一种法兰零件轮廓视觉定位方法技术

本发明专利技术提供一种法兰零件轮廓视觉定位方法，涉及图像处理领域，法兰零件轮廓视觉定位方法包括：获取法兰零件的图像，并将所述图像转化为灰度图像；基于所述灰度图像确定卷积核大小；基于所述卷积核内像素点的分布特征确定权重修改值；利用所述权重修改值对初始sobel算子进行优化，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息。该方案能够得到完整的轮廓信息。该方案能够得到完整的轮廓信息。该方案能够得到完整的轮廓信息。

【技术实现步骤摘要】
一种法兰零件轮廓视觉定位方法


[0001]本专利技术涉及图像处理领域，具体涉及一种法兰零件轮廓视觉定位方法。

技术介绍

[0002]法兰零件视觉轮廓定位是制造、装配、检验一些机械零部件时的重要工作之一。并且可以依据轮廓对法兰进行分类，具体可分为：直角法兰、圆形法兰、锥形法兰、环形法兰等。一般通过边缘检测对法兰轮廓进行初步提取，再通过后处理得到只包含轮廓信息的二值图像，通过分析此二值图像得到基本轮廓信息。轮廓信息包含轮廓位置、形状等。对于边缘检测算子的选择一般使用sobel算子，因为法兰图像本身色彩结构简单，更适用于计算方法也较为简单明了的sobel算子。
[0003]使用sobel算子对法兰轮廓进行提取的过程中，由于采集相机视角的局限性，使得经过算子检测后得到图像其边缘部分存在残缺，导致后续进行后处理时，得到的法兰零件的轮廓信息不完整。

技术实现思路

[0004]本专利技术提供一种法兰零件轮廓视觉定位方法，该方案能够得到完整的轮廓信息。
[0005]本申请提供一种法兰零件轮廓视觉定位方法，包括：获取法兰零件的图像，并将所述图像转化为灰度图像；基于所述灰度图像确定卷积核大小；基于所述卷积核内像素点的分布特征确定权重修改值；利用所述权重修改值对初始sobel算子进行优化，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息。
[0006]在一可选实施例中，基于所述灰度图像确定卷积核大小，包括：在所述灰度图像中利用两个平行滑动的窗口在滑动过程中检测窗口内的像素点的灰度值，进而确定突变像素点，所述突变像素点为灰度值从0跳变到预设值时，所述预设值对应的像素点；将所述突变像素点连线，将所述连线的垂线确定法线；基于所述法线确定所述法兰零件的局部区域；基于所述局部区域确定所述卷积核大小。
[0007]在一可选实施例中，基于所述局部区域确定所述卷积核大小，包括：基于所述局部区域中不同灰度值出现的概率计算所述局部区域的熵；确定所述局部区域的熵从0变化为不为0时的第一像素点，以及确定所述局部区域的熵从不为0变化为0时的第二像素点；确定所述第一像素点以及第二像素点的距离，所述距离为所述卷积核大小。
[0008]在一可选实施例中，基于所述局部区域中不同灰度值出现的概率计算所述局部区域的熵，包括：
利用如下公式（1）计算所述局部区域的熵：（1）；其中，表示不同局部区域的熵；表示局部区域不同灰度值出现的概率；表示不同灰度值的数量。
[0009]在一可选实施例中，基于所述卷积核内像素点的分布特征确定权重修改值，包括：基于所述卷积核内的熵、所述卷积核内像素点灰度值的最大值、最小值判断标记卷积核中中心像素点的必要性；如果标记必要性处于第一预设范围，则不标记，如果标记必要性处于第二预设范围，则标记；将标记的像素点两两连接，确定法兰零件的形状；基于所述形状确定所述权重修改值。
[0010]在一可选实施例中，将标记的像素点两两连接，确定法兰零件的形状，包括：将标记的像素点两两连接，得到连接线；确定连接线的法线，所述法线经过所述连接线的中点；如果所述所有法线相交于一点，则表示所述法兰零件为圆形轮廓；如果所有法线相互平行，则表示所述法兰零件为矩形轮廓。
[0011]在一可选实施例中，基于所述形状确定所述权重修改值，包括：如果所述法兰零件为圆形轮廓，将所述连接线组成方向上的权重增加，将其余方向上的权重减小，进而确定权重修改值。
[0012]在一可选实施例中，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息，包括：利用优化后的sobel算子对所述法兰零件进行处理，得到梯度输出值；基于所述梯度输出值确定所述法兰零件对应的轮廓信息。
[0013]在一可选实施例中，利用优化后的sobel算子对所述法兰零件进行处理，得到梯度输出值，包括：利用如下公式（2）得到梯度输出值：（2）；其中，表述sobel算子的梯度输出值，分别表示4个方向上的分量；分别表示4个方向的权重修改值，在初始sobel算子中，，n表示连接线组成方向上标记的像素点数量，优化后的sobel算子中，。
[0014]在一可选实施例中，基于所述卷积核内的熵、所述卷积核内像素点灰度值的最大值、最小值判断标记卷积核中中心像素点的必要性，包括：
利用如下公式（3）计算标记卷积核中中心像素点的必要性：（3）；其中，表示标记卷积核中中心像素点的必要性，表示卷积核内不同灰度值的像素点；表示卷积核中不同灰度值的像素点出现的概率，分别表示卷积核内像素点灰度值的最大值和最小值。
[0015]本专利技术的有益效果是：区别于现有技术，本专利技术提出的法兰零件轮廓视觉定位方法，包括：获取法兰零件的图像，并将所述图像转化为灰度图像；基于所述灰度图像确定卷积核大小；基于所述卷积核内像素点的分布特征确定权重修改值；利用所述权重修改值对初始sobel算子进行优化，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息。该方案能够得到完整的轮廓信息。
附图说明
[0016]图1是本专利技术法兰零件轮廓视觉定位方法的第一实施例的流程示意图；图2是图1中步骤S12的一实施例的流程示意图；图3是图1中步骤S13的一实施例的流程示意图；图4是标记的像素点的连线示意图。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0018]下面结合附图和实施例对本专利技术进行详细的说明。
[0019]请参见图1，为本申请法兰零件轮廓视觉定位方法的一实施例的流程示意图，具体包括：步骤S11：获取法兰零件的图像，并将所述图像转化为灰度图像。
[0020]具体的，采集法兰零件的图像，为使得像素点之间对比度增加，方便后续的算子的改进，对采集的图像进行灰度化后均衡化的处理，得到灰度图像，后续处理都基于灰度图像进行展开分析。
[0021]步骤S12：基于所述灰度图像确定卷积核大小。
[0022]对预处理后图像进行初步分析，得到法兰边缘处先验特征，获取先验特征的目的是得到法兰边缘的宽度，从而使得算计的卷积核能够包揽边缘，一般sobel算子卷积核大小为，为防止局部区域边缘宽度大于，此处需要确定卷积核大小，使得卷积核包揽边缘。而使得卷积核包揽边缘的目的是能够在算子运算的过程中，其卷积核内像素点能够完整地反映出边缘部分，从而根据先验特征判断卷积核内像素点灰度值的分布是否满足法兰边缘处像素点分布的规律。先验特征指“法兰边缘处与背景处的灰度值差值是巨大的，并且边缘具有一定宽度，在指定宽度内，其灰度变化是渐进的”。通过量化上述灰度差和渐进
的灰度变化，得到边缘的初步宽度，此处得到的边缘为较模糊边缘，主要目的是确定其宽度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种法兰零件轮廓视觉定位方法，其特征在于，包括：获取法兰零件的图像，并将所述图像转化为灰度图像；基于所述灰度图像确定卷积核大小；基于所述卷积核内像素点的分布特征确定权重修改值；利用所述权重修改值对初始sobel算子进行优化，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息。2.根据权利要求1所述的一种法兰零件轮廓视觉定位方法，其特征在于，基于所述灰度图像确定卷积核大小，包括：在所述灰度图像中利用两个平行滑动的窗口在滑动过程中检测窗口内的像素点的灰度值，进而确定突变像素点，所述突变像素点为灰度值从0跳变到预设值时，所述预设值对应的像素点；将所述突变像素点连线，将所述连线的垂线确定法线；基于所述法线确定所述法兰零件的局部区域；基于所述局部区域确定所述卷积核大小。3.根据权利要求2所述的一种法兰零件轮廓视觉定位方法，其特征在于，基于所述局部区域确定所述卷积核大小，包括：基于所述局部区域中不同灰度值出现的概率计算所述局部区域的熵；确定所述局部区域的熵从0变化为不为0时的第一像素点，以及确定所述局部区域的熵从不为0变化为0时的第二像素点；确定所述第一像素点以及第二像素点的距离，所述距离为所述卷积核大小。4.根据权利要求3所述的一种法兰零件轮廓视觉定位方法，其特征在于，基于所述局部区域中不同灰度值出现的概率计算所述局部区域的熵，包括：利用如下公式（1）计算所述局部区域的熵：（1）；其中，表示不同局部区域的熵；表示局部区域不同灰度值出现的概率；表示不同灰度值的数量。5.根据权利要求1所述的一种法兰零件轮廓视觉定位方法，其特征在于，基于所述卷积核内像素点的分布特征确定权重修改值，包括：基于所述卷积核内的熵、所述卷积核内像素点灰度值的最大值、最小值判断标记卷积核中中心像素点的必要性；如果标记必要性处于第一预设范围，则不标记，如果标记必要性处于第二预设范围，则标记；将标记的像素点两两连接，...

【专利技术属性】
技术研发人员：王荣景，
申请(专利权)人：山东金润源法兰机械有限公司，
类型：发明
国别省市：