本发明涉及机器视觉技术领域，具体涉及一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法。
背景技术：
瓦楞纸板是一个多层的黏合体，它最少由一层波浪形芯纸夹层(俗称“坑张”、“瓦楞纸”、“瓦楞芯纸”、“瓦楞纸芯”、“瓦楞原纸”)及一层纸板(又称“箱板纸”、“箱纸板”)构成。具有良好的抗压强度和防震性能，能承受一定的压力、冲击和振动；重量轻，价格便宜，可以大规模生产多种尺寸，使用前储存空间很小，并能印刷各种图案，因此在制成品包装运输上得到广泛运用。
大规模生产中需对瓦楞纸板进行计数工作，但人工进行计数方法需要耗费大量时间，而且随着工作时间的增加，人工可能会因疲劳等产生计数误差。
计算机视觉识别是基于图像处理计数对瓦楞纸中纸板信息进行提取，但现有瓦楞纸识别算法主要有如下问题：实际中，瓦楞纸板堆积可能不够紧密，每层瓦楞纸中间容易出现缝隙，而且堆积很难保证水平，现有的方法在这些情况时检测不够准确。
技术实现要素：
为了克服背景技术的不足，本发明提供一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，主要解决了现有的瓦楞纸板计数方法对瓦楞纸板堆积不适应、检测准确率低的问题。
本发明所采用的技术方案是：一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，包括如下步骤：
步骤一、截取图像的感兴趣区域：对工业相机采集的瓦楞纸板瓦楞面图像截取感兴趣区域，感兴趣区域图像的宽度为w，高度为h；
步骤二、转化为灰度图像：如果步骤一得到的感兴趣区域图像是多通道的彩色图像，则将感兴趣区域图像转化为灰度图像；
步骤三、灰度图像二值化和反色：将步骤二得到的灰度图像进行局部自适应二值化，得到二值图像，并将二值图像进行反色操作，得到的反色后的二值图像；
步骤四、寻找轮廓：对步骤三得到的反色后的二值图像提取轮廓，得到轮廓集合c0＝{ck,k＝1,2,...,n0}，其中第k个轮廓表示为一组坐标点的集合，即ck＝{(xk,i,yk,i),i＝1,2,...,nk}，(xk,i,yk,i)为组成轮廓ck的第i个坐标点，nk为轮廓ck的长度；
步骤五、筛选轮廓：选择长度大于等于5的轮廓，得到新的轮廓集合c1＝{ck|nk≥5,k＝1,2,...,n0}＝{ck,k＝1,2,...,n1}，其中n1为筛选后轮廓个数；
步骤六、计算轮廓中心点：计算步骤五得到的轮廓集合c1中每个轮廓的中心点坐标，其中轮廓ck的中心点x坐标为
步骤七、拟合轮廓中心点：用霍夫直线检测算法对步骤六得到的轮廓中心点标记二值图像中的像素值为1的点进行直线拟合，得到直线集合l0＝{(ρi,θi),i＝1,...,n0}，其中ρi是直线i到坐标点(0,0)的距离，θi是直线i的角度(0表示垂直线，π/2表示水平线)，n0是直线的个数；
步骤八、筛选直线：选择步骤七中直线集合l0中角度满足||θi|-π/2|≤0.05π的直线，组成集合l1＝{(ρi,θi),i＝1,...,n1}；
步骤九、计算直线角度平均值：计算步骤八的集合l1中直线角度的均值
步骤十、点集投影：对步骤六得到的轮廓中心点点集p中的点沿角度为
步骤十一、点集聚类：对步骤十得到的y坐标集合y中数据进行凝聚层次聚类，其中类别距离阈值等于5，得到的每个类别即为检测得到的瓦楞层。
所述步骤三中的局部自适应二值化，其实现方法是：坐标为(i,j)的像素，其阈值t(i,j)计算公式如下：
其中i(i,j)为灰度图像坐标(i,j)的像素值；
二值化公式如下：
其中ib(i,j)为二值化后图像坐标(i,j)的像素值。
本发明的有益效果是：
孔洞是瓦楞纸板图像中一个显著的特征，本发明通过提取孔洞的轮廓，并对轮廓中心聚类得到瓦楞纸板的层数；采用对原图像选取感兴趣区域、二值化和反色等预处理，然后对图像提取轮廓，并根据轮廓长度进行筛选和计算轮廓的中心坐标，之后对轮廓中心点集拟合直线，计算出直线平均角度，最后根据角度对点集向y坐标轴投影并聚类，从而实现瓦楞纸板的检测；可适应瓦楞纸堆中瓦楞层存在倾斜角度和层间存在缝隙等情况，检测准确率高。
具体实施方式
下面对本发明实施例作进一步说明：
一种基于图像轮廓提取与聚类的瓦楞纸板智能检测方法，包括如下步骤：
步骤一、截取图像的感兴趣区域：对工业相机采集的瓦楞纸板瓦楞面图像截取感兴趣区域，感兴趣区域图像的宽度为w，高度为h；
步骤二、转化为灰度图像：如果步骤一得到的感兴趣区域图像是多通道的彩色图像，则将感兴趣区域图像转化为灰度图像；
步骤三、灰度图像二值化和反色：将步骤二得到的灰度图像进行局部自适应二值化，得到二值图像，并将二值图像进行反色操作，得到的反色后的二值图像；
步骤四、寻找轮廓：对步骤三得到的反色后的二值图像提取轮廓，得到轮廓集合c0＝{ck,k＝1,2,...,n0}，其中第k个轮廓表示为一组坐标点的集合，即ck＝{(xk,i,yk,i),i＝1,2,...,nk}，(xk,i,yk,i)为组成轮廓ck的第i个坐标点，nk为轮廓ck的长度；
步骤五、筛选轮廓：选择长度大于等于5的轮廓，得到新的轮廓集合c1＝{ck|nk≥5,k＝1,2,...,n0}＝{ck,k＝1,2,...,n1}，其中n1为筛选后轮廓个数；
步骤六、计算轮廓中心点：计算步骤五得到的轮廓集合c1中每个轮廓的中心点坐标，其中轮廓ck的中心点x坐标为
步骤七、拟合轮廓中心点：用霍夫直线检测算法对步骤六得到的轮廓中心点标记二值图像中的像素值为1的点进行直线拟合，得到直线集合l0＝{(ρi,θi),i＝1,...,n0}，其中ρi是直线i到坐标点(0,0)的距离，θi是直线i的角度(0表示垂直线，π/2表示水平线)，n0是直线的个数；
步骤八、筛选直线：选择步骤七中直线集合l0中角度满足||θi|-π/2|≤0.05π的直线，组成集合l1＝{(ρi,θi),i＝1,...,n1}；
步骤九、计算直线角度平均值：计算步骤八的集合l1中直线角度的均值
步骤十、点集投影：对步骤六得到的轮廓中心点点集p中的点沿角度为
步骤十一、点集聚类：对步骤十得到的y坐标集合y中数据进行凝聚层次聚类，其中类别距离阈值等于5，得到的每个类别即为检测得到的瓦楞层。
所述步骤三中的局部自适应二值化，其实现方法是：坐标为(i,j)的像素，其阈值t(i,j)计算公式如下：
其中i(i,j)为灰度图像坐标(i,j)的像素值；
二值化公式如下：
其中ib(i,j)为二值化后图像坐标(i,j)的像素值。
本发明的有益效果是：
孔洞是瓦楞纸板图像中一个显著的特征，本发明通过提取孔洞的轮廓，并对轮廓中心聚类得到瓦楞纸板的层数；采用对原图像选取感兴趣区域、二值化和反色等预处理，然后对图像提取轮廓，并根据轮廓长度进行筛选和计算轮廓的中心坐标，之后对轮廓中心点集拟合直线，计算出直线平均角度，最后根据角度对点集向y坐标轴投影并聚类，从而实现瓦楞纸板的检测；可适应瓦楞纸堆中瓦楞层存在倾斜角度和层间存在缝隙等情况，检测准确率高。
各位技术人员须知：虽然本发明已按照上述具体实施方式做了描述，但是本发明的发明思想并不仅限于此发明，任何运用本发明思想的改装，都将纳入本专利专利权保护范围内。