直線檢測
關注創建者：胖子愛學習 創建時間：2019-01-06
直線檢測的視頻教程
第八課 Matlab圖片直線檢測
本課程適用于想學或想進行matlab做圖像處理的同學們，課程包含讀取圖片，邊緣檢測，hough變換直線檢測，提取圖像中最長直線段，相應大家可以通過學習拓展到圖像分析的應用上，希望能長久的和大家一起學習進步。每一期視頻都會上傳相應的可運行的源碼附件。
￥10 3分鐘 4播放
查看
直線檢測的實例教程
其中首先要求正確可靠地檢出車牌區域,為此提出了許多方法,如Hough變換以檢測直線來提取車牌邊界區域、使用灰度分割及區域生長進行區域分割,或使用紋理特征分析技術等。Hough變換方法對車牌區域變形或圖象被污損時失效的可能性會大大增加,而灰度分割則比直線檢測的方法要穩定，但當圖象在有許多與車牌的灰度非常相似的區域時，該方法也就無能為力了。紋理分析在遇到類似車牌紋理特征的其他干擾時，車牌定位正確率也會受到影響。本文提出基于車牌彩色信息的彩色分割方法。
主要模塊
主要模塊如下：顏色信息提取、車牌區域定位、識別、提取、檢測傾斜度、車牌校正、車牌區域2值化、擦除干擾區域、文字分割、模版匹配、結果輸出。
1. 定位車牌區域
2. 車牌矯正
3. 二值化車牌
4. 處理二值化圖像
5. 字符切割
6. 字符識別
顏色信息提取
根據彩色圖像的RGB比例定位出近似藍色的候選區域。即根據藍色像素點找出上下左右邊界，但是由于RGB三原色空間中兩點間的歐氏距離與顏色距離不成線性比例，在設定藍色區域的定位范圍時不能很好的控制。因此造成的定位出錯是最主要的。這樣在圖片中出現較多的藍色背景情況下識別率會下降，不能有效提取車牌區域。在此采用自適應調節方法，對分割出來的區域進行識別調整，再根據長寬比和藍白色比，對候選區域進行多次定位，最終找到車牌區域。
傾斜校正
針對傾斜角度的圖片采取rando算法進行傾斜角度計算，并對傾斜圖片進行修正。從而得到水平方向一致的圖片。有利于后期的圖片分割及圖像識別。
展開 在幾何精度檢測中，直線度、垂直度和水平度的傳統檢測方法不能一站式解決，比較費時費力，且數據也不能統一式管理。
傳統檢測方法
機床導軌的直線度檢測方法通常采用拉表法、自準直儀檢測法或水平儀檢測法。
拉表法測量導軌直線度
▲ 自準直儀測量導軌直線度
機床導軌的垂直度檢測方法采用大理石直角尺檢測法。
▲ 大理石直角尺測量導軌垂直度
機床床身的水平度檢測方法采用水平儀檢測法。
▲ 水平儀測量機床床身水平
隨著大型龍門機床尺寸越做越大，比如二三十米的大龍門銑床。對于直線度、垂直度和平面度的傳統測量方法正面臨著量程受限、搬運困難、人為誤差、數據管理等困境。
激光跟蹤儀作為一種先進的空間大尺寸測量工具，具有量程大（測量半徑可達80米），精度高（15um+6um/m）、數字化程度高等優勢，已成為大型龍門機床裝調過程中的重要手段。
1.直線度檢測及裝調
激光跟蹤儀架設于機床前方（如下圖），將靶球固定在導軌滑塊或機床主軸上。
從導軌起點位置開始，按照設定距離進行數據采集。在測量軟件中做擬合直線處理，即得到兩個方向的直線度誤差。
豎直方向直線度
水平方向直線度
直線度裝調：只需在軟件上對擬合的直線添加監視窗口，移動滑塊，即可對導軌進行數字化裝調，可同時對兩個方向的直線度進行調整。
展開 邊緣檢測：
用Canny邊緣檢測算法來識別圖像中的邊緣點，該算法通過多階段處理，包括梯度計算、非極大值抑制和雙閾值邊緣連接，以準確提取圖像中的邊緣特征。
表盤區域提取：
利用隨機霍夫變換（Random Hough Transform）檢測圖像中的圓形特征，通過隨機抽樣和概率技術提高圓形檢測的效率，確定表盤的位置和范圍。
指針骨架提取：
對表盤區域進行裁剪后，再次進行Canny邊緣檢測，然后使用形態學操作中的骨架提取技術（skel操作）來提取指針的中心線。
形態學處理：
使用bwmorph函數中的spur操作去除骨架上的細小分支（毛刺），通過閉運算填補小孔洞和斷裂點，改善圖像連通性，然后去除長度小于指定值的毛刺，清理圖像噪聲。
指針直線檢測：
應用霍夫變換檢測圖像中的直線，將每個點映射到參數空間，并找到參數空間中投票數最多的點，這些點代表了圖像中的直線。
指針定位：
根據指針是表盤中最長直線的特征，從檢測到的直線中篩選出指針。通過比較直線的長度，選擇最長的直線作為指針的位置。
算法實現與驗證：
在Matlab環境中實現上述算法，并通過仿真結果驗證指針提取的準確性。確保指針提取結果與實際指針高度擬合，滿足系統的識別要求。
指針提取算法的設計考慮了實際生產中圖像的復雜性，通過一系列圖像處理技術，有效地從背景中提取出指針，為準確讀取儀表的示數提供了基礎。
圖像預處理
表盤提取
指針識別
圖3 指針提取與識別結果圖
示數讀取算法設計
示數讀取算法是本研究中將圖像信息轉換為可讀數值的核心部分。
展開 （1）閾值分割（固定閾值分割、最優/OTSU閾值分割、自適應閾值分割）;
（2）基于邊界分割（Canny邊緣檢測、輪廓提取、邊界跟蹤）；
（3）Hough變換（直線檢測、圓檢測）；
（4）基于區域分割（區域生長、區域歸并與分裂、聚類分割）；
（5）色彩分割；
（6）分水嶺分割；
5、圖像特征：
（1）幾何特征（位置與方向、周長、面積、長軸與短軸、距離(歐式距離、街區距離、棋盤距離)）；
（2）形狀特征（幾何形態分析（Blob分析）：矩形度、圓形度、不變矩、偏心率、多邊形描述、曲線描述）；
（3）幅值特征（矩、投影）；
（4）直方圖特征（統計特征）：均值、方差、能量、熵、L1范數、L2范數等；直方圖特征方法計算簡單、具有平移和旋轉不變性、對顏色像素的精確空間分布不敏感等，在表面檢測、缺陷識別有不少應用。
（5）顏色特征（顏色直方圖、顏色矩）
（6）局部二值模式( LBP)特征：LBP對諸如光照變化等造成的圖像灰度變化具有較強的魯棒性，在表面缺陷檢測、指紋識別、光學字符識別、人臉識別及車牌識別等領域有所應用。由于LBP 計算簡單，也可以用于實時檢測。
展開 2.1 邊緣檢測
因為不同的物體在紋路和顏色方面有些許差異，使用通用的檢測參數與檢測方法并不能獲得最優的效果。故該方法首先通過上文中物體檢測獲得的物體標簽信息將物體進行分類，根據不同的物體種類設置不同的檢測參數與檢測流程，以此來獲得最優檢測效果。主要變動的參數包括：邊緣檢測閾值、色彩空間提取的RGB顏色范圍、Hough直線檢測線段閾值。主要的檢測流程包括：中值濾波消去噪聲、使用Canny函數進行邊緣檢測、使用色彩空間過濾顏色、使用OSTU算法進行圖像二值化處理、使用Hough變換檢測直線，以此得到物體的邊緣信息，具體參數如表3所示。
表3 主要方法與主要參數
2.2 邊緣擬合
通過滑動窗口的二次多項式擬合算法可有效提取與擬合多邊形邊緣，為提高擬合效果，在此對算法進行改進，加入了k、l1、l2、r1、r2感興趣區域的參數，具體過程如下。
首先，統計圖片某部分的每列像素之和，以左右兩邊的感興趣區域為范圍搜尋像素值和的最大值作為滑動窗口的起始點。
式中：Pij為圖像的像素矩陣P第i行、第j列的值；m、n為圖像的像素寬度與高度；hj為每列像素之和；B l、B r為滑動窗口的左右初始點；k、l1、l2、r1、r2為感興趣區域的參數。
根據式（1）獲得初始點之后，算法根據一個矩形面積向上生長，根據矩形中像素最大值確定生長方向以及下一個初始點，以此迭代，最后通過多項式擬合方法對每一個矩形的中心點進行擬合，最終得到邊界信息，設矩陣4個頂點坐標分別為（w1，h1）、（w1，h2）、（w2，h2）和（w2，h1），迭代過程如式（2）所示。
式中：N為矩形內像素之和；cj為矩形內每列像素之和；Bc為滑動窗口的迭代后的初始點。
展開 
直線檢測的相關專題、標簽、搜索
直線檢測的最新內容
鑄鐵檢測平臺又稱鑄鐵檢測平板，主要用于工件的平面度、垂直度、平行度、直線度等精度檢測，以及檢具、量具的校準、調試，廣泛應用于航空航天、精機械、電子設備、汽車制造等精制造領域。與普通檢測平臺相比，鑄鐵檢測平臺采用高強度鑄鐵材質，經過時效處理和精加工，平面度高、穩定性強、耐磨性好，能長期保持精的檢測基準。
鑄鐵檢測平臺的核心價值的是為精制造提供可靠的檢測保障，確保每一件產品都符合精度要求。
指針直線檢測：
應用霍夫變換檢測圖像中的直線，將每個點映射到參數空間，并找到參數空間中投票數最多的點，這些點代表了圖像中的直線。
指針定位：
根據指針是表盤中最長直線的特征，從檢測到的直線中篩選出指針。通過比較直線的長度，選擇最長的直線作為指針的位置。
- 形位公差檢測：能檢測直線度、平面度、圓度、圓柱度、垂直度、平行度、同軸度等形位公差。如通過測量一系列點的坐標，擬合出直線或平面，進而評估直線度和平面度。
- 輪廓檢測：對物體的輪廓進行掃描測量，獲取物體表面的點云數據，與設計模型對比，分析輪廓偏差，檢測物體外形是否合格。
2、形位公差：
（1）直線度：測量物體上的直線部分是否符合理想的直線狀態，比如機床導軌的直線度檢測，對于保證機床的加工精度至關重要。
（2）平面度：用于評估平面的平整程度，像大型機械加工平臺、建筑結構中的樓板平面等的平面度測量。
（3）垂直度：判斷兩個平面或直線之間是否垂直，例如建筑施工中墻體與地面的垂直度檢測、機械設備安裝時部件之間的垂直關系測量。
在幾何精度檢測中，直線度、垂直度和水平度的傳統檢測方法不能一站式解決，比較費時費力，且數據也不能統一式管理。
傳統檢測方法
機床導軌的直線度檢測方法通常采用拉表法、自準直儀檢測法或水平儀檢測法。
這項功能特別適用于導軌等部件的直線度檢測。
平行度與垂直度測量：空間幾何的精確控制
平行度和垂直度測量是激光干涉儀在二維和三維空間中的擴展應用。通過兩組直線度測量，干涉儀能夠計算出平行度和垂直度誤差，這對于確保機械部件在空間中的精確定位至關重要。
（2）形位公差檢測
三坐標測量機可以檢測直線度、平面度、圓度、圓柱度、 圓錐度、球度、距離、夾角、垂直度、平行度、傾斜度、位置度（2D及3D）、對稱度、同軸度、 同心度等各種形位公差，及時發現并糾正零件的制造誤差，提高產品質量。
（3）曲面測量
對于復雜曲面零件，如模具、葉輪等，三坐標測量機同樣能夠實現高精度的測量。
① 全閉環控制
如圖所示，其位置反饋裝置采用直線位移檢測元件（目前一般采用光柵尺），安裝在機床的床鞍部位，即直接檢測機床坐標的直線位移量，通過反饋可以消除從電動機到機床床鞍的整個機械傳動鏈中的傳動誤差，從而得到很高的機床靜態定位精度。
主要變動的參數包括：邊緣檢測閾值、色彩空間提取的RGB顏色范圍、Hough直線檢測線段閾值。主要的檢測流程包括：中值濾波消去噪聲、使用Canny函數進行邊緣檢測、使用色彩空間過濾顏色、使用OSTU算法進行圖像二值化處理、使用Hough變換檢測直線，以此得到物體的邊緣信息，具體參數如表3所示。
（1）閾值分割（固定閾值分割、最優/OTSU閾值分割、自適應閾值分割）;
（2）基于邊界分割（Canny邊緣檢測、輪廓提取、邊界跟蹤）；
（3）Hough變換（直線檢測、圓檢測）；
（4）基于區域分割（區域生長、區域歸并與分裂、聚類分割）；
（5）色彩分割；
（6）分水嶺分割；
