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】
【】本专利技术属于检测领域,特别涉及一种应用于机器视觉的图像有效区域确定方法。
技术介绍
0、
技术介绍
1、随着计算机技术及人工智能的高速发展,基于机器视觉图像处理的算法可极大程度改善工业生产过程检测的准确率、判断标准不统一及检测速度慢等问题,将此技术应用到平面物体检测中可以很好的解决现有的问题和痛点。
2、但是,如何确定工业相机所采集的图像的边缘是一个重要的问题,边缘定位的准确性会影响计算的速度、检测的效率以及检测结果的判断,因此需提供一种快速并且具有高精确度的边缘确定方法。
技术实现思路
0、
技术实现思路
1、本专利技术的目的在于提供一种应用于机器视觉的图像有效区域确定方法。
2、为实现上述目的,实施本专利技术的应用于机器视觉的图像有效区域确定方法包括如下步骤:
3、步骤一:利用工业相机采集被测物体的高分辨率图像;
4、步骤二:将采集的所述图像进行颜色空间转换,转换为灰度图像;
5、步骤三:将所述灰度图像分别进行横向和纵向求导,获取横向梯度图和纵向梯度图;
6、步骤四:将步骤三获取的梯度图通过线性变换将数据转换为uint8;
7、步骤五:将步骤四中的梯度图分别进行横向和纵向投影,分别得到横轴和纵轴均值;
8、步骤六:分别选取步骤五中的横轴和纵轴的预设的长度作为上下、左右边界的预处理取值范围,并设定一个自定义k1阈值,该阈值大小设于图像边缘与提取的有效边
9、步骤七:根据预处理范围的上下边界及k1阈值,确定出上边界及下边界的取值范围,具体实现如下:首先令k0=max(0,x-k1),其中x表示预处理范围的上界及下界;max函数作用是防止越界,保证取值范围为正,并且在图像内;之后aaa10=aaa[k0:min(x+k1,a1-1)],其中aaa是步骤五横向投影获取的横向均值,aaa10代表上下边界在预处理内的取值范围;
10、步骤八:根据步骤七确定的上边界及下边界的取值范围,通过argmax函数获取当前取值范围内的最大值的索引,即代表待提取有效区域上边界及下边界的y方向像素坐标位置,再将坐标位置还原到原图像即得到有效区域在原图中的边界值;
11、步骤九:将步骤八中的边界值提取,输出边界横纵坐标即能提取出有效区域。
12、依据上述主要特征,其中步骤三中将所述灰度图像分别进行横向和纵向求导获取横向梯度图和纵向梯度图为使用sobel算子进行边缘检测:img1=cv2.sobel(gray,ddepth=cv2.cv_64f,dx=0,dy=1,ksize=3);其中各参数的含义说明如下:1、gray:假设这是一幅灰度图像;2、ddepth=cv2.cv_64f;3、dx=0表示dx=0表示只计算y方向上的导数,dy=1即表示指定一阶导数;4、ksize=3表示使用3x3的核进行sobel操作。
13、依据上述主要特征,步骤四将步骤三获取的梯度图通过线性变换将数据转换为uint8,具体采用:img2=cv2.convertscaleabs(img1)。
14、依据上述主要特征,所述步骤五中将步骤四中的梯度图分别进行横向和纵向投影,分别得到横轴和纵轴均值,具体采用:aaa=np.mean(img2,axis=1),其中axis=1表示沿着数组的第二个轴计算平均值,即对每一行进行操作。
15、依据上述主要特征,步骤六中分别选取步骤五中的横轴和纵轴的预设的长度作为上下、左右边界的预处理取值范围,其中预设的长度为5%-95%。
16、依据上述主要特征,步骤六中自定义k1的取值为70。
17、与现有技术相比较,本专利技术通过上述方法能够快速提取图像的有效区域,从而避免无效的数据参与运算,从而可以提高检测的有效性及效率。
本文档来自技高网...【技术保护点】
1.一种应用于机器视觉的图像有效区域确定方法,包括如下步骤:
2.如权利要求1所述的应用于机器视觉的图像有效区域确定方法,其特征在于:步骤三中将所述灰度图像分别进行横向和纵向求导获取横向梯度图和纵向梯度图为使用Sobel算子进行边缘检测:img1=cv2.Sobel(gray,ddepth=cv2.CV_64F,dx=0,dy=1,ksize=3);其中各参数的含义说明如下:1、gray:假设这是一幅灰度图像;2、ddepth=cv2.CV_64F;3、dx=0表示dx=0表示只计算y方向上的导数,dy=1即表示指定一阶导数;4、ksize=3表示使用3x3的核进行Sobel操作。
3.如权利要求2所述的应用于机器视觉的图像有效区域确定方法,其特征在于:步骤四将步骤三获取的梯度图通过线性变换将数据转换为uint8具体采用:img2=cv2.convertScaleAbs(img1)。
4.如权利要求3所述的应用于机器视觉的图像有效区域确定方法,其特征在于:所述步骤五中将步骤四中的梯度图分别进行横向和纵向投影,分别得到横轴和纵轴均值,具体采用:a
5.如权利要求4所述的应用于机器视觉的图像有效区域确定方法,其特征在于:步骤六中分别选取步骤五中的横轴和纵轴的预设的长度作为上下、左右边界的预处理取值范围,其中预设的长度为5%-95%。
6.如权利要求5所述的应用于机器视觉的图像有效区域确定方法,其特征在于:步骤六中自定义k1的取值为70。
...【技术特征摘要】
1.一种应用于机器视觉的图像有效区域确定方法,包括如下步骤:
2.如权利要求1所述的应用于机器视觉的图像有效区域确定方法,其特征在于:步骤三中将所述灰度图像分别进行横向和纵向求导获取横向梯度图和纵向梯度图为使用sobel算子进行边缘检测:img1=cv2.sobel(gray,ddepth=cv2.cv_64f,dx=0,dy=1,ksize=3);其中各参数的含义说明如下:1、gray:假设这是一幅灰度图像;2、ddepth=cv2.cv_64f;3、dx=0表示dx=0表示只计算y方向上的导数,dy=1即表示指定一阶导数;4、ksize=3表示使用3x3的核进行sobel操作。
3.如权利要求2所述的应用于机器视觉的图像有效区域确定方法,其特征在于:步骤四将步骤三获取的梯度图通过...
【专利技术属性】
技术研发人员:鲁培龙,刘建,
申请(专利权)人:上海芯歌智能科技有限公司,
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。