CN118014882B - 一种基于图像处理的扭矩传感器的钻孔定位方法 - Google Patents
一种基于图像处理的扭矩传感器的钻孔定位方法 Download PDFInfo
- Publication number
- CN118014882B CN118014882B CN202410412076.9A CN202410412076A CN118014882B CN 118014882 B CN118014882 B CN 118014882B CN 202410412076 A CN202410412076 A CN 202410412076A CN 118014882 B CN118014882 B CN 118014882B
- Authority
- CN
- China
- Prior art keywords
- pixel points
- initial
- noise
- image
- correction
- 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
- 238000005553 drilling Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 143
- 238000001914 filtration Methods 0.000 claims abstract description 115
- 238000010586 diagram Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域,更具体地,本发明涉及一种基于图像处理的扭矩传感器的钻孔定位方法,方法包括:采集扭矩传感器的钻孔区域的图像转化为灰度图,通过分析灰度图中每个像素点在局部邻域内的灰度差异和梯度差异,量化各像素点的噪声程度,在灰度图上划分初始滤波区域,并根据区域内各像素点噪声表现程度动态调整滤波窗口的宽度和高度得到修正滤波窗口,以此方式迭代划分直至覆盖整个灰度图,将图像分割为多个修正滤波区域,基于修正滤波区域内像素点的噪声程度执行加权滤波,得到滤波后的图像,将该滤波图像与模板图像进行匹配,确定扭矩传感器钻孔区域的钻孔位置,从而提高钻孔定位的精度。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种基于图像处理的扭矩传感器的钻孔定位方法。
背景技术
扭矩传感器是一种精密的测量工具,用于精确测定机械设备在旋转运动中的扭矩量和方向,在地质勘探、建筑工程等行业中广泛应用,为了将扭矩传感器与待测旋转构件有效耦合,通常需在其上进行钻孔。
随着技术的发展,图像处理技术为扭矩传感器的钻孔提供了辅助功能,图像处理技术是通过采集扭矩传感器的钻孔区域图像,将其与标准模板图像进行匹配,以实现扭矩传感器的钻孔定位,由于扭矩传感器表面纹理特征复杂,图像中不同区域的噪声水平和复杂纹理特征表现差异显著,会对模板匹配的准确性产生影响,进而影响到钻孔定位的精度,为了确保钻孔定位的准确性,现有技术是通过高斯滤波对扭矩传感器表面图像进行分窗口滤波,以提高图像质量,再进行模板匹配。
但是,在使用高斯滤波进行分窗口滤波时,若窗口的尺寸过大,能够更好地抑制噪声的干扰,但会产生较大的平滑作用以至于模糊图像的边缘和细节信息,若窗口的尺寸过小,则高斯滤波对图像的平滑作用相对较弱,对噪声的抑制能力有限,这种情况下,虽然图像的细节和边缘信息能够得到较好的保留,却无法有效平滑噪声,影响滤波效果,窗口的大小设计不够准确,会影响图像质量,进而影响模板匹配的准确性和扭矩传感器钻孔定位的精度。
发明内容
为解决上述一个或多个技术问题,本发明提出一种基于图像处理的扭矩传感器的钻孔定位方法,提高了图像的滤波质量和扭矩传感器钻孔定位的精度。具体采用如下技术方案:一种基于图像处理的扭矩传感器的钻孔定位方法,包括:
S1:采集扭矩传感器的钻孔区域表面图像,预处理得到灰度图;
S2:设定所述灰度图中每个像素点的局部邻域,根据所述每个像素点的局部邻域中像素点的灰度差异和梯度差异得到所述每个像素点的噪声表现程度;
所述每个像素点的噪声表现程度,包括:
获取每个像素点的梯度角度和梯度幅值;
计算所述每个像素点的灰度值与局部邻域内所有像素点的灰度均值的偏差,记为灰度偏差;
将所述灰度偏差的绝对值和局部邻域内所有像素点的灰度方差的比值,作为所述像素点的局部邻域内的相对灰度差异;
计算所述每个像素点的梯度幅值与局部邻域内所有像素点的平均梯度幅值的比值,记为梯度幅值偏差;
将所述每个像素点的局部邻域内所有像素点的梯度角度的方差和所述梯度幅值偏差的比值,作为所述像素点的局部邻域内的相对梯度差异;
将所述像素点的局部邻域内的相对梯度差异和相对灰度差异的乘积,进行归一化,得到的数值作为所述像素点的噪声表现程度;
S3:设定尺寸固定的初始滤波窗口,按照所述初始滤波窗口在所述灰度图中划分初始滤波区域;
S4:基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子;
S5:利用所述初始滤波窗口的宽度修正因子和高度修正因子将所述初始滤波窗口修正为修正滤波窗口,并按照所述修正滤波窗口在所述灰度图中划分修正滤波区域;
S6:对于所述灰度图中除了已划分的修正滤波区域之外的剩余部分,重复步骤S3至S5的操作过程,直到灰度图像的每一个像素点都被包含在修正滤波区域之内,将所述灰度图划分为多个不同的修正滤波区域;
S7:针对各个修正滤波区域内的像素点,依据其各自的噪声表现程度实施加权滤波处理,从而生成滤波后的灰度图;
S8:对所述滤波后的灰度图与预先设定的模板图像进行匹配,根据匹配结果对扭矩传感器钻孔区域的钻孔位置进行定位。
进一步地,所述基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子,包括:
基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波区域中每一行像素点的噪声水平以及每一列像素点的噪声水平;
预设标准噪声水平;
根据所述初始滤波区域中每一行像素点的噪声水平和所述标准噪声水平的差异,以及每一列像素点的噪声水平和所述标准噪声水平的差异,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子。
进一步地,基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波区域中每一行像素点的噪声水平以及每一列像素点的噪声水平,包括:
将所述初始滤波区域中每一行像素点的噪声表现程度的标准差归一化后的数值,作为该行像素点的噪声水平;
将所述初始滤波区域中每一列像素点的噪声表现程度的标准差归一化后的数值,作为该列像素点的噪声水平。
进一步地,根据所述初始滤波区域中每一行像素点的噪声水平和所述标准噪声水平的差异,以及每一列像素点的噪声水平和所述标准噪声水平的差异,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子,包括:
将所述初始滤波区域中每一行像素点的噪声水平与所述标准噪声水平的差值,作为自然常数e的指数幂,构成指数函数,将指数函数的数值作为该行像素点的修正因子;
计算所述初始滤波区域中所有行像素点的修正因子的均值,若该均值大于1,则将该均值作为所述初始滤波窗口的宽度修正因子,否则,所述初始滤波窗口的宽度修正因子为1;
将所述初始滤波区域中每一列像素点的噪声水平与所述标准噪声水平的差值,作为自然常数e的指数幂,构成指数函数,将指数函数的数值作为该列像素点的修正因子;
计算所述初始滤波区域中所有列像素点的修正因子的均值,若该均值大于1,则将该均值作为所述初始滤波窗口的高度修正因子,否则,所述初始滤波窗口的高度修正因子为1。
进一步地,利用所述初始滤波窗口的宽度修正因子和高度修正因子将所述初始滤波窗口修正为修正滤波窗口,包括:
将所述初始滤波窗口的宽度与宽度修正因子相乘,得到的数值作为所述修正滤波窗口的宽度;
将所述初始滤波窗口的高度与高度修正因子相乘,得到的数值作为所述修正滤波窗口的高度。
进一步地,所述针对各个修正滤波区域内的像素点,依据其各自的噪声表现程度实施加权滤波处理,包括:
预设初始高斯滤波参数,所述高斯滤波参数为高斯分布的标准差;
将每个修正滤波区域内所有像素点的噪声表现程度和所述初始高斯滤波参数进行加权后求均值,将该均值作为所述每个修正滤波区域的最终高斯滤波参数;
基于所述每个修正滤波区域的最终高斯滤波参数对所述修正滤波区域内的像素点进行高斯滤波。
进一步地,对所述滤波后的灰度图与预先设定的模板图像进行匹配,根据匹配结果对扭矩传感器钻孔区域的钻孔位置进行定位,包括:
通过模板匹配算法将所述滤波后的灰度图与模板图像进行匹配;所述模板图像上标有钻孔位置和钻孔直径;
根据模板匹配的结果,确定所述滤波后的灰度图中对应的钻孔位置。
进一步地,设定所述灰度图中每个像素点的局部邻域,包括:以每个像素点为中心,将其上、下、左、右的四个邻域像素点作为局部邻域。
本发明具有以下效果:
本发明通过采集钻孔区域的图像并通过预处理转化为灰度图,基于该灰度图,针对每个像素点,通过分析其局部邻域内的灰度差异和梯度特征,量化各个像素点的噪声程度。随后,以初始滤波窗口为基础,在灰度图像分割出初始滤波区域,进一步依据初始滤波区域内每行、每列像素点的噪声表现程度,动态调整初始滤波窗口的宽度和高度,生成适应性更强的修正滤波窗口,实现自适应滤波窗口选择策略,具体而言,对噪声较强的像素点区域,采用较大尺寸的修正滤波窗口以增强平滑噪声的效果;相反,在噪声较弱、边缘特征显著的像素点区域,则采用较小尺寸的修正滤波窗口,以确保边缘清晰度和细节信息得以最大限度保留,通过这种自适应的滤波策略,不仅有效平抑了图像中的噪声,同时也最大程度地保护了边缘和细节信息,显著提升了图像的整体质量。在此基础上,对经过优化处理的图像执行模板匹配操作,由于图像质量的提升,使得模板匹配的精确度也随之提高,从而确保了扭矩传感器钻孔位置的精确定位,最终提升了整个钻孔工艺的精度和稳定性。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是本发明的方法流程的示意图。
具体实施方式
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。
下面结合附图来详细描述本发明的具体实施方式。
参照图1,一种基于图像处理的扭矩传感器的钻孔定位方法,包括步骤S1-S8,具体如下:
S1:采集扭矩传感器的钻孔区域表面图像,预处理得到灰度图。
扭矩传感器的钻孔区域通常是指传感器内部或外部用于安装、连接或装配其他部件的孔洞结构区域,在某些情况下,可能特指传感器主体上用于固定、加载或传递扭矩的关键部位,比如:安装孔,是传感器外壳上用于固定传感器至机械设备上的螺纹孔或通孔;轴孔,是传感器内部可能有一个或多个贯穿的轴孔,用于穿入待测的旋转轴,以测量轴上施加的扭矩,在实际应用中,确保扭矩传感器钻孔区域的制造精度和质量至关重要,因为这直接影响到传感器的性能、可靠性和寿命,通过高精度的加工工艺和后续的图像检测技术,可以确保钻孔区域符合设计要求,进而保证整个传感器的测量准确性。
本步骤采用工业相机在光照均匀的环境中采集图像,根据扭矩传感器钻孔区域表面的尺寸和形状,选择合适的拍摄视角和距离,确保能够全面捕捉扭矩传感器钻孔区域表面细节情况,采集到扭矩传感器的钻孔区域表面图像,进行灰度化处理,得到灰度图。
S2:设定所述灰度图中每个像素点的局部邻域,根据所述每个像素点的局部邻域中像素点的灰度差异和梯度差异得到所述每个像素点的噪声表现程度。
其中,设定所述灰度图中每个像素点的局部邻域,包括:以每个像素点为中心,将其上、下、左、右的四个邻域像素点作为局部邻域。
其中,根据所述每个像素点的局部邻域中像素点的灰度差异和梯度差异得到所述每个像素点的噪声表现程度,包括:
(1)获取每个像素点的梯度角度和梯度幅值,具体可采用索贝尔算子获取;
(2)计算所述每个像素点的灰度值与局部邻域内所有像素点的灰度均值的偏差,记为灰度偏差,以第i个像素点为例,其灰度偏差用公式表述如下:
公式中,为第i个像素点的灰度偏差,/>为第i个像素点的灰度值,/>为第i个像素点的局部邻域内所有像素点(包括自身)的灰度均值,/>值越大,说明该像素点的灰度值大于其局部邻域内像素点的灰度均值,说明该像素点在其局部邻域内的灰度值的相对差异越大,反之,该像素点在其局部邻域内的灰度值的相对差异越小。
(3)将所述灰度偏差的绝对值和局部邻域内所有像素点的灰度方差的比值,作为所述像素点的局部邻域内的相对灰度差异,以第i个像素点为例,第i个像素点的局部邻域内的相对灰度差异,用公式表示为:
公式中,表示第/>个像素点的局部邻域内的相对灰度差异,/>为第i个像素点的局部邻域内所有像素点的灰度方差,/>值越大,则该像素点的局部邻域内的像素点灰度值越不稳定,反之,/>值越小,说明该像素点的局部邻域内的灰度值整体上越稳定,若/>越大且/>越小(/>越大),即该像素点与局部邻域内像素点的相对灰度差异越大,且局部邻域内的灰度值整体上越稳定,说明该像素点在局部邻域内的灰度特征越明显,该像素点越可能为边缘像素点或者噪声像素点。
(4)计算所述每个像素点的梯度幅值与局部邻域内所有像素点的平均梯度幅值的比值,记为梯度幅值偏差,以第i个像素点为例,第i个像素点的梯度幅值偏差,用公式表示为:
公式中,表示第i个像素点的局部邻域内所有像素点(不包括自身)的平均梯度幅值,/>为第i个像素点的梯度幅值,该值越大,说明在该像素点处灰度值有强烈的变化,该像素点越可能为边缘像素点,通常噪声像素点引起的灰度值变化是微小且随机的,因此在计算梯度时,这些噪声像素点的梯度幅值通常较小,故/>值越小,说明该像素点灰度突变相对较弱,该像素点越可能为噪声点,/>为第i个像素点的梯度幅值偏差,表示该像素点与其局部邻域内像素点的梯度幅值的相对差异,该值越小,表明该像素点的梯度幅值与局部邻域内其他像素点的梯度幅值相比,“突出”程度就越低,认为该像素点的梯度幅值在局部邻域内是偏小的,该像素点越可能是噪声点,反之,/>值越大,表明该像素点的梯度幅值与局部邻域内其他像素点的梯度幅值相比,“突出”程度就越高,该像素点的梯度幅值在局部邻域内是偏大的,即该像素点可能是边缘像素点。
因为在图像处理中,边缘像素点的梯度幅值通常会远大于其邻域像素点的梯度幅值,这是因为边缘处灰度值的变化十分剧烈,导致梯度幅值显著增大。相反,噪声像素点的梯度变化往往随机且幅度较小,其梯度幅值与其邻域像素点的梯度幅值差异不大。
(5)将所述每个像素点的局部邻域内所有像素点的梯度角度的方差和所述梯度幅值偏差的比值,作为所述像素点的局部邻域内的相对梯度差异,以第i个像素点为例,第i个像素点的局部邻域内的相对梯度差异,用公式表示为:
公式中,为第i个像素点的局部邻域内的相对梯度差异,/>为局部邻域内所有像素点的梯度角度的方差,/>越大说明该像素点的局部邻域内像素点的梯度方向越离散,认为该像素点可能为噪声点,反之,其值越小,认为该像素点的局部邻域内的像素点的梯度方向越一致,认为该像素点可能为边缘像素点,若某个像素点的局部邻域内像素点的梯度方向越离散,该像素点的梯度幅值偏差越小,即/>越大,该像素点越可能为噪声像素点,在计算时,需要将每个像素点的梯度角度换算为弧度值,然后再进行数值计算。
(6)将所述像素点的局部邻域内的相对梯度差异和相对灰度差异的乘积,进行归一化,得到的数值作为所述像素点的噪声表现程度,以第i个像素点为例,第i个像素点的噪声表现程度,用公式表示为:
公式中,为第i个像素点的噪声表现程度,/>为归一化函数,当第/>个像素点的局部邻域内的相对灰度差异越大,第i个像素点的局部邻域内的相对梯度差异越大,说明第/>个像素点的噪声表现程度越高,越可能为噪声点。
需要说明的是,扭矩传感器钻孔区域图像的噪声特征差异主要来源于边缘像素点、噪声像素点以及纹理边缘像素点,边缘像素点在特定方向上的梯度幅值显著且邻域梯度方向一致性较强,边缘像素点与邻域像素点的灰度值虽有较大差异,但邻域像素点的灰度方差相对较小,而噪声像素点引起的灰度值波动随机且无方向性,导致整个邻域像素点的灰度值方差增大,噪声像素点的梯度幅值变化呈现无规律的小幅度波动,通过对局部邻域的灰度值波动程度(用方差表征)、像素点梯度幅值及其与周围像素点梯度方向一致性等因素的量化分析,可以准确评估每个像素点的噪声表现程度,为后续图像去噪提供依据。
S3:设定尺寸固定的初始滤波窗口,按照所述初始滤波窗口在所述灰度图中划分初始滤波区域。
设定尺寸固定的初始滤波窗口大小为个像素点大小,以所述灰度图左上角为起点,将所述初始滤波窗口的左上角和所述灰度图的左上角重合,此时,初始滤波窗口范围内为初始滤波区域,本实施例中设定所述初始滤波窗口的宽度/>和高度/>均为3个像素点大小,则初始滤波区域的像素点被分为3行3列。
S4:基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子。
具体包括:
(1)基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波区域中每一行像素点的噪声水平,以及每一列像素点的噪声水平;
计算所述初始滤波区域中每一行像素点的噪声表现程度的标准差,将该标准差归一化后得到的值作为该行像素点的噪声水平;
计算所述初始滤波区域中每一列像素点的噪声表现程度的标准差,将该标准差归一化后得到的值作为该列像素点的噪声水平;
(2)预设标准噪声水平,本实施例中设置标准噪声水平,该值为经验值,可自行设定;
(3)根据所述初始滤波区域中每一行像素点的噪声水平和所述标准噪声水平的差异,以及每一列像素点的噪声水平和所述标准噪声水平的差异,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子。
所述初始滤波窗口的宽度修正因子和高度修正因子的具体确定方法为:
将所述初始滤波区域中每一行像素点的噪声水平与所述标准噪声水平的差值,作为自然常数e的指数幂,构成指数函数,将指数函数的数值作为该行像素点的修正因子,以所述初始滤波区域中的第n行像素点为例,其修正因子用公式表示为:
式中,表示初始滤波区域中第n行像素点的修正因子,/>表示第n行像素点的噪声水平,/>是标准噪声水平,/>表示以自然常数e为底数的指数函数,/>表示以自然常数e为底数,并且以/>为指数幂构成的指数函数。
计算所述初始滤波区域中所有行像素点的修正因子的均值,若该均值大于1,则将该均值作为所述初始滤波窗口的宽度修正因子,否则,所述初始滤波窗口的宽度修正因子为1。
将所述初始滤波区域中每一列像素点的噪声水平与所述标准噪声水平的差值,作为自然常数e的指数幂,构成指数函数,将指数函数的数值作为该列像素点的修正因子,具体计算公式与每一行像素点的修正因子相同。
计算所述初始滤波区域中所有列像素点的修正因子的均值,若该均值大于1,则将该均值作为所述初始滤波窗口的高度修正因子,否则,所述初始滤波窗口的高度修正因子为1。
需要说明的是,结合的公式来看,/>是所述初始滤波区域中第n行像素点的噪声水平与标准噪声水平之间的差。当/>大于E时,/>将大于1,可认为第n行像素点的噪声水平高于经验值,认为该行存在噪声点,需要增加初始滤波窗口的宽度,以便包含更多行像素点,在后续滤波过程中能够更有效地抑制噪声,反之,当/>小于或等于E时,/>将小于或等于1,认为该行存在边缘点或其他信息,需要保持初始滤波窗口的宽度不变,以避免在后续滤波过程中产生过度平滑。
S5:利用所述初始滤波窗口的宽度修正因子和高度修正因子将所述初始滤波窗口修正为修正滤波窗口,并按照所述修正滤波窗口在所述灰度图中划分修正滤波区域。
其中,利用所述初始滤波窗口的宽度修正因子和高度修正因子将所述初始滤波窗口修正为修正滤波窗口,具体如下:
将所述初始滤波窗口的宽度与宽度修正因子相乘,得到的数值作为所述修正滤波窗口的宽度;
将所述初始滤波窗口的高度与高度修正因子相乘,得到的数值作为所述修正滤波窗口的高度。
通过对初始滤波窗口的宽度和高度进行了调整,得到了修正滤波窗口,则修正滤波窗口是以初始滤波窗口为基础的,修正滤波窗口的位置与初始滤波窗口基本一致,区别仅在于宽度和高度可能会存在差异,若初始滤波窗口位于左上角,则修正滤波窗口也位于左上角,修正滤波窗口内为修正滤波区域。
S6:对于所述灰度图中除了已划分的修正滤波区域之外的剩余部分,重复步骤S3至S5的操作过程,直到灰度图像的每一个像素点都被包含在修正滤波区域之内,将所述灰度图划分为多个不同的修正滤波区域。
先将初始滤波窗口,设置在灰度图左上角,然后计算初始滤波窗口的宽度修正因子和高度修正因子,根据宽度修正因子和高度修正因子对初始滤波窗口的宽度和高度进行修正,得到修正滤波窗口,根据修正滤波窗口得到修正滤波区域;
然后对于所述灰度图中,除了修正滤波区域之外的其他部分,继续划分初始滤波区域,然后计算初始滤波区域的宽度修正因子和高度修正因子,对初始滤波窗口的宽度和高度进行修正,得到修正滤波窗口,根据修正滤波窗口得到修正滤波区域,不断重复此过程,可将所述灰度图划分为多个修正滤波区域,且所述多个修正滤波区域的宽度和高度也可能不同,由于本实施例中设置的初始滤波窗口尺寸较小,基本上都能对灰度图中所有的像素点完成滤波区域的划分,在划分过程中,设定优先顺序为行优先原则,即在所述灰度图中按照从左到右,且每次划分的修正滤波区域的最左侧与前一次划分的修正滤波区域的最右侧邻接(第一次划分除外),若一行划分完成,再从下一行开始,下一行的首个修正滤波区域的顶部与上一行的首个修正滤波区域的底部邻接,按照此种方式,根据像素点的噪声表现程度自适应调整滤波区域,完成修正滤波区域的划分,将所述灰度图划分为多个修正滤波区域。
S7:针对各个修正滤波区域内的像素点,依据其各自的噪声表现程度实施加权滤波处理,从而生成滤波后的灰度图。
其中,针对各个修正滤波区域内的像素点,依据其各自的噪声表现程度实施加权滤波处理,包括:
(1)预设初始高斯滤波参数,所述高斯滤波参数为高斯分布的标准差,它代表着数据的离散程度,如果/>较小,那么中心系数越大,而周围的系数越小,这样对图像的平滑效果就不是很明显;相反,/>较大时,则生成的各个系数相差就不是很大,对图像的平滑效果就比较明显;
(2)将所述每个修正滤波区域内所有像素点的噪声表现程度和所述初始高斯滤波参数进行加权后求均值,将该均值作为所述每个修正滤波区域的最终高斯滤波参数,以第m个修正滤波区域为例,第个修正滤波区域的最终高斯滤波参数用公式表述为:
式中,表示第/>个修正滤波区域的最终高斯滤波参数,/>表示第/>个修正滤波区域中第/>个像素点修正后的高斯滤波参数,/>为第/>个修正滤波区域中的像素点总数,/>是第/>个修正滤波区域中的第/>个像素点,/>为第/>个修正滤波区域中的第/>个像素点的噪声表现程度,/>表示原始高斯滤波中的参数(本例中/>)。
当较大时,意味着该像素点周围的噪声水平较高,可能会采用较大的高斯滤波参数,/>越大会导致高斯函数曲线越趋于平坦,使得第/>个像素点周围的像素点同样获得了相对较高的权重,这种情况下,滤波函数对第/>个修正滤波区域产生较强的平滑效果,有助于有效去除该区域中的噪声,相反,若/>较小,则表明该像素点周围的噪声较低,此时选用的高斯滤波参数相应较小(/>较小),导致高斯函数曲线更陡峭,使得第/>个像素点的权重远大于周围的像素点的权重,对图像的局部细节保留较好,尤其适用于保护边缘信息,采用较小的高斯滤波参数,能够确保在平滑图像的同时避免过度模糊边缘细节。
(3)基于所述每个修正滤波区域的最终高斯滤波参数对所述修正滤波区域内的像素点进行高斯滤波。
本步骤通过结合上述计算的每一像素点的噪声表现程度,对不同窗口内像素点的高斯滤波参数值进行加权修正,通过根据噪声程度调整权重,可以对噪声较大的区域进行更强烈的平滑,而对噪声较小的区域则保持相对较小的平滑效果,这样做可以更好地适应图像中不同区域的噪声特性,从而使滤波结果精确,得到质量较高的扭矩传感器钻孔区域表面图像。
S8:对所述滤波后的灰度图与预先设定的模板图像进行匹配,根据匹配结果对扭矩传感器钻孔区域的钻孔位置进行定位。
通过模板匹配算法将经过滤波处理后的扭矩传感器图像与预先标记了钻孔位置和直径的模板图像进行匹配,由于滤波操作有效提升了图像质量,减少了噪声和不必要细节,因此,在模板匹配阶段能够提高匹配的准确性,一旦模板匹配成功确定了扭矩传感器的钻孔区域的确切位置,便可以根据这些精确的匹配结果来进行钻孔加工操作,从而提高钻孔定位的精度和准确性。
在本说明书的描述中,“多个”、“若干个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。
Claims (8)
1.一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,包括:
S1:采集扭矩传感器的钻孔区域表面图像,预处理得到灰度图;
S2:设定所述灰度图中每个像素点的局部邻域,根据所述每个像素点的局部邻域中像素点的灰度差异和梯度差异得到所述每个像素点的噪声表现程度;
所述每个像素点的噪声表现程度,包括:
获取每个像素点的梯度角度和梯度幅值;
计算所述每个像素点的灰度值与局部邻域内所有像素点的灰度均值的偏差,记为灰度偏差;
将所述灰度偏差的绝对值和局部邻域内所有像素点的灰度方差的比值,作为所述像素点的局部邻域内的相对灰度差异;
计算所述每个像素点的梯度幅值与局部邻域内所有像素点的平均梯度幅值的比值,记为梯度幅值偏差;
将所述每个像素点的局部邻域内所有像素点的梯度角度的方差和所述梯度幅值偏差的比值,作为所述像素点的局部邻域内的相对梯度差异;
将所述像素点的局部邻域内的相对梯度差异和相对灰度差异的乘积,进行归一化,得到的数值作为所述像素点的噪声表现程度;
S3:设定尺寸固定的初始滤波窗口,按照所述初始滤波窗口在所述灰度图中划分初始滤波区域;
S4:基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子;
S5:利用所述初始滤波窗口的宽度修正因子和高度修正因子将所述初始滤波窗口修正为修正滤波窗口,并按照所述修正滤波窗口在所述灰度图中划分修正滤波区域;
S6:对于所述灰度图中除了已划分的修正滤波区域之外的剩余部分,重复步骤S3至S5的操作过程,直到灰度图像的每一个像素点都被包含在修正滤波区域之内,将所述灰度图划分为多个不同的修正滤波区域;
S7:针对各个修正滤波区域内的像素点,依据其各自的噪声表现程度实施加权滤波处理,从而生成滤波后的灰度图;
S8:对所述滤波后的灰度图与预先设定的模板图像进行匹配,根据匹配结果对扭矩传感器钻孔区域的钻孔位置进行定位。
2.根据权利要求1所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,所述基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子,包括:
基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波区域中每一行像素点的噪声水平以及每一列像素点的噪声水平;
预设标准噪声水平;
根据所述初始滤波区域中每一行像素点的噪声水平和所述标准噪声水平的差异,以及每一列像素点的噪声水平和所述标准噪声水平的差异,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子。
3.根据权利要求2所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,基于所述初始滤波区域中每一行像素点的噪声表现程度以及每一列像素点的噪声表现程度,分别确定所述初始滤波区域中每一行像素点的噪声水平以及每一列像素点的噪声水平,包括:
将所述初始滤波区域中每一行像素点的噪声表现程度的标准差归一化后的数值,作为该行像素点的噪声水平;
将所述初始滤波区域中每一列像素点的噪声表现程度的标准差归一化后的数值,作为该列像素点的噪声水平。
4.根据权利要求2所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,根据所述初始滤波区域中每一行像素点的噪声水平和所述标准噪声水平的差异,以及每一列像素点的噪声水平和所述标准噪声水平的差异,分别确定所述初始滤波窗口的宽度修正因子和高度修正因子,包括:
将所述初始滤波区域中每一行像素点的噪声水平与所述标准噪声水平的差值,作为自然常数e的指数幂,构成指数函数,将指数函数的数值作为该行像素点的修正因子;
计算所述初始滤波区域中所有行像素点的修正因子的均值,若该均值大于1,则将该均值作为所述初始滤波窗口的宽度修正因子,否则,所述初始滤波窗口的宽度修正因子为1;
将所述初始滤波区域中每一列像素点的噪声水平与所述标准噪声水平的差值,作为自然常数e的指数幂,构成指数函数,将指数函数的数值作为该列像素点的修正因子;
计算所述初始滤波区域中所有列像素点的修正因子的均值,若该均值大于1,则将该均值作为所述初始滤波窗口的高度修正因子,否则,所述初始滤波窗口的高度修正因子为1。
5.根据权利要求4所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,利用所述初始滤波窗口的宽度修正因子和高度修正因子将所述初始滤波窗口修正为修正滤波窗口,包括:
将所述初始滤波窗口的宽度与宽度修正因子相乘,得到的数值作为所述修正滤波窗口的宽度;
将所述初始滤波窗口的高度与高度修正因子相乘,得到的数值作为所述修正滤波窗口的高度。
6.根据权利要求1所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,所述针对各个修正滤波区域内的像素点,依据其各自的噪声表现程度实施加权滤波处理,包括:
预设初始高斯滤波参数,所述高斯滤波参数为高斯分布的标准差;
将每个修正滤波区域内所有像素点的噪声表现程度和所述初始高斯滤波参数进行加权后求均值,将该均值作为所述每个修正滤波区域的最终高斯滤波参数;
基于所述每个修正滤波区域的最终高斯滤波参数对所述修正滤波区域内的像素点进行高斯滤波。
7.根据权利要求1所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,对所述滤波后的灰度图与预先设定的模板图像进行匹配,根据匹配结果对扭矩传感器钻孔区域的钻孔位置进行定位,包括:
通过模板匹配算法将所述滤波后的灰度图与模板图像进行匹配;所述模板图像上标有钻孔位置和钻孔直径;
根据模板匹配的结果,确定所述滤波后的灰度图中对应的钻孔位置。
8.根据权利要求1所述的一种基于图像处理的扭矩传感器的钻孔定位方法,其特征在于,设定所述灰度图中每个像素点的局部邻域,包括:以每个像素点为中心,将其上、下、左、右的四个邻域像素点作为局部邻域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410412076.9A CN118014882B (zh) | 2024-04-08 | 2024-04-08 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410412076.9A CN118014882B (zh) | 2024-04-08 | 2024-04-08 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118014882A CN118014882A (zh) | 2024-05-10 |
CN118014882B true CN118014882B (zh) | 2024-06-04 |
Family
ID=90954719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410412076.9A Active CN118014882B (zh) | 2024-04-08 | 2024-04-08 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118014882B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060841A (ja) * | 2005-09-01 | 2006-03-02 | Texas Instr Inc <Ti> | 画像データのノイズ除去方法及びその装置 |
CN102521836A (zh) * | 2011-12-15 | 2012-06-27 | 江苏大学 | 一种基于特定类灰度图像的边缘检测方法 |
CN102567973A (zh) * | 2012-01-06 | 2012-07-11 | 西安电子科技大学 | 基于改进的形状自适应窗口的图像去噪方法 |
CN104217416A (zh) * | 2013-05-31 | 2014-12-17 | 富士通株式会社 | 灰度图像处理方法及其装置 |
CN106327442A (zh) * | 2016-08-22 | 2017-01-11 | 上海奥通激光技术有限公司 | 多光谱显微成像的景深扩展方法及*** |
CN107292900A (zh) * | 2017-07-05 | 2017-10-24 | 黄河科技学院 | 一种基于Canny算法的图像边缘检测方法和装置 |
CN114399522A (zh) * | 2022-01-14 | 2022-04-26 | 东南大学 | 一种基于高低阈值的Canny算子的边缘检测方法 |
CN115049835A (zh) * | 2022-08-16 | 2022-09-13 | 众烁精密模架(南通)有限公司 | 基于压铸模具缺陷识别的数据预处理方法 |
CN116310360A (zh) * | 2023-05-18 | 2023-06-23 | 实德电气集团有限公司 | 一种电抗器表面缺陷检测方法 |
CN116363133A (zh) * | 2023-06-01 | 2023-06-30 | 无锡斯达新能源科技股份有限公司 | 基于机器视觉的照明器配件缺陷检测方法 |
CN116958120A (zh) * | 2023-08-08 | 2023-10-27 | 合肥利弗莫尔仪器科技有限公司 | 一种基于梯度分布特性的微弱目标信号提取方法 |
CN117593305A (zh) * | 2024-01-19 | 2024-02-23 | 天津康博轻钢制造有限公司 | 一种面向高频焊接h型钢的视觉定位*** |
-
2024
- 2024-04-08 CN CN202410412076.9A patent/CN118014882B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060841A (ja) * | 2005-09-01 | 2006-03-02 | Texas Instr Inc <Ti> | 画像データのノイズ除去方法及びその装置 |
CN102521836A (zh) * | 2011-12-15 | 2012-06-27 | 江苏大学 | 一种基于特定类灰度图像的边缘检测方法 |
CN102567973A (zh) * | 2012-01-06 | 2012-07-11 | 西安电子科技大学 | 基于改进的形状自适应窗口的图像去噪方法 |
CN104217416A (zh) * | 2013-05-31 | 2014-12-17 | 富士通株式会社 | 灰度图像处理方法及其装置 |
CN106327442A (zh) * | 2016-08-22 | 2017-01-11 | 上海奥通激光技术有限公司 | 多光谱显微成像的景深扩展方法及*** |
CN107292900A (zh) * | 2017-07-05 | 2017-10-24 | 黄河科技学院 | 一种基于Canny算法的图像边缘检测方法和装置 |
CN114399522A (zh) * | 2022-01-14 | 2022-04-26 | 东南大学 | 一种基于高低阈值的Canny算子的边缘检测方法 |
CN115049835A (zh) * | 2022-08-16 | 2022-09-13 | 众烁精密模架(南通)有限公司 | 基于压铸模具缺陷识别的数据预处理方法 |
CN116310360A (zh) * | 2023-05-18 | 2023-06-23 | 实德电气集团有限公司 | 一种电抗器表面缺陷检测方法 |
CN116363133A (zh) * | 2023-06-01 | 2023-06-30 | 无锡斯达新能源科技股份有限公司 | 基于机器视觉的照明器配件缺陷检测方法 |
CN116958120A (zh) * | 2023-08-08 | 2023-10-27 | 合肥利弗莫尔仪器科技有限公司 | 一种基于梯度分布特性的微弱目标信号提取方法 |
CN117593305A (zh) * | 2024-01-19 | 2024-02-23 | 天津康博轻钢制造有限公司 | 一种面向高频焊接h型钢的视觉定位*** |
Non-Patent Citations (1)
Title |
---|
PCB钻孔检测算法研究及***设计;易卫明;《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》;20070115(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN118014882A (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555832B (zh) | 汽车发动机连杆质量多参数检测方法,设备及存储介质 | |
CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
US20080031531A1 (en) | Line noise eliminating apparatus, line noise eliminating method, and line noise eliminating program | |
CN116188496B (zh) | 基于土地利用类型的遥感影像自适应分割方法 | |
CN110648290A (zh) | 一种基于sure参数优化的双核非局部均值图像去噪方法 | |
CN107328502B (zh) | 一种锚杆托盘载荷可视化数字成像方法 | |
CN111369605B (zh) | 一种基于边缘特征的红外与可见光图像的配准方法和*** | |
CN1902464A (zh) | 用于测量、确定和控制金属带材平直度的方法和设备 | |
CN110334317B (zh) | 一种图片型测井曲线数据自动提取方法 | |
CN116563282A (zh) | 一种基于机器视觉的钻削刀具检测方法及*** | |
CN111699380A (zh) | 用于处理晶体材料的衍射图像的方法、装置和程序 | |
CN111402300A (zh) | 一种基于双谱域主成分分析的高动态星敏感器运动参数估计方法 | |
US20110286659A1 (en) | Image Processing Apparatus, Image Processing Method, and Computer Program | |
CN118014882B (zh) | 一种基于图像处理的扭矩传感器的钻孔定位方法 | |
CN113689451A (zh) | 一种碳板边界提取方法、装置、存储介质和电子设备 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络*** | |
CN117764982B (zh) | 基于三维点云技术的冲压模架磨损检测方法 | |
CN102799881B (zh) | 基于二值图像编码模型的指纹方向信息获取方法 | |
CN111951295B (zh) | 基于多项式拟合高精度确定飞行轨迹的方法、装置和电子设备 | |
CN116012767A (zh) | 一种电控硅油风扇离合器壳体裂纹视觉检测方法 | |
CN106780332B (zh) | 全井眼测井图像生成装置 | |
CN116385898A (zh) | 一种卫星影像处理的方法和*** | |
JP2008116207A (ja) | 画像計測装置、画像計測方法及びプログラム | |
CN112489052A (zh) | 一种复杂环境下的线结构光中心线提取方法 | |
CN112037184A (zh) | 一种受电弓图像识别***及其图像识别方法 |
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 |