[发明专利]一种用于电池尾端智能探伤的图像分割算法

摘要

本发明公开了一种用于电池尾端智能探伤的图像分割算法，针对电池尾端智能探伤的图像特性，首先将电池尾端的初始BGR图像转换为灰度图像，然后将灰度图像进行二值化处理得到二值图像，接着在二值图像上确定电池尾端外轮廓上四个关键像素点的坐标，根据电池尾端外轮廓上四个关键像素点的坐标确定电池尾端所在的ROI矩形区域的大小，从而在初始BGR图像中划分出电池尾端所在的ROI矩形区域，由此不会损伤目标区域，保证图像分割的准确率高，且运算简单为后续处理算法（如图像特征提取与匹配算法）的准确性提供了前期保障；另外从初始BGR图像中分割出ROI矩形区域避免了后续处理算法对包括背景在内的整幅图像进行处理，提高了电池的检测效率，降低了检测成本。

主权项

一种用于电池尾端智能探伤的图像分割算法，其特征在于包括如下步骤：①将相机采集到的电池尾端的初始BGR图像记为src，其大小表示为M×N，其中M表示图像的列数，N表示图像的行数，src图像的行编号为0～N‑1，src图像的列编号为0～M‑1；②采用OpenCV库函数cvtColor(src,src_gray,CV_BGR2GRAY)将src图像转换为灰度图像，得到的灰度图像记为src_gray，其中CV_BGR2GRAY表示将BGR图像转换为灰度图像的方式；③采用Otsu二值化处理函数cvThresholdOtsu(src_gray,binary_img)将灰度图像src_gray进行二值化处理并另存为二值图像，该二值图像记为binary_img，二值图像binary_img的行数和列数与src图像相同；④确定二值图像binary_img中的电池尾端外轮廓上四个关键像素点的坐标，四个关键像素点的坐标为：电池尾端外轮廓的顶点像素点ftop(top_x,top_y)、电池尾端外轮廓的底点像素点fbottom(bottom_x,bottom_y)、电池尾端外轮廓的最左端像素点fleft(left_x,left_y)和电池尾端外轮廓的最右端像素点fright(right_x,right_y)，其中top_x表示电池尾端外轮廓顶点像素点的横坐标，top_y表示电池尾端外轮廓顶点像素点的纵坐标，bottom_x表示电池尾端外轮廓底点像素点的横坐标，bottom_y表示电池尾端外轮廓底点像素点的纵坐标，left_x表示电池尾端外轮廓最左端像素点的横坐标，left_y表示电池尾端外轮廓最左端像素点的纵坐标，right_x表示电池尾端外轮廓最右端像素点的横坐标，right_y表示电池尾端外轮廓最右端像素点的纵坐标；⑤根据公式W=right_x‑left_x+1和H=bottom_y‑top_y+1计算电池尾端外轮廓所在的ROI矩形区域的宽度和高度，其中W表示ROI矩形区域的宽度，H表示ROI矩形区域的高度，采用OpenCV库函数CvSize size=cvSize(W,H)设置ROI矩形区域的大小为 W×H；⑥采用OpenCV库函数cvSetImageROI(src,cvRect(left_x,top_y,W,H))从src图像中划分出大小为W×H的电池尾端外轮廓所在的ROI矩形区域，其中cvRect(left_x,top_y,W,H)表示电池尾端外轮廓所在的ROI矩形区域的函数；⑦采用OpenCV库函数cut_image=cvCreateImage(size,src‑＞depth,src‑＞nChannels)创建分割图片cut_image，其中size‑＞depth表示分割图片cut_image的深度与src图像的深度相同，size‑＞nChannels表示分割图片cut_image的通道数与src图像的通道数相同；⑧采用函数cvCopy(src,cut_image)将从src图像中划分出的电池尾端外轮廓所在的ROI矩形区域存入到分割图片cut_image中，得到电池尾端分割图像。