一种用于瓶子分类的瓶肩检测方法与流程

本发明涉及图像处理领域，特别是涉及一种用于瓶子分类的瓶肩检测方法。

背景技术：

目前，为了环保和节省成本，啤酒、饮料等生产厂家大都使用可以回收利用的瓶子。在对瓶子的回收利用中，用目测法对瓶子进行分类是一项非常耗费人力时间的工作，并且不能保证分类的可靠性。为了减少人力时间成本，实现工业上的自动化，基于机器人视觉的机器自动检测应运而生，但是目前国内采用的分类机器大部分都是进口的，价格昂贵，一般中、小企业无能力购买，另外由于瓶子大小、颜色和国情等因素使得国外的检测设备并不完全适用于国内。因此，开发一套快速且有效的瓶子分类方法是很有必要的。

技术实现要素：

为了解决上述问题，本发明提供了一种用于瓶子分类的瓶肩检测方法，可以实现对瓶子快速分类，准确率高，并且能够满足生产线上的要求。

基于此，本发明提供了一种用于瓶子分类的瓶肩检测方法，所述方法包括：

读取待检测图像，提取ROI区域；

对所述ROI区域进行阈值分割，提取灰度值在预设范围内的像素点后进行灰度值闭运算；

所述ROI区域进行灰度值闭运算后进行连通区域联合，并提取最大面积区域作为待处理图像；

将所述最大面积区域的左上角坐标与右下角坐标进行正切运算，求得tan值；

根据所述tan值来判断瓶子类别。

其中，所述读取待检测图像之前对所述待检测图像进行去噪处理。

其中，所述ROI区域即感兴趣区域，用于确定进行阈值分割的区域。

其中，所述提取RIO区域包括将所述待检测图像中生成矩形区域，所述矩形区域为瓶肩图像，并在所述待检测图像中截取所述矩形区域。

其中，所述阈值分割根据ROI区域的瓶底异物图像与背景图像在灰度上的差异，将所述ROI区域分割为具有不同灰度级的目标区域和背景区域，选取阈值并确定所述ROI区域中每个像素点属于目标区域或背景区域，产生对应的二值图像。

其中，所述ROI区域进行阈值分割包括：对所述ROI区域进行全局阈值分割，所述全局阈值通过计算所述ROI区域中波峰灰度值减去一个预设灰度值实现。

其中,所述全局阈值分割的方法包括：直方图双峰法。

其中，所述灰度值闭运算用于填充所述ROI区域和平滑边界。

其中，所述提取最大面积区域作为待处理图像包括：

根据进行连通区域联合之后所述ROI区域的形状面积特征提取最大面积区域。

其中，所述tan值小于第一预设值，则判断瓶子为一等瓶，所述tan值大于第一预设值小于第二预设值，则判断瓶子为二等瓶，所述tan值大于第二预设值，则判断瓶子为三等瓶。

本发明可以减少通过人力目测对瓶子进行分类的时间，并且本发明检测方法简单，对瓶子分类的速度快，准确率高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的用于瓶子分类的瓶肩检测方法的示意图；

图2是本发明实施例提供的一类瓶子的示意图；

图3是本发明实施例提供的二类瓶子的示意图；

图4是本发明实施例提供的三类瓶子的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明实施例提供的用于瓶子分类的瓶肩检测方法的示意图，所述方法包括：

S101、读取待检测图像，提取ROI区域；

读取待检测图像之前对所述待检测图像进行去噪处理。

图像噪声是指使用某种方法从被摄体或信息源把信息传递给受看者时，如果通过视觉接收平面二维亮度分布，那么对这种接收起干扰作用的亮度分布就叫图像噪声。图像噪声通常用信噪比来量化或描述。

对所述待检测图像进行去噪处理的目的是改善待检测图像，解决待检测图像由于噪声干扰而导致图像质量下降的问题。通过去噪处理可以有效地提高图像质量，增大信噪比，更好的体现待检测图像所携带的信息。

可采用高斯滤波、中值滤波等方法对所述待检测图像进行去噪处理。

在所述待检测图像中提取ROI区域，所述ROI区域为ROI(region of interest)，即感兴趣区域。在机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域。

提取RIO区域包括将所述待检测图像中生成矩形区域，所述矩形区域为瓶底图像，并在所述待检测图像中截取所述矩形区域。也就是说从待检测图像中提取包含瓶底图像的区域，即进一步的缩小图像范围。举例来讲，图像整体为桌子上面的一个啤酒瓶，提取ROI区域即将所述图像剪切为包含瓶肩图像的区域，如瓶口、瓶底、桌子等部分均被去除掉。

S102、对所述ROI区域进行阈值分割，提取灰度值在预设范围内的像素点后进行灰度值闭运算；

图像分割是将数字图像分成互不重叠的区域并提取出感兴趣目标的图像分割算法，一般是基于灰度的两个性质之一：不连续性和相似性。第一个性质的应用是基于灰度的不连续变化来分割图像。第二个性质的主要应用是根据事先制定的准则将图像分割为相似的区域。

图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。图像阈值分割即是其中的一种方法，图像分割也可理解为把图像中有意义的特征区域或者需要应用的特征区域提取出来，这些特性区域可以是像素的灰度值、物体轮廓曲线、纹理特性等，也可是空间频谱或直方图特征等阈值分割技术。阈值分割图像的基本原理描述如下：利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生对应的二值图像。

阈值分割是一种简单有效的图像分割方法，它对物体与背景有较强对比的图像分割特别有效，所有灰度大于或者等于预知的像素被判决为属于物体，灰度值用255表示前景，否则这些像素点被排除在物体区域外，灰度值为0，表示背景。

所述阈值分割根据ROI区域的瓶底异物图像与背景图像在灰度上的差异，将所述ROI区域分割为具有不同灰度级的目标区域和背景区域，选取阈值并确定所述ROI区域中每个像素点属于目标区域或背景区域，产生对应的二值图像。

其中，所述ROI区域进行阈值分割包括但不仅限于：对所述ROI区域进行全局阈值分割，所述全局阈值通过计算所述ROI区域中波峰灰度值减去一个预设灰度值实现。

对所述ROI区域进行阈值分割的方法除了全局阈值分割外还包括自适应阈值分割等阈值分割方法。

所述全局阈值分割的方法包括直方图双峰法，除此之外还包括最大类间方差法等方法。

其中，对所述ROI区域进行阈值分割之后，取灰度值在预设范围内的像素点后进行灰度值闭运算。所述灰度值闭运算用于填充所述ROI区域和平滑边界。

S103、所述ROI区域进行灰度值闭运算后进行连通区域联合，并提取最大面积区域作为待处理图像；

所述连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，对所述连通区域计算面积，将所有连通区域的面积进行比较，选择其中的最大面积区域作为待处理图像。

S104、将所述最大面积区域的左上角坐标与右下角坐标进行正切运算，求得tan值；

所述最大面积区域的左上角坐标(x1,y1)与左下角坐标(x2,y2)；

对所述左上角坐标(x1,y1)和左下角坐标(x2,y2)做正切运算，求得tan值即

tan＝(|y1-y2|)/(|x1-x2|)

S105、根据所述tan值来判断瓶子类别。

其中，所述tan值小于第一预设值，则判断瓶子为一等瓶，所述tan值大于第一预设值小于第二预设值，则判断瓶子为二等瓶，所述tan值大于第二预设值，则判断瓶子为三等瓶。

举例来讲：所述第一预设值为1.31，所述第二预设值为3，则

tan值小于1.31的啤酒瓶图像判定为1类瓶，请参考图2；

tan值在1.31-3之间的啤酒瓶图像判定为2类瓶，请参考图3；

tan值大于3的啤酒瓶图像判定为3类瓶，请参考图4。

本发明可以减少通过人力目测对瓶子进行分类的时间，并且本发明检测方法简单，对瓶子分类的速度快，准确率高。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。