积的连通域置为0，否则，保留。该阈值的设定用于滤除杂质，根据实际的杂质分布大小，可设定为 100。
[0054]步骤5:对步骤4中的图像求纵向的统计直方图，根据直方图的峰值及极值信息提取字符条形区域。
[0055]步骤5-1:对步骤4中的图像计算纵向直方图，并取中间两个梯度较大的边缘，根据这两个边缘提取线缆区域。
[0056]步骤6:通过形态学闭运算使点状字符连接，具体方法是先膨胀再腐蚀。
[0057]步骤6-1:对步骤5中图像先进行膨胀运算，膨胀规模为10*5 ;
[0058]步骤6-2:腐蚀图像，腐蚀规模为10*5，经过上述运算，使得每个点状字符连接起来。
[0059]步骤7:求步骤6中图像的横向直方图，并根据直方图的极值点分割字符；
[0060]步骤8:根据步骤7中分割字符的位置，提取步骤4中的各个点状字符；
[0061]步骤9:将点状字符用用5*3(字符“I”)，5*4和5*5 (单位“m”及个别字符)网格划分区域，区域内有点状的，该区域设为1，否则为O。并根据网格信息识别字符。
[0062]步骤9-1:根据字符宽度选取不同的网格进行划分，若网格宽度大于73个像素时，则采用5*5的网格，若小于50个像素时，则采用5*3的网格，否则为5*4的网格；
[0063]步骤9-2:对网格内的每个格点计算像素总数，若大于网格面积的80%，则说明该格点内有点；
[0064]步骤9-3:依次计算每个格点，用I和O填充网格；
[0065]步骤9-4:根据网格内的数据进行识别。
[0066]步骤10:将步骤5处理后的图像去掉字符部分，留下上边缘和下边缘部分，并进行边缘检测，然后利用霍夫变换拟合上下两个边缘，以边缘拟合直线为基准，做离散的边缘线到该基准线的距离积分，值大于阈值的即为线缆的缺陷，该阈值根据实际工程中缺陷大小的判定来设定。
[0067]步骤10-1:将步骤5处理后的图像去掉字符部分，剩下的图像信息即为线缆的图像；
[0068]步骤10-2:对线缆图像用Canny算子进行边缘检测；
[0069]步骤10-3:利用霍夫变换拟合线缆的上下两个边缘直线；
[0070]步骤10-4:定义积分离散度:以边缘拟合直线为基准，做离散的边缘线到该基准线的距离积分，当积分离散度的值大于阈值的即为线缆的缺陷。
【主权项】
1.一种基于机器视觉的线缆在线检测方法，该方法包括: 步骤1:采用高速相机采集线缆的视频图像； 步骤2:基于特征点的匹配及仿射变换方法对步骤I采集的视频进行防抖处理，得到去抖后的每帧图像； 步骤3:对步骤2中的图像根据预设灰度值进行二值化处理； 步骤4:将步骤3中的二值图像进行小面积滤波和中值滤波，去除小面积杂质点； 步骤5:对步骤4中的图像计算纵向直方图，并取中间两个梯度较大的边缘，根据这两个边缘提取线缆区域； 步骤6:通过形态学闭运算使点状字符连接，具体方法是先膨胀再腐蚀； 步骤7:求步骤6中图像的横向直方图，并根据直方图的极值点分隔字符； 步骤8:根据步骤7中分隔字符的位置，提取步骤4中的各个点状字符； 步骤9:根据各点状字符图像的大小采用5*3、5*4或5*5的网格对其进行网格划分，格点内存在字符点的，将该格点设为1，否则设为O ;并根据网格信息识别字符； 步骤10:将步骤4处理后的图像，略去步骤5提取的字符条形区域，留下线缆的上边缘和下边缘部分；然后进行边缘检测，利用霍夫变换拟合上下两个边缘，以边缘拟合直线为基准，做离散的边缘线到该基准线的距离积分，积分值大于阈值的即为线缆的缺陷，该阈值根据实际工程中缺陷大小的判定来设定。
2.如权利要求1所述的一种基于机器视觉的线缆在线检测方法，其特征在于所述步骤2的具体步骤为: 步骤2-1:读取视频流中的前一帧图像作为基准图像，利用特征提取法提取尺度不变特征点； 步骤2-2:读取当前帧并计算特征点，利用仿射变换模型与基准图像做配准，将配准后的图像作为新的当前帧。
3.如权利要求1所述的一种基于机器视觉的线缆在线检测方法，其特征在于所述步骤3的具体步骤为: 步骤3-1:图像二值化的阈值采用大律法获得； 步骤3-2:将图像的每个像素与步骤3-1中的阈值相比较，大于阈值的设为255，否则为O。
4.如权利要求1所述的一种基于机器视觉的线缆在线检测方法，其特征在于所述步骤4的具体步骤为: 步骤4-1:选取3*3的模板，对步骤3图像进行滤波，滤波方式为模板内点取中值的方式，即中值滤波； 步骤4-2:连通域标记步骤4-1图像，并计算各连通域面积，小于设定阈值面积的连通域置为0，否则，保留。该阈值的设定用于滤除杂质，根据实际的杂质分布大小，可设定为100。
5.如权利要求1所述的一种基于机器视觉的线缆在线检测方法，其特征在于所述步骤6的具体步骤为: 步骤6-1:对步骤5中图像先进行膨胀运算，膨胀规模为10*5 ; 步骤6-2:腐蚀图像，腐蚀规模为10*5，经过上述运算，使得每个点状字符连接起来。
6.如权利要求1所述的一种基于机器视觉的线缆在线检测方法，其特征在于所述步骤9的具体步骤为: 步骤9-1:根据字符宽度选取不同的网格进行划分，若网格宽度大于一定阈值，则采用5*5的网格，若小于一定阈值，则采用5*3的网格，否则为5*4的网格；该阈值通过实际统计获得; 步骤9-2:对网格内的每个格点计算像素总数，若大于格点面积的80%，则说明该格点内有字符点； 步骤9-3:依次计算每个格点，用I和O填充网格； 步骤9-4:根据网格内的数据进行识别。
7.如权利要求1所述的一种基于机器视觉的线缆在线检测方法，其特征在于所述步骤10的具体步骤为: 步骤10-1:在步骤4处理后的图像中，将步骤5提取的字符条形区域灰度值置为0，剩下的图像信息即为线缆的图像； 步骤10-2:对线缆图像用边缘检测方法进行边缘检测； 步骤10-3:利用霍夫变换拟合线缆的上下两个边缘直线； 步骤10-4:定义积分离散度:以边缘拟合直线为基准，做离散的边缘线到该基准线的距离积分，当积分离散度的值大于阈值的即为线缆的缺陷。
【专利摘要】本发明公开了一种基于机器视觉的线缆在线检测方法，该方法属于工业自动化领域针对线缆生产的在线质量检测方法。该方法通过提取视频帧中的图像，进行防抖处理后，将其二值化，并利用直方图特性提取需要处理的区域；对字符区域提出了用网格法来识别点状字符。对于线缆的缺陷检测，提出了积分离散度概念，并利用霍夫变换求取直线后根据积分离散度判定缺陷。这种方法检测速度快，自动化程度高。
【IPC分类】G06K9-00, G06T7-00
【公开号】CN104820986
【申请号】CN201510205999
【发明人】刘霖, 杜晓辉, 张静, 王耀杰, 叶溯, 刘娟秀, 谢煜, 倪光明, 叶玉堂, 刘永
【申请人】电子科技大学
【公开日】2015年8月5日
【申请日】2015年4月28日