;低折射率图像处理模块主要用到的算法有畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化提取和最小二乘法拟合圆。此模块通过特有的算法对图像进行一系列的处理,并将计算结果传递给数据处理模块;
数据处理模块:对数据进行分析和处理,最后输出并保存数据。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种玻璃微珠高低折射率检测方法,其特征在于:所述检测方法包括:
对采集的高折射率图像依次进行畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆处理;对采集的低折射率图像依次进行畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化和最小二乘法拟合圆处理;
根据上述处理得到轮廓圆的半径以及圆中心坐标值,进而计算出高折射率图像和低折射率图像中的折射率。
6.根据权利要求2所述的一种玻璃微珠高低折射率检测方法,其特征在于:所述傅里叶变换处理包括:
傅里叶正变换:把经过对比度增强后的图像进行傅里叶变换将时域图像转换为频域图像;
高斯卷积:将经过傅里叶变换的图像与卷积核模板进行卷积,对于图像上的一个点,让卷积核模板的原点与该点重合,然后将卷积核模板上的点与图像上对应的点相乘,并将各点的积相加,得到该点的卷积值,再对图像上的每个点都这样处理后得到卷积图像;
傅里叶逆变换:将卷积图像进行傅里叶逆变换将频域图像转换为时域图像。
7.根据权利要求2所述的一种玻璃微珠高低折射率检测方法,其特征在于:所述轮廓优化提取处理包括:
通过理论圆度值对图像中的轮廓进行筛选,并计算筛选出的轮廓的面积和周长;
通过面积和周长计算出圆形轮廓的实际圆度值,并将实际圆度值与理论圆度值进行比较,如果实际圆度值在理论圆度值的误差范围内,则判断筛选出的轮廓为圆形轮廓,如果实际圆度值不在理论圆度值的误差范围内,则重新进行筛选提取。
8.一种基于玻璃微珠高低折射率检测方法的检测***,其特征在于:它包括:
图像采集模块:对高低折射率图像进行采集并将采集到的图像传递给图像处理模块;
图像处理模块:对输入的高低折射率图像进行畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、傅里叶变换、轮廓优化和最小二乘法拟合圆处理后将处理结果传输到数据处理模块;
数据处理模块:对数据进行分析处理根据圆半径和成像距离计算得到折射率,最后输出并保存数据信息。
9.根据权利要求8所述的一种基于玻璃微珠高低折射率检测方法的检测***,其特征在于:所述图像处理模块包括高折射率图像处理单元和低折射率图像处理单元;
所述高折射率图像处理单元依次通过畸变矫正、对比度增强、傅里叶变换、轮廓优化提取和最小二乘法拟合圆处理输入的高折射率图像,得到圆形轮廓的半径和成像距离;
所述低折射率图像处理单元依次通过畸变矫正、灰度增强、对比度增强、阈值分割、形态学处理、轮廓优化提取和最小二乘法拟合圆处理输入的低折射率图像,得到圆形轮廓的半径和成像距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110306319.7A CN112710632A (zh) | 2021-03-23 | 2021-03-23 | 一种玻璃微珠高低折射率检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110306319.7A CN112710632A (zh) | 2021-03-23 | 2021-03-23 | 一种玻璃微珠高低折射率检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112710632A true CN112710632A (zh) | 2021-04-27 |
Family
ID=75550192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110306319.7A Pending CN112710632A (zh) | 2021-03-23 | 2021-03-23 | 一种玻璃微珠高低折射率检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112710632A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842018A (zh) * | 2022-07-06 | 2022-08-02 | 苏州拉索生物芯片科技有限公司 | 高密度基因芯片中微珠的特征提取方法、终端和存储介质 |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5431415A (en) * | 1977-08-15 | 1979-03-08 | Toshiba Kasei Kougiyou Kk | High refractive index glass for use as glass beads |
JPS63123835A (ja) * | 1987-10-22 | 1988-05-27 | Union:Kk | 高屈折率ガラスビーズ |
CA1286269C (en) * | 1986-03-11 | 1991-07-16 | Yuji Ishihara | All-weather type pavement marking sheet material |
CN1119975A (zh) * | 1994-06-02 | 1996-04-10 | 三菱电机株式会社 | 光学处理方法及其实施装置 |
US5620775A (en) * | 1995-11-03 | 1997-04-15 | Minnesota Mining And Manufacturing Company | Low refractive index glass microsphere coated article having a smooth surface and a method for preparing same |
EP0848833A1 (en) * | 1995-09-15 | 1998-06-24 | Minnesota Mining And Manufacturing Company | Retroreflective transfer sheet and applique |
JP2000086290A (ja) * | 1999-08-10 | 2000-03-28 | Asahi Techno Glass Corp | 高屈折率ガラスビ―ズおよびその熱処理方法 |
JP2001048586A (ja) * | 1999-08-03 | 2001-02-20 | Nisshin Steel Co Ltd | 光反射ガラスビーズ及びその製造方法 |
US7088333B1 (en) * | 1999-03-12 | 2006-08-08 | Matsushita Electric Industrial Co., Ltd. | Surface lighting device and portable terminal using the same |
CN101526484A (zh) * | 2009-04-13 | 2009-09-09 | 江南大学 | 基于嵌入式机器视觉的轴承缺陷检测技术 |
EP2224227A4 (en) * | 2008-01-16 | 2011-06-22 | Nippon Telegraph & Telephone | SURFACE PLASMA SENSOR MEASURING DEVICE, SAMPLE EQUIPMENT AND MEASUREMENT METHOD |
CN201909758U (zh) * | 2010-12-15 | 2011-07-27 | 四川大学 | 一种高折射率玻璃微珠折射率的测量装置 |
CN102156108A (zh) * | 2010-12-15 | 2011-08-17 | 四川大学 | 一种标定二次彩虹的彩虹环半径的方法及装置 |
CN102221937A (zh) * | 2010-04-15 | 2011-10-19 | 上海天派无线科技有限公司 | 实时视频图像坐标识别***及其方法 |
CN104079818A (zh) * | 2013-03-26 | 2014-10-01 | 佳能株式会社 | 摄像装置、图像处理***、摄像***和图像处理方法 |
CN104751147A (zh) * | 2015-04-16 | 2015-07-01 | 成都汇智远景科技有限公司 | 一种图像识别方法 |
CN104819960A (zh) * | 2015-02-12 | 2015-08-05 | 四川大学 | 一种测量玻璃微珠折射率的装置与方法 |
CN104819959A (zh) * | 2015-04-17 | 2015-08-05 | 四川大学 | 一种测量低折射率玻璃微珠折射率的装置与方法 |
US20160230018A1 (en) * | 2015-02-11 | 2016-08-11 | LKF Materials A/S | Composition, marking and kit of parts for forming a marking, such as a road marking |
CN107123095A (zh) * | 2017-04-01 | 2017-09-01 | 上海联影医疗科技有限公司 | 一种pet图像重建方法、成像*** |
CN107407691A (zh) * | 2015-01-22 | 2017-11-28 | 贝克顿迪金森公司 | 用于单细胞中核酸靶标的分子条码化的装置和*** |
CN108231645A (zh) * | 2017-12-29 | 2018-06-29 | 广东工业大学 | 一种晶圆级倒装视觉***中的高精度定位方法和装置 |
CN108876768A (zh) * | 2018-05-30 | 2018-11-23 | 杭州舜浩科技有限公司 | 导光板暗影缺陷检测方法 |
KR20190001717A (ko) * | 2017-06-28 | 2019-01-07 | 주식회사 성진에스이 | 우천시 시인성이 향상된 차선 도료 조성물 |
CN109523565A (zh) * | 2018-11-15 | 2019-03-26 | 湖北工业大学 | 一种无衍射光莫尔条纹中心定位方法和*** |
CN109716104A (zh) * | 2016-07-25 | 2019-05-03 | 光声技术股份有限公司 | 用于获取组织的共配准正交荧光光声体积投影的仪器及其使用的方法 |
CN109785245A (zh) * | 2018-12-06 | 2019-05-21 | 江苏大学 | 一种光斑图像修整方法 |
US10481002B2 (en) * | 2011-09-30 | 2019-11-19 | General Electric Company | Systems and methods for self-referenced detection and imaging of sample arrays |
CN110766689A (zh) * | 2019-11-06 | 2020-02-07 | 深圳微品致远信息科技有限公司 | 基于卷积神经网络进行物品图像缺陷检测的方法及装置 |
CN111043973A (zh) * | 2019-12-12 | 2020-04-21 | 浙江大学 | 一种氢同位素结晶高度及表面粗糙度干涉测量装置及方法 |
CN111626290A (zh) * | 2019-12-31 | 2020-09-04 | 中国航天科工集团八五一一研究所 | 一种复杂海面环境下的红外舰船目标检测识别方法 |
CN111860670A (zh) * | 2020-07-28 | 2020-10-30 | 平安科技(深圳)有限公司 | 域自适应模型训练、图像检测方法、装置、设备及介质 |
-
2021
- 2021-03-23 CN CN202110306319.7A patent/CN112710632A/zh active Pending
Patent Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5431415A (en) * | 1977-08-15 | 1979-03-08 | Toshiba Kasei Kougiyou Kk | High refractive index glass for use as glass beads |
CA1286269C (en) * | 1986-03-11 | 1991-07-16 | Yuji Ishihara | All-weather type pavement marking sheet material |
JPS63123835A (ja) * | 1987-10-22 | 1988-05-27 | Union:Kk | 高屈折率ガラスビーズ |
CN1119975A (zh) * | 1994-06-02 | 1996-04-10 | 三菱电机株式会社 | 光学处理方法及其实施装置 |
EP0848833A1 (en) * | 1995-09-15 | 1998-06-24 | Minnesota Mining And Manufacturing Company | Retroreflective transfer sheet and applique |
US5620775A (en) * | 1995-11-03 | 1997-04-15 | Minnesota Mining And Manufacturing Company | Low refractive index glass microsphere coated article having a smooth surface and a method for preparing same |
US7088333B1 (en) * | 1999-03-12 | 2006-08-08 | Matsushita Electric Industrial Co., Ltd. | Surface lighting device and portable terminal using the same |
JP2001048586A (ja) * | 1999-08-03 | 2001-02-20 | Nisshin Steel Co Ltd | 光反射ガラスビーズ及びその製造方法 |
JP2000086290A (ja) * | 1999-08-10 | 2000-03-28 | Asahi Techno Glass Corp | 高屈折率ガラスビ―ズおよびその熱処理方法 |
EP2224227A4 (en) * | 2008-01-16 | 2011-06-22 | Nippon Telegraph & Telephone | SURFACE PLASMA SENSOR MEASURING DEVICE, SAMPLE EQUIPMENT AND MEASUREMENT METHOD |
CN101526484A (zh) * | 2009-04-13 | 2009-09-09 | 江南大学 | 基于嵌入式机器视觉的轴承缺陷检测技术 |
CN102221937A (zh) * | 2010-04-15 | 2011-10-19 | 上海天派无线科技有限公司 | 实时视频图像坐标识别***及其方法 |
CN201909758U (zh) * | 2010-12-15 | 2011-07-27 | 四川大学 | 一种高折射率玻璃微珠折射率的测量装置 |
CN102156108A (zh) * | 2010-12-15 | 2011-08-17 | 四川大学 | 一种标定二次彩虹的彩虹环半径的方法及装置 |
US10481002B2 (en) * | 2011-09-30 | 2019-11-19 | General Electric Company | Systems and methods for self-referenced detection and imaging of sample arrays |
CN104079818A (zh) * | 2013-03-26 | 2014-10-01 | 佳能株式会社 | 摄像装置、图像处理***、摄像***和图像处理方法 |
CN107407691A (zh) * | 2015-01-22 | 2017-11-28 | 贝克顿迪金森公司 | 用于单细胞中核酸靶标的分子条码化的装置和*** |
US20160230018A1 (en) * | 2015-02-11 | 2016-08-11 | LKF Materials A/S | Composition, marking and kit of parts for forming a marking, such as a road marking |
CN104819960A (zh) * | 2015-02-12 | 2015-08-05 | 四川大学 | 一种测量玻璃微珠折射率的装置与方法 |
CN104751147A (zh) * | 2015-04-16 | 2015-07-01 | 成都汇智远景科技有限公司 | 一种图像识别方法 |
CN104819959A (zh) * | 2015-04-17 | 2015-08-05 | 四川大学 | 一种测量低折射率玻璃微珠折射率的装置与方法 |
CN109716104A (zh) * | 2016-07-25 | 2019-05-03 | 光声技术股份有限公司 | 用于获取组织的共配准正交荧光光声体积投影的仪器及其使用的方法 |
CN107123095A (zh) * | 2017-04-01 | 2017-09-01 | 上海联影医疗科技有限公司 | 一种pet图像重建方法、成像*** |
KR20190001717A (ko) * | 2017-06-28 | 2019-01-07 | 주식회사 성진에스이 | 우천시 시인성이 향상된 차선 도료 조성물 |
CN108231645A (zh) * | 2017-12-29 | 2018-06-29 | 广东工业大学 | 一种晶圆级倒装视觉***中的高精度定位方法和装置 |
CN108876768A (zh) * | 2018-05-30 | 2018-11-23 | 杭州舜浩科技有限公司 | 导光板暗影缺陷检测方法 |
CN109523565A (zh) * | 2018-11-15 | 2019-03-26 | 湖北工业大学 | 一种无衍射光莫尔条纹中心定位方法和*** |
CN109785245A (zh) * | 2018-12-06 | 2019-05-21 | 江苏大学 | 一种光斑图像修整方法 |
CN110766689A (zh) * | 2019-11-06 | 2020-02-07 | 深圳微品致远信息科技有限公司 | 基于卷积神经网络进行物品图像缺陷检测的方法及装置 |
CN111043973A (zh) * | 2019-12-12 | 2020-04-21 | 浙江大学 | 一种氢同位素结晶高度及表面粗糙度干涉测量装置及方法 |
CN111626290A (zh) * | 2019-12-31 | 2020-09-04 | 中国航天科工集团八五一一研究所 | 一种复杂海面环境下的红外舰船目标检测识别方法 |
CN111860670A (zh) * | 2020-07-28 | 2020-10-30 | 平安科技(深圳)有限公司 | 域自适应模型训练、图像检测方法、装置、设备及介质 |
Non-Patent Citations (5)
Title |
---|
代小红编: "《基于机器视觉的数字图像处理与识别研究[M]》", 31 December 2012 * |
宓超等: "《装卸机器视觉及其应用[M]》", 31 December 2016 * |
张充等: "彩虹法和成像法测量玻璃微珠折射率对比研究", 《光学与光电技术》 * |
杨帆等: "《精通图像处理经典算法 MATLAB版 第2版[M]》", 31 December 2018 * |
辛洪兵: "《计算机数字图像处理[M]》", 31 December 2015 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842018A (zh) * | 2022-07-06 | 2022-08-02 | 苏州拉索生物芯片科技有限公司 | 高密度基因芯片中微珠的特征提取方法、终端和存储介质 |
CN114842018B (zh) * | 2022-07-06 | 2022-10-11 | 苏州拉索生物芯片科技有限公司 | 高密度基因芯片中微珠的特征提取方法、终端和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | HDCB-Net: A neural network with the hybrid dilated convolution for pixel-level crack detection on concrete bridges | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及*** | |
CN104778721B (zh) | 一种双目图像中显著性目标的距离测量方法 | |
CN111274843B (zh) | 基于监控视频的货车超载监测方法及*** | |
CN103729853B (zh) | 三维gis辅助下的高分遥感影像建筑物倒损检测方法 | |
CN111079556A (zh) | 一种多时相无人机视频图像变化区域检测及分类方法 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
CN111340855A (zh) | 一种基于轨迹预测的道路移动目标检测方法 | |
CN113256653B (zh) | 一种面向高层地物的异源高分遥感影像配准方法 | |
CN105405138B (zh) | 基于显著性检测的水面目标跟踪方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN112488046A (zh) | 一种基于无人机高分辨率影像的车道线提取方法 | |
CN110619328A (zh) | 基于图像处理和深度学习的船舶水尺读数智能识别方法 | |
CN114219773B (zh) | 一种桥梁裂缝检测数据集预筛选与标定方法 | |
CN112699267B (zh) | 车辆车型的识别方法 | |
CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
CN111950559A (zh) | 一种基于径向灰度的指针仪表自动读数方法 | |
CN115018785A (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN112710632A (zh) | 一种玻璃微珠高低折射率检测方法及*** | |
CN113158954B (zh) | 交通非现场的基于ai技术的斑马线区域自动检测方法 | |
CN111325724B (zh) | 隧道裂纹区域检测方法和装置 | |
Wu et al. | Research on crack detection algorithm of asphalt pavement | |
CN111428538B (zh) | 一种车道线提取方法、装置和设备 | |
CN115909285A (zh) | 一种雷达和视频信号融合的车辆跟踪方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210427 |