一种用于电池尾端智能探伤的图像分割算法制造技术

技术编号:9238722 阅读:225 留言:0更新日期:2013-10-10 02:46
本发明专利技术公开了一种用于电池尾端智能探伤的图像分割算法,针对电池尾端智能探伤的图像特性,首先将电池尾端的初始BGR图像转换为灰度图像,然后将灰度图像进行二值化处理得到二值图像,接着在二值图像上确定电池尾端外轮廓上四个关键像素点的坐标,根据电池尾端外轮廓上四个关键像素点的坐标确定电池尾端所在的ROI矩形区域的大小,从而在初始BGR图像中划分出电池尾端所在的ROI矩形区域,由此不会损伤目标区域,保证图像分割的准确率高,且运算简单为后续处理算法(如图像特征提取与匹配算法)的准确性提供了前期保障;另外从初始BGR图像中分割出ROI矩形区域避免了后续处理算法对包括背景在内的整幅图像进行处理,提高了电池的检测效率,降低了检测成本。

【技术实现步骤摘要】

【技术保护点】
一种用于电池尾端智能探伤的图像分割算法,其特征在于包括如下步骤:①将相机采集到的电池尾端的初始BGR图像记为src,其大小表示为M×N,其中M表示图像的列数,N表示图像的行数,src图像的行编号为0~N?1,src图像的列编号为0~M?1;②采用OpenCV库函数cvtColor(src,src_gray,CV_BGR2GRAY)将src图像转换为灰度图像,得到的灰度图像记为src_gray,其中CV_BGR2GRAY表示将BGR图像转换为灰度图像的方式;③采用Otsu二值化处理函数cvThresholdOtsu(src_gray,binary_img)将灰度图像src_gray进行二值化处理并另存为二值图像,该二值图像记为binary_img,二值图像binary_img的行数和列数与src图像相同;④确定二值图像binary_img中的电池尾端外轮廓上四个关键像素点的坐标,四个关键像素点的坐标为:电池尾端外轮廓的顶点像素点ftop(top_x,top_y)、电池尾端外轮廓的底点像素点fbottom(bottom_x,bottom_y)、电池尾端外轮廓的最左端像素点fleft(left_x,left_y)和电池尾端外轮廓的最右端像素点fright(right_x,right_y),其中top_x表示电池尾端外轮廓顶点像素点的横坐标,top_y表示电池尾端外轮廓顶点像素点的纵坐标,bottom_x表示电池尾端外轮廓底点像素点的横坐标,bottom_y表示电池尾端外轮廓底点像素点的纵坐标,left_x表示电池尾端外轮廓最左端像素点的横坐标,left_y表示电池尾端外轮廓最左端像素点的纵坐标,right_x表示电池尾端外轮廓最右端像素点的横坐标,right_y表示电池尾端外轮廓最右端像素点的纵坐标;⑤根据公式W=right_x?left_x+1和H=bottom_y?top_y+1计算电池尾端外轮廓所在的ROI矩形区域的宽度和高度,其中W表示ROI矩形区域的宽度,H表示ROI矩形区域的高度,采用OpenCV库函数CvSize?size=cvSize(W,H)设置ROI矩形区域的大小为 W×H;⑥采用OpenCV库函数cvSetImageROI(src,cvRect(left_x,top_y,W,H))从src图像中划分出大小为W×H的电池尾端外轮廓所在的ROI矩形区域,其中cvRect(left_x,top_y,W,H)表示电池尾端外轮廓所在的ROI矩形区域的函数;⑦采用OpenCV库函数cut_image=cvCreateImage(size,src?>depth,src?>nChannels)创建分割图片cut_image,其中size?>depth表示分割图片cut_image的深度与src图像的深度相同,size?>nChannels表示分割图片cut_image的通道数与src图像的通道数相同;⑧采用函数cvCopy(src,cut_image)将从src图像中划分出的电池尾端外轮廓所在的ROI矩形区域存入到分割图片cut_image中,得到电池尾端分割图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员:胡文华田丹朱柯润罗净李坤艳
申请(专利权)人:宁波成电泰克电子信息技术发展有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1