基于图像检测的双绞线绕距测量方法

针对双绞线绕距测量,提出了一种图像检测框架。此框架通过图像分割、修复、细化、拟合以及比例尺的设置,可实时计算出双绞线绕距值。在此框架下,针对传统二维最大类间方差法——Otsu运行时间较长的问题,提出了一种新的基于区域斜分的快速算法。快速算法通过对二维直方图区域重新划分,结合快速查找表以及递推算法,大大减少了分割时间。针对图像缺失的问题,采用了基于边缘检测的算法对其特定区域进行填充修复,并对修复后的图像进行细化。通过最小二乘法,拟合细化图像中的单像素点,得到拟合曲线。通过计算拟合曲线交点间的距离可得双绞线绕距的图像距离。最后将图像距离按比例尺转换为绕距的测量值。实验结果表明,基于区域斜分的快速算法其分割时间约为传统算法的0.22%,且两种算法的分割效果基本一致。将图像检测方法测得的绕距值与其真实值进行比较,结果表明测量值与真实值的绝对误差为0.48%。通过使用图像检测方法测量双绞线绕距,可以准确测得绕距值,提高绕距测量的效率。

基于OTSU算法的FPGA实时绕距测量系统

随着FPGA芯片集成度的提高,加之其价格低廉的优势,越来越多的视频图像处理平台采用基于FPGA技术的方案。设计并实现了一个基于OTSU算法的FPGA实时绕距测量系统。首先设计了视频图像灰度化的非浮点运算实现,然后详细讨论了OTSU算法的硬件实现方案,包括其原理、公式简化、流水线处理等。经过OTSU算法处理之后,接着通过统计二值图像中双绞线部分的列宽,计算两个最窄列宽之间的距离即绕距。最后在片上可编程系统上编写软件模块实现功能。

双绞线图像快速分割算法

提高双绞线图像分割速度是实时测量双绞线绕距的关键。针对模糊C-均值算法聚类速度慢、依赖特征空间分布结构、随机初始化聚类中心等问题,本文提出了一种用于双绞线图像的快速分割算法。首先,快速算法将多维RGB空间转换为一维灰度空间,利用优化搜索范围的二维最大类间方差法分割双绞线图像的前景和背景图像;其次由于一维灰度空间无法有效描述前景图像中像素点在特征空间的分布情况,故将其特征空间转换为CMYK空间,并利用改进的模糊C-均值算法分割双绞线前景图像。该改进算法采用了特征距离,使得算法对数据点的分布具有更好的健壮性,并提出了一种迭代合并最近邻域点的方法初始化聚类中心,使算法迭代次数大大降低。最后与金标准库图像对比,发现改进后的评价参数得到了有效地提升,分割时间约为模糊C-均值算法的31%。通过本文所提出的算法可以快速准确地分割双绞线图像。

基于FPGA改进的Canny实时边缘检测系统

本文基于传统Canny边缘检测算法计算量大、速度慢的缺点,实现了一种基于FPGA的Canny实时边缘检测系统。并充分利用FPGA的并行特性,提出一种改进的快速中值滤波算法,该算法利用相邻两个滤波窗口之间的相关性,巧妙地通过使用上一个时钟的比较结果,大大减少了算法的比较次数;针对传统Sobel算子中重复计算的问题,对其进行改进,一定程度上减少了算法的计算量;针对现有基于FPGA实现的Canny算法精度较差问题,结合CORDIC算法精确了梯度方向角的计算。并通过对比传统平台上的Canny边缘检测算法,对生产过程中的绞线图像进行实时检测,实验结果表明本系统在保证算法精度不变的情况下,达到了进行实时边缘检测的要求。