本發(fā)明涉及一種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法。

背景技術(shù)：

圖像處理是用計(jì)算機(jī)對圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù)。圖像處理一般指數(shù)字圖像處理，數(shù)字圖像是指用工業(yè)相機(jī)、攝像機(jī)、掃描儀等設(shè)備經(jīng)過拍攝得到的二維數(shù)組，該數(shù)組的元素稱為像素，其值稱為灰度值。圖像處理技術(shù)一般包括圖像濾波和增強(qiáng)、圖像分割，特征提取和識別3個部分。

焊縫檢測的圖像處理算法流程：圖像采集，圖像預(yù)處理，圖像分割，特征提取。目前的焊縫檢測算法是針對焊接過程的焊縫檢測，且焊縫檢測算法存在著或算法復(fù)雜，或準(zhǔn)確性不理想的問題。此外，現(xiàn)有焊縫檢測通常采用激光作為結(jié)構(gòu)光源，需要精確的光學(xué)設(shè)備，成本高，并且對于激光的安裝角度具有較高的要求。

上述問題是在焊縫檢測過程中應(yīng)當(dāng)予以考慮并解決的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，針對已有焊縫進(jìn)行檢測，解決現(xiàn)有技術(shù)中存在的上述問題。

本發(fā)明的技術(shù)解決方案是：

一種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，包括以下步驟：

圖像采集，通過圖像采集設(shè)備獲取被檢測物體的焊縫圖像；

圖像預(yù)處理：對所獲得的焊縫圖像采用中值濾波方法進(jìn)行圖像去噪，采用梯度直方圖進(jìn)行圖像增強(qiáng)去除圖像的噪聲，并提高焊縫和周圍背景的對比度；

圖像分割：將圖像預(yù)處理后的焊縫圖像進(jìn)行焊縫和周圍背景分離，采用區(qū)域生長的算法獲得連通區(qū)域并對連通區(qū)域進(jìn)行標(biāo)號，將像素?cái)?shù)最多的連通區(qū)域進(jìn)行二值化，來將焊縫從圖像中分割出來；

特征提?。禾崛『缚p中心線，獲得焊縫在圖像中的位置。

進(jìn)一步地，圖像分割中，先采用最大類間方差法將圖像進(jìn)行二值化，然后采用區(qū)域生長的方法獲取連通區(qū)域，并對每個連通區(qū)域進(jìn)行標(biāo)號，具體為：首先分別在水平方向和豎直方向每隔若干個點(diǎn)選取一個種子點(diǎn)，每個種子點(diǎn)的像素值置不同標(biāo)號，對每個標(biāo)號的種子點(diǎn)考察周圍的八鄰域像素點(diǎn)，如果某一鄰域像素點(diǎn)滿足生長準(zhǔn)則，則該鄰域像素點(diǎn)的像素值和種子點(diǎn)置同一標(biāo)號，然后將該鄰域像素點(diǎn)作為新的種子點(diǎn)進(jìn)行考察，直到?jīng)]有像素點(diǎn)可以合并，最終獲得若干標(biāo)號的連通區(qū)域。

進(jìn)一步地，圖像分割中，將像素?cái)?shù)最多的連通區(qū)域進(jìn)行二值化具體為：像素?cái)?shù)最多的連通區(qū)域的像素值設(shè)為0，其他點(diǎn)的像素值設(shè)為255。

進(jìn)一步地，特征提取中，提取焊縫中心線具體為：通過求出焊縫上半?yún)^(qū)域和下半?yún)^(qū)域的質(zhì)心坐標(biāo)，兩點(diǎn)連線獲得焊縫中心線。

進(jìn)一步地，圖像采集是通過搭建圖像采集設(shè)備實(shí)現(xiàn)的，圖像采集設(shè)備包括相機(jī)、鏡頭和光源，來獲得焊縫圖像。

進(jìn)一步地，圖像采集通過DirectShow流媒體開發(fā)包進(jìn)行圖像的采集，速度為8-15幀/秒。

本發(fā)明的有益效果是：該種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，是針對已有焊縫的檢測，使用區(qū)域生長算法獲取連通區(qū)域，并對連通區(qū)域進(jìn)行標(biāo)號，提取像素?cái)?shù)最多的連通區(qū)域進(jìn)行二值化，將焊縫從周圍的背景分割出來，能夠?qū)崿F(xiàn)10幀/秒的速度進(jìn)行圖像采集，實(shí)現(xiàn)實(shí)時焊縫檢測。該方法在最大類間方差法進(jìn)行二值化的基礎(chǔ)上，采用區(qū)域生長的方法獲取若干標(biāo)號的連通區(qū)域，將噪聲連通區(qū)域和焊縫連通區(qū)域分離，進(jìn)一步降噪，提取像素?cái)?shù)符合要求的連通區(qū)域，通常是最大的連通區(qū)域，提取的焊縫更加準(zhǔn)確。該種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，只需要普通的光源，成本低，安裝簡單，便于調(diào)試。

附圖說明

圖1是本發(fā)明實(shí)施例基于區(qū)域生長標(biāo)號的焊縫視覺識別方法的流程示意圖。

圖2是實(shí)施例中采用區(qū)域生長的方法獲取連通區(qū)域的流程示意圖。

圖3是實(shí)施例圖像采集的焊縫原始圖像。

圖4是實(shí)施例中經(jīng)過圖像預(yù)處理后的焊縫圖像。

圖5是實(shí)施例中經(jīng)過圖像分割后的焊縫圖像。

具體實(shí)施方式

下面結(jié)合附圖詳細(xì)說明本發(fā)明的優(yōu)選實(shí)施例。

實(shí)施例的基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，針對大型球罐的焊縫檢測，通過圖像處理技術(shù)獲取焊縫的位置信息。

實(shí)施例

一種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，如圖1，包括以下步驟：

圖像采集，通過圖像采集設(shè)備獲取被檢測物體的焊縫圖像，如圖3；

圖像預(yù)處理：對所獲得的焊縫圖像采用中值濾波方法進(jìn)行圖像去噪，采用梯度直方圖進(jìn)行圖像增強(qiáng)，提高焊縫和周圍背景的對比度，如圖4；

圖像分割：將圖像預(yù)處理后的焊縫圖像采用最大類間方差法進(jìn)行二值化，采用區(qū)域生長的算法對連通區(qū)域進(jìn)行標(biāo)號，將像素?cái)?shù)最多的區(qū)域提取為焊縫，來將焊縫從圖像中分割出來，如圖5；

特征提?。禾崛『缚p中心線，獲得焊縫在圖像中的位置。

實(shí)施例中，圖像采集設(shè)備，包括相機(jī)、鏡頭和光源，通過DirectShow流媒體開發(fā)包進(jìn)行圖像的采集，速度為8-15幀/秒，優(yōu)選10幀/秒。

實(shí)施例中，圖像分割具體為：先采用最大類間方差法將圖像進(jìn)行二值化，然后采用區(qū)域生長的方法獲取連通區(qū)域，并對每個連通區(qū)域進(jìn)行標(biāo)號，如圖2，首先在水平方向和豎直方向每隔5個點(diǎn)選取一個種子點(diǎn)，每個種子點(diǎn)的像素值置不同標(biāo)號，對每個標(biāo)號的種子點(diǎn)考察周圍的八鄰域像素點(diǎn)，如果某一鄰域像素點(diǎn)滿足生長準(zhǔn)則，它的像素值和種子點(diǎn)置同一標(biāo)號，然后將該鄰域像素點(diǎn)作為新的種子點(diǎn)進(jìn)行考察，直到?jīng)]有像素點(diǎn)可以合并，最終獲得若干標(biāo)號的連通區(qū)域，其中像素?cái)?shù)最多的連通區(qū)域的像素值設(shè)為0，其他點(diǎn)的像素值設(shè)為255。

特征提取中，提取焊縫中心線具體為：通過求出焊縫上半?yún)^(qū)域和下半?yún)^(qū)域的質(zhì)心坐標(biāo)，兩點(diǎn)連線獲得焊縫中心線。

實(shí)施例的該種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，是針對已有焊縫的檢測，使用區(qū)域生長的算法對連通區(qū)域進(jìn)行標(biāo)號，提取像素?cái)?shù)最多的連通區(qū)域進(jìn)行二值化，將焊縫從周圍的背景分割出來，提取像素?cái)?shù)最多的連通性區(qū)域即為焊縫，能夠?qū)崿F(xiàn)10幀/秒的速度進(jìn)行圖像采集，實(shí)現(xiàn)實(shí)時焊縫檢測。

圖像采集是通過搭建圖像采集設(shè)備實(shí)現(xiàn)的，圖像采集設(shè)備包括相機(jī)、鏡頭和光源，來獲得焊縫圖像。該種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，不需要激光類的結(jié)構(gòu)光源，只需要普通的光源，成本低，安裝簡單，便于調(diào)試。

該種基于區(qū)域生長標(biāo)號的焊縫視覺識別方法，在最大類間方差法進(jìn)行二值化的基礎(chǔ)上，采用區(qū)域生長的方法獲取若干標(biāo)號的連通區(qū)域，將噪聲連通區(qū)域和焊縫連通區(qū)域分離，進(jìn)一步降噪，提取像素?cái)?shù)符合要求的連通區(qū)域，通常是最大的連通區(qū)域，提取的焊縫更加準(zhǔn)確。