一种线芯端面的检测方法

技术领域

本发明涉及线芯检测领域，具体而言，涉及一种线芯端面的检测方法。

背景技术

一根线芯外面包裹的是线皮，把线芯加工成线束时，需要用刀将其裁断，并剥皮，当使用刀片进行剥皮时，可能会因为切削过深，把线芯切断，影响线芯的使用，当在执行大量削皮作业时，靠肉眼无法进行长时间的检测，并且在特殊环境下也无法仅靠肉眼对切削的情况进行检测。

发明内容

本发明的目的在于提供一种线芯端面的检测方法，其能够通过对线芯端面检测的方式，判断线芯是否被切断和切断的个数，并且该方法实现自动化检测，节省了人力。

为解决上述技术问题，本发明采用的技术方案为：

一种线芯端面的检测方法，包括以下步骤：

S1、获取待检测的原始图像，在原始图像中，设置ROI，并在ROI内采用二值阈值分割方式分割出疑似线芯区域，在疑似线芯区域内采用聚类方式排除干扰，获得线芯粗定位区域；S2、在线芯粗定位区域内，采用自适应分割算法分割线芯的边缘，获得二值图像，并在二值图像内，将所述分割的边缘连接为一个整体图像，根据整体图像得到整体图像的外接矩形，并将其作为线芯精确定位区域；S3、在原始图像中，线芯粗定位区域内采用漫水填充算法去掉线芯周围的干扰，获得疑似线芯图像；S4、将所述精确定位区域内的图像与疑似线芯图像进行配准，获得配准后的二值图像；S5、建立一个标准圆形，将标准圆形与配准后的二值图像进行模板匹配定位，判断其匹配得分，若得分大于阈值，判断为线芯，同时将二值图像中，该定位位置周围连通区域内的像素值设置为0，同时将线芯计数器数据加1；匹配完成后，判断线芯计数器最终记录数据是否与预设数一致，如果是，则输出OK，否则输出NG。

在本发明的一些实施例中，所述自适应分割算法具体步骤包括：

利用中值滤波将ROI平滑处理；将处理后的ROI从左至右和从上往下，依次选取一个像素，并计算每个像素领域的灰度值的平均值，再减去固定参数值，获得结果值；将结果值与选取像素的灰度值进行比较，若结果值大于该灰度值，则将邻域灰度值设置为255，小于该灰度值设置为0。

在本发明的一些实施例中，所述中，将所述分割的边缘连接为一个整体图像的过程包括：

对二值图像，对每一行从左至右，依次读取像素的灰度值，如果灰度值为255，且周围的邻域灰度值也为255，则记录其坐标I

在本发明的一些实施例中，所述漫水填充算法具体步骤包括：

建立一个原始图像的副本，在副本图像内，对每一行从左至右，依次选取一个像素点作为种子点，读取像素的灰度值，如果灰度值比较暗，且种子点周围的邻域灰度值也比较暗，领域的灰度值与种子点的灰度值差不超过阈值，则将该种子点的灰度值标记为0，如果种子点与领域点像素灰度值差异不满足，则不改变种子点的灰度值，最终将线芯周围的干扰排除，保留疑似线芯斑点的图像。

在本发明的一些实施例中，所述配准具体步骤包括：

将精确定位区域内的图像与漫水填充后的疑似线芯图像逐个像素进行比较，对每一个像素，如果其在精确定位区域内的图像内灰度值为255，且漫水填充后的疑似线芯图像内像素值大于0，则将该像素点的灰度值设置为255,否则灰度值设置为0。

在本发明的一些实施例中，所述标准圆与配准后的图像匹配过程包括：

在配准后的图像中，依次将标准圆在图像内滑动，并计算其在每一处位置与配准后图像的模板匹配响应值，找出响应值最大的像素点，比较最大响应值与设定匹配阈值的大小，如果大于匹配阈值，则将线芯的个数加1，同时将该像素点周围的像素值设置为0，避免下一次重复参与匹配；继续执行上一步匹配操作，直到操作的次数达到设定的线芯个数，或者匹配响应最大值小于设定值。

在本发明的一些实施例中，所述标准圆的直径略小于线芯端面直径。

相对于现有技术，本发明至少具有如下优点或有益效果：

本发明的实施例提出了一种线芯端面的检测方法，其通过获取待检测的原始图像，在原始图像中，设置ROI，并在ROI内采用二值阈值分割方式分割出疑似线芯区域，再采用聚类方式排除干扰，获得线芯粗定位区域，缩小检测区域，采用自适应分割算法分割线芯的边缘，获得二值图像，并将所述分割的边缘连接为一个整体图像，根据整体图像获得线芯精确定位区域，进一步缩小检测区域，采用漫水填充算法去掉线芯周围的干扰，获得疑似线芯图像，再将整体图像与疑似线芯图像进行配准，获得配准图像，最后通过建立一个标准圆形，将标准圆形与配准图像进行模板匹配定位，判断其匹配得分，若得分大于阈值，判断为线芯，将其区域内的像素值设置为0，线芯计数器数据加1；若得分小于阈值，判断为切断的线芯，线芯计数器不进行记录，并将其区域内的像素值设置为0，匹配完成后，判断线芯计数器最终记录数据是否与预设数一致，如果一致，则输出OK，否则输出NG，达到通过对线芯端面检测的方式，判断线芯是否被切断、切断的个数，实现自动化检测，并节省了人力。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明一种线芯端面的检测方法一实施例的流程图；

图2为本发明一种线芯端面的检测方法一实施例原始图像的示意图；

图3为本发明一种线芯端面的检测方法一实施例疑似线芯区域图像的示意图；

图4为本发明一种线芯端面的检测方法一实施例线芯粗定位区域图像的示意图；

图5为本发明一种线芯端面的检测方法一实施例线芯精确定位区域图像的示意图；

图6为本发明一种线芯端面的检测方法一实施例疑似线芯图像的示意图；

图7为本发明一种线芯端面的检测方法一实施例配准图像的示意图；

图8为本发明一种线芯端面的检测方法一实施例匹配结果图像的示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

实施例

请参阅图1，该一种线芯端面的检测方法，包括以下步骤：

步骤S1、获取待检测的原始图像，在原始图像中，设置ROI，并在ROI内采用二值阈值分割方式分割出疑似线芯区域，在疑似线芯区域内采用聚类方式排除干扰，获得线芯粗定位区域。

在上述获取待检测的原始图像步骤中，可采用相机或其他拍照设备对线芯端面进行拍照，获得线芯端面图像，并作为上述待检测的原始图像，请参阅图2，考虑到拍照获取的图像元素较多，需对线芯区域进行初步的定位，因此这里通过在原始图像中设置搜索ROI，并在搜索ROI内采用二值阈值分割方式分割出疑似线芯区域，请参阅图3，然后采用聚类方式排出干扰，获得一个线芯粗定位区域，请参阅图4。

步骤S2、在线芯粗定位区域内，采用自适应分割算法分割线芯的边缘，获得二值图像，并在二值图像内，将上述分割的边缘连接为一个整体图像，根据整体图像得到整体图像的外接矩形，并将其作为线芯精确定位区域。

考虑到采用上述的线芯粗定位区域进行后续操作步骤时，所消耗的检测时间较长，还需进一步缩小检测区域，因此这里在获得的线芯粗定位区域内，采用自适应分割算法分割线芯的边缘，获得一个二值图像，并在二值图像内将分割的边缘连接成一个整体，根据整体图像得到整体图像的外接矩形，这里外接矩形为最小外接矩形，是指以二维坐标表示的若干二维形状的最大范围，即以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形，这样矩形包含的区域作为线芯精准定位区域，请参阅图5，从而进一步缩小了检测区域，节省了检测时间。

S3、在原始图像中，线芯粗定位区域内采用漫水填充算法去掉线芯周围的干扰，获得疑似线芯图像。

考虑到在进行上述步骤时，可能会在线芯图像周围出现干扰元素，而漫水填充算法是根据像素灰度值之间的差值寻找相同区域实现分割，因此这里通过采用漫水填充算法去除线芯周围的干扰，从而获得疑似线芯图像，请参阅图6。

S4、将所述精确定位区域内的图像与疑似线芯图像进行配准，获得配准后的二值图像。

配准是对于一组图像数据集中的两幅图像，通过寻找一种空间变换把一幅图像映射到另一幅图像，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的，所以这里采用配准的方式将整体图像与疑似线芯图像的信息进行融合，从而获得精确的线芯图像，请参阅图7。

S5、建立一个标准圆形，将标准圆形与配准后的二值图像进行模板匹配定位，判断其匹配得分，若得分大于阈值，判断为线芯，同时将二值图像中，该定位位置周围连通区域内的像素值设置为0，同时将线芯计数器数据加1；匹配完成后，判断线芯计数器最终记录数据是否与预设数一致，如果是，则输出OK，否则输出NG。

在上述步骤中，建立一个标准圆形，该标准圆形的直径略小于线芯端面直径，将该标准圆形与配准图像进行匹配定位得分，这里匹配定位得分相当于是指依次将标准圆形放置到线芯图像的白色区域内，请参阅图8，白色区域完全包含标准圆形得分，线芯计数器数据加1，白色区域没有完全包含标准圆形不得分，则线芯计数器不记录，最后通过处理器判断线芯计数器记录的数据是否与预设的个数一致，如果一致，则说明线芯没有被切断，否则说明线芯被切断，并且通过线芯计数器得知线芯被切断的根数。

在本发明的一些实施例中，自适应分割算法具体步骤包括：

利用中值滤波将ROI平滑处理；将处理后的ROI从左至右和从上往下，依次取一个像素，并计算每个像素的领域的灰度值的平均值，再减去固定参数值，获得结果值，将该结果值与像素的原始值进行比较，若结果值大于原始值，则将所述邻域灰度值设置为255，小于原始值则设为0。

上述自适应分割算法利用中值滤波将ROI平滑处理，然后在将处理后的ROI从左至右和从上往下，依次取一个像素，并计算每个像素的领域的灰度值的平均值，再减去固定参数值，获得结果值，将该结果值与该像素的原始值进行比较，若结果值大于原始值，则将所述邻域灰度值设置为255，小于原始值则设为0，从而分割出线芯的边缘。

在本发明的一些实施例中，将上述分割的边缘连接为一个整体图像的过程包括：

对二值图像，对每一行从左至右，依次读取像素的灰度值，如果灰度值为255，且周围的邻域灰度值也为255，则记录其坐标I

通过上述步骤获取坐标I

在本发明的一些实施例中，上述漫水填充算法具体步骤包括：

建立一个原始图像的副本，在副本图像内，对每一行从左至右，依次选取一个像素点作为种子点，读取像素的灰度值，如果灰度值比较暗，且种子点周围的邻域灰度值也比较暗，领域的灰度值与种子点的灰度值差不超过阈值，则将该种子点的灰度值标记为0，如果种子点与领域点像素灰度值差异不满足，则不改变种子点的灰度值。

本检测方法采用漫水填充算法目的在于排除线芯周围的干扰，从而获得疑似线芯斑点的图像，进一步确定真实线芯图像。

在本发明的一些实施例中，上述配准具体步骤包括：

将精确定位区域内的图像与漫水填充后的疑似线芯图像逐个像素进行比较，对每一个像素，如果其在精确定位区域内的图像内灰度值为255，且漫水填充后的疑似线芯图像内像素值大于0，则将该像素点的灰度值设置为255,否则灰度值设置为0。

考虑到在采用漫水填充算法时，可能会出现填充色不一致，可能会影响后续步骤，因此这里配准步骤包括：当疑似线芯图像中灰度值大于0的区域，灰度值设置为255，否则灰度值设置为0，这里灰度值0为黑色，灰度值255为白色，从而获得只有黑色和白色的图像。

在本发明的一些实施例中，上述标准圆的直径略小于线芯端面直径。

上述步骤中，标准圆形需放置到线芯图像的白色区域内进行匹配，因此标准圆的直径不能大于或等于线芯端面的直径，当也不能过小，若过小将无法判断切断的线芯，因此标准圆的直径应设置略小于线芯端面直径。

综上，本发明的实施例提出了一种线芯端面的检测方法，其通过获取待检测的原始图像，在原始图像中，设置ROI，并在ROI内采用二值阈值分割方式分割出疑似线芯区域，再采用聚类方式排除干扰，获得线芯粗定位区域，缩小检测区域，采用自适应分割算法分割线芯的边缘，获得二值图像，并将所述分割的边缘连接为一个整体图像，根据整体图像获得线芯精确定位区域，进一步缩小检测区域，采用漫水填充算法去掉线芯周围的干扰，获得疑似线芯图像，再将整体图像与疑似线芯图像进行配准，获得配准图像，最后通过建立一个标准圆形，将标准圆形与配准图像进行模板匹配定位，判断其匹配得分，若得分大于阈值，判断为线芯，将其区域内的像素值设置为0，线芯计数器数据加1；若得分小于阈值，判断为切断的线芯，线芯计数器不进行记录，并将其区域内的像素值设置为0，匹配完成后，判断线芯计数器最终记录数据是否与预设数一致，如果一致，则输出OK，否则输出NG，从而达到通过对线芯端面检测的方式，判断线芯是否被切断、切断的个数，实现自动化检测，并节省了人力。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。