本發(fā)明涉及視頻引伸計(jì)，特別是針對(duì)應(yīng)用于塑料材料的高速拉伸實(shí)驗(yàn)的圖像處理算法，屬于數(shù)字圖像處理領(lǐng)域。運(yùn)用圖像處理技術(shù)對(duì)原始圖片進(jìn)行預(yù)處理，去除噪點(diǎn)；應(yīng)用邊緣檢測(cè)算子對(duì)圖像進(jìn)行處理，檢測(cè)出圖像的邊緣點(diǎn)數(shù)據(jù)并進(jìn)行數(shù)據(jù)處理，從而獲得物體的幾何參數(shù)；從而獲得物體的幾何參數(shù)；

背景技術(shù)：

引伸計(jì)是用于測(cè)量試件標(biāo)距間軸向及徑向變形的基本裝置。傳統(tǒng)的測(cè)量拉伸變形的方法是在被測(cè)材料上貼應(yīng)變片或夾持引伸計(jì)，用以測(cè)量試件在載荷作用下的應(yīng)變量。這是一種接觸式測(cè)量方法，用于測(cè)量精度要求不高、變形速率較慢的材料的小變形時(shí)，能達(dá)到較好的效果。然而對(duì)于拉伸變形大的塑料材料來(lái)說(shuō)，拉伸變形過程中接觸式引伸計(jì)的重量和夾持方法會(huì)影響試驗(yàn)結(jié)果和斷裂點(diǎn)，接觸式的刀口引伸計(jì)與塑料試件之間的摩擦?xí)a(chǎn)生相對(duì)運(yùn)動(dòng)，從而導(dǎo)致較大的測(cè)量誤差。這種測(cè)量方法并不可取。

視頻引伸計(jì)就是視覺圖像測(cè)量技術(shù)在力學(xué)領(lǐng)域應(yīng)用的典型代表。它以計(jì)算機(jī)視覺為基礎(chǔ)，運(yùn)用圖形圖像學(xué)、圖像分析、模式識(shí)別、數(shù)據(jù)壓縮、數(shù)據(jù)結(jié)構(gòu)、計(jì)算機(jī)圖像顯示等一系列專業(yè)知識(shí)實(shí)現(xiàn)對(duì)試件軸向和徑向的應(yīng)變測(cè)量。這是一種典型的非接觸式應(yīng)變測(cè)量方法，它具有工作效率高、工作距離大、測(cè)量精度高、數(shù)據(jù)處理靈活、圖像再現(xiàn)性好、不受測(cè)量環(huán)境限制等優(yōu)點(diǎn)，能夠?qū)σ恍╇y以測(cè)量的材料(如大變形的塑料材料)通過數(shù)字圖像相關(guān)測(cè)量方法得到精確的材料性能，為塑料的力學(xué)性能研究奠定了基礎(chǔ)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)塑料材料在高速動(dòng)態(tài)拉伸環(huán)境下的大應(yīng)變測(cè)試，提出一種利用CMOS作為圖像傳感器、基于數(shù)字圖像處理技術(shù)的視頻引伸計(jì)，可以有效地去除噪點(diǎn)對(duì)于圖像的影響，達(dá)到良好的圖像分割效果，提高物體特征邊緣的準(zhǔn)確性，強(qiáng)化圖像邊緣清晰度，實(shí)現(xiàn)目標(biāo)的精定位，從而實(shí)現(xiàn)塑料材料應(yīng)變性能的高精度測(cè)量。

根據(jù)本發(fā)明的視頻引伸計(jì)，包括試件標(biāo)記系統(tǒng)、圖像采集系統(tǒng)、圖像處理系統(tǒng)和數(shù)據(jù)分析系統(tǒng)；其中試件標(biāo)記系統(tǒng)具有絲印設(shè)備，對(duì)試件進(jìn)行自動(dòng)噴墨標(biāo)記。圖像采集系統(tǒng)具有用于發(fā)射照明光線的光源，以及圖像獲取探頭和鏡頭。圖像處理系統(tǒng)包括數(shù)據(jù)分析模塊以及圖像處理算法，其中圖像處理算法包括預(yù)處理、圖像分割、邊緣檢測(cè)以及亞像素定位。

此外，在根據(jù)本發(fā)明的試件標(biāo)記系統(tǒng)中，標(biāo)記時(shí)絲印裝置通過刮板的擠壓使油墨通過標(biāo)記形狀孔轉(zhuǎn)印到試件上，形狀清晰一直，可在延伸期間保持清晰且規(guī)則的標(biāo)記特征，有利于特征提取。

此外，在根據(jù)本發(fā)明的試件標(biāo)記系統(tǒng)中，絲印裝置可針對(duì)材料的顏色選擇與其顏色較大反差的顏色，利于攝像圖像的精確定位。

此外，在根據(jù)本發(fā)明的試件標(biāo)記系統(tǒng)中，絲印裝置可根據(jù)材料拉伸過程中的變形量，選擇標(biāo)距的長(zhǎng)度以及標(biāo)記特征的形狀(如直線、圓點(diǎn)、十字架形等)。

此外，在根據(jù)本發(fā)明的圖像采集系統(tǒng)中，光源是LED發(fā)光二極管，并且該LED發(fā)光二極管可根據(jù)精度要求、實(shí)用性等配置成不同形狀和不同顏色，光源照射方向選擇前向照明方式。

此外，在根據(jù)本發(fā)明的圖像采集系統(tǒng)中，圖像獲取探頭選取CMOS圖像傳感器，不需圖像采集卡，使用1394接口與計(jì)算機(jī)相連配合使用。

此外，在根據(jù)本發(fā)明的圖像采集系統(tǒng)中，鏡頭優(yōu)先考慮鏡頭畸變因素，采用定焦鏡頭。

此外，在根據(jù)本發(fā)明的圖像處理系統(tǒng)中，圖像處理算法包括以下步驟：

步驟一、原始彩色圖像灰度化處理：

本例中照明系統(tǒng)采用紅色LED光源，直接用彩色圖像的紅色色彩成分來(lái)表示，采用R分量進(jìn)行灰度化處理。

g(x，y)＝T[f(x，y)] (公式1)

其中，f(x，y)是指輸人的彩色圖像；g(x，y)是指通過變換處理后輸出的灰度圖像；而T是代表加在輸人圖像域上的操作算子。

步驟二、中值濾波；

選用濾波窗口內(nèi)所有像素的中值來(lái)代替中心像素的值，有效地去除孤立的斑點(diǎn)噪聲(如脈沖噪聲、椒鹽噪聲等)和線段的干擾，而且能較好地保留圖像邊緣細(xì)節(jié)。

g(x，y)＝Med{f(x-k，y-1)，k，1∈S} (公式2)

原始圖像為f(x，y)，處理后的圖像為g(x，y)，S為選定窗口大小。

步驟三、圖像分割；

為了提取出目標(biāo)特征的信息，本文針對(duì)塑料材料拉伸的特定實(shí)驗(yàn)場(chǎng)合，提出了一種新的閾值分割方法該方法的工作原理。

通過Hough變換提取拉伸試驗(yàn)中第一幀圖片上的圓形標(biāo)記的中心坐標(biāo)位置以及半徑，對(duì)于第一幀以后的圖片序列，則依據(jù)前一幀圖片的圓形標(biāo)記位置確定大概的目標(biāo)處理區(qū)域；

閾值分割處理后的圖像中，目標(biāo)內(nèi)部可能存在某些均勻區(qū)域被剔除，使目標(biāo)區(qū)域產(chǎn)生斷裂，或者目標(biāo)周圍存在噪，不利于目標(biāo)提取。本發(fā)明利用數(shù)學(xué)形態(tài)學(xué)方法，對(duì)分區(qū)后的特征圖選用半徑為2像素的圓盤結(jié)構(gòu)元進(jìn)行閉運(yùn)算，使目標(biāo)區(qū)域成為連通區(qū)域，利用MATLAB中imfill函數(shù)將目標(biāo)區(qū)域填充，然后利用bwareaopen函數(shù)去除孤立的小點(diǎn)。

步驟四、邊緣檢測(cè)；

考慮應(yīng)變測(cè)量系統(tǒng)所需提取的目標(biāo)為圓，并且目標(biāo)邊緣周圍仍然存在很多干擾信息，導(dǎo)致目標(biāo)定位困難。本發(fā)明對(duì)上步驟處理后的圖像進(jìn)行Hough變換，提取目標(biāo)特征點(diǎn)的初始位置；再基于局部的Canny算法對(duì)兩區(qū)域進(jìn)行邊緣檢測(cè)處理，從而確定特征點(diǎn)的中心坐標(biāo)；

整個(gè)工作流程的關(guān)鍵問題其實(shí)是動(dòng)態(tài)圖像處理區(qū)域S1、S2的確定問題。S1、S2的選取，既要保證完全包含特征點(diǎn)信息，又不能太大，因?yàn)樘蟮脑?，運(yùn)算量大而且噪聲多，不利于特征的提取。因此在確定S1、S2時(shí)，有必要對(duì)特征點(diǎn)移動(dòng)速度進(jìn)行估算。

假設(shè)高速拉伸試驗(yàn)中：拉伸方向?yàn)閱蜗虻?，拉伸試件上特征點(diǎn)的直徑為1mm，標(biāo)距為10mm，攝像機(jī)拍攝頻率≥1000fps/s，試驗(yàn)機(jī)拉伸速度為3m/s。由這些數(shù)據(jù)可知，特征點(diǎn)的移動(dòng)速度≤0.003mm/fps，由此可見，相鄰兩幀圖片上，特征點(diǎn)的位移量非常微小。因此，在確定圖像處理區(qū)域S1、S2時(shí)，可以把前一幀中特征點(diǎn)所在的大致區(qū)域當(dāng)做后一幀圖片的圖像處理區(qū)域。

步驟五、亞像素定位算法；

基于二次多項(xiàng)式的亞像素邊緣定位方法，首先運(yùn)用3.3節(jié)中所述的邊緣檢測(cè)算法將目標(biāo)邊緣精確定位到一個(gè)像素精度；接著使用Sobel算子對(duì)原始灰度圖像f(i，j)求其梯度圖像R(i，j)。

對(duì)于已確定的邊緣點(diǎn)(m，n)，在梯度圖像R(i，j)的X方向上取三點(diǎn)R(m-1，n)、R(m，n)、R(m+1，n)，以這三個(gè)點(diǎn)的梯度賦值作為函數(shù)值，m-1、m、m+1為插值基點(diǎn)，代入二次多項(xiàng)式插值函數(shù)；

φ(x)，并令

同理，在Y方向上取三點(diǎn)R(m-1，n)、R(m，n)、R(m+1，n)進(jìn)行相同的操作，經(jīng)推導(dǎo)可得亞像素邊緣坐標(biāo)(x，y)。

亞像素定位后得到的邊緣點(diǎn)是離散的坐標(biāo)數(shù)據(jù)點(diǎn)，并不能組成封閉的邊界將目標(biāo)顯現(xiàn)出來(lái)。為了得到高精度的特征點(diǎn)中心位置，本文對(duì)亞像素處理得到的邊緣進(jìn)行擬合?？紤]到本文要提取的初始特征為圓，變形后該點(diǎn)為近似橢圓的特征，因此，采用橢圓擬合算法對(duì)亞像素邊界進(jìn)行擬合。

此外，在根據(jù)本發(fā)明的數(shù)據(jù)分析系統(tǒng)中，數(shù)據(jù)分析模塊包括對(duì)圖像采集數(shù)據(jù)的分析，提取拉伸位移變化量，與其他載荷數(shù)據(jù)進(jìn)行曲線擬合，其中擬合分析部分基于MATLAB數(shù)學(xué)模塊。

本發(fā)明與現(xiàn)有技術(shù)相比較具有如下顯而易見的突出實(shí)質(zhì)性特點(diǎn)和顯著優(yōu)點(diǎn)：

(1)本發(fā)明提出基于絲印的自動(dòng)標(biāo)記方法，相比以往使用標(biāo)記筆標(biāo)記，前者墨層均勻且厚、遮蓋力強(qiáng)、標(biāo)記規(guī)則、定位精度高，對(duì)于大變量的應(yīng)變測(cè)試中在延伸期間前者可保持清晰且規(guī)則的標(biāo)記特征，便于特征的提取。

(2)本發(fā)明基于R通道的灰度化算法，并提出了中值濾波與形態(tài)學(xué)處理相結(jié)合的去噪方法，改善了運(yùn)算速度，也增強(qiáng)了圖像分割的準(zhǔn)確性；

(3)本發(fā)明提出了基于局部閾值分割及特征區(qū)域跟蹤的閾值分割方法，達(dá)到很好的分割效果。

(4)本發(fā)明將Hough變換與Canny算法巧妙結(jié)合，提出了基于Canny及特征區(qū)域跟蹤的邊緣檢測(cè)算法，解決了視頻應(yīng)變測(cè)量系統(tǒng)中隨著試件延伸量不斷增大、標(biāo)記特征與背景的對(duì)比度越來(lái)越小，而導(dǎo)致目標(biāo)難以提取的問題；

(5)本發(fā)明運(yùn)用Matlab編程實(shí)現(xiàn)了基于二次多項(xiàng)式插值的亞像素定位，定位效果良好；針對(duì)亞像素邊緣為離散邊界這一問題，本文提出了基于橢圓擬合的特征點(diǎn)中心定位方法。

附圖說(shuō)明

圖1為視頻引伸計(jì)系統(tǒng)結(jié)構(gòu)；

圖2為測(cè)量系統(tǒng)工作流程；

圖3為紅色LED光源結(jié)構(gòu)圖；

圖4為試件尺寸與標(biāo)記后試件；

圖5為圖像處理算法的工作流程圖；

圖6為圖像處理算法中預(yù)處理的灰度化圖像以及二值化圖像；

圖7為圖像處理算法中對(duì)圖像進(jìn)行噪聲處理；

圖8為圖像處理算法中的新閾值分割方法的工作原理；

圖9為圖像處理算法中對(duì)圖像進(jìn)行閾值分割；

圖10為圖像處理算法中圖像分割后對(duì)圖像進(jìn)行的形態(tài)學(xué)處理圖；

圖11為圖像處理算法中新的目標(biāo)特征邊緣提取算法流程圖；

圖12為圖像處理算法中邊緣處理的第一幀圖片的Hough處理圖；

圖13為圖像處理算法中邊緣處理的第二幀圖片的邊緣檢測(cè)；

圖14為圖像處理算法中亞像素定位算法工作流程；

圖15為圖像處理算法中亞像素邊緣檢測(cè)圖；

圖16為數(shù)據(jù)處理后擬合的應(yīng)力應(yīng)變曲線；

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明。本實(shí)施例在本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于以下的實(shí)施例。

本發(fā)明視頻引伸計(jì)系統(tǒng)結(jié)構(gòu)如圖1，具體工作過程為：首先在試樣上標(biāo)記出測(cè)量的上下限。然后用外部光源照亮被測(cè)試件，將被測(cè)試件上的標(biāo)記成像到圖像傳感器上。當(dāng)試件變形時(shí)，上下標(biāo)記相對(duì)位置發(fā)生變化，圖像傳感器的成像也相應(yīng)發(fā)生變化，通過圖像采集卡將不同時(shí)刻采集到的數(shù)字圖像存儲(chǔ)到計(jì)算機(jī)中，利用圖像處理技術(shù)對(duì)比前后圖像中標(biāo)記的位置變化便可計(jì)算出試件的變形大小，如圖2所示。

本實(shí)施例采用自行研制的一款紅色LED條形光源，條形光源尺寸：15cm×5cm，照明采用40個(gè)功率為1W的紅色發(fā)光二極管，以矩陣形式分兩排密排在印刷電路板上，如圖3。

本實(shí)施例標(biāo)記特征采用圓點(diǎn)，標(biāo)記顏色選擇紅色，試件采用德國(guó)標(biāo)準(zhǔn)化學(xué)會(huì)Din 53504-1994規(guī)定的塑料拉伸實(shí)驗(yàn)標(biāo)準(zhǔn)，試件材料為PP試件尺寸及標(biāo)記后特征如圖4。

如圖5所示，本實(shí)施例的算法流程分為圖像預(yù)處理(主要為灰度化處理與噪聲處理)、圖像分割(閾值分割與形態(tài)學(xué)處理)、邊緣提取(Hough變換與Canny運(yùn)算)、亞像素定位四個(gè)主要部分。

根據(jù)攝像后的原圖進(jìn)行圖像處理，具體包括如下步驟：

步驟一：預(yù)處理。本示例對(duì)輸入的一幅紅光LED光源照射下的啞鈴狀材料彩色圖像，如圖6(a)。本發(fā)明方法對(duì)于其他彩色圖像及灰度化圖像同樣適用。首先對(duì)原彩色圖像進(jìn)行灰度化處理，本示例是基于R分量進(jìn)行處理。方法是將彩色圖像中的三分量亮度的最大值(紅色)作為灰度值，處理結(jié)果如圖6(b)。接著對(duì)灰度化圖像進(jìn)行二值化處理，通過算法OTSU將256個(gè)亮度等級(jí)的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得整體和局部特征的二值化圖像，如圖6(c)。最后采用5×5模板的方形濾波窗口對(duì)圖像進(jìn)行平滑處理，如圖7(a、b、c)；

步驟二：圖像分割。完成步驟一操作后，可以獲得灰度化和濾波后的二值化圖像。對(duì)其進(jìn)行圖像圖像分割，本發(fā)明公開了一種新閾值分割方法，工作流程如圖8。首先，通過Hough變換提取拉伸試驗(yàn)中第一幀圖片上的圓形標(biāo)記的中心坐標(biāo)位置以及半徑，以上、下標(biāo)記點(diǎn)圓心為中心分別選取的包含特征的矩形區(qū)域作為兩圓形標(biāo)記所在的初始區(qū)域S1、S2(S1、S2的確定將在步驟四詳細(xì)說(shuō)明)，對(duì)于第一幀以后的圖片序列，則依據(jù)前一幀圖片的圓形標(biāo)記位置確定大概的目標(biāo)處理區(qū)域；然后，對(duì)標(biāo)記所在區(qū)域S1、S2分別運(yùn)用OTSU方法進(jìn)行閾值分割，并將灰度圖片中除S1、S2以外的區(qū)域全部變成黑色，如圖9(b)；接著利用數(shù)學(xué)形態(tài)學(xué)方法，對(duì)分區(qū)后的特征圖選用半徑為2像素的圓盤結(jié)構(gòu)元進(jìn)行閉運(yùn)算，使目標(biāo)區(qū)域成為連通區(qū)域，利用imfill函數(shù)將目標(biāo)區(qū)域填充，然后利用bwareaopen函數(shù)去除孤立的小點(diǎn)。處理結(jié)果如圖10(b、d)所示。

步驟三：邊緣檢測(cè)。本發(fā)明針對(duì)拉伸試件上的標(biāo)記點(diǎn)的形狀變化越來(lái)越大，而標(biāo)記點(diǎn)與背景的對(duì)比度越來(lái)越小的問題，提出了一種新的邊緣定位技術(shù)，工作流程如圖11。首先，運(yùn)用Hough對(duì)拉伸圖片集中的第一幀圖片進(jìn)行處理，提取目標(biāo)特征點(diǎn)的初始位置，如圖12；以兩目標(biāo)點(diǎn)中心位置為依據(jù)，分別確定出第一幀圖片中包含特征點(diǎn)的兩個(gè)子區(qū)域S1、S2；以S1，S2作為第一幀圖片的圖像處理區(qū)域，對(duì)于第一幀以后的圖片序列，則以前一幀圖片的圓形標(biāo)記位置確定大概的目標(biāo)處理區(qū)域；運(yùn)用基于局部的Canny算法分別對(duì)S1，S2區(qū)域進(jìn)行邊緣檢測(cè)處理，提取出包含在子區(qū)域S1、S2中特征點(diǎn)的中心坐標(biāo)，圖13為實(shí)施例第二幀圖片的邊緣檢測(cè)。

步驟四：亞像素定位。基本流程如圖14。運(yùn)用Matlab編程實(shí)現(xiàn)亞像素的邊緣定位，并采用橢圓擬合算法對(duì)亞像素邊界進(jìn)行擬合，如圖15(b、c)。

將數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)，基于MATLAB最小二乘法對(duì)數(shù)據(jù)進(jìn)行擬合，得到拉伸的應(yīng)力應(yīng)變曲線，如圖16。

本發(fā)明未詳細(xì)闡述部分屬于本領(lǐng)域技術(shù)人員的公知技術(shù)。

以上所述僅為本發(fā)明的實(shí)例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書內(nèi)容所作的的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。