System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体涉及基于机器视觉的欧松板凹坑快速检测方法及系统。
技术介绍
1、欧松板是一种保留木材天然的纹理和色泽的建筑装饰材料,通过将一定几何形状的木料刨片经干燥、施胶、定向铺装及热压成型来完成生产;但由于其木料刨片的几何形状的无规律性,凹坑容易受到木料结节部分刨片的深褐色色彩影响,导致传统的机器视觉装置对于欧松板压制过程中出现的凹坑边缘信息难以提取,进而难以保证欧松板的生产质量与生产效率,因此需要对生产过程中的欧松板图像进行滤波处理,便于快速、准确提取出欧松板的凹坑区域。
2、现有技术中采用带通滤波算法对欧松板图像的频率域进行带通滤波处理,可以有效保留凹坑边缘信息,去除欧松板细小纹理边缘信息对于凹坑检测结果准确性的影响;但利用带通滤波算法对欧松板图像的频域进行滤波处理过程中,带通上下限阈值对于滤波效果有着决定性影响,仅采取经验上下限阈值进行的带通滤波处理,难以应对欧松板多变的刨片几何形状的叠加纹理、刨片表面的细小纹理以及结节部分的色彩影响,因此需要在考虑不同区域对于上下限阈值影响程度的前提下,实现欧松板凹坑快速检测。
技术实现思路
1、本专利技术提供基于机器视觉的欧松板凹坑快速检测方法及系统,以解决现有的通过机器视觉进行欧松板凹坑检测时受木料其他深褐色区域影响导致检测结果不准确的问题,所采用的技术方案具体如下:
2、第一方面,本专利技术一个实施例提供了基于机器视觉的欧松板凹坑快速检测方法,该方法包括以下步骤:
3、采集欧松板灰度
4、对欧松板灰度图像通过边缘检测得到若干边缘线段;根据边缘线段上各边缘点的梯度幅值,获取每条边缘线段的梯度差异度;根据边缘线段的梯度差异度及分布,获取若干灰度变化区域及每个灰度变化区域的凹坑评估值;
5、根据灰度变化区域的凹坑评估值及其中像素点的梯度,获取若干凹坑可能区域及其梯度变化区间;根据凹坑可能区域的梯度变化区间对带通滤波的上下限阈值进行调整,得到带通滤波的最终上下限阈值;对欧松板频谱图像进行滤波,重构得到欧松板滤波图像;
6、对欧松板滤波图像进行凹坑检测。
7、可选的,所述每条边缘线段的梯度差异度,具体的获取方法为:
8、根据边缘线段上各边缘点的梯度幅值及边缘点的数量,获取若干梯度阈值、每条边缘线的初始长度、每条边缘线段经每个梯度阈值筛选的剩余长度及剩余段数;第条边缘线段的梯度差异度的计算方法为:
9、
10、
11、其中, 表示第条边缘线段经第个梯度阈值筛选与相邻前一个梯度阈值筛选的变化因子,表示第条边缘线段的初始长度,表示第条边缘线段经第个梯度阈值筛选的剩余长度,表示第条边缘线段经第个梯度阈值筛选的剩余长度,表示第条边缘线段经第个梯度阈值筛选的剩余段数,示第条边缘线段经第个梯度阈值筛选的剩余段数,表示求绝对值;表示梯度阈值的数量;表示第条边缘线段所有相邻两个梯度阈值对应的变化因子的均值,表示第条边缘线段所有相邻两个梯度阈值对应的变化因子的标准差;为避免指数函数输出值过小的超参数;表示以自然常数为底的指数函数。
12、可选的,所述若干梯度阈值、每条边缘线的初始长度、每条边缘线段经每个梯度阈值筛选的剩余长度及剩余段数,具体的获取方法为:
13、获取所有边缘线段上每个边缘点的梯度幅值,梯度幅值的最小值及最大值组成梯度区间,预设一个迭代参数,将梯度幅值的最大值与最小值的差值,与迭代参数的比值,作为迭代步长,从梯度幅值的最小值开始作为初始梯度阈值,每次迭代增大一个迭代步长,得到若干梯度阈值;
14、对于第条边缘线段,获取第条边缘线段上边缘点的数量,记为第条边缘线的初始长度;通过任意一个梯度阈值对第条边缘线段进行阈值筛选,筛选过程为仅保留梯度幅值大于该梯度阈值的边缘点,统计第条边缘线段经该梯度阈值筛选后剩余的边缘点数量,记为第条边缘线段经该梯度阈值筛选的剩余长度;记录第条边缘线段经该梯度阈值筛选后,剩余边缘点组成的线段数量,记为第条边缘线段经该梯度阈值筛选的剩余段数。
15、可选的,所述若干灰度变化区域及每个灰度变化区域的凹坑评估值,具体的获取方法为:
16、根据边缘线段的梯度差异度及分布,获取若干灰度变化区域;对于任意一个灰度变化区域,将与该灰度变化区域的边缘存在共线的灰度变化区域,记为该灰度变化区域的参考灰度变化区域,共线的边缘线段记为该参考灰度变化区域的共线边缘线段;第个灰度变化区域的凹坑评估值的计算方法为:
17、
18、其中,表示第个灰度变化区域中作为区域边缘的边缘线段上边缘点的数量,表示第个灰度变化区域中不是区域边缘的边缘线段上边缘点的数量;表示第个灰度变化区域的参考灰度变化区域的数量,表示第个灰度变化区域的第个参考灰度变化区域的共线边缘线段的数量,表示第个灰度变化区域的第个参考灰度变化区域对应类别中所有边缘线段的梯度差异度的均值,表示第个灰度变化区域的第个参考灰度变化区域的第个共线边缘线段的梯度差异度,表示求绝对值;为避免分母为0的超参数。
19、可选的,所述若干灰度变化区域,具体的获取方法为:
20、对每条边缘线段基于其上的边缘点获取质心,记为每条边缘线段的质心;获取任意两条边缘线段的质心之间的欧式距离,记为该两条边缘线段之间的空间距离,对得到的空间距离以及该两条边缘线段的梯度差异度的差值绝对值构建欧式范数,将欧式范数作为该两条边缘线段的距离度量,基于距离度量对所有边缘线段进行dbscan聚类,得到若干类别;
21、对于任意一个类别,对该类别包括的所有边缘线段进行凸包检测,得到一个区域,记为该类别对应的灰度变化区域。
22、可选的,所述若干凹坑可能区域及其梯度变化区间,具体的获取方法为:
23、对所有灰度变化区域的凹坑评估值进行线性归一化,得到的结果记为每个灰度变化区域的凹坑评价因子,若凹坑评价因子大于或等于评估阈值,将对应的灰度变化区域作为一个凹坑可能区域,得到若干凹坑可能区域;
24、对于任意一个凹坑可能区域,根据该凹坑可能区域在欧松板灰度图像上对应的区域,获取该凹坑可能区域中每个像素点的梯度幅值,根据其中的梯度幅值最小值及最大值,获取该凹坑可能区域的梯度变化区间。
25、可选的,所述得到带通滤波的最终上下限阈值,包括的具体方法为:
26、获取欧松板灰度图像中所有像素点的梯度幅值最大值与最小值,组成欧松板灰度图像的整体变化区间;对于任意一个凹坑可能区域,基于欧松板灰度图像的整体变化区间,对该凹坑可能区域的梯度变化区间的上下限进行最大最小值归一化,将梯度变化区间的上限的归一化值,记为该凹坑可能区域的上限调整因子;下限的归一化值,记为该凹坑可能区域的下限调整因子;
27、获取每个凹坑可能区域的上限调整因子与下限调整因子;对所有凹坑可能区域的凹坑评价因子进行softmax归一化,得到的结果作为每个凹坑可能区域的凹坑评价权本文档来自技高网...
【技术保护点】
1.基于机器视觉的欧松板凹坑快速检测方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述每条边缘线段的梯度差异度,具体的获取方法为:
3.根据权利要求2所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干梯度阈值、每条边缘线的初始长度、每条边缘线段经每个梯度阈值筛选的剩余长度及剩余段数,具体的获取方法为:
4.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干灰度变化区域及每个灰度变化区域的凹坑评估值,具体的获取方法为:
5.根据权利要求4所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干灰度变化区域,具体的获取方法为:
6.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干凹坑可能区域及其梯度变化区间,具体的获取方法为:
7.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述得到带通滤波的最终上下限阈值,包括的具体方法为:
8
9.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述对欧松板滤波图像进行凹坑检测,包括的具体方法为:
10.基于机器视觉的欧松板凹坑快速检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述基于机器视觉的欧松板凹坑快速检测方法的步骤。
...【技术特征摘要】
1.基于机器视觉的欧松板凹坑快速检测方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述每条边缘线段的梯度差异度,具体的获取方法为:
3.根据权利要求2所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干梯度阈值、每条边缘线的初始长度、每条边缘线段经每个梯度阈值筛选的剩余长度及剩余段数,具体的获取方法为:
4.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干灰度变化区域及每个灰度变化区域的凹坑评估值,具体的获取方法为:
5.根据权利要求4所述的基于机器视觉的欧松板凹坑快速检测方法,其特征在于,所述若干灰度变化区域,具体的获取方法为:
6.根据权利要求1所述的基于机器视觉的欧松板凹坑快速检测...
【专利技术属性】
技术研发人员:高建亮,杨朗,史立华,高洪权,刘宗磊,李明波,
申请(专利权)人:山东旭美尚诺装饰材料有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。