一种基于改进canny算法的工业图像检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114549525A(43)申请公布日2022.05.27(21)申请号202210437696.9G06T3/40(2006.01)(22)申请日2022.04.25G06V10/74(2022.01)G06V10/762(2022.01)(71)申请人海门裕隆光电科技有限公司G06K9/62(2022.01)地址226000江苏省南通市海门市三厂街道中华东路2号(72)发明人余彤刘凌佳江稳楹张永敏(74)专利代理机构杭州聚邦知识产权代理有限公司33269专利代理师周美锋(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T7/90(2017.01)G06T5/00(2006.01)G06T5/20(2006.01)权利要求书4页说明书12页附图4页(54)发明名称一种基于改进canny算法的工业图像检测方法(57)摘要本发明涉及一种基于改进canny算法的工业图像检测方法，通过将图像中的每个点转换为RGB三维空间中的向量，计算向量之间的向量相似度和欧式距离，根据向量之间的相似度和欧式距离建立坐标系，对向量进行聚类得到不同类别的图像，获取每类图像与原图像的差图，对差图进行插值补全，计算出补全后的差图的色彩不连续性和纹理不连续性，综合得到补全后的差图的不连续性，根据不连续性最小的差图得到噪声图像和噪声概率图，将噪声概率图中超过阈值的概率值对应的像素点进行密度聚类，根据密度分布设置不同尺寸的高斯核进行滤波，对图像检测中的高斯滤波进行改进，使高斯滤波在去噪的同时尽量多保留图像边缘信息，得到更优的边缘检测结果。CN114549525ACN114549525A权利要求书1/4页1.一种基于改进canny算法的工业图像检测方法，其特征在于，包括：将图像中的每个像素点转换为RGB三维空间中的向量，根据向量之间的向量相似度进行聚类得到不同类别的图像；获取每类图像与原图像的差图，对每个差图进行插值补全，并将补全后的差图转换到HSV颜色空间，对HSV颜色空间中的H通道图像中的像素点进行k‑means聚类，计算出聚类区域中每个像素点的色彩不连续性，将所有像素点的色彩不连续性均值作为该补全后的差图的色彩不连续性；将每个补全后的差图中每个像素点与其不同方向上的相邻像素点组成点对，统计每个补全后的差图中的点对在不同尺寸的滑动窗口中出现的次数得到不同的灰度共生矩阵，将灰度共生矩阵均值作为该补全后的差图的纹理不连续性；根据每个补全后的差图的色彩不连续性和纹理不连续性得到每个补全后的差图的不连续性；将所有补全后的差图中不连续性最小的补全后的差图对应的类别图像作为噪声图像，计算出噪声图像中每个像素的噪声概率得到噪声概率图；对噪声概率图中超过概率阈值的像素点进行密度聚类，对聚类区域进行等级划分，根据区域等级设置不同尺寸的高斯核进行滤波。2.根据权利要求1所述的一种基于改进canny算法的工业图像检测方法，其特征在于，所述向量相似度的计算方法为：式中，s为向量相似度，A和B表示不同的向量，表示的长度，表示的长度，=3。3.根据权利要求1所述的一种基于改进canny算法的工业图像检测方法，其特征在于，所述对差图进行插值补全步骤如下：将差图中像素值为0的像素点o周围八邻域中水平方向、垂直方向作为第一优先级，左上和右下连线方向、左下和右上连线方向作为第二优先级；若优先级相同，则选择不同方向中，像素相差较小的方向为插值方向，并将该方向上较小的像素值补到o点，完成插值补全。4.根据权利要求1所述的一种基于改进canny算法的工业图像检测方法，其特征在于，所述补全后的差图的不连续性计算方法为：式中，为补全后的差图的不连续性，为补全后的差图的色彩不连续性，为补全后的差图的纹理不连续性，为色彩不连续性的权重，为纹理不连续性的权重。5.根据权利要求4所述的一种基于改进canny算法的工业图像检测方法，其特征在于，2CN114549525A权利要求书2/4页所述补全后的差图的色彩不连续性的获取步骤为：将k‑means聚类区域内的像素点转换为树结构，将左子树作为连续节点的集合，右子树作为不连续节点的集合，得到不连续节点的数量和位置分布情况；则该区域不连续概率系数的计算公式为：式中，为该聚类区域内对应的树结构中的不连续节点的数量，为该聚类区域内对应的树结构中的节点总数；则该区域内每个像素的不连续性计算公式为：式中，为每个像素的八邻域在树结构中的不连续节点的数量；则每个像素的色彩不连续性的计算方法为：式中，为每个像素的色彩不连续性；则补全后的差图的色彩不连续性的计算方法为：=式中，，为补全后的差图中像素个数。6.根据权利要求5所述的一种基于改进canny算法的工业图像检测方法，其特征