一种针对类镜面物体的高光区域自适应匀光的方法技术

本发明专利技术提供了一种针对类镜面物体的高光区域自适应匀光的方法，通过对采集的图像进行两层小波分解与重构，提取出图像的高光区域。然后再运用局部搜索图像修复算法实现高光区域的自适应匀光处理。这种方法可以消除检测过程中高光区域对缺陷检测的影响且无需人工干涉，自动根据源图像的信息进行均匀高光区域信息。相比于其他匀光算法，该方法可以得到更均匀的处理结果，且具有更好的适应性。

【技术实现步骤摘要】
一种针对类镜面物体的高光区域自适应匀光的方法
本专利技术涉及精密类镜面物体的生产和检测及相关环节，涉及特征区域提取，高光区域的自动匀光处理，特别涉及一种针对类镜面物体的高光区域自适应匀光的方法。
技术介绍
制造业的飞速发展，对产品的检测任务提出了更高的要求，传统的人工手段已经无法满足大批量产品的高精度、快速甚至实时动态的检测要求。机器视觉技术以数字图像作为获取信息的手段，与计算机图形学、自动化技术等相关领域紧密结合，很适合对产品表面进行缺陷检测。目前，大部分工业产品表面缺陷主要包括凹痕、条痕、裂纹、龟裂、色斑等。一般的视觉检测系统的光源会在产品表面产生强烈的反光，即高光部分，这个问题对后续的图像环节有较大影响，会使得缺陷的检测率大大降低。为了消除表面光滑的工业产品产生的高光，提高整个检测过程的工作效率与检测精度，从硬件角度可以通过光的漫反射和散射现象，将光源从固定方向发出的、具有高度方向性的光打散，使其均匀照射在产品表面，从而消除产品表面的高光，摄像机采集灰度较为均匀图像；从算法角度，对于硬件无法消除的高光问题，通过算法进行匀光处理，为后续的缺陷检测提供了便利，从而提高了检测的精度和效率。本方法从小波分解与图像修复的角度对采集的图像分析处理，能实现图像高光区域的提取与高光区域自适应匀光处理。
技术实现思路
本专利技术的目的在一种针对类镜面物体的高光区域自适应匀光的方法，相于现有的缺陷检测方法具有准确性和鲁棒性的特点，具体技术方案如下。一种针对类镜面物体的高光区域自适应匀光的方法，其包括以下步骤：(1)获取待检测的源图像I：将类镜面物体放入一个暗室中，暗室内表面粗糙，光源产生的光线经由暗室内部粗糙的表面的第一次反射照在磨砂半球体表面，再经由磨砂半球体表面的二次透光照在待测物体上，由视觉系统采集而得到待测物体源图像I；经由两次光路变化来将能量集中的光分散来减少图像上高光的强度与区域；(2)对待检测源图像进行小波分解：对待检测的源图像进行2层小波分解，提取出经过2层小波分解后的第一层、第二层的近似矩阵CA1、CA2，和第一、二层小波分解的细节系数，同时取出第二层小波分解近似矩阵的最大值MAX，和最小值MIN；所述细节系数包含水平分量、垂直分量、对角分量；(3)对第二层小波分解近似矩阵进行自适应拉伸处理：取第二层小波分解近似矩阵CA2中的任意一个像素点x的灰度值依次与源图像的平均灰度值average进行比较，如果小于average，则如果大于average，则其中A(x)是x点经拉伸后的灰度值，G是拉伸系数，XMAX是源图像的最大灰度值，XMIN是源图像的最小灰度值，X是近似矩阵CA2上x点的灰度值；(4)进行小波重构后得到高光区域标记图像I1：对第二层小波分解的细节系数置零处理后进行小波重构，得到新的第一层小波分解的近似矩阵，对第一层小波分解的细节系数置零处理，再次进行小波重构得到新图像；新图像与源图像进行对应相减，设定阈值T,提取出高光区域，并以绿色标记显示在源图像上，该新图像标记为I2；(5)参数初始化：初始化等照线方向，置信度、数据项；(6)计算优先权：根据I2，寻找绿色标记的高光区域，即为待填充区域，并提取出其边缘，其他区域标记为已知区域；设定以边缘点为中心点的9*9的掩模，计算掩模的优先权P(p)＝C(p)*D(p),C(p)是该掩模的置信度，D(p)是该掩模的数据项；(7)最佳匹配块搜索：根据计算出的优先权取出优先权最大的块为填充目标块，在以该优先权最大的块的中心点为中心的600*800的区域块内进行搜索，找出与优先权最大的块的灰度差值最小的匹配块；(8)填充与更新置信度：将搜索出的匹配快的值对优先权最大的块对应赋值，然后重新计算置信度。进一步地，步骤(1)利用多次改变光路在暗场环境下进行图像的拍摄，获得反光弱的待检测源图像。进一步地，步骤(3)中拉伸系数设为1.5。进一步地，步骤(4)设置阈值T为150，将重构后的图像与源图像相减后的差值图像E(a，b)与阈值T进行比较，(a,b)指像素点的坐标，假定图像中最左上方的点为起始点，其中a表示像素点与起始点在行数上的距离，b表示像素点与起始点在列数上的距离，E(a，b)表示差值图像在第a行第b列的像素点的像素值；若E(a,b)≤T时，E(a,b)＝0；若E(a,b)>T时，E(a,b)＝255。进一步地，步骤(6)设定9*9的掩模，以9*9大小的掩模为单位进行优先权的计算，选出优先权最大的块，并搜索得到最有的匹配快。进一步地，步骤(7)根据不同的检测物体进行不同的设置，搜索区域中心点为优先权最大的块的中心点，在该搜索区域内进行搜索，找出最优匹配块。本专利技术与现有技术相比，具有如下优点和有益效果：(1)本专利技术通过一种针对类镜面物体的高光区域自适应匀光的方法对光照不均的图像的灰度变化分析，提高了光照不均区域检测的准确度，过程简单，可操作性强。(2)本专利技术具有较强的鲁棒性，对于不同的强度的不均匀光照都可达到很好的效果。(3)本专利技术还具有较强的适用性，不仅可以运用在类镜面物体缺陷的检测，还能推广到其他灰度对比强烈的物体的检测。附图说明图1是本专利技术图像标记示意图；图2是本专利技术自适应匀光方法的总流程图；图3是本专利技术待修复区域标记流程图；图4是最佳匹配搜索流程图。图5是实例中针对类镜面物体的高光区域自适应匀光的方法实施结果图。具体实施方式以下结合附图和实例对本专利技术的具体实施作进一步说明，但本专利技术的实施和保护不限于此。本专利技术一种针对类镜面物体的高光区域自适应匀光的方法，包括以下步骤：(1)获取待检测的源图像I：将类镜面物体放入一个暗室中，暗室内表面粗糙，光源产生的光线经由暗室内部粗糙的表面的第一次反射照在磨砂半球体表面，再经由磨砂半球体表面的二次透光照在待测物体上，由视觉系统采集而得到待测物体源图像I。经由两次光路变化来将能量集中的光分散来减少图像上高光的强度与区域。(2)对待检测源图像进行小波分解：对待检测的源图像进行2层小波分解，小波函数可采用“db8”，提取出小波分解后第一层、第二层的近似矩阵CA1、CA2，和第一、二层小波分解的细节系数(包括水平分量、垂直分量、对角分量)，并取出第二层小波分解近似矩阵的最大值MAX＝1035.3227，和最小值MIN＝421.4969。(3)对第二层小波分解近似矩阵进行自适应拉伸处理：将第二层小波分解近似矩阵CA2中的任一点x的灰度值依次与源图像的平均灰度average＝129.1114进行比较，如果小于average，则如果大于average，则其中A(x)是x点经拉伸后的灰度值，G是拉伸系数，为0.1，XMAX＝255是最大值源图像的最大灰度值，XMIN＝102是最大值源图像的最小灰度值，X是近似矩阵CA2上x点的灰度值。(4)进行小波重构后得到高光区域标记图像I1：对第二层小波分解的细节系数置零处理后进行小波重构，得到新的第一层小波分解的近似矩阵，对第一层小波分解的细节系数置零处理，再次进行小波重构得到新图像。新图像与源图像进行对应相减，设定阈值T＝143,提取出高光区域，并以绿色标记显示在源图像上，该新图像标记为I2。(5)参数初始化：初始化等照线方向，置信度C＝O、数据项D＝-0.1000。(6)计本文档来自技高网...

【技术保护点】
一种针对类镜面物体的高光区域自适应匀光的方法，其特征在于包括以下步骤：(1)获取待检测的源图像I：将类镜面物体放入一个暗室中，暗室内表面粗糙，光源产生的光线经由暗室内部粗糙的表面的第一次反射照在磨砂半球体表面，再经由磨砂半球体表面的二次透光照在待测物体上，由视觉系统采集而得到待测物体源图像I；经由两次光路变化来将能量集中的光分散来减少图像上高光的强度与区域；(2)对待检测源图像进行小波分解：对待检测的源图像进行2层小波分解，提取出经过2层小波分解后的第一层、第二层的近似矩阵CA1、CA2，和第一、二层小波分解的细节系数，同时取出第二层小波分解近似矩阵的最大值MAX，和最小值MIN；所述细节系数包含水平分量、垂直分量、对角分量；(3)对第二层小波分解近似矩阵进行自适应拉伸处理：取第二层小波分解近似矩阵CA2中的任意一个像素点x的灰度值依次与源图像的平均灰度值average进行比较，如果小于average，则

【技术特征摘要】
1.一种针对类镜面物体的高光区域自适应匀光的方法，其特征在于包括以下步骤：(1)获取待检测的源图像I：将类镜面物体放入一个暗室中，暗室内表面粗糙，光源产生的光线经由暗室内部粗糙的表面的第一次反射照在磨砂半球体表面，再经由磨砂半球体表面的二次透光照在待测物体上，由视觉系统采集而得到待测物体源图像I；经由两次光路变化来将能量集中的光分散来减少图像上高光的强度与区域；(2)对待检测源图像进行小波分解：对待检测的源图像进行2层小波分解，提取出经过2层小波分解后的第一层、第二层的近似矩阵CA1、CA2，和第一、二层小波分解的细节系数，同时取出第二层小波分解近似矩阵的最大值MAX，和最小值MIN；所述细节系数包含水平分量、垂直分量、对角分量；(3)对第二层小波分解近似矩阵进行自适应拉伸处理：取第二层小波分解近似矩阵CA2中的任意一个像素点x的灰度值依次与源图像的平均灰度值average进行比较，如果小于average，则如果大于average，则其中A(x)是x点经拉伸后的灰度值，G是拉伸系数，XMAX是源图像的最大灰度值，XMIN是源图像的最小灰度值，X是近似矩阵CA2上x点的灰度值；(4)进行小波重构后得到高光区域标记图像I1：对第二层小波分解的细节系数置零处理后进行小波重构，得到新的第一层小波分解的近似矩阵，对第一层小波分解的细节系数置零处理，再次进行小波重构得到新图像；新图像与源图像进行对应相减，设定阈值T,提取出高光区域，并以绿色标记显示在源图像上，该新图像标记为I2；(5)参数初始化：初始化等照线方向，置信度、数据项；(6)计算优先权：根据I2，寻找绿色标记的高光区域，即为待填充区域，并提取出其边缘，其他区域标记为已知区域；设定以边缘点为中心点的9*9的掩模，计算掩模的优...

【专利技术属性】
技术研发人员：杜娟，陈芳，胡跃明，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44