專利名稱：基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，設(shè)計和實現(xiàn)了一種基于層狀紋理分析的張數(shù)檢測方法。
背景技術(shù)：
在生產(chǎn)領(lǐng)域中，數(shù)量檢測是產(chǎn)品質(zhì)量檢測的重要一環(huán)。特別是層狀目標(biāo)的張數(shù)檢 測，一直是讓人困擾的問題，因為張數(shù)檢測存在著成本與效率矛盾。該矛盾主要表現(xiàn)在以下 三個方面第一、人工的方式去對每天百萬計的產(chǎn)品的張數(shù)進行逐一驗證是不可行的，所以 實際應(yīng)用中往往采用抽樣檢測的方法，這勢必會造成漏檢，增加了出現(xiàn)次品的風(fēng)險。第二、 即便是抽樣檢測，面對如此大量的產(chǎn)品，檢測所需要的人力資源與管理成本也是相當(dāng)高的。 第三、此類工作是高強度的重復(fù)性勞動很容易使人產(chǎn)生疲勞，從而產(chǎn)生產(chǎn)品的誤檢，增加了 檢測風(fēng)險。 隨著計算機軟、硬件技術(shù)的迅速發(fā)展，圖像處理技術(shù)的成熟，以及工業(yè)相機的性價 比提高，機器視覺技術(shù)迅速崛起。機器視覺利用圖像處理技術(shù)結(jié)合人工智能，來模擬人類的 視覺，從而利用機器代替人眼來做測量和判斷。該技術(shù)的特點是提高生產(chǎn)的柔性和自動化 程度。在一些不太適合于人工作業(yè)工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視 覺來替代人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精 度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視覺 易于實現(xiàn)信息集成是實現(xiàn)計算機集成制造的基礎(chǔ)技術(shù)。正是由于機器視覺系統(tǒng)可以快速獲 取大量信息，而且易于自動處理，也易于同設(shè)計信息以及加工控制信息集成，因此，在現(xiàn)代 自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領(lǐng) 域。

發(fā)明內(nèi)容
本發(fā)明的目的是利用圖像處理技術(shù)通過對層狀目標(biāo)的側(cè)面紋理分析得到所檢測
目標(biāo)的張數(shù)，為此提供一種基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法。 為了達成所述目的，本發(fā)明提供基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，該
方法的步驟如下 步驟1 :由工業(yè)攝像頭或數(shù)字化儀器采集待檢測層狀目標(biāo)的側(cè)面紋理圖像，并將 側(cè)面紋理圖像轉(zhuǎn)化為數(shù)字圖像；通過接口單元將數(shù)字圖像讀入到圖像處理系統(tǒng)中，然后對 數(shù)字圖像采用Gabor濾波器進行濾波處理，生成紋理增強圖像，再對紋理增強圖像進行分 段處理得到子圖像集合； 步驟2 :取分段后子圖像集合中的一段子圖像，運用圖像分割方法分割出要檢測 的紋理區(qū)域，生成相應(yīng)的目標(biāo)紋理圖像； 步驟3 :從目標(biāo)紋理圖像中抽取出表征張數(shù)紋理的一維數(shù)組； 步驟4:分析處理上述一維數(shù)組，得到目標(biāo)紋理圖像的張數(shù)估計值，保存此估計值； 步驟5 :判斷步驟2的子圖像集合中的所有子圖像是否處理完畢，如果處理完畢，
則執(zhí)行步驟6，如果沒處理完，則返回步驟2循環(huán)處理； 步驟6 :統(tǒng)計步驟4中保存的所有估計值得到目標(biāo)的張數(shù)。 其中，該層狀目標(biāo)的側(cè)面紋理圖像包含著具有周期性變化的層狀紋理；該層狀目 標(biāo)的側(cè)面紋理圖像中的紋理具有方向一致性；該層狀目標(biāo)的側(cè)面紋理圖像上具有非周期性 的灰度變化或者干擾噪聲。 其中，子圖像集合是紋理增強圖像是沿著紋理延伸的方向分段得到的。 其中，圖像分割采用基于邊緣的分割方法，即是通過擬合邊緣中的直線來搜索目
標(biāo)紋理圖像與背景圖像的邊界，通過邊界界定目標(biāo)紋理區(qū)域。
其中，目標(biāo)紋理圖像所抽取的一維數(shù)組具有如下特征 ①該數(shù)組是紋理信息的一維投影或者沿著某個方向的取樣； ②一維投影方向是沿著紋理延伸方向，圖像取樣則沿著紋理周期延拓的方向。
其中，對一維數(shù)組的分析處理過程包括如下步驟 ①對一維數(shù)組在頻域或空間域進行低通濾波處理得到濾波后數(shù)組； ②對濾波后數(shù)組中的波峰或波谷進行計數(shù)，得到張數(shù)估計值。 其中，目標(biāo)的張數(shù)是對所有估計值求眾數(shù)得到。 本發(fā)明的有益效果本發(fā)明的基本原理是利用層狀目標(biāo)側(cè)面紋理的重復(fù)周期性計 算單張紋理出現(xiàn)的次數(shù)。本發(fā)明創(chuàng)造性地將紋理分析引入到層狀目標(biāo)的張數(shù)檢測中，形成 一個一次性檢測張數(shù)的完整框架。本發(fā)明用Gabor濾波器對原始圖像進行了紋理增強，從 而提高了算法的性能。本發(fā)明將二維紋理投影或取樣為一維數(shù)組，在保證分析效果的前提 下大大提高了檢測速度。本發(fā)明巧妙地將低通濾波引入到張數(shù)計數(shù)中，成功解決了有較強 干擾圖像的張數(shù)檢測問題。本發(fā)明成功的引入了分段處理的思想，將原紋理圖像分為許多 段子圖像，既提高了圖像分割精度，又增強了檢測的準(zhǔn)確性。本發(fā)明所提供的算法應(yīng)用范圍 廣泛，適用各種具有周期性變化的層狀紋理計數(shù)問題。


圖1是本發(fā)明的技術(shù)方案的流程圖； 圖2a-圖2d是Gabor濾波前后效果對比圖以及圖像分段示意圖； 圖3a_圖3c是某段子圖像的圖像分割過程； 圖4a-4b是一維數(shù)組的獲取過程； 圖5是一維數(shù)組濾波后的曲線圖； 圖6是一副撲克牌側(cè)面紋理圖。
具體實施例方式
下面結(jié)合附圖詳細說明本發(fā)明技術(shù)方案中所涉及的各個細節(jié)問題。應(yīng)指出的是， 所描述的實例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。 本發(fā)明的基本原理是利用層狀目標(biāo)側(cè)面紋理的重復(fù)周期性計算單張紋理出現(xiàn)的 次數(shù)，檢測步驟請參見圖l本發(fā)明的技術(shù)方案的流程圖。
本發(fā)明是用工業(yè)攝像頭或其他數(shù)字化儀器采集待檢測層狀目標(biāo)的側(cè)面圖像，并將 其轉(zhuǎn)化為數(shù)字圖像；再將數(shù)字圖像通過USB接口傳入到圖像處理系統(tǒng)中；最后進行張數(shù)檢 測并輸出結(jié)果。本發(fā)明的特征在于包括下述步驟 (1)圖像采集系統(tǒng)采集待檢測目標(biāo)圖像，將要檢測目標(biāo)圖像的側(cè)面紋理圖像通過 USB等接口輸送到圖像處理系統(tǒng)中。該紋理圖像有如下特征 ①圖2a是層狀被測目標(biāo)圖像的側(cè)面紋理，該紋理中包含著周期性的張數(shù)信息； ②該側(cè)面紋理圖像上可能存在各種非周期性的灰度變化和一些隨機噪聲； ③層狀被測目標(biāo)圖像中每一層的厚度大體相當(dāng)，每層大約幾個到幾十個像素； ④側(cè)面紋理圖像中各層是緊密排列的，且紋理有很強的方向性和周期性； ⑤目標(biāo)側(cè)面紋理圖像具有紋理周期延拓方向和紋理的延伸方向，紋理圖像中每一
層是一個基元，所有基元周期性排列的方向為周期延拓方向，單個基元延伸的方向為紋理
的延伸方向。 (2)對圖2a所示的原始圖像進行紋理增強處理，此過程是采用Gabor濾波器進行 濾波。Gabor濾波器的方向和紋理延伸的方向相同，假設(shè)層狀目標(biāo)圖像的每一層寬度近似為 n個像素，則Gabor濾波器的寬度也為n。濾波時窗口的大小為W*W，其中W = 2n+l 。 Gabor 濾波器的頻率響應(yīng)圖見圖2b。用我們所構(gòu)造的濾波器對圖像進行濾波得到紋理增強后的圖 像如圖2c。然后，將增強后的圖像進行分段，分段的方向與紋理周期延拓方向一致。本例中 對增強紋理圖像采用橫向分段得到子圖像的集合，如圖2d所示。圖像分段處理具有以下優(yōu) 勢 ①分段后圖像的邊緣更加接近一條直線，而且方向固定，從而有利于通過邊界擬 合增加圖像分割的準(zhǔn)確度。 ②圖像分段后，可以對紋理圖像進行多次張數(shù)估計，最后通過統(tǒng)計眾數(shù)來確定最 終的結(jié)果。這樣有利于避免單次張數(shù)估計出現(xiàn)的偶然誤差，使結(jié)果更加魯棒。
(3)該步驟中對圖2d中的每一個子圖像進行循環(huán)處理直到所有的子圖像處理完 畢才進入下一步。處理過程包括圖像分割、圖像投影、投影曲線處理、張數(shù)檢測。為了詳細 說明上述處理過程，我們?nèi)D2d中的任意一段圖像作為示例。本發(fā)明中采用邊緣分割的方 式分割出要檢測的紋理區(qū)域。設(shè)分割前某個子圖像為I(x，y)如圖3a所示，x，y為圖像中 像素的坐標(biāo)值，I代表圖像在該點的灰度值。對其使用Ca皿y算子，檢測圖像邊緣得到對應(yīng) 的邊緣圖像E(x，y)如圖3b。從邊緣圖中我們可以看到紋理與黑色背景間有兩條垂直的短 直線，我們稱之為邊界。通過搜索邊界將圖像中目標(biāo)紋理圖像界定出來，分割后目標(biāo)紋理圖 像如圖3c所示。 接下來的工作是從分割后的前景圖像圖3c中抽取出可以表征張數(shù)紋理的一維數(shù)
組，圖4a_圖4b展示了獲取該一維數(shù)組的過程。該數(shù)組的獲取有兩種途徑 ①對圖3c進行投影，圖像投影的方向同紋理延伸的方向相同，圖4a是投影得到的
一維數(shù)組。 ②對圖3c進行抽樣，抽樣曲線的方向沿著紋理的周期延拓方向，圖4b是取樣得到 的一維數(shù)組。 其中，得到的一維數(shù)組含有所有張數(shù)紋理信息投影，該一維數(shù)組的波峰波谷的起 伏凸顯了張數(shù)紋理的周期性變化。
然后通過分析投影或取樣得到的一維數(shù)組(本例中分析的是投影曲線)，得到子 圖像圖3c對應(yīng)的張數(shù)估計值。參照圖5上述分析過程具體敘述如下
①對圖4a所示的一維曲線進行低通濾波 由于噪聲或者原始圖像本身的無關(guān)灰度變化(如圖2)，所得到的一維曲線上有很 多干擾成分。這在進行波峰或波谷計數(shù)的時候產(chǎn)生誤差，從而造成檢測錯誤。因此，在計數(shù) 之前曲線需要低通濾波處理。濾波可以采用頻率域濾波，也可以在空間域進行濾波。本發(fā) 明采用[1/n，l/n，l/n，…l/n， l/n， l/n， 1/n]為濾波模板，其中n為濾波窗口的長度，在空 間域和曲線進行巻積得到了濾波后曲線(見圖5)。
②分析濾波后曲線得張數(shù) 對濾波后曲線中的波峰或波谷的數(shù)目進行計數(shù)，最后得到張數(shù)值。在實際應(yīng)用當(dāng) 中，對波峰還是波谷進行計數(shù)需要根據(jù)具體情況而定。 一維數(shù)組中波峰波谷檢測是通過對 濾波后數(shù)組進行二階差分而得到的。 (4)統(tǒng)計所有子圖像多對應(yīng)的張數(shù)估計值，通過求眾數(shù)(所有估計值中出現(xiàn)頻率 最高的值)來確定目標(biāo)的最終張數(shù)。 基于本發(fā)明所提供的算法，我們做了一個撲克牌張數(shù)檢測系統(tǒng)，該系統(tǒng)使用工業(yè) 用相機，該相機采集的是24位灰度圖，大小為1280*1024(如圖6所示)。采集圖像后通過 USB接口傳入計算機等待檢測。我們?yōu)榱朔奖惴治龊吞岣哌\算速度，對待處理圖像做了下面 三個假設(shè) 1)所檢測的撲克牌的正確張數(shù)固定為55張(54張加廣告牌)；
2)撲克牌側(cè)面成像時的角度固定且近似為90。； 3)所采集的圖像中被檢測目標(biāo)和背景區(qū)分度高，背景干凈，沒有其他紋理干擾。
下面說明一下實施步驟 第一步對原始圖像進行預(yù)處理，在這里利用Gabor濾波器進行紋理增強。根據(jù)上 面的假設(shè)，Gabor濾波器的方向為90。，其寬度固定為8個像素，約為一張撲克牌的厚度。 窗口大小為W二 2*8+1 = 17個像素。增強后將圖像進行切割成32段子圖像，每段大小為 1280*32。 接下來循環(huán)對上述子圖像進行處理，得到每個子圖對應(yīng)的張數(shù)估計值。該處理過 程包括圖像分割、圖像投影、投影曲線濾波、投影曲線波峰波谷計數(shù)。為了方便說明我們把 此過程拆分為下面的步驟二到步驟四。 第二步取子圖像集合中的一段子圖像進行圖像分割，分割過程采用邊緣搜索，即 分別從圖像左方和右方搜索第一次出現(xiàn)的豎直短線(見圖3b的粉紅色線條)，將它們看作 是紋理的左右邊界。 第三步將分割后的圖像向水平方向投影，得到一維數(shù)組X(n)(圖4a)。 第四步對X(n)進行低通濾波處理，這里我們直接在空間域濾波，濾波器為[1/8，
1/8， 1/8， 1/8， 1/8， 1/8， 1/8， 1/8，]得到濾波后曲線(圖4b)，然后對曲線波谷進行計數(shù)得到
張數(shù)估計值N。 第五步判斷子圖像集合中的所有子圖像是否處理完畢，若處理完畢則進入第六 步，否則返回第二步循環(huán)處理。
第六步統(tǒng)計所有估計值，得到目標(biāo)的張數(shù)，最后輸出結(jié)果，結(jié)束檢測。
以上所述，僅為本發(fā)明中的具體實施方式
，但本發(fā)明的保護范圍并不局限于此，任 何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在 本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求書的保護范圍為準(zhǔn)。
權(quán)利要求
一種基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于步驟1由工業(yè)攝像頭或數(shù)字化儀器采集待檢測層狀目標(biāo)的側(cè)面紋理圖像，并將側(cè)面紋理圖像轉(zhuǎn)化為數(shù)字圖像；通過接口單元將數(shù)字圖像讀入到圖像處理系統(tǒng)中，然后對數(shù)字圖像采用Gabor濾波器進行濾波處理，生成紋理增強圖像，再對紋理增強圖像進行分段處理得到子圖像集合；步驟2取分段后子圖像集合中的一段子圖像，運用圖像分割方法分割出要檢測的紋理區(qū)域，生成相應(yīng)的目標(biāo)紋理圖像；步驟3從目標(biāo)紋理圖像中抽取出表征張數(shù)紋理的一維數(shù)組；步驟4分析處理上述一維數(shù)組，得到目標(biāo)紋理圖像的張數(shù)估計值，保存此估計值；步驟5判斷步驟2的子圖像集合中的所有子圖像是否處理完畢，如果處理完畢，則執(zhí)行步驟6，如果沒處理完，則返回步驟2循環(huán)處理；步驟6統(tǒng)計步驟4中保存的所有估計值得到目標(biāo)的張數(shù)。
2. 根據(jù)權(quán)利要求1所述的基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于， 該層狀目標(biāo)的側(cè)面紋理圖像包含著具有周期性變化的層狀紋理；該層狀目標(biāo)的側(cè)面紋理圖 像中的紋理具有方向一致性；該層狀目標(biāo)的側(cè)面紋理圖像上具有非周期性的灰度變化或者 干擾噪聲。
3. 根據(jù)權(quán)利要求1所述的基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于， 子圖像集合是紋理增強圖像沿著紋理延伸的方向分段得到。
4. 根據(jù)權(quán)利要求1所述的基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于， 圖像分割采用基于邊緣的分割方法，即是通過擬合邊緣中的直線來搜索目標(biāo)紋理圖像與背 景圖像的邊界，通過邊界界定目標(biāo)紋理區(qū)域。
5. 根據(jù)權(quán)利要求1所述的基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于， 該一維數(shù)組具有如下特征① 該數(shù)組是紋理信息的一維投影或者沿著某個方向的取樣；② 一維投影方向是沿著紋理延伸方向，圖像取樣則沿著紋理周期延拓的方向。
6. 根據(jù)權(quán)利要求1所述的基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于， 對一維數(shù)組的分析處理過程包括如下步驟① 對一維數(shù)組在頻域或空間域進行低通濾波處理得到濾波后數(shù)組；② 對濾波后數(shù)組中的波峰或波谷進行計數(shù)，得到張數(shù)估計值。
7. 根據(jù)權(quán)利要求1所述的基于層狀目標(biāo)側(cè)面紋理分析的張數(shù)檢測方法，其特征在于， 目標(biāo)的張數(shù)是對所有估計值求眾數(shù)得到。
全文摘要
本發(fā)明是一種基于層狀目標(biāo)側(cè)面紋理分析張數(shù)的檢測方法，處理步驟對被測物體側(cè)面紋理進行采樣，采樣后圖像被輸入到計算機中；將原始圖像預(yù)處理后進行分段，得到子圖像集合；取上述子圖像集合中的一段子圖像進行圖像分割得到相應(yīng)的前景紋理圖像；把前景紋理圖像投影或取樣得到一維數(shù)組；分析該一維數(shù)組，得到子圖像的張數(shù)估計值，將估計值保存待用；循環(huán)處理子圖像集合中所有子圖像得到一系列估計值；統(tǒng)計上述子圖像的張數(shù)估計值，得到層狀目標(biāo)的張數(shù)。本發(fā)明將紋理分析引入到層狀目標(biāo)的張數(shù)檢測中，巧妙應(yīng)用Gabor濾波器進行紋理增強提高法的性能。本發(fā)明的分段處理，將原紋理圖像分為許多段子圖像，提高圖像分割精度，增強檢測的準(zhǔn)確性。
文檔編號G06M9/00GK101763527SQ20091008735
公開日2010年6月30日 申請日期2009年6月17日 優(yōu)先權(quán)日2009年6月17日
發(fā)明者劉東昌, 王欣剛 申請人:中國科學(xué)院自動化研究所