一种基于线性外推的齿条边缘快速提取方法与流程

本发明涉及图像处理技术领域，具体涉及的是一种基于线性外推的齿条边缘快速提取方法。

背景技术：

在纺织生产过程中，需要用梳棉机对棉纤维进行梳理，梳棉机中针布齿条的齿深、齿尖距、齿尖角度等参数对于棉梳理充分度、棉结多少等都有影响。为保证梳理质量，需要控制上述参数。针布齿条是由金属胚条加工而成的，胚条长度可达数百米，卷绕在料盘上。在齿条生产线上，胚条被牵引机构牵引，匀速直线通过冲齿机构，被加工成所需要的齿形，再被卷绕到成品料盘上。有缺陷的齿条如果不能被及时发现，被卷绕到成品料盘里层，后期再要检测就必须逐层打开成品料盘，十分繁琐。目前，对于齿条参数的检测多采用以千分表或游标卡尺为检测主体的接触式检测，这种检测方法需要操作人员手持检测工具逐齿进行检测，对齿尖角和齿条边长的检测精度受人为因素影响较大，而且效率低，只能对成品进行抽检。

为解决上述问题，可以基于机器视觉技术对齿条参数在生产线上进行在线检测。检测装置安装在齿条生产线上，在齿条经过卷绕辊之前完成检测，一旦检测到缺陷齿形时，发出信号控制生产设备暂停，并发出告警信号提示工人进行处理，避免了将有缺陷的齿条卷绕在成品料盘内部。与传统的人工检测方法相比，在线检测方法具有检测效率高、精度好、操作简单安全等优点，有助于企业提升生产效率和产品质量控制水平。检测齿条参数首先需要提取齿条的边缘图像，齿条在生产线上的直线移动速度最快可达60米/分钟，在线检测时，要求检测方法的运算时间要短。

技术实现要素：

有鉴于此，本发明的目的在于提出一种基于线性外推的齿条边缘快速提取方法，可提高针布齿条参数的检测效率。

为解决上述技术问题，本发明提供了一种基于线性外推的齿条边缘快速提取方法，包括以下步骤：

s1.待处理针布齿条图像预处理：对待处理针布齿条图像进行滤波处理、二值化处理和图像边界背景像素填充处理，得到不存在孤立目标像素点的二维二值图像，所述二维二值图像的周围边界所在的行和列均为背景像素点，将所述二维二值图像中的像素点分为目标像素点和背景像素点，令所述目标像素点的值为0，令所述背景像素点的值为1，所述二维二值图像中不存在孤立的目标像素点，所述二维二值图像的尺寸为m×n，用(x,y)表示二维二值图像中像素点的位置，以像素点(x,y)为分界点，将第x行分为像素点(x,y)的左侧和右侧，将第y列分为像素点(x,y)的上方和下方，其中，1≤x≤m，1≤y≤n；

s2.找出第一个边缘像素点a1和第二个边缘像素点a2：对所述二维二值图像从左侧开始向右依次选择列，对每一列自下向上逐像素点进行搜索，直至找到第一个值为0的像素点，将该像素点作为第一个边缘像素点a1，输出其位置(x1,y1)，将所述第一个边缘像素点a1上方相邻的像素点作为第一个参照像素点c1；

判断所述第一个参照像素点c1的值是否为0，若是，则从所述第一个参照像素点c1开始逆时针依次考察所述第一个边缘像素点a1的八邻域内的像素点，直至最后一次找到值为0的像素点，将该像素点作为第二个边缘像素点a2，输出第二个边缘像素点a2的位置(x2,y2)；若不是，则从所述参照像素点c0开始顺时针依次考察所述第一个边缘像素点a1的八邻域内的像素点，直至第一次找到值为0的像素点，将该目标像素点作为第二个边缘像素点a2，输出第二个边缘像素点a2的位置(x2,y2)；

s3.采用基于线性外推的极坐标旋转寻点方法依次寻找所述二维二值图像中的其他边缘像素点，直至最后一个找到的边缘像素点ae在第一个边缘像素点a1的八邻域内，停止寻找；

其中，第j+1，2≤j≤e-1个边缘像素点aj+1的寻找过程为：

以第j-1个边缘像素点aj-1为起始点，过第j个边缘像素点aj作延长线，选择所述延长线上的第一个像素点作为参照像素点cj；

判断所述参照像素点cj的值是否为0，

若cj＝0，则从所述参照像素点cj开始逆时针依次考察第j个边缘像素点aj的八邻域内的像素点，直至找到最后一个值为0的像素点，将该像素点作为第j+1个边缘像素点aj+1，输出第j+1个边缘像素点aj+1的位置(xj+1,yj+1)；

若cj＝1，则从所述参照像素点cj开始顺时针依次考察第j个边缘像素点aj的八邻域内的像素点，直至找到第一个值为0的像素点，将该像素点作为第j+1个边缘像素点aj+1，输出第j+1个边缘像素点aj+1的位置(xj+1,yj+1)；

s4.根据所有边缘像素点ai,i＝1,2,…,e的位置确定所述二维二值图像的目标边缘。

与现有技术相比，本发明针对针布齿条每个齿尖的两条边的像素点基本分布在两条直线上，齿条部分为连通整体的边缘特征，提出了一种基于线性外推的齿条边缘快速提取方法，该方法将目标针布齿条图像先进行滤波处理和二值化处理，得到不存在孤立的目标像素的二维二值图像，然后采用基于线性外推的极坐标旋转寻找边缘目标像素的方法获取齿条图像边缘坐标信息，从而找出目标针布齿条图像的边缘。采用该方法进行针布齿条的边缘检测搜索效率高，检测速度快，可广泛应用于梳棉机中针布齿条以及其他有类似特征的齿条的齿形缺陷检测。

附图说明

图1是本发明提供的基于线性外推的齿条边缘快速提取方法过程示意图；

图2是本发明一个实施例中目标齿条图像及其边缘提取效果图；

图3是本发明另一个实施例中三个不同长度的目标齿条图像。

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。

请参照图1，本发明以一副较小的图像具体说明基于线性外推的齿条边缘快速提取方法，具体步骤为：

s1.待处理针布齿条图像预处理：

将一幅较小的针布齿条图像进行滤波处理、二值化处理和图像边界背景像素填充处理，得到不存在孤立目标像素点的二维二值图像，该二维二值图像的周围边界所在的行和列均为背景像素点。令目标像素点的值为0，背景像素点的值为1，得到图1(a)。该二维二值图像的尺寸为6×7，用(x,y)表示二维二值图像中像素点的位置，以像素点(x,y)为分界点，将第x行分为像素点(x,y)的左侧和右侧，将第y列分为像素点(x,y)的上方和下方，其中，1≤x≤6，1≤y≤7。

s2.找出第一个边缘像素点a1和第二个边缘像素点a2：

如图1(b)所示，对二维二值图像从左侧开始向右依次选择列，对每一列自下向上逐像素点进行搜索，直至找到第一个值为0的像素点，将该像素点作为第一个边缘像素点a1，输出其位置(x1,y1)，将所述第一个边缘像素点a1上方相邻的像素点作为第一个参照像素点c1；

判断所述第一个参照像素点c1的值是否为0，若是，则从所述第一个参照像素点c1开始逆时针依次考察所述第一个边缘像素点a1的八邻域内的像素点，直至最后一次找到值为0的像素点，将该像素点作为第二个边缘像素点a2，输出第二个边缘像素点a2的位置(x2,y2)；若不是，则从所述参照像素点c0开始顺时针依次考察所述第一个边缘像素点a1的八邻域内的像素点，直至第一次找到值为0的像素点，将该目标像素点作为第二个边缘像素点a2，输出第二个边缘像素点a2的位置(x2,y2)；

s3.采用基于线性外推的极坐标旋转寻点方法依次寻找所述二维二值图像中的其他边缘像素点，直至最后一个找到的边缘像素点ae在第一个边缘像素点a1的八邻域内，停止寻找；

具体的，

s31.设j的初始值为2，

s32.寻找第j+1个边缘像素点aj+1：

请参照图1(c)，

以第j-1个边缘像素点aj-1为起始点，过第j个边缘像素点aj作延长线，选择该延长线上的第一个像素点作为参照像素点cj；

判断所述参照像素点cj的值是否为0，

若cj＝0，则从所述参照像素点cj开始逆时针依次考察第j个边缘像素点aj的八邻域内的像素点，直至找到最后一个值为0的像素点，将该像素点作为第j+1个边缘像素点aj+1，输出第j+1个边缘像素点aj+1的位置(xj+1,yj+1)；

若cj＝1，则从所述参照像素点cj开始顺时针依次考察第j个边缘像素点aj的八邻域内的像素点，直至找到第一个值为0的像素点，将该像素点作为第j+1个边缘像素点aj+1，输出第j+1个边缘像素点aj+1的位置(xj+1,yj+1)；

s33.判断aj+1是否在第一个边缘像素点a1的八邻域内，

若在，则寻找过程结束；

若不在，则j＝j+1，重复步骤s32和s33。

s4.根据所有边缘像素点ai,i＝1,2,…,e的位置确定所述二维二值图像的目标边缘，则a1,a2,…,ae为提取所得目标边缘。

图1(a)所示二值图像的目标边缘提取结果如图1(d)所示。

将上述边缘提取方法编制为程序，应用于图2(a)所示的齿条图像进行边缘提取，结果如图2(b)所示。由图2(b)可见，所述方法能有效提取出齿条图像的边缘。

为分析本方法的搜索效率(检测速度)，对如图3所示的a、b、c三幅不同长度的目标齿条图像，分别使用边界追踪方法和本方法提取其边缘。边界追踪方法参见电子工业出版社出版的《数字图像处理》(第三版)。

统计两种方法所需的考察邻点次数，结果如表1所示，其中搜索效率提高值定义为：

η＝(a-b)/a*100％

式中η是搜索效率提高值，a是边界追踪方法所需的考察邻点次数，b是本方法所需的考察邻点次数。

表1两种方法用于边缘提取时考察邻点次数对比

由表1可见，使用本方法提取边缘时，考察邻点次数较少明显，能有效提高针布齿条边缘提取效率。

本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。