摘 要：自适应K-means++ 被用于提取线束连接器的主色特征值。首先对相机采集的图像进行去噪和增强对比度的操作；然后进行图像灰度化处理，通过大津阈值法分离线束主体与背景；再根据Canny 算子提取每根导线的轮廓，由轮廓位置获取增强图像对应的图像块；最后通过线宽选取聚类区域并利用自适应K-means++ 提取主色特征值。实验通过中位切分法、K-means及自适应K-means++ 分别提取特征值，并与人眼视觉观测的特征值进行色差对比。实验表明自适应K-means++ 方法提取的特征值较准确。
关键词：线束连接器；主色特征值；自适应K-means++；色差
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2021）01-0071-06
Research on Line Order Eigenvalue Extraction Method Based on Adaptive K-means++
HUI Wanyu，WU Yuxiu，ZHANG Wenzhong
（School of Electrical and Information Engineering，Anhui University of Techology，Ma’anshan 243032，China）
Abstract：Adaptive K-means++ is used to extract the dominant color eigenvalue of the harness connector. First，denoise and enhance the contrast of the image collected by the camera；then the image is grayed，and the main body and background are separated by Otsu threshold method；then，the contour of each wire is extracted according to Canny operator，and the image block corresponding to the enhanced image is obtained from the contour position；finally，the clustering region is selected by linewidth and the dominant color eigenvalue is extracted by adaptive K-means++. The experiment uses median segmentation，K-means and adaptive K-means++ to extract eigenvalue，and compare them with the eigenvalue observed by human vision. Experiments show that the eigenvalue extracted by the adaptive K-means++ method are more accurate.
Keywords：harness connector；dominant color eigenvalue；adaptive K-means++；chromatic aberration
参考文献：
[1] 范冬冬.基于机器视觉的双排线束检测仪的研究与设计 [D].马鞍山：安徽工业大学，2019.
[2] 吴晖辉，曾宪荣，赖燕君，等. 基于机器视觉的线束连接器字符检测 [J]. 测试技术学报，2018，32（2）：174-179.
[3] SHI G M，JIAN W. Wiring harness assembly detectionsystem based on image processing technology [C]//2011 InternationalConference on Electronics，Communications and Control （ICECC）.Ningbo：IEEE，2011：2397-2400.
[4] 吴宗胜，薛茹. 基于颜色聚合向量的线序检测方法 [J]. 计算机测量与控制，2019，27（6）：182-185.
[5] 石坤泉，魏文国. 采用双边滤波的冷轧铝板表面缺陷图像去噪方法的研究 [J]. 表面技术，2018，47（9）：317-323.
[6] 丰远远，高贤君，杨元维，等. 改进对数变换联合局部增强的高分遥感影像阴影自动补偿方法 [J]. 激光与光电子学进展，2020，57（20）：67-75.
[7] 刘美，薛新松，刘广文，等. 对比度增强的彩色图像灰度化算法 [J]. 长春理工大学学报（自然科学版），2018，41（5）：70-74.
[8] 陈雪鑫，卜庆凯. 基于改进的最大类间方差法的水果图像识别研究 [J]. 青岛大学学报（工程技术版），2019，34（2）：33-38+62.
[9] 郑健，王继，宋世铭.Canny 双阈值算子在边缘提取中的优势 [J]. 地理空间信息，2019，17（11）：128-130+12.
[10] CHEN G L，WANG G W，JU J，et al. Research on theInfluence of Kmeans Cluster Preprocessing on Adversarial Images [C]//Proceedings of the 2019 7th International Conference on InformationTechnology：IoT and SmartCity.New York：Association forComputing Machinery，2019：248–252.
[11] KUBO Y，NII M，MUTO T，et al. Artificial humeral headmodeling using Kmeans++ clustering and PCA [C]//2020 IEEE 2ndGlobal Conference on Life Sciences and Technologies （LifeTech）.Kyoto：IEEE，2020：5-7.
[12] 朱连江，马炳先，赵学泉. 基于轮廓系数的聚类有效性分析 [J]. 计算机应用，2010，30（S2）：139-141+198.
[13] 范鹏飞，孙俊. 基于机器视觉的色差检测算法 [J]. 传感器与微系统，2016，35（10）：120-122+126.
作者简介：
惠婉玉（1996—），女，汉族，安徽宿州人，硕士研究生在读，研究方向：机器视觉与图像处理；
吴玉秀（1982—），男，汉族，河南安阳人，讲师，博士，研究方向：机器视觉与图像检测；
张文忠（1997—），男，汉族，安徽桐城人，硕士研究生在读，研究方向：机器人调度。