本发明专利技术提供了一种对物料堆积图像进行物料分割的方法和装置，该方法主要包括：对物料堆积的原始图像进行滤波处理得到平滑图像，将所述平滑图像进行形态学操作后，与原始图像相减得到梯度图像；对所述平滑图像中的每个像素的灰度值进行阈值化处理得到二值图像；通过扫描线填充方法对所述二值图像的内部噪声进行填充，并断开所述二值图像中连接的堆积物目标得到距离平滑图像；对所述距离平滑图像进行测地开运算，提取出各个堆积物的中心目标区域，在所述梯度图像上从各个堆积物的中心目标区域并行向外生长，一直生长到堆积物的边缘，获取各个堆积物的边界信息。本发明专利技术实施例能够对堆积场景中的物料进行准确、有效地分割。
【技术实现步骤摘要】
本专利技术涉及电子
，特别涉及一种对物料堆积图像进行物料分割的方法和装置。
技术介绍
对传送带上输送的物料堆积图像进行物料采集和处理，得到物料的分割结果，用于实时性地对企业的生产过程进行质量检测及故障诊断，对企业生产过程有着重要意义。传送带上输送的物料堆积，物料的尺度差异大且形态不规则，部分边界信息被阴影覆盖，光源在采集图像中造成不均匀的分布，整帧图像中几乎没有背景信息，导致仅靠图像的顔色信息难以区分堆积物。如果堆积物的表面凸凹不同、粗糙不平滑，图像的纹理信息对堆积物的分割也不灵敏。単一的顔色、纹理特征不能较好地分割复杂的堆积物图像。因此，由于堆积的物料有着不规则的形状和粗糙的表面，从采集到的物料堆积的图像中准确地描绘物料的边缘是一个亟待解决的问题。现有技术中的一种对矿石等物料堆积的图像进行分割的方法为基于阈值的图像分割方法，即采用灰度阈值将堆积物和背景分为ニ值图像，依此实现对堆积物的分割。但传送带上堆积物重叠堆积，阈值分割后的ニ值图像中多处相邻或堆积的堆积物连接在一起，不同的物体会被分割为ー个物体；且堆积物内部的较大的噪声信息也难以去除，会导致该物体被分割为几个物体。
技术实现思路
鉴于应用的需求，本专利技术实施例提供了一种对物料堆积图像进行物料分割的方法和装置，以实现对堆积物目标进行准确、有效地分割。本专利技术是通过以下方法实现的一种对物料堆积图像进行物料分割的方法，包括对物料堆积的原始图像进行滤波处理得到平滑图像，将所述平滑图像进行形态学操作后，与原始图像相减得到梯度图像；对所述平滑图像中的每个像素的灰度值进行阈值化处理得到ニ值图像；通过扫描线填充方法对所述ニ值图像的内部噪声进行填充，并断开所述ニ值图像中连接的堆积物目标得到距离平滑图像；对所述距离平滑图像进行測地开运算，提取出各个堆积物的中心目标区域，在所述梯度图像上从各个堆积物的中心目标区域并行向外生长，一直生长到堆积物的边缘，获取各个堆积物的边界信息。一种对物料堆积图像进行物料分割的装置，包括平滑和梯度图像获取模块，用于对物料堆积的原始图像进行滤波处理得到平滑图像，将所述平滑图像进行形态学操作后，与原始图像相减得到梯度图像；ニ值图像获取模块，用于对所述平滑图像中的每个像素的灰度值进行阈值化处理得到ニ值图像；距离平滑图像获取模块，用于通过扫描线填充方法对所述ニ值图像的内部噪声进行填充，并断开所述ニ值图像中连接的堆积物目标得到距离平滑图像；堆积物边界信息获取模块，用于对所述距离平滑图像进行測地开运算，提取出各个堆积物的中心目标区域，在所述梯度图像上从各个堆积物的中心目标区域并行向外生长，一直生长到堆积物的边缘，获取各个堆积物的边界信息。本专利技术实施例通过对平滑图像进行阈值化处理得到ニ值图像，对ニ值图像的内部噪声进行填充，再对距离平滑图像进行測地开运算，提取出各个堆积物的中心目标区域，并获得准确的堆积物边界，能够对堆积场景中的物料进行准确、有效地分割。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍。图I为本专利技术实施例一提供的一种对物料堆积图像进行物料分割的方法的具体处理流程图；图2为本专利技术实施例一提供的ー种去除堆积物边界内部的噪声和区域噪声的示意图；图3为本专利技术实施例一提供的一种对物料堆积图像进行物料分割的装置的结构示意图。具体实施例方式为便于对本专利技术的理解，下面将结合附图以具体实施实例为例做进ー步的解释说明，且实施例并不构成对本专利技术实施例的限定。实施例一该实施例提供的一种对物料堆积图像进行物料分割的方法的具体处理流程如图I所示，包括如下的处理步骤步骤11、对物料堆积的彩色的原始图像进行滤波处理得到平滑图像。将摄像机及光源安装在堆积物传送带上方，由千兆网将采集图像传动传送到远程服务器上，进行图像的实时处理。每帧图像均作如下处理将所采集的物料堆积的彩色的原始图像进行双边滤波处理得到平滑图像，每个像素滤波后的顔色值，由邻域像素加权求和而得，权重由两个因素组成，即邻域像素的顔色差值及空间距离。该双边滤波处理在去掉堆积物内部噪声的同时，最大化地保留堆积物的边界信息。步骤12、对上述平滑图像进行最优的阈值化处理得到ニ值图像。对双边滤波处理后所得到的平滑图像采用优化全局阈值和自适应局部阈值法相结合的方法进行ニ值化处理得到ニ值图像。上述ニ值化处理过程主要包括以堆积物的平滑图像中的每ー个像素点P(x，y)为中心在图像中做出大、小两个正方形窗ロ，该两个正方形窗ロ的窗ロ阈值(tbig和tsmall)由最大熵方法决定，按照熵最大化的原则选择，即那个灰度值使窗ロ的熵最大，则选择该灰度值作为窗ロ的阈值。上述tbig为两个正方形窗ロ中较大的正方形窗ロ的窗ロ阈值，上述tsmall为两个正方形窗ロ中较小的正方形窗ロ的窗ロ阈值。若上述两个正方形窗ロ的尺度为N * N，灰度等级从I1到12，阈值t (I1彡t彡I2)作为窗ロ阈值时，窗ロ的熵为t 12 H{t) = Ha (t) + Hb (t) = PhA (O log phA (O - Σ P,,B (O !og PhB 0)公式 I/=/1 /=/+1从I1到I2灰度级中，求两个窗ロ的熵最大化的阈值tbig和tsniall=argmax{ii%(0} -公式2 tSmaii = argmax{^ma//(0}上述HA(t)为灰度值小于等于t的所有像素构成的子系统的熵，Hb (t)为灰度值大于t的所有像素的构成子系统的熵，Pi,A(t)为在灰度值小于等于t的所有像素构成的子系统中，灰度i的像素的分布概率，Pu(t)为在灰度值大于t的所有像素构成的子系统中，灰度i的像素的分布概率，Hbig(t)为H(t)的最大值，Hsmall (t)为H(t)的最小值。当像素点P (X，y)的灰度值大于或等于tbig和tsmall两个阈值中的最小值时，则将该像素点P (X，y)的灰度ニ值化为255,作为堆积物的目标像素；当像素点P (X，y)的灰度值小于tbig和tsmall两个阈值中的最小值时，则将该像素点p(x，y)的灰度ニ值化为0，作为堆积物的背景像素。上述大、小两个正方形窗ロ的尺度由堆积物的尺度确定，如大窗ロ的尺度根据大物体确定，小窗ロ的尺度根据小物体确定。步骤13、通过对堆积物边界内部进行填充去除上述ニ值图像中的噪声信息。扫描ニ值化后的所述ニ值图像，对于扫描到的上述ニ值图像中的每个目标像素，重建ー个新区域并加入区域链表中，利用Freeman (八链码方法)方法提取上述新区域的封闭边缘，并确定边缘像素为左侧像素，还是右侧像素。然后，采用链码技术由扫描线填充方法对新区域的内部进行填充，比如，从左侧像素到右侧像素进行填充，并统计填充像素的个数即填充物的面积，以去除所述ニ值图像的内部噪声，即去除堆积物内部的噪声，并通过设计面积阈值，去除面积小的区域噪声。将填充后的像素不再作为目标像素。该实施例提供的ー种去除堆积物边界内部的噪声和区域噪声的示意图如图2所示，图2中左边的图像为内部噪声填充前的堆积物的图像，右边为填充内部噪声后的堆积物的图像。步骤14、断开连接的堆积物目标。该处理步骤分两步进行，第一歩对填充内部噪声后的图像进行腐蚀处理，腐蚀模板为3*3的方形模板，连续若干次(比如3次)腐蚀本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：张国英，马郁佳，朱红，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。