基于图像处理的沙石粒径自动检测方法

基于图像处理的沙石粒径自动检测方法
【专利摘要】本发明公开了一种基于图像处理的沙石粒径自动检测方法，包括以下步骤：通过摄像头获取沙石图像image_1；提取图像image_1中的沙石结构，得到图像image_2，对图像image_2中的沙石进行初步划分，并在划分所得每个区域上提取凹点；对图像image_2每个沙石区域进行凹点对的匹配，分割粘连的沙石得到图像image_3；结合图像image_2细化信息和凹点信息，分割图像image_3粘连的沙石得到图像image_4；结合图像image_2的轮廓信息和凹点信息，分割图像image_4粘连的沙石得到图像image_5；根据分割后的沙石图像image_5获取沙石的粒径。本发明能够高效、可靠的对沙石粒径进行自动检测，从而提高实际工程的工作效率。
【专利说明】
基于图像处理的沙石粒径自动检测方法
技术领域
[0001] 本发明属于计算机图像处理技术领域，特别是一种基于图像处理的沙石粒径自动 检测方法。
【背景技术】
[0002] 由于在道路建设等工程中，对沙石的粒径有一定的要求，太大或者太小的沙石会 导致道路质量下降，因此在道路、建筑等建设过程中，一项重要的步骤是检测使用的沙石是 否满足要求。
[0003] 但是，现有的检测技术是通过对沙石进行抽样，然后对抽样到的沙石进行测量，从 而得到沙石的粒径。显然，这种方法是十分繁琐而且耗时的，不利于提高工作效率。当前的 技术研究在这一方面是比较欠缺的，没有一个可以高效自动化的方法来解决这个问题。

【发明内容】

[0004] 本发明的目的在于是提供一种高效、可靠的沙石粒径自动检测方法，基于计算机 图像处理技术以提高实际的道路建设等工程的工作效率。
[0005] 实现本发明目的的技术解决方案为：一种基于图像处理的沙石粒径自动检测方 法，包括以下步骤：
[0006] 步骤1，通过摄像头获取沙石图像image_l;
[0007] 步骤2，提取图像image_l中的沙石结构，得到图像image_2;
[0008] 步骤3,对图像image_2中的沙石进行初步划分，并在划分所得每个区域上提取凹 占 .
[0009] 步骤4,对图像image_2每个沙石区域进行凹点对的匹配，分割粘连的沙石得到图 像image_3;
[00?0]步骤5,结合图像image_2细化信息和凹点信息，分害画像image_3粘连的沙石得到 图像 image_4;
[0011 ]步骤6，结合图像image_2的轮廓信息和凹点信息，分割图像image_4粘连的沙石得 至晒像image_5;
[0012]步骤7，根据分割后的沙石图像image_5获取沙石的粒径。
[0013] 进一步地，步骤1所述通过摄像头获取沙石图像image_l，具体为：
[0014] 11)通过摄像头获得原始沙石图像；
[0015] 12)从原始沙石图像中截取多个图像区域；
[0016] 13)对步骤12)获得的图像区域进行高斯滤波的得到沙石图像image_l。
[0017] 进一步地，步骤2所述提取图像image_l中的沙石结构，得到图像image_2，具体为：
[0018] 21)初步估计图像image_l中沙石结构的粒径1;
[0019] 22)利用步骤21)中估计的1作为参数，提取图像image j的形态学建筑指数即MBI 特征图；
[0020] 23)对步骤22)中获得的MBI特征图进行二值化，去除图像中的孔洞并进行形态学 开运算，得到处理后的图像，其中开运算使用的结构元素 sel为圆盘形；
[0021] 24)从处理后的图像中过滤掉小于所设阈值th_l的沙石，得到图像image_2。
[0022] 进一步地，步骤3所述对图像image_2中的沙石进行初步划分，并在划分所得每个 区域上提取凹点，具体如下：
[0023] 31)根据图像image_2中的区域连通性，对图像image_2中沙石区域进行初步划分；
[0024] 32)从每一沙石区域的边缘上提取凹点，其中凹点的提取方法为:顺时针遍历沙石 区域边缘上的点，当前点为P，P的前驱点为Μ、后继点为N，若点Μ、P、N组成的角度小于120°， 贝1J将点Ρ视作凹点;对于凹点连续分布的凹点群，将此凹点群中中间的点代表该凹点群；
[0025] 33)过滤步骤32)获得的凹点，过滤规则为：区域边缘上，按顺时针顺序，将距离小 于所设阈值th_2的两个凹点中去除其中一个凹点，得到凹点集Pits。
[0026] 进一步地，步骤4所述对图像image_2每个沙石区域进行凹点对的匹配，分割粘连 的沙石得到图像image_3，具体为：
[0027] 41)对图像image_2中沙石区域上的凹点进行匹配，其匹配规则为：两个凹点Ρ1、 ?2，其前驱点分别为似、12，后继点分别为价、似，若？1、？2的连线同时穿过角11?1【和角 M2P2N2内部区域，则将凹点P1、P2视为匹配成功;若一个凹点匹配了多个其它凹点，则选取 两凹点距离最小的凹点对；
[0028] 42)对于匹配成功的凹点对，将该凹点对连接作为分割该沙石区域的分割线，将匹 配成功的凹点对从凹点集pits中去除；
[0029] 43)遍历图像image_2中所有沙石区域中的所有凹点，重复步骤41)~42)，对图像 image_2进行分割；
[0030] 44)遍历所有沙石区域，如果分割下来的沙石区域小于所设的阈值th_3，则将该分 割线去除，最终得到利用凹点匹配的沙石分割结果图像image_3。
[0031]进一步地，步骤5所述结合图像image_2细化信息和凹点信息，分割图像image_3粘 连的沙石得到图像image_4，具体如下：
[0032] 51)采用ZS并行细化算法对图像image_2进行细化，得到细化后的图像I_thing，图 像I_thing中每一条细化线都对应于image_2中的一个沙石区域；
[0033] 52)对沙石区域中的边缘和对应I_thing中的细化线，遍历细化线上的点，若细化 线上存在点C与凹点P的距离小于所设的阈值th_4时，则该凹点P作为分割的依据；
[0034] 53)从步骤52)获得了凹点P，将凹点P周围属于同一沙石区域的细化线上的点记录 下来，形成点集setl;
[0035] 54)根据点集setl获得凹点P附近细化线的回归方程，具体方法如下：
[0036] 回归方程为= ，其参数可以通过以下公式求得：
[0037]
[0038]
[0039] ]η
[0040] y = -[>·, η i 1
[0041 ]其中，（Xi, yi)是点集set中的点，表示图像中的坐标;η为点集set的大小；
[0042] 55)过凹点P作斜率为kl的分割线，将沙石区域进行分割，其中：
[0043] W- =-- β1
[0044] 将凹点Ρ从凹点集pits中去除；
[0045] 56)遍历图像image_2中所有沙石区域，重复步骤52)~55)，对图像image_3进行分 割；
[0046] 57)遍历所有沙石区域，如果分割下来的沙石区域小于所设的阈值th_3，则将该分 割线去除，最终得到利用图像细化信息的沙石分割结果图像image_4。
[0047] 进一步地，步骤6所述结合图像image_l、图像image_2的轮廓信息和凹点信息，分 害画像image_4粘连的沙石得到图像image_5，具体为：
[0048] 61)使用edge边缘提取方法，并且利用canny算子从图像image j提取轮廓图像 BW1，然后将BW1与图像image_2进行逻辑与运算，获得沙石区域内的轮廓图像BW2;
[0049] 62)对沙石区域中的凹点P，在P周围寻找是否存在同一沙石区域内的轮廓线，若存 在，则将该凹点P作为分割的依据；
[0050] 63)从步骤62)中得到了凹点P，及凹点P周围的轮廓线，建立轮廓线上点的集合s et2,获得轮廓线的回归方程j)=戍+户，,具体方法与步骤54)相同；
[0051] 64)过凹点P作斜率为k2的分割线，将沙石区域进行分割，其中：
[0052] k2 = β}
[0053] 将凹点Ρ从凹点集pits中去除；
[0054] 65)遍历图像image_2中所有沙石区域，重复步骤62)~64)，对图像image_4进行分 割；
[0055] 66)遍历所有沙石区域，如果分割下来的沙石区域小于所设的阈值th_3，则将该分 割线去除，最终得到利用图像轮廓信息的沙石分割结果图像image_5。
[0056] 进一步地，步骤7所述根据分割后的沙石图像image_5获取沙石的粒径，具体如下：
[0057] 71)对于图像image_5中的沙石区域，遍历区域轮廓上的点，寻找两个距离最大的 点，将这两个点的距离作为该沙石区域的粒径；
[0058] 72)遍历图像image_5中的每个沙石区域，重复步骤71)，获得每个沙石区域的粒 径，形成粒径的集合1 en_s e t;
[0059 ] 7 3)求粒径的最大值1 en_max，粒径的最小值1 en_m i η，粒径的平均值1 en_a vg，具体 的计算方法如下：
[0060]
[0061]
[0062]
[0063] 其中，η为len_set的大小，len_set(i)为len_set中第i个元素。
[0064]本发明与现有技术相比，其显著优点在于：（1)利用计算机高速处理的优势，结合 了图像处理技术，实现了沙石粒径自动检测；（2)能够高效、可靠的对沙石粒径进行自动检 测，提高了实际的道路建设等工程的工作效率。
【附图说明】
[0065]图1为本发明基于图像处理的沙石粒径自动检测方法的流程图。
[0066]图2为本发明中凹点匹配的示意图。
[0067]图3为提取后的采样图。
[0068]图4为从图像中提取明亮结构后的结果图。
[0069]图5为提取凹点的结果图。
[0070]图6为利用凹点对的匹配进行分割的结果图。
[0071 ]图7为结合细化信息和凹点信息分割的结果图。
[0072] 图8为结合轮廓信息和凹点信息分割的结果图。
[0073] 图9为沙石的最终分割结果和粒径示意图。
【具体实施方式】
[0074]下面结合附图及具体实施例对本发明作进一步详细说明。
[0075]结合图1，本发明基于图像处理的沙石粒径自动检测方法，包括以下步骤：
[0076] 步骤1，通过摄像头获取沙石图像image_l;
[0077 ] 步骤2，提取图像image_l中的沙石结构，得到图像image_2;
[0078] 步骤3,对图像image_2中的沙石进行初步划分，并在划分所得每个区域上提取凹 占 .
[0079] 步骤4,对图像image_2每个沙石区域进行凹点对的匹配，分割粘连的沙石得到图 像image_3;
[0080]步骤5，结合图像image_2细化信息和凹点信息，分割图像image_3粘连的沙石得到 图像 image_4;
[0081]步骤6,结合图像image_2的轮廓信息和凹点信息，分割图像image_4粘连的沙石得 至晒像image_5;
[0082] 步骤7,根据分割后的沙石图像image_5获取沙石的粒径。
[0083] 在所述基于图像处理的沙石粒径自动检测方法中，步骤1所述通过摄像头获取沙 石图像image_l，具体为：
[0084] 11)通过摄像头获得原始沙石图像；
[0085] 12)从原始沙石图像中截取多个图像区域；
[0086] 13)对步骤12)获得的图像区域进行高斯滤波的得到沙石图像image_l。
[0087]在所述基于图像处理的沙石粒径自动检测方法中，步骤2所述提取图像image_l* 的沙石结构，得到图像image_2，具体为：
[0088] 21)初步估计图像image j中沙石结构的粒径1，其中所使用的估计方法为分别使 用m条等间隔水平和η条等间隔竖直的直线与图像中沙石进行相交，在沙石结构内的线段， 则对该沙石粒径的估计1为所有线段的平均值；
[0089] 22)利用步骤21)中估计的1作为参数，提取图像image j的形态学建筑指数即MBI 特征图，其中MBI的基本思想是通过建立建筑物内部特征(如亮度、大小和对比度)之间的关 系和形态学运算符属性(如重建、粒度和方向）之间的关系来提取图像中较为明亮的结构；
[0090] 23)对步骤22)中获得的MBI特征图进行二值化，去除图像中的孔洞并进行形态学 开运算，得到处理后的图像，其中开运算使用的结构元素 sel为圆盘形；
[0091] 24)从处理后的图像中过滤掉小于所设阈值th_l的沙石，得到图像image_2,其中t h_l的大小与用户的要求有关，可以根据经验或者专家的意见进行确定。
[0092]在所述基于图像处理的沙石粒径自动检测方法中，步骤3所述对图像image_2中的 沙石进行初步划分，并在划分所得每个区域上提取凹点，具体如下：
[0093] 31)根据图像image_2中的区域连通性，对图像image_2中沙石区域进行初步划分；
[0094] 32)从每一沙石区域的边缘上提取凹点，其中凹点的提取方法为:顺时针遍历沙石 区域边缘上的点，当前点为P，P的前驱点为Μ、后继点为N，若点Μ、P、N组成的角度小于120°， 贝1J将点Ρ视作凹点;对于凹点连续分布的凹点群，将此凹点群中中间的点代表该凹点群； [0095] 33)过滤步骤32)获得的凹点，过滤规则为：区域边缘上，按顺时针顺序，将距离小 于所设阈值th_2的两个凹点中去除其中一个凹点，得到凹点集Pits，其中th_2的大小与用 户的要求有关，可以根据经验或者专家的意见进行确定。
[0096]在所述基于图像处理的沙石粒径自动检测方法中，步骤4所述对图像image_2每个 沙石区域进行凹点对的匹配，分割粘连的沙石得到图像image_3，具体为：
[0097] 41)结合图2,对图像image_2中沙石区域上的凹点进行匹配，其匹配规则为:两个 凹点P1、P2,其前驱点分别为M1、M2,后继点分别为N1、N2,若P1、P2的连线同时穿过角M1P1N1 和角M2P2N2内部区域，则将凹点P1、P2视为匹配成功;若一个凹点匹配了多个其它凹点，则 选取两凹点距离最小的凹点对；
[0098] 42)对于匹配成功的凹点对，将该凹点对连接作为分割该沙石区域的分割线，将匹 配成功的凹点对从凹点集pits中去除；
[0099] 43)遍历图像image_2中所有沙石区域中的所有凹点，重复步骤41)~42)，对图像 image_2进行分割；
[0100] 44)遍历所有沙石区域，如果分割下来的沙石区域小于所设的阈值th_3，则将该分 割线去除，最终得到利用凹点匹配的沙石分割结果图像image_3。其中th_3的大小与用户的 要求有关，可以根据经验或者专家的意见进行确定。
[0101]在所述基于图像处理的沙石粒径自动检测方法中，步骤5所述结合图像image_2细 化信息和凹点信息，分割图像image_3粘连的沙石得到图像image_4，具体如下：
[0102] 51)采用ZS(ZHANG and SUEN)并行细化算法对图像image_2进行细化，得到细化后 的图像I_thing，图像I_thing中每一条细化线都对应于image_2中的一个沙石区域，其中ZS 算法是一个经典的细化算法，其基本原理是对一副二值图像进行骨架提取，删除不需要的 轮廓点，只保留其骨架点；
[01 03] 52)对沙石区域中的边缘和对应I_thing中的细化线，遍历细化线上的点，若细化 线上存在点C与凹点P的距离小于所设的阈值th_4时，则该凹点P作为分割的依据，其中th_4 的大小与用户的要求有关，可以根据经验或者专家的意见进行确定；
[0104] 53)从步骤52)获得了凹点P，将凹点P周围属于同一沙石区域的细化线上的点记录 下来，形成点集setl;
[0105] 54)根据点集setl获得凹点P附近细化线的回归方程，具体方法如下：
[0106] 回归方程为= /? Η- /V ,其参数可以通过以下公式求得：
[0107]
[0108]
[0109]
[0110]
[0111] 其中，（Xi，yi)是点集set中的点，表示图像中的坐标;η为点集set的大小；
[0112] 55)过凹点P作斜率为kl的分割线，将沙石区域进行分割，其中： 则奴=4 βχ
[0114]将凹点Ρ从凹点集pits中去除；
[0115] 56)遍历图像image_2中所有沙石区域，重复步骤52)~55)，对图像image_3进行分 割；
[0116] 57)遍历所有沙石区域，如果分割下来的沙石区域小于所设的阈值th_3，则将该分 割线去除，最终得到利用图像细化信息的沙石分割结果图像image_4。其中th_3的大小与步 骤44)设的值相等。
[0117] 在所述基于图像处理的沙石粒径自动检测方法中，步骤6所述结合图像image_l、 图像image_2的轮廓信息和凹点信息，分割图像image_4粘连的沙石得到图像image_5，具体 为：
[0118] 61)使用edge边缘提取方法，并且利用canny算子从图像image j提取轮廓图像 BW1，然后将BW1与图像image_2进行逻辑与运算，获得沙石区域内的轮廓图像BW2;
[0119] 62)对沙石区域中的凹点P，在P周围寻找是否存在同一沙石区域内的轮廓线，若存 在，则将该凹点P作为分割的依据；
[0120] 63)从步骤62)中得到了凹点P，及凹点P周围的轮廓线，建立轮廓线上点的集合s et2,获得轮廓线的回归方程^ =戍4及r，具体方法与步骤54)相同；
[0121] 64)过凹点P作斜率为k2的分割线，将沙石区域进行分割，其中：
[0122] k2 : β'
[0123] 将凹点Ρ从凹点集pits中去除；
[0124] 65)遍历图像image_2中所有沙石区域，重复步骤62)~64)，对图像image_4进行分 割；
[0125] 66)遍历所有沙石区域，如果分割下来的沙石区域小于所设的阈值th_3，则将该分 割线去除，最终得到利用图像轮廓信息的沙石分割结果图像image_5。其中th_3的大小与步 骤44)设的值相等。
[0126] 在所述基于图像处理的沙石粒径自动检测方法中，步骤7所述根据分割后的沙石 图像image_5获取沙石的粒径，具体如下：
[0127] 71)对于图像image_5中的沙石区域，遍历区域轮廓上的点，寻找两个距离最大的 点，将这两个点的距离作为该沙石区域的粒径；
[0128] 72)遍历图像image_5中的每个沙石区域，重复步骤71)，获得每个沙石区域的粒 径，形成粒径的集合1 en_s e t;
[0129 ] 73)求粒径的最大值1 en_max，粒径的最小值1 en_min，粒径的平均值1 en_avg，具体 的计算方法如下：
[0130]
[0131]
[0132]
[0133] 其中，η为len_set的大小，len_set(i)为len_set中第i个元素。
[0134] 实施例1
[0135] 接下来通过一个具体的实施示例来说明本发明的实用性：
[0136] 本发明采用基于计算机图像处理的沙石粒径自动检测方法，此实施示例是采用的 工业铺路所使用的沙石，通过使用本发明所提出的方法提取出沙石的粒径，具体步骤如下：
[0137] 步骤1)，通过摄像头获取沙石图像信息。示例使用了一个摄像头，在实际应用中也 可以使用一组多个摄像头来获取更多的沙石图像。然后在拍摄的原始图像中截取几个图像 区域作为采样，图3为提取后的采样图像。
[0138] 步骤2)，从图像中提取较为明亮的沙石，所使用的方法是利用不同大小不同方向 的线性结构对图像进行重构运算。示例方法使用的是MBI算法来提取明亮结构，图4为提取 后的结果。
[0139] 步骤3)，从图像中提取凹点，示例所使用的方法是对于沙石轮廓上的每一点，找到 其前驱点和后继点，获取前驱点、当前点、后继点构成的角度，对于角度小于120度的点被视 为凹点，图5为提取后凹点的结果。其中圆圈为凹点，可以看到大多数凹点都是位于两个沙 石重叠的位置。
[0140] 步骤4)，进行凹点对的匹配，分割粘连的沙石，其匹配的规则是两个凹点的连线分 别位于两个凹点的前驱点和后继点之间，图2为凹点匹配的示意图，然后对于匹配成功的两 个凹点，将其连接从而分割粘连沙石，图6为利用凹点对的匹配进行分割的结果，其中较粗 的线为当前的分割线。
[0141]步骤5)，结合图像细化信息和凹点信息，分割粘连的沙石，图7为分割后的结果，其 中较粗的线是当前的分割线，较细的线为之前的分割线。
[0142] 步骤6)，结合图像轮廓信息和凹点信息，分割粘连的沙石，图8为分割后的结果，其 中较粗的线是当前的分割线，较细的线为之前的分割线。
[0143] 步骤7)，对分割后的沙石图像获取沙石的粒径，其具体方法为对每一个沙石区域 求其中最长的线段作为该沙石的粒径，图9为沙石的最终分割结果和每一个沙石的粒径示 意图。本示例中，沙石的粒径的最终结果如表1所示。
[0144] 表1、图像中沙石的粒径信息
[0145]
[0146] 综上所述，我们提出的基于计算机图像处理的沙石粒径自动提取方法可以很好将 图像中粘连的沙石进行分割，这就意味着可以很好利用图像处理来提取沙石的粒径信息。
【主权项】
1. 一种基于图像处理的沙石粒径自动检测方法，其特征在于，包括W下步骤： 步骤1，通过摄像头获取沙石图像image_l; 步骤2，提取图像image_l中的沙石结构，得到图像image_2; 步骤3，对图像image_2中的沙石进行初步划分，并在划分所得每个区域上提取凹点； 步骤4,对图像image_2每个沙石区域进行凹点对的匹配，分割粘连的沙石得到图像 image_3; 步骤5，结合图像image_2细化信息和凹点信息，分割图像image_3粘连的沙石得到图像 image_4; 步骤6，结合图像image_2的轮廓信息和凹点信息，分割图像image_4粘连的沙石得到图 像image_5; 步骤7,根据分割后的沙石图像image_5获取沙石的粒径。2. 根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤1 所述通过摄像头获取沙石图像image_l，具体为： 11) 通过摄像头获得原始沙石图像； 12) 从原始沙石图像中截取多个图像区域； 13) 对步骤12)获得的图像区域进行高斯滤波的得到沙石图像image_l。3. 根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤2 所述提取图像image_l中的沙石结构，得到图像image_2，具体为： 21) 初步估计图像image_l中沙石结构的粒径1; 22) 利用步骤21)中估计的1作为参数，提取图像image_l的形态学建筑指数即MBI特征 图； 23) 对步骤22)中获得的MBI特征图进行二值化，去除图像中的孔桐并进行形态学开运 算，得到处理后的图像，其中开运算使用的结构元素 sel为圆盘形； 24) 从处理后的图像中过滤掉小于所设阔值th_l的沙石，得到图像image_2。4. 根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤3 所述对图像image_2中的沙石进行初步划分，并在划分所得每个区域上提取凹点，具体如 下： 31) 根据图像image_2中的区域连通性，对图像image_2中沙石区域进行初步划分； 32) 从每一沙石区域的边缘上提取凹点，其中凹点的提取方法为:顺时针遍历沙石区域 边缘上的点，当前点为P，P的前驱点为M、后继点为N，若点M、P、N组成的角度小于120°，则将 点P视作凹点;对于凹点连续分布的凹点群，将此凹点群中中间的点代表该凹点群； 33) 过滤步骤32)获得的凹点，过滤规则为：区域边缘上，按顺时针顺序，将距离小于所 设阔值th_2的两个凹点中去除其中一个凹点，得到凹点集Pits。5. 根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤4 所述对图像image_2每个沙石区域进行凹点对的匹配，分割粘连的沙石得到图像image_3， 具体为： 41)对图像image_2中沙石区域上的凹点进行匹配，其匹配规则为：两个凹点P1、P2，其 前驱点分别为M1、M2，后继点分别为N1、N2，若P1、P2的连线同时穿过角M1P1N1和角M2P2N2内 部区域，则将凹点P1、P2视为匹配成功;若一个凹点匹配了多个其它凹点，则选取两凹点距 离最小的凹点对； 42) 对于匹配成功的凹点对，将该凹点对连接作为分割该沙石区域的分割线，将匹配成 功的凹点对从凹点集pits中去除； 43) 遍历图像image_2中所有沙石区域中的所有凹点，重复步骤41)~42)，对图像 image_2进行分割； 44) 遍历所有沙石区域，如果分割下来的沙石区域小于所设的阔值th_3,则将该分割线 去除，最终得到利用凹点匹配的沙石分割结果图像image_3。6. 根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤5 所述结合图像image_2细化信息和凹点信息，分割图像image_3粘连的沙石得到图像image_ 4,具体如下： 51) 采用ZS并行细化算法对图像image_2进行细化，得到细化后的图像I_thing，图像1_ thing中每一条细化线都对应于image_2中的一个沙石区域； 52) 对沙石区域中的边缘和对应I_thing中的细化线，遍历细化线上的点，若细化线上 存在点C与凹点P的距离小于所设的阔值th_4时，则该凹点P作为分割的依据； 53) 从步骤52)获得了凹点P，将凹点P周围属于同一沙石区域的细化线上的点记录下 来，形成点集setl; 54) 根据点集setl获得凹点P附近细化线的回归方程，具体方法如下： 回归方程为V = A ，其参数可W通过W下公式求得：其中，（Xi，yi)是点集set中的点，表示图像中的坐标;η为点集set的大小； 55) 过凹点P作斜率为kl的分割线，将沙石区域进行分割，其中：将凹点P从凹点集pits中去除； 56) 遍历图像image_2中所有沙石区域，重复步骤52)~55)，对图像image_3进行分割； 57) 遍历所有沙石区域，如果分割下来的沙石区域小于所设的阔值th_3,则将该分割线 去除，最终得到利用图像细化信息的沙石分割结果图像image_4。7. 根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤6 所述结合图像image_l、图像image_2的轮廓信息和凹点信息，分割图像image_4粘连的沙石 得到图像image_5，具体为： 61)使用edge边缘提取方法，并且利用canny算子从图像image_l提取轮廓图像BW1，然 后将BWl与图像image_2进行逻辑与运算，获得沙石区域内的轮廓图像BW2; 62) 对沙石区域中的凹点P，在P周围寻找是否存在同一沙石区域内的轮廓线，若存在， 则将该凹点P作为分割的依据； 63) 从步骤62)中得到了凹点P，及凹点P周围的轮廓线，建立轮廓线上点的集合set2,获 得轮廓线的回归方程V二Λ +足、·，具体方法与步骤54)相同； 64) 过凹点Ρ作斜率为k2的分割线，将沙石区域进行分割，其中： 給三禹 将凹点P从凹点集pits中去除； 65) 遍历图像image_2中所有沙石区域，重复步骤62)~64)，对图像image_4进行分割； 66) 遍历所有沙石区域，如果分割下来的沙石区域小于所设的阔值th_3,则将该分割线 去除，最终得到利用图像轮廓信息的沙石分割结果图像image_5。8.根据权利要求1所述的基于图像处理的沙石粒径自动检测方法，其特征在于，步骤7 所述根据分割后的沙石图像image_5获取沙石的粒径，具体如下： 71) 对于图像image_5中的沙石区域，遍历区域轮廓上的点，寻找两个距离最大的点，将 运两个点的距离作为该沙石区域的粒径； 72) 遍历图像image_5中的每个沙石区域，重复步骤71)，获得每个沙石区域的粒径，形 成粒径的集合len_set; 73) 求粒径的最大值1 en_max，粒径的最小值1 en_min，粒径的平均值1 en_avg，具体的计 算方法如下：其中，η为len_set的大小，len_set(i)为len_set中第i个元素。
【文档编号】G06T7/00GK105976388SQ201610340394
【公开日】2016年9月28日
【申请日】2016年5月20日
【发明人】曹国, 汪光亚, 孙权森, 王京起
【申请人】南京理工大学