烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器与流程

本发明属于烟草的图像处理计算领域，涉及一种测定方法及系统，特别是涉及一种烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器。
背景技术：
：烟丝宽度是指烟丝的平均宽度，对卷烟烟气焦油量的影响有很大的影响。而卷烟的焦油是卷烟香气的重要组成与影响成分，因此烟丝宽度的是否稳定影响着卷烟品质香气的稳定。另一方由于烟丝是由打叶复烤片烟切丝得到的烟叶制品半成品，烟丝宽度的稳定与否反映在线生产的工艺稳定与否；现有的烟丝宽度的测量方法一般是按照光学投影法中的测量方法的测量精度只达到0.1mm，而烟丝宽度的宽度一般在0.8-1.3mm之间，0.1mm的误差较控制区间0.9-1.1的范围相差很大，且采用手动的方式进行测量、计算，操作繁琐、效率较低、容易引入误差。随着机器视觉的快速发展，现有技术中利用图像处理方法来测量烟丝宽度，这种测量方法运用烟丝的中心线图像翻转来测量烟丝的宽度，有效的解决了烟丝宽度的快速测量；但是此方法对烟丝的中心线的求解要求很高，在存在局部烟丝宽度异常以及毛刺的基础上，会有较大的不稳定性。因此，如何提供一种烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器，以解决现有技术对烟丝中心线的求解要求很高，在存在局部烟丝宽度异常以及毛刺的基础上，有较大的不稳定性等缺陷，实已成为本领域从业者亟待解决的技术问题。技术实现要素：鉴于以上所述现有技术的缺点，本发明的目的在于提供一种烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器，用于解决现有技术对烟丝中心线的求解要求很高，在存在局部烟丝或梗丝宽度异常以及毛刺的基础上，有较大的不稳定性的问题。为实现上述目的及其他相关目的，本发明一方面提供一种烟丝或梗丝的宽度测定方法，所述烟丝或梗丝的宽度测定方法包括以下步骤：对采集的烟丝或梗丝原始图像进行预处理，生成预处理后的烟丝或梗丝图像；所述烟丝或梗丝原始图像中包括至少一条烟丝或梗丝；对预处理后的烟丝或梗丝图像中每一条烟丝或梗丝进行形态分割，并将形态分割后的烟丝或梗丝图像进行直线检测，以检测出每一条烟丝或梗丝的像素宽度；将每一条烟丝或梗丝的像素宽度转换为该烟丝或梗丝的预测宽度。于本发明的一实施例中，所述对采集的烟丝或梗丝原始图像进行预处理的步骤包括：对采集的烟丝或梗丝原始图像进行滤波，生成烟丝或梗丝的灰度图像；对所述烟丝或梗丝的灰度图像进行二值化处理，生成烟丝或梗丝的二值化图像；检测所述烟丝或梗丝的二值化图像中每一条烟丝或梗丝的连通区域，将二值化图像中存在的孔洞进行填充，并计算孔洞填充后二值化图像中连通区域的区域面积；剔除区域面积小于面积阈值的连通区域，形成预处理后的烟丝或梗丝图像。于本发明的一实施例中，所述对预处理后的烟丝或梗丝图像中每一条烟丝或梗丝进行形态分割，并将形态分割后的烟丝或梗丝图像进行直线检测，以检测出每一条烟丝或梗丝的像素宽度的步骤包括：获取预处理后的烟丝或梗丝图像中每个连通区域的区域间距比例；根据在每个连通区域内设置的采样点的数量、及每个连通区域的区域间距比例，计算在每个连通区域的长轴上的采样次数和短轴上的采样次数；在每个连通区域中，按照在每个连通区域的长轴上的采样次数和短轴上的采样次数，距离变换出每个连通区域中每一采样点的最大内切圆的圆心和直径。于本发明的一实施例中，所述求取在每个连通区域中每一采样点的最大内切圆的圆心和直径的步骤包括：对每个连通区域的每一采样点上寻找像素值为255的像素点和像素值为0的像素点，并跟踪与提取每一采样点的边界；提取每一采样点边界的横坐标与纵坐标；计算像素值为0的像素点与像素值非零的像素点间的距离，以形成距离矩阵；通过每个连通区域的每一采样点边界的横坐标与纵坐标，和距离矩阵判断像素值为0的像素点与像素值非零的像素点是否位于一正多边形的范围，若是，则查找出该多边形范围内的最小正多边形，并输出用以表示该最小正多边形有边界和为最小正多边形的逻辑矩阵；在针对每个连通区域的每一采样点查找到的最小正多边形内，利用直线检测方式，获取到最小正多边形内最大内切圆，及该最大内切圆的圆心坐标和直径；所述直线检测方式为霍夫变换。于本发明的一实施例中，在求取在每个连通区域中每一采样点的最大内切圆的圆心和直径之后，所述烟丝或梗丝宽度测定方法还包括对预处理后的烟丝或梗丝图像中的每个连通区域进行平滑处理，计算出每个连通区域的角点数，将角点数小于等于点数阈值的连通区域判定为有效样本。于本发明的一实施例中，将包括有效样本的连通区域内针对每个连通区域的每一采样点获取到的最大内切圆的直径作为烟丝或梗丝的像素宽度，烟丝或梗丝的预测宽度＝标正系数×每一条烟丝或梗丝的像素宽度+校正常量，以将每一条烟丝或梗丝的像素宽度转换为该烟丝或梗丝的预测宽度。本发明另一方面提供一种烟丝或梗丝宽度测定系统，所述烟丝或梗丝宽度测定系统包括：第一处理模块，用于对采集的烟丝或梗丝原始图像进行预处理，生成预处理后的烟丝或梗丝图像；所述烟丝或梗丝原始图像中包括至少一条烟丝或梗丝；第二处理模块，用于对预处理后的烟丝或梗丝图像中每一条烟丝或梗丝进行形态分割，并将形态分割后的烟丝或梗丝图像进行直线检测，以检测出每一条烟丝或梗丝的像素宽度；转换模块，用于将每一条烟丝或梗丝的像素宽度转换为该烟丝或梗丝的预测宽度。于本发明的一实施例中，所述第一处理模块包括：滤波单元，用于对采集的烟丝或梗丝原始图像进行滤波，生成烟丝或梗丝的灰度图像；二值化处理单元，用于对所述烟丝或梗丝的灰度图像进行二值化处理，生成烟丝或梗丝的二值化图像；检测单元，用于检测所述烟丝或梗丝的二值化图像中每一条烟丝或梗丝的连通区域，将二值化图像中存在的孔洞进行填充，并计算孔洞填充后二值化图像中连通区域的区域面积；剔除单元，用于剔除区域面积小于面积阈值的连通区域，形成预处理后的烟丝或梗丝图像。于本发明的一实施例中，所述第二处理模块包括：获取单元，用于获取预处理后的烟丝或梗丝图像中每个连通区域的区域间距比例；计算单元，用于根据在每个连通区域内设置的采样点的数量、及每个连通区域的区域间距比例，计算在每个连通区域的长轴上的采样次数和短轴上的采样次数；变换单元，用于在每个连通区域中，按照在每个连通区域的长轴上的采样次数和短轴上的采样次数，距离变换出在每个连通区域中每一采样点的最大内切圆的圆心和直径。本发明又一方面提供一种服务器，包括所述的烟丝或梗丝的宽度测定系统。如上所述，本发明的烟丝或梗丝的宽度测定方法、系统、及具有系统的服务器，具有以下有益效果：第一、本发明利用霍夫(hough)变换求解每个连通区域的最大内切圆直径，避免了由于局部的噪声带来的求解中心线不稳定的问题，为烟丝或梗丝宽度的精准性提供了保障；第二、本发明在前期通过标准板建立校正模型后，不仅能够快速的检测每根烟丝或梗丝的实际平均宽度，以及局部宽度，而且还能够进一步的通过角点判别计算样本的有效性，从而保证在准确性的前提下，满足了样本具备充分的代表性，第三，本发明不是离群异常宽度的样本计算，为现场的快速判别指导提供了可靠性的保障。附图说明图1显示为本发明的烟丝宽度测定方法于一实施例中的流程示意图。图2显示为本发明的工业相机获取的烟丝原始图像。图3显示为本发明的烟丝宽度测定方法中步骤s1的流程示意图。图4显示为本发明的stdfilt滤波后的烟丝的灰度图像。图5显示为本发明的烟丝的二值化图像。图6显示为本发明的填充空洞后的烟丝的二值化图像图7显示为本发明的显示为预处理后的烟丝图像。图8显示为本发明的预处理后的烟丝图像中每条烟丝的连通区域的质心和定位示意图。图9显示为本发明的每个连通区域的面积的柱状图。图10显示为本发明的烟丝宽度测定方法中步骤s2的流程示意图图11显示为本发明的烟丝宽度测定方法中s23的流程示意图。图12显示为本发明的每根烟丝的最大内切圆。图13显示为本发明的烟丝的像素宽度与烟丝的预测宽度之间转换关系示意图。图14显示为本发明的烟丝宽度测定系统于一实施例中的原理结构示意图。图15显示为本发明的烟丝宽度测定系统中第一处理模块的原理结构示意图。图16显示为本发明的烟丝宽度测定系统中第二处理模块的原理结构示意图。图17显示为本发明的服务器于一实施例中的原理结构示意图。元件标号说明1烟丝宽度测定系统11第一处理模块12第二处理模块13转换模块14评价模块111滤波单元112二值化处理单元113检测单元114剔除单元121获取单元122计算单元123转换单元124平滑处理单元s1～s4步骤具体实施方式以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本发明所述的烟丝宽度测定方法、系统及具有该系统的服务器的技术原理如下：本发明从工业相机拍摄的图像中提取烟丝的原始图片，通过图像的灰度处理，滤波，二值化，形态分割，角点检测交叉判别来获取有效烟丝宽度的数量，对烟丝的单独分割的二值化图像通过hough变化来检测烟丝在每一个点的最大内切圆，从而获取该点的最大内切圆直径，来统计烟丝在每一点的宽度，最后计算每根烟丝的平均宽度像素，宽度像素的极差与标偏，通过标准样来标定像素宽度与实际宽度之间的校正模型，进而重新做样进行验证；来评价机器视觉快速检测烟丝宽度的适用性。实施例一本实施例提供一种烟丝或梗丝的宽度测定方法，其特征在于，所述烟丝或梗丝的宽度测定方法包括以下步骤：对采集的烟丝或梗丝原始图像进行预处理，生成预处理后的烟丝或梗丝图像；所述烟丝或梗丝原始图像中包括多条烟丝或梗丝；对预处理后的烟丝或梗丝图像中每一条烟丝或梗丝进行形态分割，并将形态分割后的烟丝或梗丝图像进行直线检测，以检测出每一条烟丝或梗丝的像素宽度；将每一条烟丝或梗丝的像素宽度转换为该烟丝的实际宽度。以下将结合图示对本实施例所述的烟丝宽度测定方法进行详细说明。本实施例中，将以烟丝为测定对象。请参阅图1，显示为烟丝宽度测定方法于一实施例中的流程示意图。如图1所示，所述烟丝宽度测定方法具体包括以下几个步骤：s1，对采集的烟丝原始图像进行预处理，生成预处理后的烟丝图像；所述烟丝原始图像中包括至少一条烟丝。在本实施例中，通过工业相机获取均匀地铺在其下方的烟丝原始图像。请参阅图2，显示为工业相机获取的烟丝原始图像。如图2所示，所述烟丝原始图像包括10条烟丝。继续参阅图3，显示为步骤s1的流程示意图。如图3所示，所述步骤s1中所述对采集的烟丝原始图像进行预处理的步骤包括：s11，对采集的烟丝原始图像进行滤波，生成烟丝的灰度图像。在本实施例中，对采集的烟丝原始图像进行stdfilt滤波，使用最大类间方差法找到烟丝原始图像的滤波阈值(threshold1＝0.3490)，生成烟丝的灰度图像i。请参阅图4，显示为stdfilt滤波后的烟丝的灰度图像。s12，对所述烟丝的灰度图像进行二值化处理，生成烟丝的二值化图像。在本实施例中，使用im2bw函数获取一二值化阈值，对烟丝的灰度图像进行二值化处理，得到烟丝的二值化图像bw1。请参阅图5，显示为烟丝的二值化图像。s13，检测所述烟丝的二值化图像bw1中每一条烟丝的连通区域，将二值化图像中存在的孔洞进行填充，并计算孔洞填充后二值化图像中连通区域的区域面积。具体地，检测所述烟丝的二值化图像bw1中每一条烟丝的连通区域，确定需填充的像素点，调用填充函数对需填充的像素点进行填充，形成填充空洞后的烟丝的二值化图像bw2。请参阅图6，显示为填充空洞后的烟丝的二值化图像。s14，计算填充空洞后的二值化图像bw2中每个连通区域的面积，剔除区域面积小于面积阈值(于本实施例中，为了去除整个图像的碎末及细小的杂质碎丝，需剔除小于面积阈值p＝500的连通区域)的连通区域，形成预处理后的烟丝图像res。请参阅图7、图8、和图9，分别显示为预处理后的烟丝图像、预处理后的烟丝图像中每条烟丝的连通区域的质心和定位示意图、和每个连通区域的面积。其中图9中的横轴为连通区域的序号，纵轴为连通区域的面积。s2，对预处理后的烟丝图像res中每一条烟丝进行形态分割，并将形态分割后的烟丝图像进行直线检测，以检测出每一条烟丝的像素宽度。请参阅图10，显示为步骤s2的流程示意图。如图10所示，所述步骤s2包括以下几个步骤：s21，获取预处理后的烟丝图像中每个连通区域的区域间距比例。在本步骤中，提取预处理后的烟丝图像res的边缘并计算其对应的边缘坐标；对res进行细化处理，计算res的中心线坐标，由于中心线对噪声非常敏感，计算预处理后的烟丝图像res中每个连通区域横坐标的最大间距δxi，纵坐标的最大间距δyi，并计算每个连通区域长轴与短轴的区域间距比例ki；其中，i为第i个连通区域。s22，根据在每个连通区域内设置的采样点的数量numb(i)(于本实施例中，所述在每个连通区域内设置的采样点的数量numb(i)＝6，表示每个连通区域的宽度至少在不同的采样点计算6次)、及每个连通区域的区域间距比例ki，计算在每个连通区域的长轴上的采样次数和短轴上的采样次数mi，ni。如表1所示的在每个连通区域的区域间距比例及在每个连通区域的长轴上的采样次数和短轴上的采样次数。表1：在每个连通区域的区域间距比例及在每个连通区域的长轴上的采样次数和短轴上的采样次数s23，在每个连通区域中，按照在每个连通区域的长轴上的采样次数和短轴上的采样次数mi，ni，距离变换出每个连通区域中每一采样点的最大内切圆的圆心和直径。请参阅图11，显示为步骤s23的流程示意图。如图11所示，所述步骤s23包括以下几个步骤：s231，对每个连通区域的每一采样点上寻找像素值为255的像素点(白色底纹的图像像素点)和像素值为0的像素点，并跟踪与提取每一采样点的边界。s232，提取每一采样点边界的横坐标x与纵坐标y。s233，计算像素值为0的像素点与像素值非零的像素点间的距离，以形成距离矩阵bwp。s234，通过每个连通区域的每一采样点边界的横坐标与纵坐标，和距离矩阵判断像素值为0的像素点与像素值非零的像素点是否位于一正多边形的范围，若是，则查找出该多边形范围内的最小正多边形，并输出用以表示该最小正多边形有边界和为最小正多边形的逻辑矩阵；若否，则返回步骤s234，继续判断像素值为0的像素点与像素值非零的像素点是否位于一多边形的范围。在本实施例中，判断像素值为0的像素点与像素值非零的像素点是否位于一多边形的范围主要是看计算的坐标是否有数学意义，求解最小包含所有范围的正多边形，具体地，对预先给定的数组计算它的长度，并计数，从每个像素点延伸过去的最右边正多边形成与所有像素点组连成的封闭曲线相交的区域范围。并在区域范围内统计交叉点的个数，如果交叉点的个数等于预先数组的长度，那么该正多边形就是该数组所包含的最小内切正多边形；这种方法简单的实现了要求每一个像素点都要检查其的交叉点，会中会形成一个o(n*m)复杂度的测试次数，n*m指的是交叉测试的次数；这种方法的求解一般采用重采样，或者运用遗传算法进行快速求解包含给定点组的最小正多边形。在本实施例中，所述逻辑矩阵in中1代表在正多变形的范围内，以及正多边形对应的边on。s235，在针对每个连通区域的每一采样点查找到的最小正多边形内，利用直线检测方式，获取到最小正多边形内最大内切圆，及该最大内切圆的圆心坐标(cx，cy)和直径；所述直线检测方式为霍夫(hough)变换。其中，所述霍夫(hough)变换是指将图像像素从2维空间坐标转换到极坐标空间，在极坐标空间中归一化各个点强度，使各个点的像素值在0～255之间，根据极坐标的r值与输入的参数(圆的半径)相等，寻找二维空间的像素点，对找出的空间像素点赋予结果颜色(红色)，返回结果二维空间像素集合，并输出该最大内切圆的圆心坐标(cx，cy)以及直径r，请参阅图12，显示为每根烟丝的最大内切圆。在本实施例中，所述最大内切圆的直径r即为每个采样点下的烟丝宽度，如表2所示。表2：不同像素采样点下的烟丝宽度样本序号采样1采样2采样3采样4采样5采样6平均极差17.076.716.326.717.006.456.710.7527.817.817.817.817.817.927.830.1138.007.817.817.078.068.267.841.1948.068.067.817.818.068.188.000.3757.817.817.217.817.817.757.700.6067.817.628.498.497.817.788.000.8778.068.497.818.498.068.548.240.7388.498.4910.009.908.498.28.931.8098.068.007.818.608.498.48.230.79106.716.717.077.006.716.856.840.36s236，对预处理后的烟丝图像中的每个连通区域进行平滑处理，计算出每个连通区域的角点数，将角点数小于等于点数阈值(count)的连通区域判定为有效样本。判定为无效样本是因为图像是通过平滑处理的，而连通区域的角点越多代表着该连通区域是几个烟丝的叠加与重构造成的，虽然可以计算该连通区域的宽度，但是该样本不具备代表性，因此，该烟丝为无效样本。s3，将每一条烟丝的像素宽度转换为该烟丝的实际宽度。在本实施例中，利用标准板来设定标准板的实际距离，建立每一条烟丝的像素宽度与烟丝预测宽度的转换。其中，转换关系如下：烟丝的预测宽度＝标正系数×每一条烟丝的像素宽度+校正常量该转换关系的数学公式如下：sji＝beta*xsi+α公式(4)其中，xsi为每一条烟丝的像素宽度，sji为烟丝的预测宽度，beta为校正系数，α为校正常量。在本实施例中，所述beta＝0.2302，α＝－50。请参阅图13，显示为烟丝的像素宽度与烟丝的预测宽度之间转换关系示意图。s4，对烟丝的预测宽度进行评价，即计算评价指标，烟丝的预测宽度的绝对误差se，均方根误差mse，以及相关系数cor。参阅表3为根据最大内切圆直径转换的烟丝的预测宽度，及评价指标。表3：为根据最大内切圆直径转换的烟丝的预测宽度样本序号平均预测宽度实际宽度mm误差绝对误差相对误差11.0431.060-0.0160.0161.53％21.3011.314-0.0130.0131.01％31.3031.335-0.0320.0322.39％41.3401.384-0.0440.0443.19％51.2711.276-0.0050.0050.41％61.3401.389-0.0490.0493.53％71.3951.442-0.0460.0463.22％81.5541.591-0.0370.0372.32％91.3931.406-0.0130.0130.90％101.0731.083-0.0100.0100.92％均值1.3011.328-0.0270.0271.94％绝对误差se＝0.027mm；均方根误差mse＝0.03215mm；相关系数cor＝0.9916。本实施例所述的烟丝宽度测定方法具有以下有益效果：第一、本实施例所述的烟丝宽度测定方法利用霍夫(hough)变换求解每个连通区域的最大内切圆直径，避免了由于局部的噪声带来的求解中心线不稳定的问题，为烟丝宽度的精准性提供了保障；第二、本实施例所述的烟丝宽度测定方法在前期通过标准板建立校正模型后，不仅能够快速的检测每根烟丝的实际平均宽度，以及局部宽度，而且还能够进一步的通过角点判别计算样本的有效性，从而保证在准确性的前提下，满足了样本具备充分的代表性，第三，本实施例所述的烟丝宽度测定方法不是离群异常宽度的样本计算，为现场的快速判别指导提供了可靠性的保障。实施例二本实施例提供一种烟丝宽度测定系统1，请参阅图14，显示为烟丝宽度测定系统于一实施例中的原理结构示意图。如图14所示，所述烟丝宽度测定系统1包括：第一处理模块11、第二处理模块12、转换模块13、及评价模块14。所述第一处理模块11用于对采集的烟丝原始图像进行预处理，生成预处理后的烟丝图像；所述烟丝原始图像中包括至少一条烟丝。在本实施例中，通过工业相机获取均匀地铺在其下方的烟丝原始图像。继续参阅图14，显示为第一处理模块的原理结构示意图。如图15所示，所述第一处理模块11包括：滤波单元111、二值化处理单元112、检测单元113、剔除单元114。滤波单元111用于对采集的烟丝原始图像进行滤波，生成烟丝的灰度图像。在本实施例中，对采集的烟丝原始图像进行stdfilt滤波，使用最大类间方差法找到烟丝原始图像的滤波阈值(threshold1＝0.3490)，生成烟丝的灰度图像i。二值化处理单元112用于对所述烟丝的灰度图像进行二值化处理，生成烟丝的二值化图像。在本实施例中，使用im2bw函数获取一二值化阈值，对烟丝的灰度图像进行二值化处理，得到烟丝的二值化图像bw1。检测单元113用于检测所述烟丝的二值化图像bw1中每一条烟丝的连通区域，将二值化图像中存在的孔洞进行填充，并计算孔洞填充后二值化图像中连通区域的区域面积。具体地，检测所述烟丝的二值化图像bw1中每一条烟丝的连通区域，确定需填充的像素点，调用填充函数对需填充的像素点进行填充，形成填充空洞后的烟丝的二值化图像bw2。剔除单元114用于计算填充空洞后的二值化图像bw2中每个连通区域的面积，剔除区域面积小于面积阈值(于本实施例中，为了去除整个图像的碎末及细小的杂质碎丝，需剔除小于面积阈值p＝500的连通区域)的连通区域，形成预处理后的烟丝图像res。第二处理模块12用于对预处理后的烟丝图像res中每一条烟丝进行形态分割，并将形态分割后的烟丝图像进行直线检测，以检测出每一条烟丝的像素宽度。请参阅图16，显示为第二处理模块的原理结构示意图。如图16所示，所述第二处理模块12包括：获取单元121、计算单元122、转换单元123、平滑处理单元124。获取单元121用于获取预处理后的烟丝图像中每个连通区域的区域间距比例。在本步骤中，提取预处理后的烟丝图像res的边缘并计算其对应的边缘坐标；对res进行细化处理，计算res的中心线坐标，由于中心线对噪声非常敏感，计算预处理后的烟丝图像res中每个连通区域横坐标的最大间距δxi，纵坐标的最大间距δyi，并计算每个连通区域长轴与短轴的区域间距比例ki；其中，i为第i个连通区域。计算单元122用于根据在每个连通区域内设置的采样点的数量numb(i)(于本实施例中，所述在每个连通区域内设置的采样点的数量numb(i)＝6，表示每个连通区域的宽度至少在不同的采样点计算6次)、及每个连通区域的区域间距比例ki，计算在每个连通区域的长轴上的采样次数和短轴上的采样次数mi，ni。转换单元123用于在每个连通区域中，按照在每个连通区域的长轴上的采样次数和短轴上的采样次数mi，ni，距离变换出每个连通区域中每一采样点的最大内切圆的圆心和直径。在本实施例中，所述转换单元123具有以下功能：对每个连通区域的每一采样点上寻找像素值为255的像素点(白色底纹的图像像素点)和像素值为0的像素点，并跟踪与提取每一采样点的边界。提取每一采样点边界的横坐标x与纵坐标y。计算像素值为0的像素点与像素值非零的像素点间的距离，以形成距离矩阵bwp。通过每个连通区域的每一采样点边界的横坐标与纵坐标，和距离矩阵判断像素值为0的像素点与像素值非零的像素点是否位于一正多边形的范围，若是，则查找出该多边形范围内的最小正多边形，并输出用以表示该最小正多边形有边界和为最小正多边形的逻辑矩阵；若否，则返回继续判断像素值为0的像素点与像素值非零的像素点是否位于一多边形的范围。在针对每个连通区域的每一采样点查找到的最小正多边形内，利用直线检测方式，获取到最小正多边形内最大内切圆，及该最大内切圆的圆心坐标(cx，cy)和直径；所述直线检测方式为霍夫(hough)变换。平滑处理单元124用于对预处理后的烟丝图像中的每个连通区域进行平滑处理，计算出每个连通区域的角点数，将角点数小于等于点数阈值(count)的连通区域判定为有效样本。所述转换模块13用于将每一条烟丝的像素宽度转换为该烟丝的实际宽度。在本实施例中，利用标准板来设定标准板的实际距离，建立每一条烟丝的像素宽度与烟丝预测宽度的转换。其中，转换关系如下：烟丝的预测宽度＝标正系数×每一条烟丝的像素宽度+校正常量该转换关系的数学公式如下：sji＝beta*xsi+α其中，xsi为每一条烟丝的像素宽度，sji为烟丝的预测宽度，beta为校正系数，α为校正常量。在本实施例中，所述beta＝0.2302，α＝－50。评价模块14用于对烟丝的预测宽度进行评价，即计算评价指标，烟丝的预测宽度的绝对误差se，均方根误差mse，以及相关系数cor。本实施例还提供一种服务器2，请参阅图17，显示为服务器于一实施例中的原理结构示意图。如图17所示，所述服务器2包括上述的烟丝宽度测定系统1。综上所述，本发明所述的烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器具有以下有益效果：第一、本发明利用霍夫(hough)变换求解每个连通区域的最大内切圆直径，避免了由于局部的噪声带来的求解中心线不稳定的问题，为烟丝或梗丝宽度的精准性提供了保障；第二、本发明在前期通过标准板建立校正模型后，不仅能够快速的检测每根烟丝或梗丝的实际平均宽度，以及局部宽度，而且还能够进一步的通过角点判别计算样本的有效性，从而保证在准确性的前提下，满足了样本具备充分的代表性，第三，本发明不是离群异常宽度的样本计算，为现场的快速判别指导提供了可靠性的保障。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属
技术领域：
中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。当前第1页12