[发明专利]一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法

说明书

本发明涉及一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法。主要解决了现有的瓦楞纸板计数方法对瓦楞纸板堆积不适应、检测准确率低的问题。一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，包括如下步骤：步骤一、截取图像的感兴趣区域；步骤二、转化为灰度图像；步骤三、灰度图像二值化和反色；步骤四、寻找轮廓；步骤五、筛选轮廓；步骤六、计算轮廓中心点；步骤七、拟合轮廓中心点；步骤九、计算直线角度平均值；步骤十、点集投影；步骤十一、点集聚类。该基于图像轮廓提取与聚类的瓦楞纸板智能检测方法可适应瓦楞纸堆中瓦楞层存在倾斜角度和层间存在缝隙等情况，检测准确率高。

技术领域

本发明涉及机器视觉技术领域，具体涉及一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法。

背景技术

瓦楞纸板是一个多层的黏合体，它最少由一层波浪形芯纸夹层(俗称“坑张”、“瓦楞纸”、“瓦楞芯纸”、“瓦楞纸芯”、“瓦楞原纸”)及一层纸板(又称“箱板纸”、“箱纸板”)构成。具有良好的抗压强度和防震性能，能承受一定的压力、冲击和振动；重量轻，价格便宜，可以大规模生产多种尺寸，使用前储存空间很小，并能印刷各种图案，因此在制成品包装运输上得到广泛运用。

大规模生产中需对瓦楞纸板进行计数工作，但人工进行计数方法需要耗费大量时间，而且随着工作时间的增加，人工可能会因疲劳等产生计数误差。

计算机视觉识别是基于图像处理计数对瓦楞纸中纸板信息进行提取，但现有瓦楞纸识别算法主要有如下问题：实际中，瓦楞纸板堆积可能不够紧密，每层瓦楞纸中间容易出现缝隙，而且堆积很难保证水平，现有的方法在这些情况时检测不够准确。

发明内容

为了克服背景技术的不足，本发明提供一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，主要解决了现有的瓦楞纸板计数方法对瓦楞纸板堆积不适应、检测准确率低的问题。

本发明所采用的技术方案是：一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，包括如下步骤：

步骤一、截取图像的感兴趣区域：对工业相机采集的瓦楞纸板瓦楞面图像截取感兴趣区域，感兴趣区域图像的宽度为W，高度为H；

步骤二、转化为灰度图像：如果步骤一得到的感兴趣区域图像是多通道的彩色图像，则将感兴趣区域图像转化为灰度图像；

步骤三、灰度图像二值化和反色：将步骤二得到的灰度图像进行局部自适应二值化，得到二值图像，并将二值图像进行反色操作，得到的反色后的二值图像；

步骤四、寻找轮廓：对步骤三得到的反色后的二值图像提取轮廓，得到轮廓集合C₀＝{c_k,k＝1,2,...,N₀}，其中第k个轮廓表示为一组坐标点的集合，即c_k＝{(x_k,i,y_k,i),i＝1,2,...,n_k}，(x_k,i,y_k,i)为组成轮廓c_k的第i个坐标点，n_k为轮廓c_k的长度；

步骤五、筛选轮廓：选择长度大于等于5的轮廓，得到新的轮廓集合C₁＝{c_k|n_k≥5,k＝1,2,...,N₀}＝{c_k,k＝1,2,...,N₁}，其中N₁为筛选后轮廓个数；

步骤六、计算轮廓中心点：计算步骤五得到的轮廓集合C₁中每个轮廓的中心点坐标，其中轮廓c_k的中心点x坐标为y坐标为得到的中心点坐标点集为然后将每个轮廓中心点标记在一幅二值图像中，即像素坐标为的点像素值为1，其余为0，其中k＝1,2,...,N₁，[·]为四舍五入取整函数；