[发明专利]一种用于电池尾端智能探伤的图像分割算法

说明书

技术领域

本发明涉及一种电池尾端智能探伤技术，尤其是涉及一种用于电池尾端智能探伤的图像分割算法。

背景技术

目前机器视觉技术正逐步应用于各个制造行业中，电池作为制造业中需求量极大的一种产品，将机器视觉检测技术应用于电池尾端外伤检测可极大地提高电池的检测效率。而图像分割算法是一种提取待处理图像中目标区域的算法，是智能探伤流程中的最前端部分，其处理算法的优劣将直接影响到后续处理流程，因此研究一种准确有效的电池尾端分割算法对电池尾端的智能探伤过程是有重要意义的。

在电池生产线上，相机在采集电池尾部图像的过程中，由于受相机触发电路的延迟及相机快门参数等客观因素的影响，电池在照片中的位置是随机的，而我们只关心图像中电池目标所在的矩形区域，该区域我们称之为图像感兴趣区域（ROI），所以需要对拍摄的图片进行初步处理，即切割出仅包含电池尾端部分的图像。

目前针对电池尾端分割问题的主要处理方法是将图像中电池的外轮廓拟合为椭圆，通过椭圆的参数定位出图像中电池部分，从而实现分割。该方法具体步骤如下：对原始灰度图像采用较低的分割阈值进行二值化处理，获得二值化图像，然后通过轮廓跟踪计算获得二值图像连通区域的轮廓像素点集，即二维点集；对二维点集使用最小二乘法进行椭圆拟合，求出中心坐标和轴半径；根据中心坐标和长轴半径、短轴半径，对检测目标的有效性进行判别；若检测目标有效，定位后将其作为ROI区域并从原始图像中分离，算法结束。

上述通过椭圆的参数定位出图像中电池部分的方法采用曲线拟合的方式对图像中电池尾端外轮廓进行检测，曲线拟合是一种近似的处理方法，不能百分之百保证图像中电池尾端部分的像素点不被切除，所以采用这种方法准确性不好，可能误切除电池图像部分。另外这种方法的运算中存在大量的乘法、除法、开方、求导等运算，运算量较大。

发明内容

本发明所要解决的技术问题是提供一种准确率高，运算简单的用于电池尾端智能探伤的图像分割算法。本发明的图像分割算法能准确、有效地分割出包含电池尾端的最小图像，且算法原理简单、可靠性高。

本发明解决上述技术问题所采用的技术方案为：一种用于电池尾端智能探伤的图像分割算法，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；