[发明专利]一种舵片偏转极性识别方法

摘要

一种舵片偏转极性识别方法，本发明属于图像处理方法，解决舵片偏转过程中舵片偏转角度过小，依靠人眼识别可靠性得不到保证，而现有基于机器视觉的识别方法测试过程效率低的问题，用于各种具备舵片的设备测试过程中对于舵片偏转极性的自动识别。本发明的基本思想是通过相机采集静态或动态舵片图像，通过滤波、形态学闭运算和空洞填补等预处理后，提取出舵片区域，计算出舵片区域的质心和面积作为识别特征量，且在此基础上考虑邻帧的影响，有效得识别舵片的偏转极性。本发明效果硬件简单，效率高，可靠性高。

主权项

一种舵片偏转极性识别方法，其特征在于，包括以下步骤：步骤一：在测试指令发出前，通过相机采集静态的舵片图像，所述舵片图像系相机镜头取景方向与各舵片旋转轴所在平面垂直所摄取的图像；步骤二：从舵片图像中确定出对应各个舵片的掩模并保存；各个掩模选取的原则是确保舵片处于该掩模内且掩模的最左上角像素点处于背景而不是舵片上；步骤三：利用所述各掩模，从所述舵片图像中提取出对应各个舵片的感兴趣区域(ROI)图像；步骤四：分别对各幅感兴趣区域图像利用高斯‑拉普拉斯算子进行边缘检测，再进行霍夫变换，检测出各感兴趣区域图像中的舵片边缘直线段，求出各感兴趣区域图像中长度最长的直线段与水平方向所夹的不大于90°的角度α_i，1≤i≤N，N为舵片个数；步骤五：分别对各幅感兴趣区域(ROI)图像进行中值滤波，得到滤波图像；步骤六：对各幅滤波图像利用迭代法分别确定最佳阈值，再利用各最佳阈值分别对各幅滤波图像进行图像分割，各幅滤波图像中，灰度值大于最佳阈值的像素置白，其它像素置黑，得到对应各个舵片的黑白二值图像；步骤七：对各幅黑白二值图像进行形态学闭运算，得到对应的去噪图像；再对各幅去噪图像进行空洞填补，得到对应的静态预处理图像；步骤八：找出各幅静态预处理图像中白色区域最大的外轮廓，各幅静态预处理图像中最大外轮廓包含的白色区域即作为对应的舵片区域，计算出各最大外轮廓包含的白色区域面积S_i0作为对应舵片的初始零位面积；步骤九：计算各幅静态预处理图像中舵片区域的质心坐标(x_i0,y_i0)，并通过坐标变换与降维得到舵片区域一维质心坐标x_i0'，作为各舵片的初始零位质心坐标；步骤十：将第一寄存器、第二寄存器均赋值为0，测试指令发出以后，通过相机连续采集动态的舵片图像；所述第一寄存器用于保存识别结果，第一寄存器的值为0、1或‑1，分别表示舵片未偏转、舵片正偏转、舵片负偏转；第二寄存器用于用于保存辅助识别结果，第二寄存器的值为0和1，分别表示本次识别未满足全部识别条件和满足全部识别条件；步骤十一：对每次采集的动态的舵片图像进行步骤三、步骤五～步骤七，得到对应的动态预处理图像，直至测试结束；步骤十二：找出各幅动态预处理图像中白色区域最大的外轮廓，各幅动态预处理图像中最大外轮廓包含的白色区域即作为对应的舵片区域，计算出各最大外轮廓包含的白色区域面积S_i作为对应舵片的当前面积；步骤十三：计算各幅动态预处理图像中舵片区域的质心坐标(x_i,y_i)，并通过坐标变换与降维得到舵片区域一维质心坐标x_i'，作为各舵片的当前质心坐标；步骤十四：计算各幅动态预处理图像中舵片的质心变化Δx_i'＝x_i'‑x_i0'与舵片的面积变化ΔS_i＝S_i‑S_i0；步骤十五：判断是否|Δx_i'|＜Δx'_gate，Δx'_gate为质心阈值，是则判定舵片处于零位未偏转，并将第一寄存器和第二寄存器均赋值为0，转步骤十一，进行下一次识别；否则判断是否|ΔS_i|＜ΔS_gate，ΔS_gate为面积阈值，是则读出第一寄存器的值作为当前识别结果，将第二寄存器赋值为0，转步骤十一，进行下一次识别；否则进行步骤十六；其中，$1\≤{{\mathrm{\Δx}}^{\′}}_{gate}\<\frac{1}{2}Min\{R_H,R_V\},\frac{1}{20}Min\left\{S_{i0}\right\}\≤{\mathrm{\ΔS}}_{gate}\<Min\left\{S_{i0}\right\},$R_H、R_V分别为相机水平分辨率和垂直分辨率，Δx'_gate和ΔS_gate的选取与实际系统识别灵敏度要求、舵片表面积、相机分辨率及舵片最大偏转角相关，系统识别灵敏度要求越高、舵片表面积越小、相机分辨率越低或舵片最大偏转角越小，则Δx'_gate和ΔS_gate越小；步骤十六：判断第二寄存器的值是否为1，是则进行步骤十七，否则进行步骤十八；步骤十七：将第二寄存器清0，判断是否Δx_i'＞0，是则识别舵片偏转极性为正，将第一寄存器赋值为1，转步骤十一，进行下一次识别；否则识别舵片偏转极性为负，将第一寄存器赋值为‑1，转步骤十一，进行下一次识别；步骤十八：读出第一寄存器的值作为当前识别结果，并将第二寄存器赋值为1，转步骤十一，进行下一次识别。