一种板带钢图像轮廓的提取方法与流程

本发明涉及冶金自动化生产与检测领域，尤其涉及一种板带钢图像轮廓的提取方法。

背景技术：

在钢铁行业的钢板生产工艺中，板带钢经过轧制后，由于轧辊对带钢产生的压力不均匀等一系列因素，导致钢板头尾不规则形状及侧弯等形状的缺陷。在轧制过程中一旦出现这些缺陷，轻者增加切边量，影响成材率；重者造成产品不符合标准，整体被淘汰，严重影响生产效率。为更好的判断上述缺陷，必须要对轧制后的带钢的轮廓形状进行检测，以确保轧制节奏，提高成材率。

传统的钢板形状轮廓检测多为人工检测和接触式检测，但是这两种检测方式存在着致命缺点：即主观经验影响大、机械磨损严重、有碰撞危险和维修工作量大，所以制约了其发展。而现今机器视觉的快速发展，为钢板的轮廓测量发展提供了新的思路，但是由于图像噪声的存在，以及图像中钢板内部灰度分布不均等问题，使得提取得到的钢板轮廓存在着大量误差。

技术实现要素：

针对现有技术的不足，本发明提出一种板带钢图像轮廓的提取方法，包括以下步骤：

步骤1：根据标定的相机内参，计算出相机采集到的板带钢图像中单位像素的长度σ；

步骤2：对采集到的板带钢图像进行畸变校正，得到畸变校正处理后的板带钢图像；

步骤3：为了增强板带钢图像的前景区域与背景区域之间的比对度，将畸变校正处理后的板带钢图像进行图像增强处理，得到增强后的板带钢图像；

步骤4：对增强后的板带钢图像进行中值滤波处理，得到中值滤波处理后的板带钢图像；

步骤5：对中值滤波处理后的板带钢图像，先采用大津法计算分割阈值，然后利用计算得到的分割阈值进行二值化处理，得到板带钢图像的二值化图像；

步骤6：利用面积特征筛选二值化图像，得到板带钢特征图像，所述板带钢特征图像为只包含板带钢部分的二值化图像；

步骤7：根据区域边界条件计算板带钢特征图像的边界，得到区域边界图像；

步骤8：将区域边界图像先进行膨胀处理，然后将膨胀处理后的区域边界图像与中值滤波处理后的板带钢图像进行交集运算，得到板带钢的边界图像；

步骤9：利用canny算子对板带钢的边界图像进行轮廓提取，得到板带钢的边界图像的粗边缘图像；

步骤10：利用基于灰度梯度的亚像素边缘轮廓提取算法，对粗边缘图像进行轮廓计算，得到板带钢图像的轮廓线。

所述步骤3具体表述为：利用公式(1)对板带钢图像进行伽马图像增强，

s＝crr^γ(1)

式中，r表示图像进行灰度拉伸操作前的灰度值，s表示图像进行灰度拉伸操作后的灰度值，γ表示图像灰度拉伸的幂指数，cr表示限制常数。

所述步骤5具体表述为：

步骤5.1：根据预设分割阈值t将中值滤波处理后的板带钢图像分割为前景图像a、背景图像b两部分，计算中值滤波处理后的板带钢图像的分割阈值σ²(th)；

σ²(t)＝ωaωb(μa-μb)²(2)

式中，μa表示前景图像a的灰度均值，ωa表示前景图像a内的像素点个数与板带钢图像总像素点个数的比值，μb表示背景图像b的灰度均值，ωb表示背景图像b内的像素点个数与板带钢图像总像素点个数的比值；

步骤5.2：利用阈值σ²(th)对中值滤波处理后的板带钢图像进行逐个像素点的灰度分类，得到板带钢图像的二值化图像g(x,y)，所述g(x,y)的阈值分割表达式如公式(4)所示，

式中，f(x,y)表示中值滤波处理后的板带钢图像。

所述步骤6具体表述为：

步骤6.1：根据8邻域的邻接关系将整个二值化图像分成n个连通区域，分别记为region1，region2，…，regionn；

步骤6.2：遍历各个连通区域，分别计算各个连通区域的像素面积，筛选出像素面积最大的连通区域作为板带钢特征图像。

所述步骤7具体表述为：

步骤7.1：遍历板带钢特征图像中的每个像素点，计算每个像素点的8邻域像素灰度之和；

步骤7.2：根据每个像素点的8邻域像素灰度和，筛选出灰度和大于0且小于2040的像素点，作为符合边界条件的像素点，将所有符合边界条件的像素点连接在一起，得到区域边界图像。

所述步骤8具体表述为：

步骤8.1：采用圆形膨胀模板对区域边界图像进行膨胀处理，得到膨胀处理后的区域边界图像；

步骤8.2：将板带钢图像的长度方向作为直角坐标系的x轴，宽度方向作为直角坐标系的y轴，直角坐标系的原点设置在o点，其中o点表示板带钢图像上的任意点，记录膨胀处理后的区域边界图像中的各个像素点的坐标；

步骤8.3：利用各个像素点的坐标作为索引，在中值滤波处理后的板带钢图像中找到对应坐标的像素点，记为索引像素点；

步骤8.4：将在中值滤波处理后的板带钢图像中得到的所有索引像素点连接在一起，得到板带钢的边界图像。

所述步骤10具体表述为：

步骤10.1：将粗边缘图像中的整数像素点(i，j)，沿着坐标系的x轴方向按照一定步长ω，在像素点(i，j)前后各取一个整数像素点记为(i-ω，j)、(i+ω，j)，其中ω、i、j均为正整数，然后计算像素点(i，j)、(i-ω，j)、(i+ω，j)的梯度幅值，分别记为g(i，j)、g(i-1，j)、g(i+1，j)；

步骤10.2：利用像素点(i，j)、(i-ω，j)、(i+ω，j)拟合为一条二次曲线，定义二次曲线的表达式如公式(5)所示，将像素点(i，j)、(i-ω，j)、(i+ω，j)带入公式(5)得到公式(6)所示方程组，

p(x)＝ax²+bx+c(5)

式中，a、b、c表示二次曲线p(x)中的待求系数；

步骤10.3：求解公式(6)给出的方程组得到各待求参数如公式(7)所示，然后将得到的各参数带入公式(5)，即可得到二次曲线的具体表达式，

步骤10.4：求解二次曲线p(x)具体表达式的极值点pi，则极值点pi即为亚像素点的横坐标点，

步骤10.5：将粗边缘图像中的整数像素点(i，j)，沿着坐标系的y轴方向按照一定步长ω，在像素点(i，j)前后各取一个整数像素点记为(i，j-ω)、(i，j+ω)，其中ω、i、j均为正整数，然后计算像素点(i，j)、(i，j-ω)、(i，j+ω)的梯度幅值，分别记为g(i，j)、g(i，j-1)、g(i，j+1)；

步骤10.6：利用像素点(i，j)、(i，j-ω)、(i，j+ω)拟合为一条二次曲线，定义二次曲线的表达式如公式(9)所示，将像素点(i，j)、(i，j-ω)、(i，j+ω)带入公式(9)得到公式(10)所示方程组，

p'(x)＝a'x²+b'x+c'(9)

式中，a'、b'、c'表示二次曲线p'(x)中的待求系数；

步骤10.7：求解公式(10)给出的方程组得到各待求参数如公式(11)所示，然后将得到的各参数带入公式(9)，即可得到二次曲线的具体表达式，

步骤10.8：求解二次曲线p'(x)具体表达式的极值点pj，则极值点pj即为亚像素点的纵坐标点，

步骤10.9：组合极值点pi、pj得到像素点(i，j)对应的亚像素点的坐标(pi，pj)；

步骤10.10：重复步骤10.1～步骤10.9，计算粗边缘图像中的各个整数像素点对应的亚像素点的坐标，然后将各个亚像素点连接起来即可得到板带钢图像的亚像素轮廓，即板带钢图像的轮廓线。

本发明的有益效果是：

本发明提出了一种板带钢图像轮廓的提取方法，可实时反应带钢的形状和宽度变化的信息，且避免的人工测量带来的误差，具有速度快，精度高的特点，同时为钢板后续定尺提供了准确的数据，进而提高钢板的产品质量，为后续剪切以及侧弯控制提供准确的数据指导。

附图说明

图1为本发明中的板带钢图像轮廓的提取示意图；

图2为本发明中的板带钢图像轮廓的提取方法流程图；

图3为本发明具体实施方式中采集的板带钢试样图；

图4为本发明具体实施方式中经过图像增强处理后的板带钢图像；

图5为本发明具体实施方式中经过面积特征筛选后的板带钢特征图像；

图6为本发明具体实施方式中待提取轮廓的板带钢的边界图像；

图7为本发明具体实施方式中提取的板带钢亚像素边缘轮廓图；

图中，1、高速线阵相机，2、线形led光源。

具体实施方式

下面结合附图和具体实施实例对发明做进一步说明。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做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。

本实施例中采集板带钢图像所用的设备有：1台高速线阵相机、1台线形led光源，具体安装示意图如图1所示，其中高速线阵相机行频>10khz，且分辨率>2k，高速线阵相机的具体性能参数如表1所示，被测板带钢试样宽度为200mm，板带钢在生产线辊道上运动速度v为0.3m/s。

表1高速线阵相机的性能参数表

如图2所示，一种板带钢图像轮廓的提取方法，采用的图像处理软件为halcon，包括如下步骤：

步骤1：根据标定的相机内参，计算出相机在当前内外参数下采集到的板带钢图像中单位像素的长度σ；

标定相机拍摄区域的当前内、外参数如下所示：

内参数：[0.0122531,-471.281,3.45087e-006,3.45e-006,1218.39,992.495,2464,2056]

外参数：[-0.00610561,0.00553422,0.275833,357.708,0.348804,89.8773,0]；

其中，内参数信息包含：[焦距(m)，kappa值(1/m²)，单个像元的宽(μm)，单个像元的高(μm)，中心点的x坐标(pixel)，中心点的y坐标(pixel)，图像宽(pixel)，图像高(pixel)]；

外参数信息包含：[x方向偏移(mm),y方向偏移(mm),z方向偏移(mm),x方向旋转(度),y方向旋转(度),z方向旋转(度),相机类型]；

采集的板带钢试样图如图3所示，根据上述标定数值，计算出单个像素的长度σ＝7.87*10^-5m(单位：米)；

步骤2：对采集到的板带钢图像进行畸变校正，得到畸变校正处理后的板带钢图像；

步骤3：为了增强板带钢图像的前景区域与背景区域之间的比对度，将畸变校正处理后的板带钢图像进行图像增强处理，得到增强后的板带钢图像，具体表述为：利用公式(1)对板带钢图像进行伽马图像增强，得到的板带钢图像如图4所示，

s＝crr^γ(1)

式中，r表示图像进行灰度拉伸操作前的灰度值，s表示图像进行灰度拉伸操作后的灰度值，γ表示图像灰度拉伸的幂指数，γ取值为2.5，cr表示限制常数。

步骤4：为去除图像中的噪声干扰，对增强后的板带钢图像进行中值滤波处理，得到中值滤波处理后的板带钢图像；

步骤5：对中值滤波处理后的板带钢图像，先采用大津法计算分割阈值，然后利用计算得到的分割阈值进行二值化处理，得到板带钢图像的二值化图像，具体表述为：

步骤5.1：根据预设分割阈值t将中值滤波处理后的板带钢图像分割为前景图像a、背景图像b两部分，计算中值滤波处理后的板带钢图像的分割阈值σ²(th)；

σ²(t)＝ωaωb(μa-μb)²(2)

式中，μa表示前景图像a的灰度均值，ωa表示前景图像a内的像素点个数与板带钢图像总像素点个数的比值，μb表示背景图像b的灰度均值，ωb表示背景图像b内的像素点个数与板带钢图像总像素点个数的比值；

步骤5.2：利用阈值σ²(th)对中值滤波处理后的板带钢图像进行逐个像素点的灰度分类，得到板带钢图像的二值化图像g(x,y)，所述g(x,y)的阈值分割表达式如公式(4)所示，

式中，f(x,y)表示中值滤波处理后的板带钢图像。

步骤6：利用面积特征筛选二值化图像，得到板带钢特征图像，所述板带钢特征图像为只包含板带钢部分的二值化图像，具体表述为：

步骤6.1：根据8邻域的邻接关系将整个二值化图像分成n个连通区域，分别记为region1，region2，…，regionn；

步骤6.2：遍历各个连通区域，分别计算各个连通区域的像素面积，筛选出像素面积最大的连通区域作为板带钢特征图像如图5所示；

步骤7：根据区域边界条件计算板带钢特征图像的边界，得到区域边界图像，具体表述为：

步骤7.1：遍历板带钢特征图像中的每个像素点，计算每个像素点的8邻域像素灰度之和；

步骤7.2：根据每个像素点的8邻域像素灰度和，筛选出灰度和大于0且小于2040的像素点，作为符合边界条件的像素点，将所有符合边界条件的像素点连接在一起，得到区域边界图像；

步骤8：将区域边界图像先进行膨胀处理，然后将膨胀处理后的区域边界图像与中值滤波处理后的板带钢图像进行交集运算，得到板带钢的边界图像，具体表述为：

步骤8.1：采用圆形膨胀模板对区域边界图像进行膨胀处理，得到膨胀处理后的区域边界图像；

步骤8.2：将板带钢图像的长度方向作为直角坐标系的x轴，宽度方向作为直角坐标系的y轴，直角坐标系的原点设置在o点，其中o点表示板带钢图像上的任意点，记录膨胀处理后的区域边界图像中的各个像素点的坐标；

步骤8.3：利用各个像素点的坐标作为索引，在中值滤波处理后的板带钢图像中找到对应坐标的像素点，记为索引像素点；

步骤8.4：将在中值滤波处理后的板带钢图像中得到的所有索引像素点连接在一起，得到板带钢的边界图像如图6所示；

步骤9：利用canny算子对板带钢的边界图像进行轮廓提取，得到板带钢的边界图像的粗边缘图像；

步骤10：利用基于灰度梯度的亚像素边缘轮廓提取算法，对粗边缘图像进行轮廓计算，得到板带钢图像的轮廓线，具体表述为：

步骤10.1：将粗边缘图像中的整数像素点(i，j)，沿着坐标系的x轴方向按照一定步长ω，在像素点(i，j)前后各取一个整数像素点记为(i-ω，j)、(i+ω，j)，其中ω、i、j均为正整数，然后计算像素点(i，j)、(i-ω，j)、(i+ω，j)的梯度幅值，分别记为g(i，j)、g(i-1，j)、g(i+1，j)；

步骤10.2：利用像素点(i，j)、(i-ω，j)、(i+ω，j)拟合为一条二次曲线，定义二次曲线的表达式如公式(5)所示，将像素点(i，j)、(i-ω，j)、(i+ω，j)带入公式(5)得到公式(6)所示方程组，

p(x)＝ax²+bx+c(5)

式中，a、b、c表示二次曲线p(x)中的待求系数；

步骤10.3：求解公式(6)给出的方程组得到各待求参数如公式(7)所示，然后将得到的各参数带入公式(5)，即可得到二次曲线的具体表达式，

步骤10.4：求解二次曲线p(x)具体表达式的极值点pi，则极值点pi即为亚像素点的横坐标点，

步骤10.5：将粗边缘图像中的整数像素点(i，j)，沿着坐标系的y轴方向按照一定步长ω，在像素点(i，j)前后各取一个整数像素点记为(i，j-ω)、(i，j+ω)，其中ω、i、j均为正整数，然后计算像素点(i，j)、(i，j-ω)、(i，j+ω)的梯度幅值，分别记为g(i，j)、g(i，j-1)、g(i，j+1)；

步骤10.6：利用像素点(i，j)、(i，j-ω)、(i，j+ω)拟合为一条二次曲线，定义二次曲线的表达式如公式(9)所示，将像素点(i，j)、(i，j-ω)、(i，j+ω)带入公式(9)得到公式(10)所示方程组，

p'(x)＝a'x²+b'x+c'(9)

式中，a'、b'、c'表示二次曲线p'(x)中的待求系数；

步骤10.7：求解公式(10)给出的方程组得到各待求参数如公式(11)所示，然后将得到的各参数带入公式(9)，即可得到二次曲线的具体表达式，

步骤10.8：求解二次曲线p'(x)具体表达式的极值点pj，则极值点pj即为亚像素点的纵坐标点，

步骤10.9：组合极值点pi、pj得到像素点(i，j)对应的亚像素点的坐标(pi，pj)；

步骤10.10：重复步骤10.1～步骤10.9，计算粗边缘图像中的各个整数像素点对应的亚像素点的坐标，然后将各个亚像素点连接起来即可得到板带钢图像的亚像素轮廓，即板带钢图像的轮廓线如图7所示。