[发明专利]视觉检测中的产品轮廓自动提取方法

说明书

本发明涉及一种视觉检测中的产品轮廓自动提取方法，包括以下步骤：1)对提取的图像进行预处理；2)提取图像中的边缘；3)在边缘图像中查找区域轮廓；提取边缘图像中所有的封闭轮廓，填充所有的封闭轮廓得到对应的区域，计算所有的区域的面积，找到最大面积的区域，则对应的封闭轮廓为产品的轮廓；4)对轮廓区域进行形态学的开运算，去掉轮廓上的通风孔或毛刺；5)产品轮廓恢复。本发明采用了多尺度的边缘提取算子，结合图像灰度矫正，形态学运算等方法，在大多数应用场景下实现了产品区域提取的良好效果，满足了印刷行业的视觉检测中自动提取产品区域的需求；实现自动提取产品区域，免除了人工手动绘制产品区域的步骤，适应范围广。

技术领域

本发明涉及图像处理技术领域，尤其是一种视觉检测中的产品轮廓自动提取方法。

背景技术

印刷品检测在具体实施时，一般分为两步：首先是建模部分，即通过对合格产品的图像采集，获得标准印刷品图像，以标准图像建立进行检测的模板，该模板将标准图像划分为不同的检测区域，并且为每一个不同的检测区域指定了对应的检测算法。其次，是检测执行的过程，在这个过程中相机实时的采集待检测的图像，根据之前建立的模板，对待检测的产品进行检测，根据检测结果作最终的分仓处理。

在以标准印刷品图像建立图像模板的过程中，需要绘制各种检测区域，而首先要绘制的是整个产品的检测区域。传统上，整个建模的过程是由用户手动完成的，各个检测区域也是手工绘制的。但是手动建模过程繁琐，还需要建模的操作人员具有一定的专业知识。

最接近的现有技术有以下两种：1、采用sobel、canny等边缘检测算子检测图像的边缘，通过边缘对图像进行分割；2、采用神经网络或者支持向量机等分类器，对图像的产品区域和非产品区域进行训练，在训练结果收敛后，利用训练的模型对图像的产品区域和非产品区域进行分类，从而实现自动提取产品轮廓区域；但是以上两种技术分别具有以下缺点：1、直接采用canny、sobel算子，只能提取图像的边缘，并不能区域图像中的实际产品轮廓和图像中的其他干扰，如纹理和通风孔的轮廓等。此外，这种方法不能自动调整边缘检测的阈值，无法自动适应不同的光源、不同相机采集的图像下的产品区域自动提取；2、采用分类器方法，对于一些没有进行训练过的图像无法准确的提取产品区域。对各种不同的图像进行训练，可能会导致分类器无法收敛。分类器方法对于黑白图片下的产品区域和非产品区域的分类效果很差。

发明内容

本发明要解决的技术问题是：提出一种视觉检测中的产品轮廓自动提取方法，适应于不同光源、不同相机以及不同产品的成像，在大多数场景下实现良好的产品区域提取效果。

本发明所采用的技术方案为：一种视觉检测中的产品轮廓自动提取方法，包括以下步骤：

1)对提取的图像进行预处理，包括图像大小的调整和图像灰度的调整；

2)提取图像中的边缘；

3)在边缘图像中查找区域轮廓；提取边缘图像中所有的封闭轮廓，填充所有的封闭轮廓得到对应的区域，计算所有的区域的面积，找到最大面积的区域，则对应的封闭轮廓为产品的轮廓；

4)产品轮廓的进一步处理；对轮廓区域进行形态学的开运算，去掉轮廓上的通风孔或毛刺；

5)产品轮廓恢复，将提取的产品轮廓按照横向1/Sx，纵向1/Sy的比例进行缩放，得到最终的产品轮廓；其中，图像横向缩放的比例为S_x，图像纵向的缩放比例为S_y。

进一步的说，本发明所述的步骤1)中，若图像面积超过8百万像素，则将图像缩小到面积为2百万像素；如果图像面积小于8百万像素，将图像的长和宽各缩小一半；根据图像的平均灰度值进行灰度矫正。

再进一步的说，本发明所述的步骤2)中，采用canny算子检测图像中的边缘，设定canny算子的高阈值和低阈值；设定一个数值为步长，分别增加高阈值和低阈值，直到提取的边缘满足要求。