[发明专利]一种用于电池尾端智能探伤的图像分割算法

权利要求书

1.一种用于电池尾端智能探伤的图像分割算法，其特征在于包括如下步骤：

①将相机采集到的电池尾端的初始BGR图像记为src，其大小表示为M×N，其中M表示图像的列数，N表示图像的行数，src图像的行编号为0～N-1，src图像的列编号为0～M-1；

②采用OpenCV库函数cvtColor(src,src_gray,CV_BGR2GRAY)将src图像转换为灰度图像，得到的灰度图像记为src_gray，其中CV_BGR2GRAY表示将BGR图像转换为灰度图像的方式；

③采用Otsu二值化处理函数cvThresholdOtsu(src_gray,binary_img)将灰度图像src_gray进行二值化处理并另存为二值图像，该二值图像记为binary_img，二值图像binary_img的行数和列数与src图像相同；

④确定二值图像binary_img中的电池尾端外轮廓上四个关键像素点的坐标，四个关键像素点的坐标为：电池尾端外轮廓的顶点像素点f_top(top_x,top_y)、电池尾端外轮廓的底点像素点f_bottom(bottom_x,bottom_y)、电池尾端外轮廓的最左端像素点f_left(left_x,left_y)和电池尾端外轮廓的最右端像素点f_right(right_x,right_y)，其中top_x表示电池尾端外轮廓顶点像素点的横坐标，top_y表示电池尾端外轮廓顶点像素点的纵坐标，bottom_x表示电池尾端外轮廓底点像素点的横坐标，bottom_y表示电池尾端外轮廓底点像素点的纵坐标，left_x表示电池尾端外轮廓最左端像素点的横坐标，left_y表示电池尾端外轮廓最左端像素点的纵坐标，right_x表示电池尾端外轮廓最右端像素点的横坐标，right_y表示电池尾端外轮廓最右端像素点的纵坐标；

⑤根据公式W=right_x-left_x+1和H=bottom_y-top_y+1计算电池尾端外轮廓所在的ROI矩形区域的宽度和高度，其中W表示ROI矩形区域的宽度，H表示ROI矩形区域的高度，采用OpenCV库函数CvSize size=cvSize(W,H)设置ROI矩形区域的大小为W×H；

⑥采用OpenCV库函数cvSetImageROI(src,cvRect(left_x,top_y,W,H))从src图像中划分出大小为W×H的电池尾端外轮廓所在的ROI矩形区域，其中cvRect(left_x,top_y,W,H)表示电池尾端外轮廓所在的ROI矩形区域的函数；

⑦采用OpenCV库函数cut_image=cvCreateImage(size,src-＞depth,src-＞nChannels)创建分割图片cut_image，其中size-＞depth表示分割图片cut_image的深度与src图像的深度相同，size-＞nChannels表示分割图片cut_image的通道数与src图像的通道数相同；

⑧采用函数cvCopy(src,cut_image)将从src图像中划分出的电池尾端外轮廓所在的ROI矩形区域存入到分割图片cut_image中，得到电池尾端分割图像。

2.根据权利要求1所述的一种用于电池尾端智能探伤的图像分割算法，其特征在于所述的步骤④中确定二值图像binary_img中的电池尾端外轮廓上四个关键像素点的坐标的具体步骤为：

④-1从二值图像binary_img的第0行开始，顺序按行遍历二值图像binary_img，找出其中第一个非零的像素点坐标，该坐标为二值图像binary_img中的电池尾端外轮廓顶点像素点的坐标f_top(top_x,top_y)；

④-2从二值图像binary_img的第N-1行开始，逆序按行遍历二值图像binary_img，找出其中第一个非零的像素点坐标，该坐标为二值图像binary_img中的电池尾端外轮廓底点像素点的坐标f_bottom(bottom_x,bottom_y)；

④-3从二值图像binary_img的第0列开始，顺序按列遍历二值图像binary_img，找出其中第一个非零的像素点坐标记，该坐标为二值图像binary_img中的电池尾端外轮廓最左端像素点的坐标f_left(left_x,left_y)；

④-4从二值图像binary_img的第M-1列开始，逆序按列遍历二值图像binary_img，找出其中第一个非零的像素点坐标记，该坐标为二值图像binary_img中的电池尾端外轮廓最右端像素点的坐标f_right(right_x,right_y)。