基于图像处理的金属零件缺陷程度评估方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113963042A(43)申请公布日2022.01.21(21)申请号202111570002.0(22)申请日2021.12.21(71)申请人派立锐汽车零部件（武汉）有限公司地址430000湖北省武汉市汉南区纱帽街幸福工业园新型环保材料包装工业园（二期）7号厂房1层(72)发明人欧雪峰(74)专利代理机构南通一恒专利商标代理事务所(普通合伙)32553代理人梁金娟(51)Int.Cl.G06T7/42(2017.01)G06T7/00(2017.01)G06T5/50(2006.01)权利要求书2页说明书9页附图2页(54)发明名称基于图像处理的金属零件缺陷程度评估方法(57)摘要本发明涉及图像处理技术领域，具体涉及基于图像处理的金属零件缺陷程度评估方法。该方法首先对零件图像进行预处理得到预处理图像；对预处理图像进行多方向的Gabor变换得到多张纹理特征图。提取纹理特征图中的纹理像素点，构建多张纹理图，获取纹理图中多个纹理连通域；根据纹理连通域计算每个纹理像素点和各纹理特征图的适配程度；根据适配程度均值和最大适配程度得到纹理像素点的适配程度阈值；根据各适配程度和适配程度阈值计算融合权重，融合多张纹理特征图得到融合纹理图，计算融合纹理图的缺陷程度。达到了判断待检测金属零件表面的缺陷程度的目的，且采用多方向Gabor变换提高了对零件表面的缺陷检测的精准性。CN113963042ACN113963042A权利要求书1/2页1.基于图像处理的金属零件缺陷程度评估方法，其特征在于，该方法包括以下步骤：采集零件图像，对所述零件图像进行预处理得到预处理图像；对所述预处理图像进行多方向的Gabor变换，得到多张纹理特征图；提取所述纹理特征图中多个像素点为纹理像素点，由所述纹理像素点构建多张纹理图；对所述纹理图进行连通域分析得到多个纹理连通域；根据所述纹理连通域内纹理像素点的数量和灰度值，计算每个所述纹理像素点和各所述纹理特征图的适配程度；根据所述纹理像素点对应的适配程度均值和最大适配程度得到所述纹理像素点的适配程度阈值；计算纹理像素点对应的各适配程度和所述适配程度阈值的差值作为融合权重，根据所述融合权重对多张纹理特征图进行融合得到融合纹理图；计算所述融合纹理图中各像素点对应的局部离群因子得到缺陷像素点，由所述局部离群因子得到各缺陷像素点的像素点异常值；根据各缺陷像素点的像素点异常值和灰度值得到融合纹理图的缺陷程度。2.根据权利要求1所述的基于图像处理的金属零件缺陷程度评估方法，其特征在于，所述对所述零件图像进行预处理得到预处理图像，包括：对所述零件图像进行灰度化得到灰度图像；对所述灰度图像进行滤波去噪得到滤波图像；对所述滤波图像进行图像增强得到预处理图像。3.根据权利要求1所述的基于图像处理的金属零件缺陷程度评估方法，其特征在于，所述对所述预处理图像进行多方向的Gabor变换，包括：对所述预处理图像进行八个方向的Gabor变换；所述八个方向分别为：。4.根据权利要求1所述的基于图像处理的金属零件缺陷程度评估方法，其特征在于，所述根据所述纹理连通域内纹理像素点的数量和灰度值，计算每个所述纹理像素点和各所述纹理特征图的适配程度，包括：第个纹理像素点与对应的第个纹理特征图的适配程度的计算公式为：其中，为第个纹理像素点和第个纹理特征图的适配程度；为第个纹理像素点所属纹理连通域内纹理像素点的数量；为第个纹理像素点的纹理灰度值；为除第个纹理像素点外的第个纹理像素点的纹理灰度值；为适配程度优化系数。5.根据权利要求1所述的基于图像处理的金属零件缺陷程度评估方法，其特征在于，所述根据所述纹理像素点对应的适配程度均值和最大适配程度得到所述纹理像素点的适配程度阈值，包括：所述适配程度阈值的计算公式为：2CN113963042A权利要求书2/2页其中，第个纹理像素点的适配程度阈值；为第个纹理像素点与其对应的第个纹理特征图的所述适配程度；为第个纹理像素点的所述适配程度均值；为第个纹理像素点对应的适配程度序列中的所述最大适配程度。6.根据权利要求1所述的基于图像处理的金属零件缺陷程度评估方法，其特征在于，所述根据所述融合权重对多张纹理特征图进行融合得到融合纹理图，包括：获取多张纹理特征图中各像素点的第一灰度值；所述第一灰度值和所述融合权重加权求和得到融合灰度值，构建融合纹理图。7.根据权利要求1所述的基于图像处理的金属零件缺陷程度评估方法，其特征在于，所述计算所述融合纹理图中各像素点对应的局部离群因子得到缺陷像素点，包括：对于每个所述纹理像素点，构建适配程度序列；根据所述适配程度序列利用局部离群因子算法计算融合纹理图中各像素点的局部离散因子；所述局部离群因子小于等于预设离散阈值的适配程