[發(fā)明專利]一種基于圖像處理的太陽(yáng)能硅片和電池片的計(jì)數(shù)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410462869.8
• 申請(qǐng)日: 2014-09-11
• 公開（公告）號(hào): CN104240204B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 孫智權(quán);張千;童鋼
• 申請(qǐng)（專利權(quán)）人: 鎮(zhèn)江蘇儀德科技有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙)32204
• 代理人: 柏尚春

1.一種基于圖像處理的太陽(yáng)能硅片和電池片的計(jì)數(shù)方法，其特征在于，包括如下步驟：

步驟101、對(duì)層疊硅片或電池片的側(cè)面圖像進(jìn)行預(yù)處理，其包括：

步驟1011，對(duì)層疊硅片或電池片的側(cè)面圖像進(jìn)行中值濾波，采用中值濾波器將像素鄰域內(nèi)灰度的中值代替該像素的值，去除椒鹽噪聲，為查找條紋縫隙做準(zhǔn)備；

步驟1012，對(duì)中值濾波處理之后的圖像進(jìn)行伽馬變換，增強(qiáng)圖像對(duì)比度；伽馬變換的基本形式為：

s＝cr^γ????(1)

其中，r為輸入灰度級(jí)，s為輸出灰度級(jí)，c和γ為正常數(shù)，當(dāng)γ＜1時(shí)冪律曲線將較窄范圍的暗色輸入值映射為較寬范圍的輸出值，擴(kuò)展圖像灰度級(jí)，增強(qiáng)圖像條紋特性；

步驟102、定位被測(cè)物，并由掩膜處理限定運(yùn)算區(qū)域，其包括：

步驟1021，查找層疊的硅片或電池片的最上以及最下的邊緣，得到邊緣坐標(biāo)信息；其方法是先確定一個(gè)搜索區(qū)域，在搜索區(qū)域內(nèi)，設(shè)置從上到下的若干搜索線，根據(jù)每條搜索線上的線剖面圖得到第一個(gè)灰度變化的峰值點(diǎn)以及最后一個(gè)灰度變化的峰值點(diǎn)；之后將所有搜索線上的第一個(gè)灰度變化的峰值點(diǎn)擬合為一條直線作為被測(cè)物的上邊緣，所有搜索線上的最后一個(gè)灰度變化峰值點(diǎn)擬合為一條直線作為被測(cè)物的下邊緣；所得到邊緣坐標(biāo)信息為：

up₁＝(x₀，y₀)，up₂＝₍x1_，y₁)????(2)

down₁＝(x₂，y₂)，down₂＝(x₃，y₃)????(3)

其中up₁,up₂為最上邊緣線兩端坐標(biāo)，down₁,down₂為最下邊緣線兩端坐標(biāo)；

步驟1022，基于所得到的邊緣信息對(duì)預(yù)處理之后的圖像進(jìn)行旋轉(zhuǎn)，使層疊硅片或電池片的條紋圖像水平分布，旋轉(zhuǎn)之后所得到的邊緣坐標(biāo)信息變?yōu)椋?/p>

up＝(x，Y₀)，down＝(x，Y₁)????(4)

其中Y₀，Y₁為最上邊緣和最下邊緣的縱坐標(biāo)，x的值從0到圖像像素橫坐標(biāo)的最大值，up，down表示兩條水平直線，代表層疊硅片或電池片的最上以及最下的邊緣所擬合的直線；

步驟1023，基于所得到的邊緣信息對(duì)旋轉(zhuǎn)之后的圖像進(jìn)行掩膜處理，使對(duì)圖像的運(yùn)算區(qū)域減至最小，提高運(yùn)算效率；如式(5)所示，通過所得的層疊硅片或電池片的最上以及最下的邊緣信息up，down，確定掩膜圖像；

其中，H(x，y)為掩膜圖像的灰度值，(x，y)為對(duì)應(yīng)坐標(biāo)，Y₀，Y₁為所得的最上邊緣和最下邊緣的縱坐標(biāo)；在所檢測(cè)到的被測(cè)物最上以及最下邊緣所在的y坐標(biāo)基礎(chǔ)上，將各向上向下拓展30個(gè)像素之后的圖像作為運(yùn)算區(qū)域，得到掩膜后的圖像；

步驟103、將掩膜后的圖像復(fù)制，分別進(jìn)行不同閾值處理，以對(duì)兩幅閾值處理之后的結(jié)果圖像進(jìn)行邏輯或操作的方式完成去噪二值化，得到去噪二值化的圖像，其包括：

步驟1031，將掩膜后的圖像復(fù)制，由一份圖像分為相同的兩份圖像；

步驟1032，對(duì)復(fù)制之后的其中一份圖像采用Niblack局部閾值方法進(jìn)行二值化，并將二值化后的圖像進(jìn)行粒子濾波，濾除由Niblack二值化處理帶來(lái)的細(xì)節(jié)噪聲，得到一個(gè)結(jié)果圖像；Niblack二值化方法是基于局部均值和局部標(biāo)準(zhǔn)差的，它的基本公式如式(8)：

T(x，y)＝m(x，y)+k*s(x，y)????(8)

對(duì)于圖像I(x，y)，在(x，y)處的閾值T(x，y)由局部均值m(x，y)和局部標(biāo)準(zhǔn)差s(x，y)決定，k表示調(diào)整系數(shù)；

步驟1033，對(duì)復(fù)制之后的另一份圖像采用背景校正方法進(jìn)行二值化，查找縫隙暗區(qū)域，使用如下公式(9)進(jìn)行計(jì)算：

B(x，y)＝m(x，y)-I(x，y)????(9)

其中，B(x，y)為背景校正圖像灰度值，m(x，y)為窗口的平均灰度值，I(x，y)為輸入圖像灰度值；之后使用組內(nèi)方差自動(dòng)閾值方法分割背景校正圖像得到二值化圖像，即為另一個(gè)結(jié)果圖像；

步驟1034，將上述兩份閾值處理之后的結(jié)果圖像進(jìn)行邏輯或操作，得到噪聲較小且縫隙信息保留較完整的二值化圖像，完成片間縫隙的查找；

步驟104、對(duì)所得去噪二值化圖像進(jìn)行后處理：采用形態(tài)學(xué)處理方法，通過先open操作后close操作將行方向縫隙連接，縱方向縫隙斷開；之后通過骨架提取將二值化的縫隙細(xì)化，得到細(xì)化后的圖像；

步驟105、差分統(tǒng)計(jì)計(jì)數(shù)與定位，求得所測(cè)層疊的太陽(yáng)能硅片或電池片的數(shù)量：在計(jì)數(shù)之前先將圖像中硅片或電池片的平均厚度求出，每隔10列獲取圖像的某一列的像素灰度分布圖，對(duì)于獲取每一列的灰度圖，都將每一個(gè)上升沿的縱坐標(biāo)減去上一個(gè)上升沿的縱坐標(biāo)并根據(jù)下式(10)進(jìn)行計(jì)算：

G=Σi=1M(yi-yi-1)M---(10)]]>

其中，G為所測(cè)硅片或電池片的平均厚度，單位為pixel；(M+1)為所測(cè)所有上升沿的數(shù)量；y_i，y_i-1分別代表當(dāng)前上升沿的縱坐標(biāo)以及上一個(gè)上升沿的縱坐標(biāo)；

求得當(dāng)前所測(cè)的硅片或電池片的平均厚度G之后，硅片或電池片計(jì)數(shù)厚度的范圍為[0.65G，2G]；在計(jì)數(shù)時(shí)每隔10列獲取圖像的某一列的像素灰度分布圖，對(duì)于獲取每一列的灰度圖，根據(jù)所選取的厚度范圍，以式(11)、(12)以及(13)所示方法求取每一列所得的硅片或電池片的數(shù)量；

Δy＝y(tǒng)_i-y_i-1????(11)

Ni=0,(Δy<0.65G)1,(0.65G≤Δy≤2G)2,(Δy>2G)---(12)]]>

Pn=Σi=1MNi---(13)]]>

其中，Δy為上升沿之間的距離，單位為pixel；P_n為在所取的圖像的第n列的灰度分布圖下所得的硅片或電池片的數(shù)量；對(duì)所取得的數(shù)量出現(xiàn)的次數(shù)進(jìn)行概率統(tǒng)計(jì)，求得最大概率的數(shù)即為本次測(cè)量的硅片或電池片的數(shù)量，并將對(duì)應(yīng)的坐標(biāo)記下，定位硅片或電池片縫隙所在圖中的位置。