[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

摘要

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。

主权项

1.一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，其特征在于：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_kn_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；步骤七、拟合轮廓中心点：用霍夫直线检测算法对步骤六得到的轮廓中心点标记二值图像中的像素值为1的点进行直线拟合，得到直线集合L₀＝{(ρ_i,θ_i),i＝1,...,n₀}，其中ρ_i是直线i到坐标点(0,0)的距离，θ_i是直线i的角度(0表示垂直线，π/2表示水平线)，n₀是直线的个数；步骤八、筛选直线：选择步骤七中直线集合L₀中角度满足||θ_i|‑π/2|≤0.05π的直线，组成集合L₁＝{(ρ_i,θ_i),i＝1,...,n₁}；步骤九、计算直线角度平均值：计算步骤八的集合L₁中直线角度的均值n₁为L₁中直线个数；步骤十、点集投影：对步骤六得到的轮廓中心点点集P中的点沿角度为的直线方向投影到y坐标轴，则点投影后的坐标为(0,y'_k)，公式为得到投影后的点的y坐标集合Y＝{y'_k,k＝1,2,...,N₁}；步骤十一、点集聚类：对步骤十得到的y坐标集合Y中数据进行凝聚层次聚类，其中类别距离阈值等于5，得到的每个类别即为检测得到的瓦楞层。