[发明专利]一种法兰零件轮廓视觉定位方法

说明书

本发明提供一种法兰零件轮廓视觉定位方法，涉及图像处理领域，法兰零件轮廓视觉定位方法包括：获取法兰零件的图像，并将所述图像转化为灰度图像；基于所述灰度图像确定卷积核大小；基于所述卷积核内像素点的分布特征确定权重修改值；利用所述权重修改值对初始sobel算子进行优化，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息。该方案能够得到完整的轮廓信息。

技术领域

本发明涉及图像处理领域，具体涉及一种法兰零件轮廓视觉定位方法。

背景技术

法兰零件视觉轮廓定位是制造、装配、检验一些机械零部件时的重要工作之一。并且可以依据轮廓对法兰进行分类，具体可分为：直角法兰、圆形法兰、锥形法兰、环形法兰等。一般通过边缘检测对法兰轮廓进行初步提取，再通过后处理得到只包含轮廓信息的二值图像，通过分析此二值图像得到基本轮廓信息。轮廓信息包含轮廓位置、形状等。对于边缘检测算子的选择一般使用sobel算子，因为法兰图像本身色彩结构简单，更适用于计算方法也较为简单明了的sobel算子。

使用sobel算子对法兰轮廓进行提取的过程中，由于采集相机视角的局限性，使得经过算子检测后得到图像其边缘部分存在残缺，导致后续进行后处理时，得到的法兰零件的轮廓信息不完整。

发明内容

本发明提供一种法兰零件轮廓视觉定位方法，该方案能够得到完整的轮廓信息。

本申请提供一种法兰零件轮廓视觉定位方法，包括：

获取法兰零件的图像，并将所述图像转化为灰度图像；

基于所述灰度图像确定卷积核大小；

基于所述卷积核内像素点的分布特征确定权重修改值；

利用所述权重修改值对初始sobel算子进行优化，利用优化后的sobel算子对所述法兰零件进行处理，以获取所述法兰零件对应的轮廓信息。

在一可选实施例中，基于所述灰度图像确定卷积核大小，包括：

在所述灰度图像中利用两个平行滑动的窗口在滑动过程中检测窗口内的像素点的灰度值，进而确定突变像素点，所述突变像素点为灰度值从0跳变到预设值时，所述预设值对应的像素点；

将所述突变像素点连线，将所述连线的垂线确定法线；

基于所述法线确定所述法兰零件的局部区域；

基于所述局部区域确定所述卷积核大小。

在一可选实施例中，基于所述局部区域确定所述卷积核大小，包括：

基于所述局部区域中不同灰度值出现的概率计算所述局部区域的熵；

确定所述局部区域的熵从0变化为不为0时的第一像素点，以及确定所述局部区域的熵从不为0变化为0时的第二像素点；

确定所述第一像素点以及第二像素点的距离，所述距离为所述卷积核大小。

在一可选实施例中，基于所述局部区域中不同灰度值出现的概率计算所述局部区域的熵，包括：

利用如下公式（1）计算所述局部区域的熵：

     （1）；

其中，表示不同局部区域的熵；表示局部区域不同灰度值出现的概率；表示不同灰度值的数量。

在一可选实施例中，基于所述卷积核内像素点的分布特征确定权重修改值，包括：

基于所述卷积核内的熵、所述卷积核内像素点灰度值的最大值、最小值判断标记卷积核中中心像素点的必要性；

如果标记必要性处于第一预设范围，则不标记，如果标记必要性处于第二预设范围，则标记；