專利名稱：一種啤酒瓶瓶底中心區(qū)域污物的檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體的說是一種啤酒瓶瓶底中心區(qū)域的污物檢測 方法，本方法也適合塑料瓶和玻璃瓶等透明物體污物的檢測。
背景技術(shù)：
目前很多啤酒生產(chǎn)廠家為了節(jié)省成本，都采用啤酒瓶回收的策略。但是回收的啤 酒瓶可能因被污染或者破損而存在很多缺陷。于是在裝瓶前必須對(duì)啤酒瓶進(jìn)行檢測，以剔 除次品啤酒瓶。另外隨著市場競爭的日益加劇以及消費(fèi)者維權(quán)意識(shí)的逐漸增強(qiáng)，使得啤酒 瓶生產(chǎn)企業(yè)越來越重視產(chǎn)品的質(zhì)量。當(dāng)前國內(nèi)對(duì)于啤酒瓶的檢測以人工燈光目視檢測為主。但是這種方法檢測效率非 常低下，再加上視覺疲勞的原因，使得人工燈光檢測有不僅效率低而且可靠性不高的缺點(diǎn)。 由于人工檢測需要耗費(fèi)大量 的人力且效率較低，最近幾年隨著計(jì)算機(jī)和數(shù)字圖像處理等技 術(shù)的發(fā)展，以計(jì)算機(jī)視覺系統(tǒng)為主的檢測方法逐漸應(yīng)用到檢測生產(chǎn)線上來。采用數(shù)字圖像 處理和機(jī)器人視覺技術(shù)進(jìn)行回收啤酒瓶質(zhì)量的檢測是機(jī)器人視覺在工業(yè)領(lǐng)域應(yīng)用的一個(gè) 非常成功的范例，不僅克服了人工檢測耗費(fèi)人力資源且效率和質(zhì)量不高的缺點(diǎn)，還極大的 提高了生產(chǎn)線的自動(dòng)化程度。但是目前國內(nèi)各個(gè)啤酒瓶廠家采用的檢測機(jī)器大部分都是進(jìn) 口的，價(jià)格昂貴，一般中、小企業(yè)無能力購買，另外由于瓶子大小、顏色和國情等等因素使得 國外的檢測設(shè)備并不完全適用于國內(nèi)的狀況。在國內(nèi)的啤酒生產(chǎn)線上，回收的啤酒瓶在經(jīng) 過清洗之后還面臨如下問題(1)瓶口破損，這會(huì)導(dǎo)致啤酒瓶封裝失敗或者封裝存在安全 隱患，導(dǎo)致次品出現(xiàn)，嚴(yán)重影響了啤酒的質(zhì)量。(2)瓶身瓶底破損，這會(huì)導(dǎo)致啤酒瓶在加壓后 存在爆炸的隱患。(3)瓶身、瓶底內(nèi)壁存在異物。(4)瓶內(nèi)存在殘留液。這些都嚴(yán)重影響了 生產(chǎn)的啤酒的質(zhì)量。當(dāng)前國內(nèi)對(duì)于以機(jī)器人視覺自動(dòng)檢測的開發(fā)還不太成熟，雖然已經(jīng)有人開發(fā)出能 夠在自動(dòng)化生產(chǎn)線上應(yīng)用的機(jī)器，但是與國外比起來存在速度慢精度不高的缺點(diǎn)。例如瓶 底中心區(qū)域污物的檢測，有人利用啤酒瓶瓶底中心圓對(duì)稱的特性來檢測瓶底中心區(qū)域的污 物，將瓶底中心圓的水平方向和垂直方向的直徑分別作等間距的分割成4份，中心圓就被 分成16快，將對(duì)稱的兩個(gè)子塊灰度值作差并判斷差值，大于某一閾值認(rèn)為污物存在，否則 污物不存在。但是這種方法對(duì)于明顯的缺陷可以完全的檢測出來，但是對(duì)于因啤酒瓶本身 不均勻而造成的干擾或者一些細(xì)小的污物和裂紋干擾就顯得無能為力，例如因啤酒瓶瓶底 玻璃厚度不均勻造成的對(duì)稱的兩個(gè)子塊灰度值不太一致，此時(shí)上述算法就會(huì)將此瓶檢測為 不合格，造成誤檢；再比如對(duì)細(xì)小污物比如頭發(fā)絲或者啤酒瓶本身裂紋等線狀污物，由這些 現(xiàn)狀污物造成的灰度級(jí)的變化很小，上述方法對(duì)其也是無能為力。所以如何開發(fā)出適用于 國內(nèi)現(xiàn)狀的自動(dòng)化且效率和精度都很高的檢測啤酒瓶缺陷的方法還是一個(gè)有待于解決的 問題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種速度快和精度高的啤酒瓶瓶底中心區(qū)域污物的檢測方法。為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是1、一種啤酒瓶瓶底中心區(qū)域污物的檢測方法，其特征在于如下步驟第一步，瓶底照片的獲取，在啤酒瓶瓶底外正對(duì)瓶底加上白光光源，將攝像機(jī)從啤 酒瓶瓶口伸進(jìn)啤酒瓶內(nèi)部進(jìn)行拍攝瓶底照片，拍攝時(shí)攝像機(jī)和瓶底要垂直以獲得對(duì)稱的瓶 底照片；第二步對(duì)拍攝的瓶底照片進(jìn)行中心區(qū)域的定位，把整幅圖像的中心點(diǎn)作為初始 圓心，以此初始圓心為基準(zhǔn)，以0點(diǎn)方向?yàn)榛鶞?zhǔn)，每隔5度取一個(gè)方向，在每個(gè)方向上搜索瓶 底防滑區(qū)，找到一個(gè)防滑區(qū)的點(diǎn)，由于瓶底防滑區(qū)的灰度值與非防滑區(qū)的灰度差相差比較 大，沿著半徑方向搜索兩個(gè)相聚d = 3的像素點(diǎn)fl和f2，以fl和f2為中心分別取上、下、 左、右 、中5個(gè)點(diǎn)的灰度值的平均值作為Π和f2的灰度值，然后判斷Π和f2的灰度值的
比值『=#，r> 1.05認(rèn)為找到了防滑區(qū)，否則就繼續(xù)搜索，搜索一圈能夠在72個(gè)方向上
找到72個(gè)防滑區(qū)的點(diǎn)，在搜索到的72個(gè)防滑區(qū)的點(diǎn)中任取一點(diǎn)，并找到與此點(diǎn)相隔120度 的其它兩個(gè)點(diǎn)，并確定此三點(diǎn)定位的圓心，繼續(xù)取下一個(gè)點(diǎn)并找到與其相隔120度的兩點(diǎn)， 定位出圓心，直到72個(gè)點(diǎn)全部取完，定位出24個(gè)圓心，取定位出的24個(gè)圓心坐標(biāo)的平均 值即是瓶底中心區(qū)域圓心的坐標(biāo)，以定位出的圓心坐標(biāo)為基準(zhǔn)，再從0點(diǎn)方向?yàn)榛鶞?zhǔn)，每間 隔36度取一個(gè)方向，在每個(gè)方向上找到防滑區(qū)的一個(gè)點(diǎn)，得到每個(gè)方向上防滑區(qū)的點(diǎn)到圓 心坐標(biāo)的距離，搜索一圈得到10個(gè)距離，此10個(gè)距離的平均值就是定位的瓶底中心圓的半 徑，定位出的圓心和半徑確定出的圓就是要處理的瓶底中心區(qū)域f;第三步對(duì)第二步定位出的瓶底中心區(qū)域f的每個(gè)像素點(diǎn)f(i，j)使用公式 (1-1)、(1-2)、(1-3)、(1-4)得到 C1、C2、C3 和 C4 的值，判斷 C1XC2 和 C3XC4 的大小， C1XC2 > 169或C3XC4 > 169則g(i，j)等于1，否則為0，g(i，j)是對(duì)每個(gè)像素點(diǎn)f(i, j)利用本步求解判斷輸出的結(jié)果，公式如下Q _ f(i,j-5) + f(i,j-2) f(hj) + fd~ 1,j) + /(/ +1,j) + Mj~ 1) + fd,j +1)(1-1)& _ f{i,j + 5) + f{i,j + 2) f(i, j) + /(/ -1, j) + /(/ +1, j) + /(/, y -1) + f(i, j +1)(i_2)^ /(' ~ 5’ j) + /0 ~ 2，j) f0’ J) + f(i ~ 1，J) + JV +1，j) + f(h J-I) + f(i, j +1)(1_3)
廣 f(i + 5,j) + f(i + 2,j) f(i, j) + /(/ -1, j) + /(/ +1, j) + /(/, y -1) + /(/, ； +1)Π_4ΛC4--2---5---、 ；第四步對(duì)第三步獲得的g(i，j)得到其連通區(qū)域，采用8連通域搜索，8連通就是 與一個(gè)像素點(diǎn)周圍離得最近的八個(gè)像素，g(i，j) = 1代表此處可能存在污物，找到一個(gè)為 g(i，j) = 1的像素點(diǎn)，然后判斷以此像素點(diǎn)為中心的8連通域中是否有為1的像素點(diǎn)，如果 有，以新的像素點(diǎn)為中心繼續(xù)判斷8連通域，對(duì)判斷過的像素點(diǎn)進(jìn)行標(biāo)記以防止二次判斷， 如果找不到新的為1的像素點(diǎn)，一個(gè)連通區(qū)域就找到并對(duì)此連通區(qū)域中每個(gè)像素點(diǎn)都編一 個(gè)區(qū)域號(hào)碼作為此連通區(qū)域的標(biāo)記，繼續(xù)搜索g(i，j)中其他未判斷的區(qū)域，找出其他連通 區(qū)域并對(duì)其進(jìn)行分別編號(hào)標(biāo)記；
第五步計(jì)算每個(gè)不同編號(hào)連通區(qū)域的像素個(gè)數(shù)，搜索整幅圖像，遇到編號(hào)一樣 的像素點(diǎn)，則計(jì)數(shù)器就加一，直到所有像素點(diǎn)和所有編號(hào)掃描完畢，記錄的每個(gè)編號(hào)的計(jì)數(shù) 器的值就代表連通域的面積，判斷連通域的面積，面積小于150的連通域?yàn)楦蓴_，面積大于 150的連通域進(jìn)入第六步處理；第六步對(duì)第五步中面積大于150的連通域，對(duì)每個(gè)連通域內(nèi)的像素點(diǎn)f (i，j)，計(jì) 算i和j的最大值和最小值，i的最大值減去i的最小值表示連通域水平方向的長度，j的 最大值減去j的最小值表示連通域垂直方向的長度，判斷連通域水平方向和垂直方向的長 度，如果水平方向或垂直方向上的長度大于30，則此處存在線性污物，否則判斷連通域水平 方向和垂直方向長度之乘積，乘積大于200則為面狀污物，否則為干擾，此外還可以判斷水 平方向與垂直方向長度的比值來判定線性污物，如果水平方向長度比上垂直方向長度大于 15則為水平方向線性污物，如果垂直方向長度比上水平方向長度大于15則為垂直方向的 線性污物。本發(fā)明與現(xiàn)有技術(shù)性相比，對(duì)瓶底圖片中因存在噪點(diǎn)和因瓶底厚度不均勻造成的 瓶底圖片灰度值分布不均勻等干擾因素具有很好的健壯性。本發(fā)明可實(shí)現(xiàn)對(duì)線狀污物和面狀污物的檢測，在實(shí)驗(yàn)室環(huán)境下對(duì)線狀污物的檢測 率能夠達(dá)到98. 76%，對(duì)面狀污物的檢測在實(shí)驗(yàn)室環(huán)境下對(duì)5000幅圖片做了測試為無漏 檢，檢測效率較高。 本發(fā)明算法平均運(yùn)行時(shí)間為54. 67ms，與現(xiàn)有技術(shù)相比，運(yùn)行時(shí)間短，每小時(shí)檢測 的啤酒瓶的數(shù)量大大提升，效率較高。本發(fā)明提供的檢測方法能夠很容易的應(yīng)用于啤酒瓶檢測裝置中，并具有速度快、 精度高的特點(diǎn)。
具體實(shí)施例方式本發(fā)明所述的啤酒瓶瓶底中心區(qū)域污物的檢測方法，首先是瓶底圖片的獲取，在 實(shí)驗(yàn)室環(huán)境下模擬自動(dòng)化檢測裝置來獲取啤酒瓶瓶底照片，在啤酒瓶瓶底外正對(duì)瓶底加上 照射光源，將攝像機(jī)從啤酒瓶瓶口伸進(jìn)啤酒瓶內(nèi)部進(jìn)行拍攝瓶底照片，拍攝時(shí)攝像機(jī)和瓶 底要垂直以獲得對(duì)稱的瓶底照片。獲取到的瓶底照片是一個(gè)數(shù)字圖像。讀取到內(nèi)存中就是 一個(gè)二維的矩陣或者看成是一個(gè)二維數(shù)組。在矩陣中，就含有瓶底的各種信息。應(yīng)用本方法第二步需要對(duì)獲取到的瓶底圖片進(jìn)行定位，找到我們所關(guān)心的區(qū)域。 具體定位方法如下首先把整幅圖像的中心點(diǎn)作為圓心，以此圓心為基準(zhǔn)，從0點(diǎn)方向?yàn)榛?準(zhǔn)，每隔5度取一個(gè)方向，在每個(gè)方向上搜索瓶底防滑區(qū)，由于瓶底防滑區(qū)的灰度值與非防 滑區(qū)的灰度差相差比較大，沿著半徑方向搜索兩個(gè)相聚d = 3的像素點(diǎn)fl和f2，以fl和 f2為中心分別取上、下、左、右、中5個(gè)點(diǎn)的灰度值的平均值作為fl和f2的灰度值，然后判
斷Π和f2的灰度值的比值“，r > 1. 05認(rèn)為找到了防滑區(qū)，否則就繼續(xù)搜索。搜索一
圈找到72個(gè)點(diǎn)，在搜索到的72個(gè)點(diǎn)中任取一點(diǎn)，并找到與此點(diǎn)相差120度的其它兩個(gè)點(diǎn)， 并確定此三點(diǎn)定位的圓心，繼續(xù)取下一個(gè)點(diǎn)并找到與其相隔120度的兩點(diǎn)，定位出圓心，直 到72個(gè)點(diǎn)全部取完，定位出24個(gè)圓心，取此24個(gè)圓心坐標(biāo)的平均值即是瓶底中心區(qū)域圓 心的位置，然后以定位出的圓心位置為基準(zhǔn)，從0點(diǎn)方向?yàn)榛鶞?zhǔn)，每間隔36度取一個(gè)方向，并在每個(gè)方向上找出防滑區(qū)的一個(gè)點(diǎn)，求出防滑區(qū)的點(diǎn)到圓心位置的半徑，求出10個(gè)半徑 的平均值就是要定位的中心圓的半徑，定位出的圓心和半徑確定出的圓就是要處理的瓶底 中心區(qū)域f·。定位出要處理的區(qū)域之后，第三步需要對(duì)要處理的區(qū)域f進(jìn)行預(yù)處理以去除干擾 和找到污物所在位置。此方法預(yù)處理采用卷積方法，所用的卷積模板如下所示Ci= f(iJ-5) + f(i,j-2) _ /(/, j) + f(i -1，j) + /(/ +1, j) + /(/’ 7-1) + f(i,j +1)(χ _!)C2 /(/，7 + 5) + /(/，j + 2) /( _，J) + f0 - h J) + +力 + 代’ J-^ + j + D(1 — 2)
25q .. JV-5, j) + f(i二2’J) f(i,j) + f(i-1,7) + f(i +11 j) + JV1 j-i) + f(i,j +1)(1-3)
C4= f(i + 5J) + f(i + 2J) _ BkJl+M ~ 1，J) + JV +1，Jl + /0,7-1) + KU j +1)(1 — 4)對(duì)于要處理的瓶底區(qū)域，每一個(gè)像素點(diǎn)f(i，j)分別應(yīng)用C1、C2、C3、C4進(jìn)行處理， 對(duì)每個(gè)像素點(diǎn)處理完畢判斷Sl = C1*C2和S2 = C3*C4，Sl > 169或S2 > 169那么g(i， j) = 1，否則g(i，j) = 0。g(i，j)是經(jīng)過模板卷積之后的結(jié)果。g(i，j)等于1代表此處 可能存在污物。模板Cl是像素點(diǎn)f(i，j)左邊第5個(gè)和左邊第2個(gè)像素點(diǎn)的灰度值的平均 值與以f(i，j)為中心的5個(gè)像素點(diǎn)的灰度值的平均值之差。模板C2是像素點(diǎn)f(i，j)右 邊第5個(gè)和右邊第2個(gè)像素點(diǎn)的灰度值的平均值與以f (i，j)為中心的5個(gè)像素點(diǎn)的灰度 值的平均值之差。用Cl與C2之積來判斷污物的存在與否。模板C3是像素點(diǎn)f(i，j)上方 第5個(gè)和上方第2個(gè)像素點(diǎn)的灰度值的平均值與以f (i，j)為中心的5個(gè)像素點(diǎn)的灰度值 的平均值之差。模板C4是像素點(diǎn)f(i，j)下方第5個(gè)和下方第2個(gè)像素點(diǎn)的灰度值的平均 值與以f(i，j)為中心的5個(gè)像素點(diǎn)的灰度值的平均值之差。用C3與C4之積來判斷污物 的存在與否。第三步卷積之后g(i，j)是一個(gè)二值化的圖像，只包含1和0。g(i，j)為1的位 置代表污物可能存在，也有可能是干擾。再通過下面幾步的操作排除干擾即可。第三步對(duì) g(i，j)求8連通域，連通分8連通和4連通，g(i，j) = 1代表此處可能存在污物，找到一 個(gè)為g(i，j) = 1的像素點(diǎn)，然后判斷以此像素點(diǎn)為中心的8連通域中是否有為1的像素 點(diǎn)，如果有，以新的像素點(diǎn)為中心繼續(xù)判斷8連通域，對(duì)判斷過的像素點(diǎn)進(jìn)行標(biāo)記以防止二 次判斷，如果找不到新的為1的像素點(diǎn)，一個(gè)連通區(qū)域就找到并對(duì)此連通區(qū)域中每個(gè)像素 點(diǎn)都編一個(gè)區(qū)域號(hào)碼作為此連通區(qū)域的標(biāo)記，繼續(xù)搜索g(i，j)中其他未判斷的區(qū)域，找出 其他連通區(qū)域并對(duì)其進(jìn)行分別編號(hào)標(biāo)記。統(tǒng)計(jì)每個(gè)連通域內(nèi)像素點(diǎn)的個(gè)數(shù)，就代表此連通域的面積Si,判斷連通域的面積 SiJfSi > 150的連通域，認(rèn)為是可能存在污物，否則是干擾。由干擾而產(chǎn)生的連通域面積 一般比較小，只要判斷連通域的面積就可以去除大部分因瓶底本身不均衡或者在圖片獲取 的過程等產(chǎn)生的干擾。對(duì)面積大于150的連通域，對(duì)每個(gè)連通域內(nèi)的像素點(diǎn)f(i，j)，計(jì)算i和j的最大 值和最小值，i的最大值減去i的最小值表示連通域水平方向的長度，j的最大值減去j的 最小值表示連通域垂直方向的長度，判斷連通域水平方向和垂直方向的長度，如果水平方 向或垂直方向上的長度大于30，則此處存在線性污物，否則判斷連通域水平方向和垂直方向長度之乘積，乘積大于200則為面狀污物，否則為干擾，此外還可以判斷水平方向與垂直 方向長度的比值來判定線性污物，如果水平方向長度比上垂直方向長度大于15則為水平 方向線性污物，如果垂直方向長度比上水平方向長度大于15則為垂直方向的線性污物。以下給出本方法的實(shí)驗(yàn)數(shù)據(jù)
權(quán)利要求
一種啤酒瓶瓶底中心區(qū)域污物的檢測方法，其特征在于如下步驟第一步，瓶底照片的獲取，在啤酒瓶瓶底外正對(duì)瓶底加上白光光源，將攝像機(jī)從啤酒瓶瓶口伸進(jìn)啤酒瓶內(nèi)部進(jìn)行拍攝瓶底照片，拍攝時(shí)攝像機(jī)和瓶底要垂直以獲得對(duì)稱的瓶底照片；第二步對(duì)拍攝的瓶底照片進(jìn)行中心區(qū)域的定位，把整幅圖像的中心點(diǎn)作為初始圓心，以此初始圓心為基準(zhǔn)，以0點(diǎn)方向?yàn)榛鶞?zhǔn)，每隔5度取一個(gè)方向，在每個(gè)方向上搜索瓶底防滑區(qū)，找到一個(gè)防滑區(qū)的點(diǎn)，由于瓶底防滑區(qū)的灰度值與非防滑區(qū)的灰度差相差比較大，沿著半徑方向搜索兩個(gè)相聚d＝3的像素點(diǎn)f1和f2，以f1和f2為中心分別取上、下、左、右、中5個(gè)點(diǎn)的灰度值的平均值作為f1和f2的灰度值，然后判斷f1和f2的灰度值的比值r＞1.05認(rèn)為找到了防滑區(qū)，否則就繼續(xù)搜索，搜索一圈能夠在72個(gè)方向上找到72個(gè)防滑區(qū)的點(diǎn)，在搜索到的72個(gè)防滑區(qū)的點(diǎn)中任取一點(diǎn)，并找到與此點(diǎn)相隔120度的其它兩個(gè)點(diǎn)，并確定此三點(diǎn)定位的圓心，繼續(xù)取下一個(gè)點(diǎn)并找到與其相隔120度的兩點(diǎn)，定位出圓心，直到72個(gè)點(diǎn)全部取完，定位出24個(gè)圓心，取定位出的24個(gè)圓心坐標(biāo)的平均值即是瓶底中心區(qū)域圓心的坐標(biāo)，以定位出的圓心坐標(biāo)為基準(zhǔn)，再從0點(diǎn)方向?yàn)榛鶞?zhǔn)，每間隔36度取一個(gè)方向，在每個(gè)方向上找到防滑區(qū)的一個(gè)點(diǎn)，得到每個(gè)方向上防滑區(qū)的點(diǎn)到圓心坐標(biāo)的距離，搜索一圈得到10個(gè)距離，此10個(gè)距離的平均值就是定位的瓶底中心圓的半徑，定位出的圓心和半徑確定出的圓就是要處理的瓶底中心區(qū)域f；第三步對(duì)第二步定位出的瓶底中心區(qū)域f的每個(gè)像素點(diǎn)f(i，j)使用公式(1 1)、(1 2)、(1 3)、(1 4)得到C1、C2、C3和C4的值，判斷C1×C2和C3×C4的大小，C1×C2＞169或C3×C4＞169則g(i，j)等于1，否則為0，g(i，j)是對(duì)每個(gè)像素點(diǎn)f(i，j)利用本步求解判斷輸出的結(jié)果，公式如下 <mrow><msub> <mi>C</mi> <mn>1</mn></msub><mo>=</mo><mo>|</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>5</mn> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow> <mn>2</mn></mfrac><mo>-</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow> <mn>5</mn></mfrac><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>C</mi> <mn>2</mn></msub><mo>=</mo><mo>|</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>5</mn> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow> <mn>2</mn></mfrac><mo>-</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow> <mn>5</mn></mfrac><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>C</mi> <mn>3</mn></msub><mo>=</mo><mo>|</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>5</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>2</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow> </mrow> <mn>2</mn></mfrac><mo>-</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow> <mn>5</mn></mfrac><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mn>3</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>C</mi> <mn>4</mn></msub><mo>=</mo><mo>|</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>5</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>2</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow> </mrow> <mn>2</mn></mfrac><mo>-</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow> <mn>5</mn></mfrac><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mn>4</mn> <mo>)</mo></mrow> </mrow>第四步對(duì)第三步獲得的g(i，j)得到其連通區(qū)域，采用8連通域搜索，8連通就是與一個(gè)像素點(diǎn)周圍離得最近的八個(gè)像素，g(i，j)＝1代表此處可能存在污物，找到一個(gè)為g(i，j)＝1的像素點(diǎn)，然后判斷以此像素點(diǎn)為中心的8連通域中是否有為1的像素點(diǎn)，如果有，以新的像素點(diǎn)為中心繼續(xù)判斷8連通域，對(duì)判斷過的像素點(diǎn)進(jìn)行標(biāo)記以防止二次判斷，如果找不到新的為1的像素點(diǎn)，一個(gè)連通區(qū)域就找到并對(duì)此連通區(qū)域中每個(gè)像素點(diǎn)都編一個(gè)區(qū)域號(hào)碼作為此連通區(qū)域的標(biāo)記，繼續(xù)搜索g(i，j)中其他未判斷的區(qū)域，找出其他連通區(qū)域并對(duì)其進(jìn)行分別編號(hào)標(biāo)記；第五步計(jì)算每個(gè)不同編號(hào)連通區(qū)域的像素個(gè)數(shù)，搜索整幅圖像，遇到編號(hào)一樣的像素點(diǎn)，則計(jì)數(shù)器就加一，直到所有像素點(diǎn)和所有編號(hào)掃描完畢，記錄的每個(gè)編號(hào)的計(jì)數(shù)器的值就代表連通域的面積，判斷連通域的面積，面積小于150的連通域?yàn)楦蓴_，面積大于150的連通域進(jìn)入第六步處理；第六步對(duì)第五步中面積大于150的連通域，對(duì)每個(gè)連通域內(nèi)的像素點(diǎn)f(i，j)，計(jì)算i和j的最大值和最小值，i的最大值減去i的最小值表示連通域水平方向的長度，j的最大值減去j的最小值表示連通域垂直方向的長度，判斷連通域水平方向和垂直方向的長度，如果水平方向或垂直方向上的長度大于30，則此處存在線性污物，否則判斷連通域水平方向和垂直方向長度之乘積，乘積大于200則為面狀污物，否則為干擾，此外還可以判斷水平方向與垂直方向長度的比值來判定線性污物，如果水平方向長度比上垂直方向長度大于15則為水平方向線性污物，如果垂直方向長度比上水平方向長度大于15則為垂直方向的線性污物。FSA00000212349500011.tif
全文摘要
本發(fā)明涉及一種啤酒瓶瓶底中心區(qū)域的污物檢測方法，其包括如下步驟對(duì)獲取的瓶底圖片的中心圓區(qū)域進(jìn)行定位，用模板處理定位后的區(qū)域，然后求模板處理后的連通域，計(jì)算每個(gè)連通域的面積，判斷面積的大小并和閾值相比較來確定是干擾還是可能存在污物，對(duì)去除干擾后的圖像求能用最小的矩形框住相同標(biāo)號(hào)的連通區(qū)域的矩形的長和寬，并比較長和寬的比值，如果比值大于一定值或小于一定值則為線性污物，否則計(jì)算矩形的面積，如果大于某個(gè)閾值則為污物，否則為干擾，本發(fā)明提供的檢測方法具有速度快精度高的特點(diǎn)，適用于國內(nèi)現(xiàn)有的啤酒瓶檢測裝置中。
文檔編號(hào)G01N21/88GK101936915SQ20101024205
公開日2011年1月5日 申請(qǐng)日期2010年7月30日 優(yōu)先權(quán)日2010年7月30日
發(fā)明者張勇, 李方, 毛興鵬, 王好賢 申請(qǐng)人:哈爾濱工業(yè)大學(xué)(威海)