一種激光視覺圖像的閾值分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機器人視覺檢測中的圖像分割領(lǐng)域，具體涉及了一種激光視覺圖像的 閾值分割方法。
【背景技術(shù)】
[0002] 激光視覺傳感技術(shù)是機器人視覺檢測的一種方式，廣泛應(yīng)用于工業(yè)中，如焊縫跟 蹤、焊縫表面質(zhì)量檢測等。圖像處理技術(shù)是該技術(shù)的關(guān)鍵環(huán)節(jié)，而圖像分割是圖像處理過程 中的一項重要內(nèi)容，為了使圖像變得簡單和直觀，常常采用圖像閾值分割方法?；叶乳撝捣?割法是一種最常用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類。閾值分割方法 實際上是輸入圖像f到輸出圖像g的如下變換
【主權(quán)項】
1. 一種激光視覺圖像的閾值分割方法，其特征在于，包括以下步驟： 步驟一，對激光視覺圖像進行灰度直方圖的計算，獲取256個灰度等級的像素個數(shù) P(i)，i e [〇,255]的整數(shù)； 步驟二，設(shè)置閾值T(k)，其中T(k) e [〇,255]，k為彡O的整數(shù)；并根據(jù)閾值T(k)將 激光視覺圖像分為目標圖像和背景圖像：灰度等級大于T (k)的像素點組成為目標圖像，灰 度等級小于等于T(k)的像素點組成為背景圖像；同時，設(shè)定閾值T(k)的初始值T(0)，其 中T(O) e [100,200]或者T(O)為激光視覺圖像中的最大灰度值和最小灰度值的算術(shù)平均 值； 步驟三，按照式（1)和式（2)分別計算目標圖像和背景圖像的區(qū)域內(nèi)像素的灰度平均 值 yQ(k)和 μΒ0〇 ;
步驟四，按照式（3)計算新閾值T (k+1);
步驟五，當|T(k+i)-T(k)|彡δ時，則結(jié)束搜索，并將T(k)作為所求的閾值；當 T(k+1)-T(k) I > δ時，則將新閾值T(k+Ι)代入到步驟三中，繼續(xù)迭代計算，直至符合結(jié)束 搜索的條件；其中，S為自定義的精度值并且δ多〇; 當搜索結(jié)束時經(jīng)歷的循環(huán)迭代次數(shù)設(shè)為N，N為> 0的整數(shù)，此時的閾值為T(N-I)，目 標圖像區(qū)域內(nèi)的像素的灰度平均值μ〇(N-I)，此次搜索過程稱之為第一次迭代過程； 步驟六，令小于等于Utj(N-I)的灰度值的像素點的個數(shù)p(i)的值為零； 步驟七，進行第二次迭代，并且第二次迭代過程的閾值初始值為： 寧)=圣卜0(]^ -1) + 255] (4)， 將式（4)計算出的閾值T(N)代入步驟三至步驟五的迭代算法中，直至符合結(jié)束搜索的 條件； 當搜索結(jié)束時，第二次迭代過程經(jīng)歷的循環(huán)迭代次數(shù)設(shè)為M，M為> 0的整數(shù)，此時的閾 值為T(N+M_1)，目標的灰度平均值為μ〇(Ν+Μ_1); 步驟八，引入權(quán)重系數(shù)a，a e (〇，1)，按式（5)對閾值Τ(Ν+Μ_1)進行修正，最終得到分 割閾值Iw : T，= a · T(N+M-l) + (l-a) · μ〇(Ν+Μ-1) (5)； 步驟九，將激光視覺圖像中灰度等級< Τ'的像素點的灰度值設(shè)置為0或255,即為背 景圖像；而激光視覺圖像中灰度等級> τ'的像素點的灰度值設(shè)置為255或0,即為目標圖 像。
【專利摘要】本發(fā)明公開了一種激光視覺圖像的閾值分割方法，包括對激光視覺圖像進行灰度直方圖的計算、設(shè)置閾值T(k)并設(shè)定其初始值T(0)、進行第一次迭代計算、設(shè)定第二次迭代過程的閾值初始值T(N)、進行第二次迭代計算、引入權(quán)重系數(shù)a、確定背景圖像和目標圖像。本發(fā)明步驟簡單、設(shè)計邏輯合理、可實現(xiàn)，采用了二次迭代算法對激光視覺圖像進行分割，其抗干擾能力強、分割效果好，能夠滿足跟蹤系統(tǒng)的實時性要求，能夠應(yīng)用于機器人的焊縫跟蹤系統(tǒng)中，使得激光視覺傳感技術(shù)可以順利的在工業(yè)生產(chǎn)中廣泛應(yīng)用。
【IPC分類】G06T7-00
【公開號】CN104835176
【申請?zhí)枴緾N201510275837
【發(fā)明人】莫勝撼, 喻寧娜, 李寧, 梁廣瑞, 寧顯斌, 梁耀文
【申請人】廣西機電職業(yè)技術(shù)學(xué)院, 廣西柏熙科技有限公司
【公開日】2015年8月12日
【申請日】2015年5月26日