基于機器視覺的紙張計數(shù)方法研究及其應(yīng)用.pdf

1、紙張和卡片的數(shù)量自動統(tǒng)計對于印刷以及包裝行業(yè)的自動化具有重要意義。目前基于機器視覺的紙張計數(shù)方法大多是根據(jù)紙張圖像的全局特征做圖像分割或者邊緣檢測的方法實現(xiàn)對紙張計數(shù)。雖然簡單易行，但對紙張厚度和邊緣質(zhì)量有較高要求，同時存在分割閾值難以選取、計數(shù)速度慢的缺點。
　　針對以上問題，本文研究了一種基于空間和灰度特征的紙張粗精二級計數(shù)方法。采用改進型曲線峰谷定位算法完成粗計數(shù)；用特征聚類法對紙張精計數(shù)。在完成方法研究后，實現(xiàn)了紙張計數(shù)系

2、統(tǒng)。論文主要研究內(nèi)容和結(jié)論如下：
　　針對圖像整體基本周期性變化而空間灰度分布具有峰谷特征，設(shè)計了基于峰谷特征的紙張計數(shù)算法。首先用灰度投影法得到投影曲線，針對曲線特點和傳統(tǒng)檢測曲線峰谷算法的缺點，用基于二次尋找區(qū)域極值的方法對檢測算法做了改進。根據(jù)統(tǒng)計的區(qū)域極小值點的數(shù)量來計算紙張數(shù)量并檢測其位置。該方法在紙張成像效果較好時，能在紙張顏色和邊緣條紋變化時仍然有較高的計數(shù)準(zhǔn)確率。
　　針對紙張在排列放置時存在紙張粘連，而用粗

3、計數(shù)方法無法檢測出紙張數(shù)量導(dǎo)致計數(shù)準(zhǔn)確率降低的問題，根據(jù)紙張粘連處灰度和寬度異常變化的特征設(shè)計分類方法。首先用區(qū)域生長法對圖像二值化，用統(tǒng)計像素法得到紙張寬度，同時計算投影曲線波谷點與投影曲線均值的灰度差；然后計算投影曲線平均灰度差與紙張平均寬度，用紙張寬度和灰度差構(gòu)成二維特征向量；最后用K-means聚類法對特征向量進行分類判斷紙張粘連數(shù)量。結(jié)果表明能在一定條件下解決粘連問題，提高計數(shù)準(zhǔn)確率。
　　最后實現(xiàn)基于機器視覺的紙張計數(shù)