一种图像分割及模板匹配融合的在线烟丝宽度测量方法与流程

1.本发明涉及烟丝检测领域，尤其是一种图像分割及模板匹配融合的在线烟丝宽度测量方法。


背景技术：

2.烟丝是卷烟生产过程中的主要原材料，也是卷烟烟气的主要来源。烟叶经过加工后切丝宽度通常在0.7mm-1.3mm之间，其宽度对卷烟燃烧性能以及感官质量具有较大影响。目前，对烟丝宽度的测量主要还是依赖人工测量，其过程繁琐、费时，并且不同检测人员、不同检测手法对检测结果也会产生较大影响。本发明就是针对上述问题而提出的。
3.在中国专利文献上公开的“切丝机出口处烟丝宽度快速检测方法”，其公开号为cn104515454a，本发明提供一种切丝机出口处烟丝宽度快速检测方法，包括以下步骤：1)从切丝机出口处流出的烟丝中混有烟梗，随机抽取夹杂烟梗的烟丝若干；2)找出烟丝中的烟梗；3)对烟梗的宽度进行测量，并记录下所测量的烟梗宽度值；4)对测量到的烟梗宽度值，计算平均值，该平均值就是抽取的该批烟丝的宽度。但是这种检测方法需要大量人工抽取检测。


技术实现要素：

4.本发明解决了现有技术中人工测量烟丝宽度测量效率低的问题，提出一种图像分割及模板匹配融合的在线烟丝宽度测量方法，通过模板图像的创建，之后基于模板图像得到烟丝的初定位并进行模板匹配，匹配成功后对有效烟丝宽度进行测量，保证了测量结果的有效性的准确性，测量效率高。
5.为了实现上述目的，本发明采用以下技术方案：一种图像分割及模板匹配融合的在线烟丝宽度测量方法，包括以下步骤：s1，获取图像后进行多阈值分割；s2，创建模板图像；s3，基于模块图像获取烟丝的初定位并进行模板匹配；s4，测量每个有效烟丝的宽度值并进行数据清洗。本发明中，基于阈值分割算法，得到图像之后依据区域宽度、高度、面积以及矩形度筛选，得到筛选后的区域，之后创建形状匹配模块，并保存模板，基于形状的模板匹配算法，得到烟丝过原点的匹配的初定位，又经过平移等处理变换后得到烟丝的初定位，进行模板匹配后，测量烟丝宽度值，对宽度值去除异常值，就能得到最终结果，整个过程测量准确性高。
6.作为优选，所述步骤s1具体为获取烟丝灰度图后，使用多阈值分割法，根据区域宽度、区域高度、面积、矩形度来进行分割，提取区域图像。本发明中，阈值分割法是一种基于区域的图像分割技术。
7.作为优选，所述步骤s2具体为选取若干个矩形度较高的烟丝进行测量计算出宽度并取平均值，根据平均值创建模板图像。本发明中，创建好的模板会自动保存至本地。
8.作为优选，所述步骤s3包括以下步骤：s31，使用模板图像来创建形状匹配模型，基于形状模板匹配的算法，得到烟丝过原点匹配的初定位；s32，根据仿射变换矩阵，对烟丝过原点坐标的初定位进行平移、旋转、缩放处理，得到烟丝的初定位；s33，获取原始图像，对原始图像中的所有能识别到的烟丝进行模板匹配，匹配成功后的烟丝作为有效烟丝。本发明中，形状模板匹配算法是一个制作模板过程和模板在目标图像上的匹配过程，在匹配过程中，能自动识别有效烟丝并自动匹配不同宽度的烟丝，保证了测量结果的有效性和准确性。
9.作为优选，所述仿射变换矩阵包括平移变换矩阵、缩放变换矩阵以及旋转变换矩阵，经过平移、缩放和旋转后的变换矩阵为：其中，δx表示水平平移，δy表示垂直平移，s
x
、sy分别为第一比例因子和第二比例因子，θ为旋转角度。本发明中，先是经过平移变换矩阵，之后又经过缩放变换矩阵，随后经过旋转变换矩阵，得到最终变换矩阵。
10.作为优选，所述步骤s4具体为沿有效烟丝轮廓延伸方向获得若干个采样点，获得每个有效烟丝在采样点的宽度值，对每个烟丝宽度值进行数据清洗处理排除异常值，数据清洗方法包括高斯分布、提取中值、均值、众数，得到的有效宽度值即为烟丝宽度。本发明中，沿着法线方向测量，法线交有效烟丝的轮廓于两点，两点之间的距离作为该采样点的宽度值。
11.本发明的有益效果是：本发明通过模板图像的创建，之后基于模板图像得到烟丝的初定位并进行模板匹配，匹配成功后对有效烟丝宽度进行测量，保证了测量结果的有效性的准确性，测量效率高。
附图说明
12.图1为本实施例的流程图；图2为本实施例阈值分割后的图像示意图；图3为本实施例创建的模板图像示意图；图4为本实施例过原点的初定位图像示意图；图5是本实施例仿射变换得到的烟草初定位图像示意图；图6为本实施例模板匹配图像局部放大图；图7为本实施例去掉中值前25％和后25％剩下的烟丝图像局部放大图；图中，1、若干个矩形度较高的烟丝2、模板匹配后的部分有效烟丝3、烟丝测量并数据清洗后的部分有效烟丝。
具体实施方式
13.实施例：本实施例提出一种图像分割及模板匹配融合的在线烟丝宽度测量方法，参考图1，主要包含有以下多个步骤：步骤一，首先获取烟丝图像，之后对其进行多阈值分割，具体的：在获取烟丝图像即烟丝的灰度图之后，根据多阈值分割法，从区域宽度、区域高度、面积以及矩形度来对图像进行处理，提取并筛选出区域图像，在本实施例中，采用的是静态阈值，区域宽度和区域高度这里设置的范围是50-250，面积设置的范围时2000-13000，矩形度设置的范围是0.7-1，本实施例提取的区域图像如图2所示，。
14.步骤二，创建模板图像，具体的，即为选择多个矩形度比较高的烟丝，参考图2中的若干个矩形度较高的烟丝1，并对其进行测量，测量出烟丝宽度，取宽度的平均值，由平均值来创建模板图像；在本实施例中，选取的多个烟丝的宽度的平均值为30.67，据此，模板的宽度值也设置为30.67，模板创建完后，生成模板图像，具体参考图3，图中的小矩形即为模板。
15.步骤三，获取烟丝初定位，之后完成模板匹配，具体的，本步骤具体分为三步，1、基于形状模板匹配算法，创建形状匹配模型，依据的对象为模板图像，最后获取烟丝过原点匹配的初定位，具体参考图4；2、若干个矩形度较高的烟丝经过平移、旋转以及缩放后得到烟丝的初定位，具体参考图5，依据仿射变换矩阵来实现，具体如下，平移变换矩阵：上式中，δx为水平平移，δy为垂直平移；缩放变换矩阵：上式中，s
x
、sy分别为第一比例因子和第二比例因子；旋转变换矩阵：上式中，θ为旋转角度；综合上述三个式子得出最终的变换矩阵为：
3、识别原始图像中的所有的烟丝，进行与模板匹配，匹配成功的烟丝为有效烟丝，在本实施例中，一共匹配到33个有效烟丝，在图6的局部放大图中，包括有模板匹配后的部分有效烟丝2，图中共有3个有效烟丝。
16.步骤四，测量有效烟丝的宽度并去除异常值；具体的，获取多个采样点，具体沿着有效烟丝轮廓延伸的方向，得到有效烟丝的宽度值，采用多种数据清洗方法对宽度值进行处理，主要有提取中值、均值、众数以及高斯分布等清洗方法，在处理完成后，得到有效宽度值，该有效宽度值代表烟丝宽度；在本实施例中，处理方法为：去掉每个烟丝的最大最小值，保留每根烟丝的中值，给这些中值进行升序排列，根据高斯分布去除异常点，去掉中值的前25％和后25％，即去掉这些烟丝中值的最小的8个和最大的8个，得到剩下的17个烟丝，求出剩下烟丝中值的均值为30.2886，在图7的局部放大图中，有烟丝测量并数据清洗后的部分有效烟丝3，数量为1个。
17.本发明中，基于阈值分割算法，得到图像之后依据区域宽度、高度、面积以及矩形度筛选，得到筛选后的区域，之后创建形状匹配模块，并保存模板，基于形状的模板匹配算法，得到烟丝过原点的匹配的初定位，又经过平移等处理变换后得到烟丝的初定位，进行模板匹配后，测量烟丝宽度值，对宽度值去除异常值，就能得到最终结果，整个过程测量准确性高。
18.本发明的匹配过程中，能自动识别有效烟丝并自动匹配不同宽度的烟丝，保证了测量结果的有效性和准确性。
19.本发明中，沿着法线方向测量，法线交有效烟丝的轮廓于两点，两点之间的距离作为该采样点的宽度值。
20.上述实施例是对本发明的进一步阐述和说明，以便于理解，并不是对本发明的任何限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。