基于频域的堵孔检测方法与流程

本发明涉及一种基于频域的堵孔检测方法。

背景技术：

如多孔的催化剂等多孔物质需要检测堵孔个数，来判断产品是否合格。以汽车尾气用的三元催化剂为例，三元催化剂是一种具有大密度蜂窝孔的圆柱体，现有技术中对三元催化剂的堵孔检测方法是：取一个标准的三元催化剂作为样本，通过相机采集得到该三元催化剂样本的俯视图像，利用样本俯视图的目标轮廓制成模板图像；在检测三元催化剂时，采集将各待检三元催化剂如图1所示的的俯视图（以下称为待检测图像），将各检测图像和模板做匹配，理论上，在模板图像中每一个孔洞对应的坐标，都可以在待检测图像中找到相应的坐标，然后判断孔洞是否堵塞。然而，该方法在有些极端情况下会匹配失败，例如出现载体截面倾斜或者大面积堵塞的情况（如图2和3所示），无法准确检测堵孔数目。

技术实现要素：

针对上述问题，本发明的目的是提供一种基于频域的堵孔检测方法，其可以精确检测堵孔数目。

为解决上述技术问题，本发明采用的技术方案为：

一种基于频域的堵孔检测方法，包括：

步骤A、获取待检测体目标区域的原图；

步骤B、将所述原图依次进行傅里叶变换、低通滤波、逆傅里叶变换处理后，再与所述原图进行减法运算，得到孔洞边界清晰的频域处理图片；

步骤C、在所述频域处理图片中选取至少一个孔洞并根据所选孔洞的轮廓制作模板，然后在所述频域处理图片中做模板匹配，根据各位置的灰度判断各位置处的孔洞的通堵。

优选地，步骤A包括：

a1、在待检测体的整幅图像中采用霍夫变换识别待检测体目标区域的外轮廓，抓取外轮廓内的区域形成所述原图，外轮廓内的区域为所述目标区域。

优选地，步骤A包括：

a2、对所述原图进行旋转，使孔洞沿x轴或y轴排列。

更优选地，步骤a2中，将所述原图二值化，保留孔洞的边界，利用霍夫变换识别直线，旋转所述原图直至所述直线沿x轴延伸或沿x轴延伸。

优选地，该堵孔检测方法还包括：

步骤D、寻找疑似堵塞区域；

步骤C中，在所述频域处理图片内疑似堵塞区域中做模板匹配，根据堵塞区域内各位置的灰度判断各位置处的孔洞的通堵。

更优选地，将所述原图二值化，保留孔洞边界和堵塞区域，然后对二值化后的原图进行形态学开运算，去除正常的孔洞边界，剩余区域为所述疑似堵塞区域。

进一步地，步骤C中，在频域处理图片内各疑似堵孔区域内，根据模板匹配，找到一个最佳匹配位置，根据模板的大小和形状，得到最佳匹配位置的孔洞区域，利用该最佳匹配位置的孔洞区域找到疑似堵孔区域内的所有的孔洞区域，分别判断每个孔洞的通堵。

优选地，该方法依次包括：

步骤A中、在待检测体的整幅图像中采用霍夫变换识别待检测体目标区域的外轮廓，抓取外轮廓内的区域形成所述原图，外轮廓内的区域为所述目标区域；对所述原图进行旋转，使孔洞沿x轴或y轴排列；

步骤D、将所述原图二值化，保留孔洞边界和堵塞区域，然后对二值化后的原图进行形态学开运算，去除正常的孔洞边界，剩余区域为所述疑似堵塞区域；

步骤B、将所述原图依次进行傅里叶变换、低通滤波、逆傅里叶变换处理后，再与所述原图进行减法运算，得到孔洞边界清晰的频域处理图片；

步骤C、在所述频域处理图片中选取一个孔洞并根据所选孔洞的轮廓制作模板，然后在频域处理图片内各疑似堵孔区域内，根据模板匹配，找到一个最佳匹配位置，根据模板的大小和形状，得到最佳匹配位置的孔洞区域，利用该最佳匹配位置的孔洞区域找到疑似堵孔区域内的所有的孔洞区域，分别判断每个孔洞的通堵。

优选地，所述孔洞阵列式分布。

优选地，所述待检测体为汽车尾气处理用的三元催化剂。

本发明采用上述技术方案，相比现有技术具有如下优点：对目标区域的图片进行频域处理，使各个孔洞的边界清晰显示，采用其中至少一个孔洞作为模板，对目标区域内的孔洞进行模板匹配，通过灰度精确判断各孔洞区域是通还是堵，可以精确计算堵孔个数。

附图说明

图1为拍摄的三元催化剂样本的俯视图；

图2为三元催化剂倾斜后拍摄的俯视图；

图3为三元催化剂大面积堵孔后拍摄的俯视图；

图4为低通滤波处理后的三元催化剂的图片

图5为三元催化剂的频域处理图片。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域的技术人员理解。

以汽车位于处理用的三元催化剂为例，对本发明的基于频域的堵孔检测方法进行说明。当然，本发明的方法不限于检测三元催化剂，其它类似的多孔并具有周期性特征的物体，都适用本方法，即，各孔洞呈阵列式排布。

本发明的方法依次包括如下步骤：A、检测目标区域，图像旋转；D、图像旋转；D、寻找疑似堵塞区域；B、对目标区域进行频域分析处理；C、利用形状特征做图像匹配。下面对各个步骤进行详细说明。

步骤A的目的是获取待三元催化剂的目标区域的原图，三元催化剂的目标区域具体是指如图1所示的俯视图内的所有孔洞区域。步骤A具体包括：

a1、在三元催化剂的整幅俯视图像中采用霍夫变换识别圆（三元催化剂呈圆柱形，其目标区域对应为圆形）的外轮廓，抓取外轮廓内的区域形成所述原图，外轮廓内的区域为所述目标区域；

a2、对所述原图进行旋转，使孔洞沿x轴或y轴排列（通俗来讲，即为横平竖直的排布方向），具体过程为，将所述原图二值化，保留孔洞的边界，利用霍夫变换识别直线，利用霍夫变换的统计特性可以找到目标区域内中一条最长的直线，这条直线对应于圆内最接近圆心的一条直线，而这条直线的倾角就是要旋转的角度，按照所述角度旋转所述原图直至所述直线沿x轴延伸或。由于检测时，目标中孔洞的排布方向是随机的，不利于检测，因而对图像进行旋转，将孔洞的排布方向变为横平竖直，使孔洞规律排布，孔洞分布已知。

步骤D的目的是寻找疑似堵塞区域，由于检测全部目标区域耗时很长，可以先做预判，去除掉明显的通孔部分，只对疑似堵塞区域做检测。例如，相邻的2行2列的4个孔，在这个区域中心存在堵塞，虽然看上去总堵塞面积达到了单个孔的面积，可是实际这4个孔每个孔只堵住了1/4，所以每个孔都不算堵塞，这种区域就是一种疑似堵塞区域。具体做法为：将所述原图二值化，保留孔洞边界和堵塞区域，然后对二值化后的原图进行形态学开运算，去除正常的孔洞边界，剩余区域为所述疑似堵塞区域。疑似堵塞区域在原图和下面介绍的频域处理图片及各处理阶段的图片中存在对应关系。

步骤B的目的是使目标区域内所有孔的边界都被显示出来，所有的孔都具有清晰的边界分隔。由于目标区域内有非常多的规则分布的孔洞，表现出了很强的周期性，所以，非常适合频域处理。孔洞内部的灰度变化平缓，绝大部分的剧烈变化都分布在孔洞边界处，所以，在频域处理图像中，低频部分对应的是孔洞内部区域，高频部分对应于孔洞边界。具体为，将步骤A处理后的原图进行傅里叶变换，然后进行低通滤波，抑制高频分量，再进行逆傅里叶变换，可以得到一幅非常平滑的图像，该图像在正常孔洞处已经无法看见边界了，而在大面积堵孔区域，孔内部的边界却清晰可见，如图4所示。将这幅图片与原图片做减法运算，便可以得到一幅将所有孔洞的边界都分开的图像，称为频域处理图像，如图5所示。

步骤C中，在步骤B所得的频域处理图片中，选取一个孔洞，根据孔洞的形状制作模板。在步骤B得到的频域处理图片内，在所有步骤D划分出的疑似堵塞区域里做模板匹配，判断每个匹配的位置的灰度，便可判断该孔洞是通是堵。具体步骤如下：在每个可疑区域里，首先根据模板匹配，找到一个最佳匹配位置，根据孔洞的大小和形状（例如正六边形），可以知道最佳匹配的孔洞区域，由于步骤a2已经将图像做了旋转，所以孔洞的分布是已知的，利用最佳匹配的孔洞可以找到可疑区域内所有的孔洞区域，分别判断每个孔洞区域是通还是堵，便可精确计算所有的堵孔个数。

上述实施例只为说明本发明的技术构思及特点，是一种优选的实施例，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明的精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。。