一种鲁棒的基于机器视觉的表面缺陷检测方法.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CN106918602A(43)申请公布日2017.07.04(21)申请号201710239734.9(22)申请日2017.04.13(71)申请人北京海风智能科技有限责任公司地址100043北京市石景山区实兴东街11号3层3020室(72)发明人龙海生常雪松(74)专利代理机构重庆百润洪知识产权代理有限公司50219代理人刘立春(51)Int.Cl.G01N21/95(2006.01)G06T7/00(2017.01)权利要求书1页说明书3页附图3页(54)发明名称一种鲁棒的基于机器视觉的表面缺陷检测方法(57)摘要一种鲁棒的基于机器视觉的表面缺陷检测方法，包括以下几个步骤：步骤1：对输入的彩色图像进行灰度化处理，得到灰度图像；步骤2：当灰度图像中的损伤灰度值比背景高时，对灰度图像进行反色；步骤3：基于提出的二值化阈值优化函数求取最佳阈值；步骤4：基于最佳阈值对图像进行二值化；步骤5：对二值化后的图像进行轮廓检测。本发明提出的二值化阈值优化函数求取最佳阈值的方法，相比于传统的二值化操作例如迭代阈值法、大津法、双峰平均值法和一维最大熵法，有很强的鲁棒性，不仅能够从含有表面缺陷的图像中准确提取损伤的位置，而且能大大降低不含有损伤图像误检为损伤的比例。该发明参数调节方便，实现过程简单。CN106918602ACN106918602A权利要求书1/1页1.一种鲁棒的基于机器视觉的表面缺陷检测方法，其特征在于，所属方法包括如下步骤：1:灰度化处理。通过相机采集待检测表面图像，如果为彩色图像，先进行灰度化处理得到灰度图像I。2:图像反色。如果损伤的灰度值高于背景值，灰度图像I进行反色操作。3：阈值初始化。初始化二值化阈值t,并计算图像的概率统计值P0(t)。其中，pi为灰度值为i的概率,pi＝ni/N,其中ni为图像中灰度值为i的像素点个数，N为整个图像像素点的个数。4：计算图像的平均概率统计值u0(t)和u1(t).其中，u0(t)为图像的平均概率统计值,i＝0到初始阈值t。5：定义二值化阈值的目标优化函数L(t)。其中，二值化阈值优化函数L(t)的第一项来保证二值化后损伤的正确提取，通过第二项来保证二值化后背景不会判断为损伤，第三项为正则项，用来消除背景和损伤之间的亮度差异,λ为调节系数。6：重复步骤3-6，求取使得L(t)最大时的th,th为最佳阈值。7：采用th对灰度图像I进行二值化得到It。8：轮廓提取。采用八个方向freeman链码算法对二值化的图像进行操作，获取的轮廓作为表面损伤的检测结果。2CN106918602A说明书1/3页一种鲁棒的基于机器视觉的表面缺陷检测方法[0001]技术邻域[0002]本发明属于图像处理领域，其涉及一种鲁棒的基于机器视觉的表面缺陷检测方法。背景技术[0003]目前，由于机器视觉的普及，基于机器视觉的表面缺陷检测方法非常广泛,在计算机视觉及图像处理领域，图像的二值化处理方法是图像分析与识別最基本而很重要的研究内容之一，一般基于机器视觉的表面缺陷检测方法是通过二值化对图像进行检测。目前，图像的二值化方法较多，但是往往检测效果不佳。缺乏鲁棒性，往往只能针对一种检测对象表面，比如织物、金属和玻璃等等。常规二值化算法往往存在很大的错误检测率，经常在不含有损伤图像中错误检测出损伤。发明内容[0004]1.发明要解决的技术问题[0005]针对现有二值化检测算法往往只能针对一种检测对象表面，比如织物、金属和玻璃等的问题。同时为了降低常规二值化算法存在很大的错误检测率，本发明提供了一种鲁棒的基于机器视觉的表面缺陷检测方法。采用本发明的技术方案，可以满足绝大多数的材料表面缺陷的自动检测，大大方便了基于机器视觉表面缺陷检测的应用。[0006]2.技术方案[0007]为达到上述目的，本发明提供的技术方案为：[0008]一种鲁棒的基于机器视觉的表面缺陷检测方法，具体包括以下步骤：[0009]步骤1:灰度化处理。通过相机采集待检测表面图像，如果为彩色图像，先进行灰度化处理得到灰度图像I。[0010]步骤2:图像反色。如果损伤的灰度值高于背景值，灰度图像I进行反色操作。[0011]步骤3：阈值初始化。初始化二值化阈值t,并计算图像的概率统计值P0(t)。[0012][0013]其中，pi为灰度值为i的概率,pi＝ni/N,其中ni为图像中灰度值为i的像素点个数，N为整个图像像素点的个数。[0014]步骤4：计算图像的平均概率统计值u0(t)和u1(t).[0015][0016][0017]其中，u0(t)为图像的平均概率统计值,i＝0到初始阈值t。3CN106918602A说明书2/3页[0018]步骤5：定义二值化阈值的目标优化函数L(t)。