一种基于图像处理的扭曲木材检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于图像处理的扭曲木材检测方法及系统，包括：获取待检测扭曲板材的各个不同拍摄角度的表面图像，根据表面图像获取对应的灰度图像；根据灰度图像中各个像素点的灰度值和位置信息，确定灰度图像中各个像素点的属于纹理的概率值和主成分方向；根据灰度图像中各个像素点的属于纹理的概率值、主成分方向以及位置信息，确定灰度图像中各个像素点的属于边缘的概率值；根据灰度图像中各个像素点的属于边缘的概率值，确定各个不同拍摄角度下的待检测板材的边缘线，进而根据各个不同拍摄角度下的待检测板材的边缘线，确定待检测扭曲板材的各个边缘线。本发明专利技术可以准确获取扭曲板材的边缘线，提高了扭曲板材的生产率。提高了扭曲板材的生产率。提高了扭曲板材的生产率。

【技术实现步骤摘要】
一种基于图像处理的扭曲木材检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于图像处理的扭曲木材检测方法及系统。

技术介绍

[0002]在板材切割完成后，往往需要存放一段时间，但是经过一段时间的存在，经常会出现板材扭曲的现象，从而使得整张板材不再符合应用标准。但是，在板材扭曲后，仍然可以通过切割算法保留部分的可用板材。
[0003]对于现有的板材切割算法，往往针对的是有清晰木材模型的板材。对于常规标准直行板材，通过正拍和侧拍图像就可以准确识别出板材的边缘，从而能得到准确的木材模型；而对于扭曲的板材，由于板材纹理的干扰，通过正拍和侧拍图像很难识别出板材的边缘，从而无法得到准确的木材模型，最终无法确定准确的切割位置。

技术实现思路

[0004]本专利技术的目的在于提供一种基于图像处理的扭曲木材检测方法及系统，用于解决由于无法准确获取扭曲板材的边缘，导致无法确定扭曲板材的切割位置的问题。
[0005]为解决上述技术问题，本专利技术提供了一种基于图像处理的扭曲木材检测方法，包括以下步骤：
[0006]获取待检测扭曲板材的各个不同拍摄角度的表面图像，并根据表面图像获取对应的灰度图像；
[0007]根据灰度图像中各个像素点的灰度值和位置信息，确定灰度图像中各个像素点的属于纹理的概率值和主成分方向；
[0008]根据灰度图像中各个像素点的属于纹理的概率值、主成分方向以及位置信息，确定灰度图像中各个像素点的属于边缘的概率值；
[0009]根据灰度图像中各个像素点的属于边缘的概率值，确定各个不同拍摄角度下的待检测板材的边缘线，进而根据各个不同拍摄角度下的待检测板材的边缘线，确定待检测扭曲板材的各个边缘线。
[0010]进一步的，确定灰度图像中各个像素点的属于纹理的概率值和主成分方向的步骤包括：
[0011]分别以灰度图像中各个像素点为中心像素点，构建滑窗区域，并对滑窗区域进行直方图均衡化处理，得到处理后的滑窗区域；
[0012]根据处理后的滑窗区域内各个像素点的灰度值，确定处理后的滑窗区域内各个像素点中的各个纹理像素点；
[0013]根据处理后的滑窗区域内的各个纹理像素点的灰度值以及对应中心像素点的灰度值，确定灰度图像中对应各个像素点的初始的属于纹理的概率值；
[0014]根据处理后的滑窗区域内的各个纹理像素点的位置信息，确定处理后的滑窗区域
内的各个纹理像素点类别，进而根据各个纹理像素点类别中各个纹理像素点的位置，确定滑窗区域内的各个纹理像素点类别的主成分方向、第一纹理分散指标值和第二纹理分散指标值；
[0015]根据灰度图像中对应各个像素点的初始的属于纹理的概率值以及滑窗区域内的各个纹理像素点类别的第一纹理分散指标值和第二纹理分散指标值，计算灰度图像中各个像素点的各个修正后的属于纹理的概率值；
[0016]根据灰度图像中各个像素点的各个修正后的属于纹理的概率值，确定灰度图像中各个像素点的最终的属于纹理的概率值，并将最终的属于纹理的概率值所对应的纹理像素点类别的主成分方向作为灰度图像中对应各个像素点的主成分方向。
[0017]进一步的，确定灰度图像中对应各个像素点的初始的属于纹理的概率值的步骤包括：
[0018]根据处理后的滑窗区域内的各个纹理像素点的灰度值，计算各个纹理像素点的灰度均值和方差，并根据各个纹理像素点的灰度均值和方差，构建高斯函数；
[0019]将处理后的滑窗区域对应中心像素点的灰度值代入到高斯函数，从而计算出灰度图像中对应各个像素点的初始的属于纹理的概率值。
[0020]进一步的，灰度图像中各个像素点的各个修正后的属于纹理的概率值对应的计算公式为：
[0021][0022]其中，P
’
为灰度图像中像素点的修正后的属于纹理的概率值，P为灰度图像中像素点的初始的属于纹理的概率值，σ1为灰度图像中像素点的处理后的滑窗区域内的任意一个纹理像素点类别的第一纹理分散指标值，σ2为灰度图像中像素点的处理后的滑窗区域内的任意一个纹理像素点类别的第二纹理分散指标值。
[0023]进一步的，确定灰度图像中各个像素点的属于边缘的概率值的步骤包括：
[0024]根据灰度图像中各个像素点的属于纹理的概率值、主成分方向以及位置信息，对灰度图像中各个像素点进行聚类，得到各个像素点类别；
[0025]根据各个像素点类别中各个像素点的位置信息，确定各个像素点类别的像素点分布长宽比值以及各个像素点类别中各个像素点的边缘表征值；
[0026]根据各个像素点类别的像素点分布长宽比值，确定各个像素点类别中的各个条状像素点类别以及非条状像素点类别；
[0027]根据各个条状像素点类别的像素点分布长宽比值和条状像素点类别中各个像素点的边缘表征值，计算各个条状像素点类别中各个像素点的属于边缘的概率值；
[0028]根据各个条状像素点类别中各个像素点的位置信息和非条状像素点类别中各个像素点的位置信息，确定各个非条状像素点类别的目标邻近条状像素点类别；
[0029]根据各个非条状像素点类别的目标邻近条状像素点类别中的各个边缘像素点的位置，确定各个非条状像素点类别的投影方向；
[0030]根据各个非条状像素点类别的投影方向以及各个非条状像素点类别中各个像素点的位置信息，确定各个非条状像素点类别中各个像素点的边缘表征值；
[0031]根据各个非条状像素点类别中各个像素点的边缘表征值以及各个非条状像素点
类别的目标邻近条状像素点类别的像素点分布长宽比值，计算各个非条状像素点类别中各个像素点的属于边缘的概率值。
[0032]进一步的，确定各个像素点类别的像素点分布长宽比值以及各个像素点类别中各个像素点的边缘表征值的步骤包括：
[0033]根据各个像素点类别中各个像素点的位置信息，确定各个像素点类别的第一主成分方向和第二主成分方向；
[0034]确定各个像素点类别中各个像素点在其对应的第一主成分方向上的第一投影点，以及各个像素点类别中各个像素点在其对应的第二主成分方向上的第二投影点；
[0035]根据各个像素点类别中各个像素点在其对应的第一主成分方向上的第一投影点，确定各个像素点类别对应的所有第一投影点的中心投影点和第一主成分方向投影长度，并根据各个像素点类别中各个像素点在其对应的第二主成分方向上的第二投影点，确定各个像素点类别对应的第二主成分方向投影长度；
[0036]根据确定各个像素点类别中各个像素点在其对应的第一主成分方向上的第一投影点与对应的中心投影点之间的距离，确定各个像素点类别中各个像素点的边缘表征值，并根据各个像素点类别对应的第一主成分方向投影长度和第二主成分方向投影长度，确定各个像素点类别的像素点分布长宽比值。
[0037]进一步的，各个条状像素点类别中各个像素点的属于边缘的概率值对应的计算公式为：
[0038]PB
i
＝Pb
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的扭曲木材检测方法，其特征在于，包括以下步骤：获取待检测扭曲板材的各个不同拍摄角度的表面图像，并根据表面图像获取对应的灰度图像；根据灰度图像中各个像素点的灰度值和位置信息，确定灰度图像中各个像素点的属于纹理的概率值和主成分方向；根据灰度图像中各个像素点的属于纹理的概率值、主成分方向以及位置信息，确定灰度图像中各个像素点的属于边缘的概率值；根据灰度图像中各个像素点的属于边缘的概率值，确定各个不同拍摄角度下的待检测板材的边缘线，进而根据各个不同拍摄角度下的待检测板材的边缘线，确定待检测扭曲板材的各个边缘线。2.根据权利要求1所述的基于图像处理的扭曲木材检测方法，其特征在于，确定灰度图像中各个像素点的属于纹理的概率值和主成分方向的步骤包括：分别以灰度图像中各个像素点为中心像素点，构建滑窗区域，并对滑窗区域进行直方图均衡化处理，得到处理后的滑窗区域；根据处理后的滑窗区域内各个像素点的灰度值，确定处理后的滑窗区域内各个像素点中的各个纹理像素点；根据处理后的滑窗区域内的各个纹理像素点的灰度值以及对应中心像素点的灰度值，确定灰度图像中对应各个像素点的初始的属于纹理的概率值；根据处理后的滑窗区域内的各个纹理像素点的位置信息，确定处理后的滑窗区域内的各个纹理像素点类别，进而根据各个纹理像素点类别中各个纹理像素点的位置，确定滑窗区域内的各个纹理像素点类别的主成分方向、第一纹理分散指标值和第二纹理分散指标值；根据灰度图像中对应各个像素点的初始的属于纹理的概率值以及滑窗区域内的各个纹理像素点类别的第一纹理分散指标值和第二纹理分散指标值，计算灰度图像中各个像素点的各个修正后的属于纹理的概率值；根据灰度图像中各个像素点的各个修正后的属于纹理的概率值，确定灰度图像中各个像素点的最终的属于纹理的概率值，并将最终的属于纹理的概率值所对应的纹理像素点类别的主成分方向作为灰度图像中对应各个像素点的主成分方向。3.根据权利要求2所述的基于图像处理的扭曲木材检测方法，其特征在于，确定灰度图像中对应各个像素点的初始的属于纹理的概率值的步骤包括：根据处理后的滑窗区域内的各个纹理像素点的灰度值，计算各个纹理像素点的灰度均值和方差，并根据各个纹理像素点的灰度均值和方差，构建高斯函数；将处理后的滑窗区域对应中心像素点的灰度值代入到高斯函数，从而计算出灰度图像中对应各个像素点的初始的属于纹理的概率值。4.根据权利要求2所述的基于图像处理的扭曲木材检测方法，其特征在于，灰度图像中各个像素点的各个修正后的属于纹理的概率值对应的计算公式为：其中，P
’
为灰度图像中像素点的修正后的属于纹理的概率值，P为灰度图像中像素点的
初始的属于纹理的概率值，σ1为灰度图像中像素点的处理后的滑窗区域内的任意一个纹理像素点类别的第一纹理分散指标值，σ2为灰度图像中像素点的处理后的滑窗区域内的任意一个纹理像素点类别的第二纹理分散指标值。5.根据权利要求1所述的基于图像处理的扭曲木材检测方法，其特征在于，确定灰度图像中各个像素点的属于边缘的概率值的步骤包括：根据灰度图像中各个像素点的属于纹理的概率值、主成分方向以及位置信息，对灰度图像中各个像素点进行聚类，得到各个像素点类别；根据各个像素点类别中各个像素点的位置信息，确定各个像素点类别的像素点分布长宽比值以及各个像素点类别中各个像素点的边缘表征值；根据各个像素点类别的像素点分布长宽比值，确定各个像素点类别中的各个条状像素点类别以及非条状像素点类别；根据各个条状像素点类别的像素点分布长宽比值和条状像素点类别中各个像素点的边缘表征值，计算各个条状像素点类别中各个像素点的属于边缘的概率值；根据各个条状像素点类别中各个像素点的位置信息和非条状像素点类别中各个像素点的位置信息，确定各个非条状...

【专利技术属性】
技术研发人员：张敏，李坚彬，
申请(专利权)人：海门王巢家具制造有限公司，
类型：发明
国别省市：