一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统技术方案

本发明专利技术公开了一种工业生产中光缆表面弱边缘瑕疵的检测方法。针对一般图像处理过程中弱边缘难以被检测出来的问题，本发明专利技术公开了一种新的图像处理方法，包括：读取图像数据、图像数据预处理、Scharr算子突出弱边缘、图像融合、形态学开闭滤波、分割图像、轮廓搜索与拟合七个步骤，通过这七个步骤，最终实现对光缆表面弱边缘瑕疵的有效检测。本发明专利技术提出了弱边缘强化算法，利用图像处理Scharr算子能突出弱边缘的优势，结合形态学开闭滤波，从而达到强化弱边缘的效果。本发明专利技术还提出一种光缆表面瑕疵检测系统。

A method and system for detecting weak edge defects on optical cable surface in industrial production

The invention discloses a detection method for weak edge defects on the surface of optical cable in industrial production. In order to solve the problem that the weak edge is difficult to detect in the process of general image processing, a new image processing method is disclosed, which includes seven steps: read image data, image data preprocessing, Scharr operator outburst weak edge, image fusion, morphological opening and closing filtering, segmentation image, contour search and fitting. Through these seven steps, we can effectively detect the weak edge defects on the surface of the optical cable. The invention proposes a weak edge strengthening algorithm, which can use the image processing Scharr operator to highlight the advantage of the weak edge, and combine the morphological opening and closing filtering to achieve the effect of strengthening the weak edge. The invention also provides a surface defect detection system for optical cable.

【技术实现步骤摘要】
一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统
本专利技术涉及一种光缆表面瑕疵的检测方法，属于图像处理

技术介绍
工业环境中，产品表面质量是产品质量的重要组成部分，也是商品商业价值的重要保障。从目前研究与应用热点来看，表面检测技术涉及到各行各业，包括金属加工、纺织、木材、玻璃、皮革、包装、农产品等领域。随着光通信技术在通信领域中应用的不断广泛，光缆作为光通信线路的主要组成部分，在通信行业占据着越来越重要地位，光缆的质量也越来越受到重视。光缆表面瑕疵由于受到光源、光照方式、图像采集方式等因素的影响，使得图像缺陷边缘的灰度有较宽的过渡区，不是理想的阶跃型边缘，形成了相对缓慢的过渡边缘即弱边缘，造成如气孔、疏松、裂纹等缺陷。而工业生产中，现有的瑕疵检测技术一般能较完整检测出强边缘瑕疵，但是弱边缘瑕疵由于其灰度缓慢变化，所以较难被检测出。
技术实现思路
本专利技术所要解决的技术问题是：针对现有的表面检测技术存在的检测不全面的问题，提供一种光缆表面弱边缘瑕疵检测方案，通过图像预处理对图像中难以检测出的弱边缘进行增强，最后成功检测出光缆表面的弱边缘瑕疵，以提高工业生产中光缆的生产质量。本专利技术为解决上述技术问题，采用如下技术方案：一种工业生产中对光缆表面瑕疵的检测方法，包括以下步骤：A、读取图像数据，对图像数据进行预处理；B、使用Scharr算子突出弱边缘并使其与原图像融合，对融合后的图像进行形态学开闭滤波；C、使用最大熵阈值法分割图像，并对瑕疵轮廓进行搜索与拟合得出检测结果。进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，步骤A具体为：(A1)读取图像数据，构造五维向量：图像样本集表示一幅RGB彩色光缆图像，其中ai表示一个像素点，ai＝(pi,qi)是五维向量，s是样本空间维数，i＝1,2,…,n，n是样本个数，pi＝(xi,yi)表示图像的坐标，qi＝(bi,gi,ri)表示图像的像素，其中ri、gi、bi分别对应图像的RBG分量；(A2)对图像数据进行预处理：将RGB彩色光缆图像中所有点转换成其对应的灰度值，即将点ai＝(pi,qi)经过公式(1)得到a′i＝(pi,grayi),其中grayi为与pi对应的灰度值，grayi＝ri*0.299+gi*0.587+bi*0.114⑴。进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，步骤B具体为：(B1)弱边缘强化处理：对于步骤(A2)得到的灰度图像A，对图像中每个点，分别在水平方向和垂直方向运用Scharr算子模板进行求导，并将水平方向梯度和垂直方向梯度进行合并；(B2)将步骤(B1)得到的图像与步骤(A2)得到的灰度图进行融合，融合比例为1：1；(B3)将融合后的图像进行形态学开闭滤波：①将步骤(B2)得到的图像进行形态学闭运算：将作用图像中每一点先膨胀再腐蚀；闭操作：close(src,element)＝erode(dilate(src,element))②将上一步得到的图像中每一像素点在闭运算的基础上再进行形态学开运算：将作用图像中的像素点先腐蚀再膨胀；开操作：open(src,element)＝dilate(erode(src,element))。进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，步骤(B1)弱边缘强化处理方法具体为：①采用水平方向模板对图像求取梯度：分别将图像A与卷积核Gx进行卷积，得到水平方向梯度图，公式表述如下：即Gx＝[3*gray(xi+1,yi-1)+10*hray(xi+1,yi)+3*gray(xi+1,yi+1)]-[3*gray(xi-1,yi-1)+10*gray(xi-1,yi)+3*gray(xi-1,yi+1)]，i＝1,2,…,n⑵其中，gray(xi,yi)表示图像中点(xi,yi)的灰度值；②采用垂直方向模板对图像求取梯度：分别将图像A与卷积核Gy进行卷积，得到垂直方向梯度图，公式表述如下：即：Gy＝[3*gray(xi-1,yi+1)+10*gray(xi,yi+1)+3*gray(xi+1,yi+1)]-[3*gray(xi-1,yi-1)+10*gray(xi,yi-1)+3*gray(xi+1,yi-1)]，i＝1,2,…,n⑶③对于图像中每一像素点在①、②两步的基础上，将水平方向梯度Gx和垂直方向梯度Gy进行合并得到梯度图G：进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，也可以使用近似值公式对水平方向梯度Gx和垂直方向梯度Gy进行合并来获得合并梯度图G，公式如下：|G|＝|Gx|+|Gy|⑸。进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，在步骤(B3)中，膨胀和腐蚀分别是指形态学膨胀、形态学腐蚀，其中，膨胀是求局部最大值的操作；当核B与图像卷积时，核B扫描图像的每一个像素，按照式(6)计算核B覆盖区域的像素点的最大值，并把这个最大值赋给参考点指定的像素，使图像变明亮；腐蚀是求局部最小值的操作，当核B与图像卷积时，核B扫描图像的每一个像素，按照式(7)计算核B覆盖的图像区域的像素点的最小值，并把这个最小值赋值给参考点指定的像素，使图像变灰暗；其中，(x′,y′)是核B中的结构元素，当(x′,y′)位于中心点时(x′,y′)＝(0，0)，当(x′,y′)位于非中心点时，(x′,y′)为中心点的相对位置。进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，在步骤(C)使用最大熵阈值法对图像进行分割，方法如下：设阈值t将图像划分为目标O和背景B两类，他们的概率分布分别为：O区：其中，B区：其中，pi为概率密度函数，即灰度图像中每一个灰度i所发生的概率,也就是说，对于k个不同灰度值g＝0,1,…,k-1的概率向量可以表示为：(p0,p1,…,pk-1)，并且有p0+p1+…+pk-1＝1；而Pt为目标前景的累积概率，1-Pt则为背景的累积概率。则目标O和背景B的熵函数分别为：其中，其中，图像的总熵为：①从灰度级0开始，选取初始阈值T0＝0，计算原始图像的信息熵H0并初始化Hmax＝H0,Tmax＝T0；②考察灰度级1，阈值T1＝1将图像分割为G1和G2两个区域，计算G1和G2的信息熵Hd和Hb，比较Hd+Hb与Hmax的大小，如果Hd+Hb＞Hmax,则Tmax＝T1，Hmax＝Hd+Hb，否则Tmax，Hmax保持不变；③按照上一步的方法继续考察灰度级2-255，直到找到最大熵阈值Tmax；④利用最大熵阈值对图像进行分割，将图像中每一点像素的灰度值与Tmax进行比较：如果该点灰度值大于Tmax，则将该点灰度值置为255；反之，将该点灰度值置为0。进一步的，本专利技术所提出的一种工业生产中对光缆表面瑕疵的检测方法，在步骤C对瑕疵轮廓进行搜索与拟合，具体包括：①取得缺陷轮廓序列：采用OpenCV内置函数findContours函数对阈值分割后得到的缆面二值图像进行外轮廓搜索；②拟合缺陷轮廓外边界：在提取得到图像轮廓序列后，采用OpenCV内置函数approxPolyDP函数对轮廓进行拟合。本专利技术还提出一种光缆表面瑕疵检测系统，包括：图像预处理模块，用于读取图像数据，并对图像数据进行灰度处理；图像融合及本文档来自技高网...

【技术保护点】
1.一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，包括以下步骤：A、读取图像数据，对图像数据进行预处理；B、使用Scharr算子突出弱边缘并使其与原图像融合，对融合后的图像进行形态学开闭滤波；C、使用最大熵阈值法分割图像，并对瑕疵轮廓进行搜索与拟合得出检测结果。

【技术特征摘要】
1.一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，包括以下步骤：A、读取图像数据，对图像数据进行预处理；B、使用Scharr算子突出弱边缘并使其与原图像融合，对融合后的图像进行形态学开闭滤波；C、使用最大熵阈值法分割图像，并对瑕疵轮廓进行搜索与拟合得出检测结果。2.根据权利要求1所述的一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，步骤A具体为：(A1)读取图像数据，构造五维向量：图像样本集表示一幅RGB彩色光缆图像，其中ai表示一个像素点，ai＝(pi，qi)是五维向量，s是样本空间维数，i＝1，2，…，n，n是样本个数，pi＝(xi，yi)表示图像的坐标，qi＝(bi，gi，ri)表示图像的像素，其中ri、gi、bi分别对应图像的RBG分量；(A2)对图像数据进行预处理：将RGB彩色光缆图像中所有点转换成其对应的灰度值，即将点ai＝(pi，qi)经过公式(1)得到a′i＝(pi，grayi)，其中grayi为与pi对应的灰度值，grayi＝ri*0.299+gi*0.587+bi*0.114(1)。3.根据权利要求2所述的一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，步骤B具体为：(B1)弱边缘强化处理：对于步骤(A2)得到的灰度图像A，对图像中每个点，分别在水平方向和垂直方向运用Scharr算子模板进行求导，并将水平方向梯度和垂直方向梯度进行合并；(B2)将步骤(B1)得到的图像与步骤(A2)得到的灰度图进行融合，融合比例为1∶1；(B3)将融合后的图像进行形态学开闭滤波：①将步骤(B2)得到的图像进行形态学闭运算：将作用图像中每一点先膨胀再腐蚀；闭操作：close(src，element)＝erode(dilate(src，element))②将上一步得到的图像中每一像素点在闭运算的基础上再进行形态学开运算：将作用图像中的像素点先腐蚀再膨胀；开操作：open(src，element)＝dilate(erode(src，element))。4.根据权利要求3所述的一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，步骤(B1)弱边缘强化处理方法具体为：①采用水平方向模板对图像求取梯度：分别将图像A与卷积核Gx进行卷积，得到水平方向梯度图，公式表述如下：即Gx＝[3*gray(xi+1，yi-1)+10*gray(xi+1，yi)+3*gray(xi+1，yi+1)]-[3*gray(xi-1，yi-1)+10*gray(xi-1，yi)+3*gray(xi-1，yi+1)]，i＝1，2，…，n(2)其中，gray(xi，yi)表示图像中点(xi，yi)的灰度值；②采用垂直方向模板对图像求取梯度：分别将图像A与卷积核Gy进行卷积，得到垂直方向梯度图，公式表述如下：即：Gy＝[3*gray(xi-1，yi+1)+10*gray(xi，yi+1)+3*gray(xi+1，yi+1)]-[3*gray(xi-1，yi-1)+10*gray(xi，yi-1)+3*gray(xi+1，yi-1)]，i＝1，2，…，n(3)③对于图像中每一像素点在①、②两步的基础上，将水平方向梯度Gx和垂直方向梯度Gy进行合并得到梯度图G。5.根据权利要求4所述的一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，6.根据权利要求4所述的一种工业生产中对光缆表面瑕疵的检测方法，其特征在于，使用近似值公式对水平方向梯度G...

【专利技术属性】
技术研发人员：杨庚，蒋洁琦，徐宁，钱晨，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32