【技术实现步骤摘要】
一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法
本专利技术属于计算机视觉
，特别涉及一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法。
技术介绍
目前针对试纸表面纹理缺陷的自动化检测技术较不成熟，对细微的纹理缺陷漏检率和误检率都比较高。一般情况下对试纸产品的表面纹理缺陷检测是采用采用人工的方法，而通过肉眼对试纸表面纹理的判断具有主观性，而且由于试纸批量较大，长时间的检测会造成检测工作人员的视觉疲劳，进而降低检测的效率与精度。随着计算机技术的快速发展，通过将计算机视觉检测技术应用到工业自动化检测过程中，可以大大提高检测效率。例如：中国专利技术专利CN201711262071.9，公布了一种基于频谱曲率分析的织物缺陷检测方法，具有良好的自适应和抗干扰能力，但是由于需要将空间域图像转换为频率域再转为空间域，针对大图像的检测实时性难以得到保证；中国专利技术专利CN201310362813.0公布了一种基于纹理梯度的纺织品缺陷检测算法，具有可快速准确地分辨出纺织品的缺陷的优点。但是上述方法都是针对纺织品的检测方法，...
【技术保护点】
1.一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，包括以下步骤：/nS1、采集试纸一帧图像，并对图像进行灰度化和中值滤波预处理；/nS2、基于四点灰度动态阈值对步骤S1预处理后的图像进行二值分割，通过差分方法，提取试纸区域；/nS3、对步骤S2二值分割后的图像进行Gama灰度增强并采用高斯低通滤波器滤除部分周期性纹理；/nS4、构建单方向的高斯核函数对步骤S3处理后的图像进行垂直方向的卷积滤波；/nS5、计算步骤S4卷积滤波后的图像在水平方向的梯度grad_x；/nS6、将试纸区域沿水平方向分割成n列子区域，并计算每个子区域的梯度最大值区域的位置；/nS7、将...
【技术特征摘要】
1.一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，包括以下步骤：
S1、采集试纸一帧图像，并对图像进行灰度化和中值滤波预处理；
S2、基于四点灰度动态阈值对步骤S1预处理后的图像进行二值分割，通过差分方法，提取试纸区域；
S3、对步骤S2二值分割后的图像进行Gama灰度增强并采用高斯低通滤波器滤除部分周期性纹理；
S4、构建单方向的高斯核函数对步骤S3处理后的图像进行垂直方向的卷积滤波；
S5、计算步骤S4卷积滤波后的图像在水平方向的梯度grad_x；
S6、将试纸区域沿水平方向分割成n列子区域，并计算每个子区域的梯度最大值区域的位置；
S7、将每个子区域的梯度最大值区域的位置在垂直方向进行聚类计算，将区域聚类数量达到阈值范围的区域标记为纹理缺陷区域；
S8、根据步骤S7标记的区域判断试纸是否合格。
2.根据权利要求1所述的基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，步骤S1中，试纸图像采集装置采用双条形无影白光源，且平行布置在传送带两侧，试纸位于传送带上，通过工业相机采集试纸图像I1，且采集的图像仅试纸区域灰度值较高。
3.根据权利要求2所述的基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，步骤S2中，获取步骤S1预处理后的图像区域左上、右上、左下、右下四点灰度值，滤除灰度最大与最小值，其余灰度值的平均值作为二值分割的阈值，获得二值图像I2，将试纸图像I1与二值图像I2的反图像进行差分，获得试纸区域图像I3。
4.根据权利要求3所述的基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，步骤S4中，构建一个高斯卷积核Mn×n，且保证垂直方向的标准偏差sigmaY接近0，以减小卷积过程中，垂直方向Y的像素点相关性，相当于对垂直方向做定向滤波处理，保留垂直方向的缺陷纹理，水平方向的标准偏差sigmaX取较大数，将M与经过步骤S3获取的图像I4卷积，获得经过垂直方向滤波的图像I5。
5.根据权利要求4所述的基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，垂直方向的标准偏差sigmaY取0.1。
6.根据权利要求4所述的基于灰度梯度聚类的试纸表面纹理缺陷检测方法，其特征在于，所述步骤S5中，计算步骤S4卷积滤波后的图像在...
【专利技术属性】
技术研发人员：徐海波，刘晓东，刘力，王睿，鲍旺，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。