特征提取后钢板板形图像拼接算法研究.docVIP

特征提取后钢板板形图像拼接算法研究 刘学江1 刘静2　王会刚1 郭子利1 1）唐山学院机电工程系. 唐山 063000. 2）唐山工业职业技术学院机电系. 唐山 063000. 摘要：本文在钢板板形图像拼接和特征提取过程中进行了图像预处理，利用图像本身的特点，进行了特征提取后的拼接算法研究并针对准确和快速的特点，对几种算法进行了对比分析，给出了典型算法的计算机框图和算法选用的建议。 关键词：钢板板形，图像处理，图像拼接，算法引言 随着我国加工工业逐渐采用自动化作业线，以冷轧薄钢板为主要原材料的汽车、家电等制造业对冷轧薄钢板板形的要求越来越高。板形控制已成为当今冶金界迫切需要解决的问题，而板形检测是实现板形自动控制的重要前提之一。激光因其自身所特有的属性在板形检测中的应用越来越多。本文研究的钢板板形图像拼接技术是直线型激光板形检测系统中的关键技术之一。图像拼接技术是图像处理技术的一个重要分支，它的意义在于利用小型的图像采集设备通过软件拼接获得大幅高清晰的图像，一方面通过拼接可以在一幅图像上获得更多更完整的信息，另一方面小型设备相对大型设备成本要低很多，可以大幅度降低成本。参考图像拼接技术在各行业的应用，本文设计了几种拼接算法，解决在线检测的实时性的需要，克服无标识拼接的难点，按照拼接准确快速的原则选用，对于涉及到的其它图像处理技术也作相应的分析选择，分别给出了选用建议。 特征提取 常用算子提取特征 本文研究了几种简单常用的空域微分算子对图1进行边界提取，如梯度算子、Roberts算子、Prewitt算子、Sobel算子、拉普拉斯高斯（Log）算子、Canny算子等，效果并不理想。 (a) (b) 图1 原始图像 如图2(a)，这是用Roberts算子对图1(a)提取的边缘，背景的噪声对Roberts算子有较大影响，而且明显有部分边缘缺失。图2(b)是局部放大图。其余各算子效果相近，经中值虑波后效果有显著改善，但仍不能满足要求。如图2(c)所示。 数学形态学边界提取法 设有一个集合A，它的边界记为。通过先用一个结构元素B腐蚀A，再求取腐蚀结果和A的差集就可得到边界。 (a) 提取结果 (b) 图(a)局部放大 (c)虑波后提取结果 图2 常用算子提取边缘的结果 (a)上半部 (b) 下半部 图3数学形态学提取边缘局部放大图 如图3所示为数学形态学对图1(a)进行滤波二值化后边缘提取的结果，可以看出背景没有任何噪声点而且边界完整，效果很好。 数学形态学区域骨架提取 对图1(a)进行滤波二值化后进行骨骼化处理提取线形，如图4所示。提取后的线形在上下两端有较短的分叉，但是不影响拼接。中间的线形没有任何分叉或不连续的现象，结果令人满意 (a)上半部 (b)下半部 图4数学形态学骨骼化局部放大结果 提取中点法 首先用Ostu算法计算图1(a)和(b)的分割阈值，按得到的阈值进行二值化分割，再用数学形态学滤波方法进行去噪处理，然后用数学形态学方法提取边缘，再提取边缘轮廓的中点作为激光线形。测一下每条激光线在所有列里面所占的列宽，这样每条激光线处理时可以在一个相对较窄的区域里，可以大大减少计算量。提取中点后的图像如图5所示，效果很好。 拼接算法 （a）上半部 （b）下半部 图5 提取中点后的局部放大图形 按数学形态学方法进行骨骼化后按块匹配法拼接 首先用Ostu算法计算图1(a)和(b)的分割阈值，按得到的阈值进行二值化分割，再用数学形态学滤波方法进行去噪处理，然后按数学形态学骨骼化方法提取激光线形。然后按块匹配法进行拼接，拼接结果如图6所示。没有显示部位是直线连接，效果良好。 提取轮廓的中点作为激光线的线形按点对点法拼接 所谓点对点法就是从提取线形后的图1(a)的重叠区域里取一行，和图1(b)重叠区域的每一行进行比较。首先把左边第一点对齐，然后计算其余三点与对应点错开的距离，取错开距离最小的位置作为拼接位置。拼接结果如图7所示。没有显示的部位是直线连接，效果良好。 图6骨骼化后块匹配法拼接结果 图7中点法提取后点对点法拼接的结果 拼接算法分析比较 本文共做了六组拼接进行算法拼接质量比较，因篇幅所限只列一组，见图8。 骨骼化块匹配 点对点 图8 特征提取后拼接效果对比 比较后表明，取中点法提取线形花费的平均时间0.0780秒，远少于数学形态学骨骼化花费的平均时间1.3750秒，原因是数学形态学骨骼化算法是一种具有普遍适用性的通用算法，适用范围广但没有针对性，因而消耗时间长。由