CN107633493B - 一种适用于工业检测的自适应背景扣除的方法 - Google Patents

Abstract

本发明公开了一种适用于工业检测的自适应背景扣除的方法，旨在提供一种提高工业测量中背景扣除对环境的适应性、稳定度同时保证了精度的适用于工业检测的自适应背景扣除的方法。本发明包括以下步骤：A.输入图像；B.平面拟合图像；C.均匀化图像；D.图像金字塔；E.寻找物体；F扣除圆外背景并计算背景平均值；G.整图减去背景平均值；I输出图像。本发明应用于工业智能制造的技术领域。

Description

一种适用于工业检测的自适应背景扣除的方法

技术领域

本发明涉及一种适用于工业检测的自适应背景扣除的方法。

背景技术

传统背景扣除的基本原理在于，利用每次相机开机对黑箱拍一张实时图像，作为暗电流图像，相机开始工作后拍到物体的图像均减去暗电流图，得出去噪图像。但是相机的工作条件永远不是理想的，比如黑箱漏光, 相机未达到工作温度或超过工作温度，空气湿度等环境因素都会使暗电流的过高或过低，最后影响到生成的图像质量，导致噪声过多或者图像过暗。在质量测试项目里面对于图像的清晰度，真实度要求尤为严格，该算法不能满足多数测试项目需要。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供了一种提高工业测量中背景扣除对环境的适应性、稳定度同时保证了精度的适用于工业检测的自适应背景扣除的方法。

本发明所采用的技术方案是：本发明包括以下步骤：

A.输入图像；

B.平面拟合图像，将图像所有的像素看成一个离散点的集合，再将这些离散点拟合到平面；

C.均匀化图像，通过设定阈值，将大于阈值的离散点剔除，从而达到图像平面均匀化；

D.将均匀化后的图像做图像金字塔处理；

E.寻找物体，所述寻找物体可为寻找圆形的光斑，经过所述图像金字塔处理后的图像内物体单一，得到图中最亮的地方就是圆心也就是图像的重心，然后通过二分检索法和求重心的方式可获得半径和圆心；

F.扣除寻找物体并计算图像平均值：将寻找物体中心与通过二分检索法和求重心的方式所获得的圆心对应后，再减去该寻找物体的大小，从而剔除寻找物体的干扰，获得图像基线的平均值；

G. 整图减去平均值：我们将整张图减去背景的平均值，从而达到了图像自适应背景扣除，基线校准的效果，从而使图像回到基线为0的水平。

H.输出图像。

进一步的，所述阈值为所有所述离散点到平面距离和的最小值。

进一步的，所述图像金字塔的任意一层的宽度和高度为所在层的上一层的宽度和高度的二分之一。

本发明的有益效果是：由于本发明采用平面拟合，扣除图像中不均匀的背景，不仅减少了杂质, 还能去除少量噪声；另一方面，将物体找出后，再将物体以外的所有点求背景平均值，然后整图减去背景的平均值，有了这个实时的背景平均值，图像基线达到自适应效果，得出的图像噪声更小，稳定性更高。

附图说明

图1是本发明的步骤流程图；

图2是图像金字塔示意图；

图3是找到圆心与半径的示意图；

图4是物体扣除出图像然后计算背景的平均值的直方图；

图5是将整图减去背景平均值的基线直方图；

图6是原图像基线直方图。

具体实施方式

如图1所示，在本实施例中，本发明包括以下步骤：

A.输入图像；

B.平面拟合图像，将图像所有的像素看成一个离散点的集合，再将这些离散点拟合到平面，即求这些点到平面距离和的最小值；

C.均匀化图像，通过将最小值设为阈值，再将大于阈值的点剔除，从而达到了图像平面均匀化的效果；

D.将均匀化后的图像做图像金字塔处理，所述图像金字塔是图像多尺度表示的一种形式，是一种以多分辨率来解释图像的有效但概念简单的结构，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合，所有的图像来源于同一张原始图像，通过梯次向下采样获得，直到达到某个终止条件才停止采样，我们将一层一层的图像比喻成金字塔，层级越高，图像越小,分辨率越低，如图2所示，最下面是第0层，即原图，越往上层级越高图像越小，图像金字塔的任意一层的宽度和高度为所在层的上一层的宽度和高度的二分之一，举例，若原图为一副3968x2624大小的图像，则第3层图像的大小为496x328，图像的宽高均变小了，很明显，图像变小之后，会给后续的处理节省时间，此步骤采用第三层或第三层以上的图像；

E.寻找物体，若所述寻找物体为圆形的光斑，经过所述图像金字塔处理后的图像内物体单一，得到图中最亮的地方就是圆心也就是图像的重心，然后通过二分检索法和求重心的方式可获得半径和圆心，所述二分检索法充分利用了元素间的次序关系，采用分治策略，可在最坏的情况下用O(log n)完成检索任务，它的基本思想是，将n个元素分成个数大致相同的两半，取a[n/2]与欲查找的x作比较，如果x=a[n/2]则找到x，算法运算终止，所述x即为半径；

F.扣除寻找物体并计算图像平均值：如图3所示，将寻找物体中心与通过二分检索法和求重心的方式所获得的圆心对应后，再减去寻找物体的大小。这样就可以剔除寻找物体的干扰，有效的获得了图像基线的平均值。在图4所示的直方图中我们可以发现圆的位置等于0，而背景能量的平均值在5×10^-7左右。

G. 整图减去平均值：如图5所示，为了使图像回到基线为0的水平，我们将整张图减去背景的平均值，这样就达到了图像自适应背景扣除，基线校准的效果。对比图5和图6的基线，我们可以明显地看到通过上述步骤后基线返回0的水平。

I.输出图像。

所述步骤E中所述寻找物体也可为寻找矩形的中心和边长，由于通过所述图像金字塔处理后的图像内物体单一，可以知道图中最亮的地方就是中心也就是图像的重心，然后通过二分检索法和求重心的方式可获得边长和中心。

综上所述：本发明不管在高温或是在低温的情况下其测试结果都远优于传统背景扣除法，且其漏光情况结果也比传统背景扣除法更加稳定。

本发明应用于工业智能制造的技术领域。

虽然本发明的实施例是以实际方案来描述的，但是并不构成对本发明含义的限制，对于本领域的技术人员，根据本说明书对其实施方案的修改及与其他方案的组合都是显而易见的。

Claims (4)

1.一种适用于工业检测的自适应背景扣除的方法，其特征在于，包括以下步骤：

A.输入图像；

B.平面拟合图像，将图像所有的像素看成一个离散点的集合，再将这些离散点拟合到平面；

C.均匀化图像，通过设定阈值，将大于阈值的离散点剔除，从而达到图像平面均匀化；

D.将均匀化后的图像做图像金字塔处理；

E.寻找物体，经过所述图像金字塔处理后的图像内物体单一，得到图中最亮的地方就是圆心，然后通过二分检索法和求重心的方式可获得半径和圆心；

F.扣除寻找物体并计算图像背景的平均值：将寻找物体中心与通过二分检索法和求重心的方式所获得的圆心对应后，再减去该寻找物体的大小，从而剔除寻找物体的干扰，获得图像基线的平均值；

G. 整图减去平均值：将整张图减去背景的平均值，从而达到了图像自适应背景扣除，基线校准的效果，从而使图像回到基线为0的水平；

H.输出图像。

2.根据权利要求1所述的一种适用于工业检测的自适应背景扣除的方法，其特征在于：所述阈值为所有所述离散点到平面距离和的最小值。

3.根据权利要求1所述的一种适用于工业检测的自适应背景扣除的方法，其特征在于：所述图像金字塔的任意一层的宽度和高度为所在层的上一层的宽度和高度的二分之一。

4.根据权利要求1所述的一种适用于工业检测的自适应背景扣除的方法，其特征在于：所述寻找物体为寻找圆形的光斑。

Images