一种鲁棒的基于机器视觉的表面缺陷检测方法技术

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。本发明专利技术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。该发明专利技术参数调节方便，实现过程简单。

A robust method for surface defect detection based on machine vision

A robust surface defect detection method based on machine vision, including the following steps: Step 1: the input color image gray processing, get the gray image; step 2: when the damage of gray value in the image than the background color of the gray image is high; step 3: proposed binarization threshold optimization function to obtain the best threshold based on; step 4: the optimal threshold for image binarization based on contour detection; step 5: the value of the two images after. The invention provides a binarization threshold function optimization method to get the optimal threshold, compared to the traditional binarization operations such as iterative threshold method, Otsu method, Shuangfeng average method and the one-dimensional maximum entropy method has strong robustness, not only can accurately extract the damage location from the image containing surface defects in moreover, it can greatly reduce the damage does not contain false image for damage ratio. The invention has convenient parameter adjustment and simple realization process.

【技术实现步骤摘要】
一种鲁棒的基于机器视觉的表面缺陷检测方法技术邻域本专利技术属于图像处理领域，其涉及一种鲁棒的基于机器视觉的表面缺陷检测方法。
技术介绍
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。
技术实现思路
1.专利技术要解决的技术问题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，本专利技术提供了一种鲁棒的基于机器视觉的表面缺陷检测方法。采用本专利技术的技术方案，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。2.技术方案为达到上述目的，本专利技术提供的技术方案为：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：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。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。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)。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。步骤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。步骤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。步骤6：重复步骤3-6，求取使得L(t)最大时的th,th为最佳阈值。步骤7：采用th对灰度图像I进行二值化得到It。步骤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。附图说明图1是本方法的检测策略。图2是本方法的灰度图像。图3是本方法的二值化结果。图4是本方法的迭代阈值法二值化结果。图5是本方法的大津法二值化结果。图6是本方法的双峰平均值法二值化结果。具体实施方式为进一步了解本专利技术的内容，结合实施例对本专利技术做详细描述。实施例1本实施例以金属表面上圆形缺陷检测为例进行说明，其流程如图1所示，具体实施检测步骤：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，灰度图像I如图2所示。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。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)。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。步骤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。步骤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，本实施中λ为0.01。步骤6：重复步骤3-6，求取使得L(t)最大时的th,th为最佳阈值，本方案计算的th为48。步骤7：采用th对灰度图像I进行二值化得到It。本方案二值化的结果如图3所示，可以看到黑色圆形缺陷被很好的提取出来，图4、图5和图6分别为迭代阈值法、大津法和双峰平均值方法的二值化结果，可以看出上述三种方法没有很好的将圆形损伤从背景提取出来，部分损伤淹没在背景中，上述三种方法的二值化阈值分别为113、25和43。步骤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。以上示意性的对本专利技术及其实施方式进行了描述，该描述没有局限性，附图中所示的也只是本专利技术的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本专利技术创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构及实施例，均应属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
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P

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：龙海生，常雪松，
申请(专利权)人：北京海风智能科技有限责任公司，
类型：发明
国别省市：北京,11