CN116168037B - 一种基于图像处理的导线压接弯曲度计算方法及*** - Google Patents
一种基于图像处理的导线压接弯曲度计算方法及*** Download PDFInfo
- Publication number
- CN116168037B CN116168037B CN202310458078.7A CN202310458078A CN116168037B CN 116168037 B CN116168037 B CN 116168037B CN 202310458078 A CN202310458078 A CN 202310458078A CN 116168037 B CN116168037 B CN 116168037B
- Authority
- CN
- China
- Prior art keywords
- corner
- image
- wire crimping
- pixel
- crimping
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,公开了一种基于图像处理的导线压接弯曲度计算方法及***,其方法通过获取导线压接图像,对预处理后的导线压接图像进行两次角点检测,基于直线亚像素拟合法对待检测角点进行亚像素定位,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对亚像素端点和中间拟合点进行最小二乘拟合,得到压接边缘拟合方程,根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度,从而提高了压接弯曲度测量精度和工作效率,保证了导线压接质量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于图像处理的导线压接弯曲度计算方法及***。
背景技术
导线压接是输电工程中重要环节,关系到电网安全运行。压接后导线的弯曲度对电力运输有着重要的影响,弯曲度越大,对导线芯部产生的拉伸力越大,容易发生松股和绝缘层损坏等问题,影响导线的通过性能。因此,压接弯曲度的精确测量和检测对压接质量评估起到了重要的参考作用,也是对压接导线通过性能诊断的重要步骤。
当前国内的导线压接通常在野外进行,主要依靠工人利用水平仪、卷尺进行测量,测量结果重复性差且耗时耗力,导致测量工作效率较低,且难以保证导线压接质量。
发明内容
本发明提供了一种基于图像处理的导线压接弯曲度计算方法及***,解决了导线压接弯曲度测量工作效率较低,且难以保证导线压接质量的技术问题。
有鉴于此,本发明第一方面提供了一种基于图像处理的导线压接弯曲度计算方法,包括以下步骤:
获取导线压接图像,对所述导线压接图像进行预处理;
对预处理后的导线压接图像进行两次角点检测,得到待检测角点;
基于直线亚像素拟合法对所述待检测角点进行亚像素定位,得到亚像素端点;
根据预先获取的导线压接间距,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对所述亚像素端点和所述中间拟合点进行最小二乘拟合,得到压接边缘拟合方程;
根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度。
优选地,获取导线压接图像,对所述导线压接图像进行预处理的步骤具体包括:
获取原始导线压接图像;
提取所述原始导线压接图像的感兴趣区域;
对所述感兴趣区域进行双边滤波,再进行Otsu阈值化得到二值图;
通过面积过滤法对所述二值图进行过滤,得到过滤图像;
对所述过滤图像进行扩充,再通过形态学运算对扩充后的过滤图像进行膨胀操作和腐蚀操作,得到完整的压接图像。
优选地,对预处理后的导线压接图像进行两次角点检测,得到待检测角点的步骤具体包括:
基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点;
以每个候选角点的角点坐标为圆心,画出半径为1个像素的圆,并对圆进行填充角点,将填充后的角点进行聚类,从而得到多个角点簇,对聚类后的圆进行连通域分析,得到多个连通域,以每个连通域的外接矩形中心作为二次角点检测后的角点。
优选地,基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点的步骤具体包括:
通过3×3固定窗口在预处理后的导线压接图像上分别沿行方向和列方向进行滑动,得到预处理后的导线压接图像分别在行方向和列方向的梯度图像;
根据预处理后的导线压接图像分别在滑动前后的梯度图像计算滑动前后窗口内的灰度变化程度为:
式中,表示灰度变化程度值,/>为窗口滑移量,i为窗口在横坐标方向的滑移量,j为窗口在纵坐标方向的滑移量,/>为窗口中心像素坐标,r为窗口中心像素横坐标,c为窗口中心像素纵坐标,/>为窗口函数,/>表示滑动前的梯度图像,表示滑动后的梯度图像;
对灰度变化程度进行泰勒展开,得到:
通过下式计算角点响应强度为:
优选地,基于直线亚像素拟合法对所述待检测角点进行亚像素定位,得到亚像素端点的步骤具体包括:
对待检测角点按照其对应所在行数分类为上角点、下角点和中角点,分别从上角点集合和下角点集合中选取列数最大的两个角点,记为、/>,/>、/>,其中,/>、/>均为上角点集合中选取的列数最大的两个角点,/>、/>均为下角点集合中选取的列数最大的两个角点,从中角点集合中选取中间行数的角点,记为/>;
优选地,根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度的步骤具体包括:
根据压接边缘拟合方程获得一阶弦长方程为:
式中,L为弦长,x为像素点,a、b均为系数;
计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量为:
式中,h为最大径向变形量;
根据最大径向变形量和导线压接最大弦长通过下式计算导线压接弯曲度为:
式中,c为导线压接弯曲度,l为导线压接最大弦长。
第二方面,本发明还提供了一种基于图像处理的导线压接弯曲度计算***,包括:
图像预处理模块,用于获取导线压接图像,对所述导线压接图像进行预处理;
角点检测模块,用于对预处理后的导线压接图像进行两次角点检测,得到待检测角点;
定位模块,用于基于直线亚像素拟合法对所述待检测角点进行亚像素定位,得到亚像素端点;
边缘拟合模块,用于根据预先获取的导线压接间距,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对所述亚像素端点和所述中间拟合点进行最小二乘拟合,得到压接边缘拟合方程;
弯曲度计算模块,用于根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度。
优选地,所述图像预处理模块具体包括:
图像获取模块,用于获取原始导线压接图像;
提取模块,用于提取所述原始导线压接图像的感兴趣区域;
滤波模块,用于对所述感兴趣区域进行双边滤波,再进行Otsu阈值化得到二值图;
过滤模块,用于通过面积过滤法对所述二值图进行过滤,得到过滤图像;
形态学运算模块,用于对所述过滤图像进行扩充,再通过形态学运算对扩充后的过滤图像进行膨胀操作和腐蚀操作,得到完整的压接图像。
优选地,所述角点检测模块具体包括:
一次角点检测模块,用于基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点;
二次角点检测模块,用于以每个候选角点的角点坐标为圆心,画出半径为1个像素的圆,并对圆进行填充角点,将填充后的角点进行聚类,从而得到多个角点簇,对聚类后的圆进行连通域分析,得到多个连通域,以每个连通域的外接矩形中心作为二次角点检测后的角点。
优选地,所述一次角点检测模块具体包括:
滑动模块,用于通过3×3固定窗口在预处理后的导线压接图像上分别沿行方向和列方向进行滑动,得到预处理后的导线压接图像分别在行方向和列方向的梯度图像;
灰度变化模块,用于根据预处理后的导线压接图像分别在滑动前后的梯度图像计算滑动前后窗口内的灰度变化程度为:
式中,表示灰度变化程度值,/>为窗口滑移量,i为窗口在横坐标方向的滑移量,j为窗口在纵坐标方向的滑移量,/>为窗口中心像素坐标,r为窗口中心像素横坐标,c为窗口中心像素纵坐标,/>为窗口函数,/>表示滑动前的梯度图像,表示滑动后的梯度图像;
泰勒模块,用于对灰度变化程度进行泰勒展开,得到:
响应强度计算模块,用于通过下式计算角点响应强度为:
从以上技术方案可以看出,本发明具有以下优点:
本发明通过获取导线压接图像,对预处理后的导线压接图像进行两次角点检测,基于直线亚像素拟合法对待检测角点进行亚像素定位,得到亚像素端点,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对亚像素端点和中间拟合点进行最小二乘拟合,得到压接边缘拟合方程,根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度,从而实现了导线压接弯曲度的非接触式测量,提高了压接弯曲度测量精度和工作效率,保证了导线压接质量。
附图说明
图1为本发明实施例提供的一种基于图像处理的导线压接弯曲度计算方法的流程图;
图2为本发明实施例提供的导线压接图像二值图;
图3为本发明实施例提供的导线压接图像形态学处理后的示意图;
图4为本发明实施例提供的一种基于图像处理的导线压接弯曲度计算***的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,本发明提供的一种基于图像处理的导线压接弯曲度计算方法,包括以下步骤:
S1、获取导线压接图像,对导线压接图像进行预处理。
S2、对预处理后的导线压接图像进行两次角点检测,得到待检测角点。
S3、基于直线亚像素拟合法对待检测角点进行亚像素定位,得到亚像素端点。
S4、根据预先获取的导线压接间距,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对亚像素端点和中间拟合点进行最小二乘拟合,得到压接边缘拟合方程。
其中,首先测量导线压接间距,在导线压接间距内的预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,根据亚像素端点和中间点进行最小二乘拟合,拟合方程为,其中,x、y分别为方程的横坐标和纵坐标,a、b、c均为系数。
S5、根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度。
需要说明的是,本实施例提供的一种基于图像处理的导线压接弯曲度计算方法,通过获取导线压接图像,对预处理后的导线压接图像进行两次角点检测,基于直线亚像素拟合法对待检测角点进行亚像素定位,得到亚像素端点,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对亚像素端点和中间拟合点进行最小二乘拟合,得到压接边缘拟合方程,根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度,从而实现了导线压接弯曲度的非接触式测量,提高了压接弯曲度测量精度和工作效率,保证了导线压接质量。
在一个具体实施例中,步骤S1具体包括:
S101、获取原始导线压接图像。
S102、提取原始导线压接图像的感兴趣区域;
S103、对感兴趣区域进行双边滤波,再进行Otsu阈值化得到二值图;
S104、通过面积过滤法对二值图进行过滤,得到过滤图像;
S105、对过滤图像进行扩充,再通过形态学运算对扩充后的过滤图像进行膨胀操作和腐蚀操作,得到完整的压接图像。
可以理解的是,采集原始压接图像,截取图像感兴趣区域ROI(region ofinterest),后进行双边滤波,提高边缘检测精度,再进行Otsu阈值化得到二值图,如图2所示。通过面积过滤法,去除其他干扰因素。为保证形态学处理效果,先对图像进行扩充,再多次使用膨胀操作,填补压接图像中的缺口,后进行相同次数的腐蚀得到完整的压接图像,如图3所示。
在一个具体实施例中,步骤S2具体包括:
S201、基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点。
在一个示例中,步骤S201具体包括:
S2011、通过3×3固定窗口在预处理后的导线压接图像上分别沿行方向和列方向进行滑动,得到预处理后的导线压接图像分别在行方向和列方向的梯度图像;
S2012、根据预处理后的导线压接图像分别在滑动前后的梯度图像计算滑动前后窗口内的灰度变化程度为:
式中,表示灰度变化程度值,/>为窗口滑移量,i为窗口在横坐标方向的滑移量,j为窗口在纵坐标方向的滑移量,/>为窗口中心像素坐标,r为窗口中心像素横坐标,c为窗口中心像素纵坐标,/>为窗口函数,/>表示滑动前的梯度图像,表示滑动后的梯度图像;
S2013、对灰度变化程度进行泰勒展开,得到:
S2014、通过下式计算角点响应强度为:
k为常数,仅用于调节函数R的形状,对检测结果无影响,本实施例中,k取值为0.05。
其中,为避免传统Harris检测时选取阈值带来的局限性,故设计了自适应阈值进行筛选。
S202、以每个候选角点的角点坐标为圆心,画出半径为1个像素的圆,并对圆进行填充角点,将填充后的角点进行聚类,从而得到多个角点簇,对聚类后的圆进行连通域分析,得到多个连通域,以每个连通域的外接矩形中心作为二次角点检测后的角点。
填充后的角点会与其周围的填充角点产生交集,从而将一定范围内的角点聚簇成一个角点簇,若有孤立填充角点则也认为是一个角点簇;
对填充聚簇的图像进行连通域分析,可以得到角点簇的连通域对应的外接矩形,以其中心作为角点簇区域代表的角点。
在一个具体实施例中,步骤S3具体包括:
S301、对待检测角点按照其对应所在行数分类为上角点、下角点和中角点,分别从上角点集合和下角点集合中选取列数最大的两个角点,记为、/>,/>、/>,其中,/>、均为上角点集合中选取的列数最大的两个角点,/>、/>均为下角点集合中选取的列数最大的两个角点,从中角点集合中选取中间行数的角点,记为/>;
其中,拟合的计算公式如下所示:
式中,、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标。
在一个具体实施例中,步骤S5具体包括:
S501、根据压接边缘拟合方程获得一阶弦长方程为:
式中,L为弦长,x为像素点,a、b均为系数;
其中,取压接边缘拟合曲线的两端点作为最大弦长上的两个点,根据两点坐标可确定对应的一阶弦长方程。
S502、计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量为:
式中,h为最大径向变形量;
S503、根据最大径向变形量和导线压接最大弦长通过下式计算导线压接弯曲度为:
式中,c为导线压接弯曲度,l为导线压接最大弦长。
以上为本发明提供的一种基于图像处理的导线压接弯曲度计算方法的实施例的详细描述,以下为本发明提供的一种基于图像处理的导线压接弯曲度计算***的实施例的详细描述。
为了便于理解,请参阅图4,一种基于图像处理的导线压接弯曲度计算***,包括:
图像预处理模块100,用于获取导线压接图像,对导线压接图像进行预处理;
角点检测模块200,用于对预处理后的导线压接图像进行两次角点检测,得到待检测角点;
定位模块300,用于基于直线亚像素拟合法对待检测角点进行亚像素定位,得到亚像素端点;
边缘拟合模块400,用于根据预先获取的导线压接间距,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对亚像素端点和中间拟合点进行最小二乘拟合,得到压接边缘拟合方程;
弯曲度计算模块500,用于根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度。
在一个具体实施例中,图像预处理模块具体包括:
图像获取模块,用于获取原始导线压接图像;
提取模块,用于提取原始导线压接图像的感兴趣区域;
滤波模块,用于对感兴趣区域进行双边滤波,再进行Otsu阈值化得到二值图;
过滤模块,用于通过面积过滤法对二值图进行过滤,得到过滤图像;
形态学运算模块,用于对过滤图像进行扩充,再通过形态学运算对扩充后的过滤图像进行膨胀操作和腐蚀操作,得到完整的压接图像。
在一个具体实施例中,角点检测模块具体包括:
一次角点检测模块,用于基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点;
二次角点检测模块,用于以每个候选角点的角点坐标为圆心,画出半径为1个像素的圆,并对圆进行填充角点,将填充后的角点进行聚类,从而得到多个角点簇,对聚类后的圆进行连通域分析,得到多个连通域,以每个连通域的外接矩形中心作为二次角点检测后的角点。
在一个具体实施例中,一次角点检测模块具体包括:
滑动模块,用于通过3×3固定窗口在预处理后的导线压接图像上分别沿行方向和列方向进行滑动,得到预处理后的导线压接图像分别在行方向和列方向的梯度图像;
灰度变化模块,用于根据预处理后的导线压接图像分别在滑动前后的梯度图像计算滑动前后窗口内的灰度变化程度为:
式中,表示灰度变化程度值,/>为窗口滑移量,i为窗口在横坐标方向的滑移量,j为窗口在纵坐标方向的滑移量,/>为窗口中心像素坐标,r为窗口中心像素横坐标,c为窗口中心像素纵坐标,/>为窗口函数,/>表示滑动前的梯度图像,表示滑动后的梯度图像;
泰勒模块,用于对灰度变化程度进行泰勒展开,得到:
响应强度计算模块,用于通过下式计算角点响应强度为:
在一个具体实施例中,定位模块具体包括:
分类模块,用于对待检测角点按照其对应所在行数分类为上角点、下角点和中角点,分别从上角点集合和下角点集合中选取列数最大的两个角点,记为、/>,/>、/>,其中,/>、/>均为上角点集合中选取的列数最大的两个角点,/>、/>均为下角点集合中选取的列数最大的两个角点,从中角点集合中选取中间行数的角点,记为/>;
第一直线拟合模块,用于根据、/>分别对应的角点坐标进行直线拟合为上边缘边界线/>,根据/>、/>分别对应的角点坐标进行直线拟合为右边缘界线/>,上边缘边界线/>和右边缘界线/>的交点为亚像素上端点/>;
第二直线拟合模块,用于根据、/>分别对应的角点坐标进行直线拟合为下边缘边界线/>,根据/>、/>分别对应的角点坐标进行直线拟合为右边缘边界线/>,下边缘边界线/>和右边缘边界线/>的交点为亚像素下端点/>。
其中,拟合的计算公式如下所示:
式中,、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标,/>、/>分别为角点/>的横坐标、纵坐标。/>
在一个具体实施例中,弯曲度计算模块具体包括:
弦长模块,用于根据压接边缘拟合方程获得一阶弦长方程为:
式中,L为弦长,x为像素点,a、b均为系数;
距离计算模块,用于计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量为:
式中,h为最大径向变形量;
弯曲度模块,用于根据最大径向变形量和导线压接最大弦长通过下式计算导线压接弯曲度为:
式中,c为导线压接弯曲度,l为导线压接最大弦长。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于图像处理的导线压接弯曲度计算方法,其特征在于,包括以下步骤:
获取导线压接图像,对所述导线压接图像进行预处理;
对预处理后的导线压接图像进行两次角点检测,得到待检测角点,具体包括:
基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点,具体包括:
通过3×3固定窗口在预处理后的导线压接图像上分别沿行方向和列方向进行滑动,得到预处理后的导线压接图像分别在行方向和列方向的梯度图像;
根据预处理后的导线压接图像分别在滑动前后的梯度图像计算滑动前后窗口内的灰度变化程度为:
式中,表示灰度变化程度值,/>为窗口滑移量,i为窗口在横坐标方向的滑移量,j为窗口在纵坐标方向的滑移量,/>为窗口中心像素坐标,r为窗口中心像素横坐标,c为窗口中心像素纵坐标,/>为窗口函数,/>表示滑动前的梯度图像,/>表示滑动后的梯度图像;
对灰度变化程度进行泰勒展开,得到:
通过下式计算角点响应强度为:
以每个候选角点的角点坐标为圆心,画出半径为1个像素的圆,并对圆进行填充角点,将填充后的角点进行聚类,从而得到多个角点簇,对聚类后的圆进行连通域分析,得到多个连通域,以每个连通域的外接矩形中心作为二次角点检测后的角点;
基于直线亚像素拟合法对所述待检测角点进行亚像素定位,得到亚像素端点;
根据预先获取的导线压接间距,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对所述亚像素端点和所述中间拟合点进行最小二乘拟合,得到压接边缘拟合方程;
根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度,具体包括:
根据压接边缘拟合方程获得一阶弦长方程为:
式中,L为弦长,x为像素点,a、b均为系数;
计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量为:
式中,h为最大径向变形量;
根据最大径向变形量和导线压接最大弦长通过下式计算导线压接弯曲度为:
式中,c为导线压接弯曲度,l为导线压接最大弦长。
2.根据权利要求1所述的基于图像处理的导线压接弯曲度计算方法,其特征在于,获取导线压接图像,对所述导线压接图像进行预处理的步骤具体包括:
获取原始导线压接图像;
提取所述原始导线压接图像的感兴趣区域;
对所述感兴趣区域进行双边滤波,再进行Otsu阈值化得到二值图;
通过面积过滤法对所述二值图进行过滤,得到过滤图像;
对所述过滤图像进行扩充,再通过形态学运算对扩充后的过滤图像进行膨胀操作和腐蚀操作,得到完整的压接图像。
3.根据权利要求1所述的基于图像处理的导线压接弯曲度计算方法,其特征在于,基于直线亚像素拟合法对所述待检测角点进行亚像素定位,得到亚像素端点的步骤具体包括:
对待检测角点按照其对应所在行数分类为上角点、下角点和中角点,分别从上角点集合和下角点集合中选取列数最大的两个角点,记为、/>,/>、/>,其中,/>、/>均为上角点集合中选取的列数最大的两个角点,/>、/>均为下角点集合中选取的列数最大的两个角点,从中角点集合中选取中间行数的角点,记为/>;
4.一种基于图像处理的导线压接弯曲度计算***,其特征在于,包括:
图像预处理模块,用于获取导线压接图像,对所述导线压接图像进行预处理;
角点检测模块,用于对预处理后的导线压接图像进行两次角点检测,得到待检测角点;
所述角点检测模块具体包括:
一次角点检测模块,用于基于Harris角点检测算法对预处理后的导线压接图像进行一次角点检测,得到多个候选角点;
二次角点检测模块,用于以每个候选角点的角点坐标为圆心,画出半径为1个像素的圆,并对圆进行填充角点,将填充后的角点进行聚类,从而得到多个角点簇,对聚类后的圆进行连通域分析,得到多个连通域,以每个连通域的外接矩形中心作为二次角点检测后的角点;
所述一次角点检测模块具体包括:
滑动模块,用于通过3×3固定窗口在预处理后的导线压接图像上分别沿行方向和列方向进行滑动,得到预处理后的导线压接图像分别在行方向和列方向的梯度图像;
灰度变化模块,用于根据预处理后的导线压接图像分别在滑动前后的梯度图像计算滑动前后窗口内的灰度变化程度为:
式中,表示灰度变化程度值,/>为窗口滑移量,i为窗口在横坐标方向的滑移量,j为窗口在纵坐标方向的滑移量,/>为窗口中心像素坐标,r为窗口中心像素横坐标,c为窗口中心像素纵坐标,/>为窗口函数,/>表示滑动前的梯度图像,/>表示滑动后的梯度图像;
泰勒模块,用于对灰度变化程度进行泰勒展开,得到:
响应强度计算模块,用于通过下式计算角点响应强度为:
定位模块,用于基于直线亚像素拟合法对所述待检测角点进行亚像素定位,得到亚像素端点;
边缘拟合模块,用于根据预先获取的导线压接间距,在预处理后的导线压接图像中沿行方向获取图像的第一个像素点的坐标和最后一个像素点的坐标均作为中间拟合点,对所述亚像素端点和所述中间拟合点进行最小二乘拟合,得到压接边缘拟合方程;
弯曲度计算模块,用于根据压接边缘拟合方程获得一阶弦长方程,计算压接边缘各点到所述一阶弦长方程的距离,并确定最大径向变形量,根据最大径向变形量和导线压接最大弦长计算导线压接弯曲度;
弯曲度计算模块具体包括:
弦长模块,用于根据压接边缘拟合方程获得一阶弦长方程为:
式中,L为弦长,x为像素点,a、b均为系数;
距离计算模块,用于计算压接边缘各点到一阶弦长方程的距离,并确定最大径向变形量为:
式中,h为最大径向变形量;
弯曲度模块,用于根据最大径向变形量和导线压接最大弦长通过下式计算导线压接弯曲度为:
式中,c为导线压接弯曲度,l为导线压接最大弦长。
5.根据权利要求4所述的基于图像处理的导线压接弯曲度计算***,其特征在于,所述图像预处理模块具体包括:
图像获取模块,用于获取原始导线压接图像;
提取模块,用于提取所述原始导线压接图像的感兴趣区域;
滤波模块,用于对所述感兴趣区域进行双边滤波,再进行Otsu阈值化得到二值图;
过滤模块,用于通过面积过滤法对所述二值图进行过滤,得到过滤图像;
形态学运算模块,用于对所述过滤图像进行扩充,再通过形态学运算对扩充后的过滤图像进行膨胀操作和腐蚀操作,得到完整的压接图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310458078.7A CN116168037B (zh) | 2023-04-26 | 2023-04-26 | 一种基于图像处理的导线压接弯曲度计算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310458078.7A CN116168037B (zh) | 2023-04-26 | 2023-04-26 | 一种基于图像处理的导线压接弯曲度计算方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168037A CN116168037A (zh) | 2023-05-26 |
CN116168037B true CN116168037B (zh) | 2023-07-04 |
Family
ID=86422286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310458078.7A Active CN116168037B (zh) | 2023-04-26 | 2023-04-26 | 一种基于图像处理的导线压接弯曲度计算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168037B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630308B8 (zh) * | 2023-07-20 | 2023-10-27 | 山东华太新能源电池有限公司 | 用于电池焊接异常检测的数据增强*** |
CN116894776B (zh) * | 2023-09-11 | 2024-01-23 | 广东电网有限责任公司江门供电局 | 基于图像拼接的压接导线弯曲度测量方法及*** |
CN117036345B (zh) * | 2023-10-07 | 2024-03-05 | 广东电网有限责任公司江门供电局 | 一种压接导线的对边距测量方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009266775A (ja) * | 2008-04-30 | 2009-11-12 | Sumitomo Electric Ind Ltd | 導体線の曲がり状態可視化方法、曲がり状態可視化システム、曲がり状態可視化プログラム、ケーブル屈曲寿命予測方法、及び、ケーブル屈曲寿命予測システム |
CN115631139A (zh) * | 2022-09-28 | 2023-01-20 | 联合汽车电子有限公司 | 一种曲线信息处理方法、装置、存储介质及检测设备 |
CN115984356A (zh) * | 2023-03-20 | 2023-04-18 | 广东电网有限责任公司江门供电局 | 一种基于图像的导线压接间距测量方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7195978B2 (ja) * | 2019-03-01 | 2022-12-26 | 日本航空電子工業株式会社 | 圧着用金型、圧着装置、及び端子付き導線の製造方法 |
-
2023
- 2023-04-26 CN CN202310458078.7A patent/CN116168037B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009266775A (ja) * | 2008-04-30 | 2009-11-12 | Sumitomo Electric Ind Ltd | 導体線の曲がり状態可視化方法、曲がり状態可視化システム、曲がり状態可視化プログラム、ケーブル屈曲寿命予測方法、及び、ケーブル屈曲寿命予測システム |
CN115631139A (zh) * | 2022-09-28 | 2023-01-20 | 联合汽车电子有限公司 | 一种曲线信息处理方法、装置、存储介质及检测设备 |
CN115984356A (zh) * | 2023-03-20 | 2023-04-18 | 广东电网有限责任公司江门供电局 | 一种基于图像的导线压接间距测量方法及*** |
Non-Patent Citations (2)
Title |
---|
基于数字射线的耐张线夹压接质量评价试验;赵洲峰;王若民;陈国宏;印卫佳;周桢;邹君文;;浙江电力(第11期);全文 * |
基于曲率与灰度复合的角点亚像素定位方法;丁艳蓉;白瑞林;倪健;;激光与光电子学进展(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116168037A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116168037B (zh) | 一种基于图像处理的导线压接弯曲度计算方法及*** | |
CN108711158B (zh) | 基于轮廓拟合和径向分割的指针式仪表图像识别方法 | |
CN115294099B (zh) | 一种钢板轧制过程发纹缺陷的检测方法及*** | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别***及方法 | |
CN111461113B (zh) | 一种基于变形平面物体检测网络的大角度车牌检测方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控*** | |
CN116137036B (zh) | 基于机器学习的基因检测数据智能处理*** | |
CN111723821A (zh) | 一种电厂仪表图像的检测识别方法及装置 | |
CN117437223B (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN115205858A (zh) | 一种基于旋转目标检测的指针式仪表自动读数方法 | |
CN115965623A (zh) | 一种变压器生产中表面瑕疵检测方法及*** | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN117593651B (zh) | 一种隧道裂纹分割识别方法 | |
CN109117720B (zh) | 一种基于机器视觉的指针式仪表读数识别方法 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络*** | |
CN116894776B (zh) | 基于图像拼接的压接导线弯曲度测量方法及*** | |
CN116110071B (zh) | 一种基于深度学习的图像格式管道和仪表图管线识别方法 | |
CN111126371B (zh) | 一种基于图像处理的粗指针表盘示数读取方法 | |
CN111476792A (zh) | 一种板带钢图像轮廓的提取方法 | |
CN113591875B (zh) | 一种高精度指针式仪表识别方法 | |
CN114529803A (zh) | 一种指针仪表识别增强检测方法 | |
CN109059790B (zh) | 一种基于傅里叶变换的弹簧节距测量方法 | |
CN113674360A (zh) | 一种基于协变的线结构光光平面标定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |