钢管识别项目1-低调大师

钢管识别项目1

2015-07-15 567

钢管识别项目1

零、相关说明：

首先进行一下相关说明。在“jsxyhelu.cnblogs.com/项目实战派”栏目里面出现的需求、图片和其他资源，都是我在浏览威客网站、论坛等网站的时候通过正规渠道获得的真实需求。个人觉得比较感兴趣，但是由于时间或者工作的冲突自己没有去接这些项目。但是由于这些需求都很有实现价值，所以过了一段时间，仍然拿出来练一练手，并且实现了核心模块。希望能够给浏览者一些启发。如果你认为这些图片和资源放在这里不合适，请及时联系我(1755311380@qq.com),我会及时处理的。此外，我会将核心代码和技术细节尽可能将清楚，我认为这样才是最有价值的方式。如果需要原始代码，也可以和我联系。

一、原始需求/图片：

二、初步分析：

钢管的特点是由于其是有深度的，这就造成了管子的内部形成一个阴影。寻找并识别这个阴影，是解决问题的主要方法。

同时需要注意到的一点是管子它本身的排列是有符合物理特性的，就是大体上要符合下图的这种情况，这是个先验知识。

干扰在于这个阴影不仅是管子内部才有的，管子和管子之间也会形成阴影；

此外，这些实际的图片中都存在管子被堵死的情况，这也是需要考虑的。

三、解决方案：

灰度并阈值处理，得到这样的结果。需要注意的是这里不要使用OSTU。的确OSTU很多时候都很好用，但是也有不好用的时候。即使是固定的阈值在本例的效果也比 OSTU效果要好，可以尝试一下。

寻找所有的轮廓，首先根据轮廓的面积大小去除一部分区域

两图对照，可以发现根据面积约束以后，丢掉了一些东西。一方面是哪些被堵起来的管子；一方面是哪些和旁边的阴影合在一起的管子。这个需要专门来做，并且根据先验知识来进行约束。当期的图片进行找圆操作并且限制半径大小后得到这样的结果。

主要存在的干扰就是孔洞之间被识别出来构成的圆。

四、难点攻关：

一、去除识别结果中的干扰，主要是管子和管子之间的间隙造成的误识别

主要采用的方法是识别出各轮廓的外接椭圆。对于那些错误识别的地方，它们的外界椭圆总是可能不规则的，或者是过大、或者是长宽比失调。通过这个方法可以提出一部分干扰。留下的那些都是本身非常近视于圆的地方了。

 
    bool ellipseLikeCircle(RotatedRect rotatedrect)
    
{
    
    
    float width  
    = rotatedrect.size.width;
    
    
    float height 
    = rotatedrect.size.height;
    
    
    if (width
    /height 
    >
    = 
    1.
    6 
    || height
    /width 
    >
    = 
    1.
    6)
    
    {
    
        
    return 
    false;
    
    }
    
    
    if (min(width,height)
    >
    20
    *
    1.
    2)
    
    {
    
        
    return 
    false;
    
    }
    
    
    return 
    true;
    
}
   

二、将图像中的那些被堵起来的部分，采用相反的方法进行识别，最后将结果叠加在一起

另一幅图片（要调整阈值）

四、小结反思：

对于此类直接取图于实际，也利用于实际的项目（对比与生产线上的那种大规模批量的）来说，我认为做成半自动的要比全自动的效果要好。毕竟图像质量放在那里，无论向那个方向优化都很容易做成过度优化，而且算法的优化也会很复杂。

但是最终得到有用的结果才是重要的，才是有价值的。与其做成全自动的不如将图像识别做成辅助识别的一部分，将那些重复性的工作（比如识别哪些容易识别的管子）由机器来做，将哪些复杂的识别交给人来做，这样在提供工作效率的同时也提高了识别效率。

和此相类似的是现在许多安卓的软件，在使用的时候，上面都有个框子，要求你把需要识别的图像大概框到这个框子里面。我也的确认为这样的现场的运用，最好是用安卓来运行，但是运行于桌面也是有价值的。这个方面单独研究。

但是并不能因此而降低对算法的优化，说到底，算法优化才是根本。

P.S 在 [blog 算法原理]选择轮廓(select_shape) 中，我研究了关于如何模仿halcon的形式进行轮廓的大小和圆的特性的判断，也能够得到不错的效果，有兴趣可以看一看。

同时，在“钢管识别项目2”中，我对采用GUI界面辅助识别进行了一些研究。

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com

微信关注我们

原文链接：https://yq.aliyun.com/articles/649594

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

钢管识别项目2

钢管识别项目2 零、相关说明：首先进行一下相关说明。在“jsxyhelu.cnblogs.com/项目实战派”栏目里面出现的需求、图片和其他资源，都是我在浏览威客网站、论坛等网站的时候通过正规渠道获得的真实需求。个人觉得比较感兴趣，但是由于时间或者工作的冲突自己没有去接这些项目。但是由于这些需求都很有实现价值，所以过了一段时间，仍然拿出来练一练手，并且实现了核心模块。希望能够给浏览者一些启发。如果你认为这些图片和资源放在这里不合适，请及时联系我(1755311380@qq.com),我会及时处理的。此外，我会将核心代码和技术细节尽可能将清楚，我认为这样才是最有价值的方式。如果需要原始代码，也可以和我联系。一、需求将“钢管识别项目1”中识别出来的结果导入Csharp的GUI中，通过手工辅助操作，对识别的结果进行修正。二、初步分析现在已经实现了图像处理的相关算法，能够自动处理图像得到上图的结果，那么下面需要做的就是 2.1）传递结果到Csharp中去；采用的方法是比较熟悉的"csharp调用dll文件"方法。麻烦之处在于这里的结果数量比较大，而且其大小...

2015-07-16

609

[blog]马赫效应和应对方法 //创建并且分析如何处理矩形的MachEffect MatsrcRect1(500,500,CV_8UC1); MatsrcRect2(500,500,CV_8UC1); for(inti=0;i<10;i++) { for(intj=0;j<50;j++) { srcRect1.row(i*50+j)=i*25; } } imshow("MachEffectRect1",srcRect1); 就是macheffect,它的应对方法就是知道数据产生的结构，然后构建连续梯度 for(inti=0;i<10;i++) { for(intj=0;j<50;j++) { srcRect2.row(i*50+j)=i*25; } } for(inti=0;i<9;i++) { for(intj=0;j<50;j++) { srcRect2.row(25+i*50+j)=i*25+j/2; } } imshow("MachEffectRect2",srcRect2); 这里最为困难的，无疑就是“结构的获取”，比如对于这种情况 ...

2015-07-16

802

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。