基于角点检测的金属毛刺识别方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于角点检测的金属毛刺识别方法，方法包括：对角点检测后获得特征点的灰度变化获得灰度相似度，根据灰度相似度筛选出真实角点；灰度相似度差异和灰度值差异获得角点匹配度，进而获得每个真实角点之间的匹配关系及匹配数量，然后筛选获得毛刺角点；获得每个毛刺角点及对应匹配角点组成的毛刺区域，根据灰度距离特征对毛刺区域进行生长，获得最终毛刺区域。本发明专利技术识别出的最终毛刺区域更加精准，减少了多种噪声的干扰。声的干扰。声的干扰。

【技术实现步骤摘要】
基于角点检测的金属毛刺识别方法


[0001]本专利技术涉及图像处理
，具体涉及基于角点检测的金属毛刺识别方法。

技术介绍

[0002]毛刺是指在金属加工过程中工件表面过渡处出现的各种尖角、毛边残留等不规则的金属部分。毛刺是金属切削加工中产生的普遍现象之一，直接影响被加工工件的尺寸精度、形位精度和表面粗糙度。故对毛刺进行检测打磨消除对产品的质量有着重要意义。
[0003]传统的检测中通过角点检测对毛刺进行检测时，会受到金属表面加工件反射以及缺陷，噪声等因素的干扰，检测出的角点存在伪角点，以及无用角点等，没有对角点进行二次筛选，没有有效区分噪声角点、金属结构固有角点和毛刺角点，后续对角点进行分析容易造成误差。在后续使用如区域生长算法等图像技术来完成毛刺检测时，因为伪角点和无用角点的因素，影响区域生长算法中的初始种子点的选择；并且在生长过程中相似性度量准则的选取均会极大的影响最终的检测效果。在后续打磨过程中利用角点间的相对位置关系，得到同一金属锭的打磨参照点，根据边缘空缺处获取打磨参照点，没有对毛刺位置进行准确确定，没有对打磨参照点进行进一步分析，打磨时容易将完好区域进行打磨而造成损坏，亦会使毛刺区域打磨的误差增大。

技术实现思路

[0004]为了解决现有技术中没有有效区分噪声角点、金属结构固有角点和毛刺角点，没有对毛刺位置进行准确确定的技术问题，本专利技术的目的在于提供基于角点检测的金属毛刺识别方法，所采用的技术方案具体如下：本专利技术提出基于角点检测的金属毛刺识别方法，所述方法包括：获得金属边缘轮廓图像；对金属边缘轮廓图像的边缘像素点进行角点检测，获得特征点；对每个特征点构建对应预设尺寸的局部窗口，根据每个特征点的局部窗口内像素点的灰度变化获得对应特征点的灰度相似度；根据灰度相似度筛选出真实角点；根据真实角点之间的灰度相似度差异和灰度值差异获得任意两个真实角点之间的角点匹配度；根据所有真实角点之间的角点匹配度获得每个真实角点之间的匹配关系及匹配数量；根据匹配数量将真实角点进行筛选，获得毛刺角点；获得每个毛刺角点及对应匹配角点组成的毛刺区域；根据毛刺区域获取待生长点，根据待生长点与毛刺区域内像素点的灰度距离特征对毛刺区域进行生长，获得最终毛刺区域。
[0005]进一步地，所述灰度相似度的获取方法包括：对任意一个特征点，将特征点的局部窗口内非特征点的其他像素点作为邻域像素点；获得特征点与每个邻域像素点的欧氏距离，将所述欧氏距离归一化并进行负相关处理，获得距离特征；将特征点与每个邻域像素点的灰度值的差值绝对值作为灰度特征；将距离
特征与灰度特征的乘积作为对应特征点与每个邻域像素点的差异特征；获得特征点与所有邻域像素点的差异特征累加和与修正系数的和值，将所述和值的倒数作为对应特征点的灰度相似度。
[0006]进一步地，所述真实角点的获取方法包括：对任意一个特征点，将特征点的灰度相似度进行归一化，获得灰度相似归一化值；若特征点的灰度相似归一化值大于第一真实阈值且小于第二真实阈值，则对应特征点为真实角点。
[0007]进一步地，所述角点匹配度的获取方法包括：对任意一个真实角点，将其他真实角点作为参考角点；对真实角点的任意一个参考角点，将真实角点与参考角点的灰度差值绝对值作为灰度差异值；将真实角点与参考角点的灰度相似度的差值绝对值作为灰度相似差异值；将灰度差异值和灰度相似差异值的和值归一化并进行负相关映射，获得角点匹配度。
[0008]进一步地，所述疑似毛刺点和匹配角点的获取方法包括：获取每个真实角点与对应所有参考角点的最大角点匹配度，若最大角点匹配度大于预设匹配阈值，则最大角点匹配度对应的参考角点为对应真实角点的匹配角点。
[0009]进一步地，所述毛刺角点的获取方法包括：根据匹配数量对真实角点进行二分类，获取两个聚类簇；将两个聚类簇中匹配角点数量均值最大的聚类簇内真实角点作为毛刺角点。
[0010]进一步地，所述毛刺区域的获取方法包括：以每个毛刺角点在角点检测过程中获得的两个最大灰度变化方向作为毛刺方向，获取毛刺角点对应匹配角点的毛刺方向；将毛刺角点及其对应匹配角点的毛刺方向所在直线围成的区域作为毛刺区域。
[0011]进一步地，所述最终毛刺区域的获取方法包括：将毛刺区域内的像素点作为生长像素点；获取待生长点与每个生长像素点的欧氏距离，将所述欧氏距离归一化并进行负相关处理，获得生长距离特征；将待生长点与每个生长像素点的灰度值的差值绝对值作为生长灰度特征；将生长距离特征与生长灰度特征的乘积作为对应待生长点与每个生长像素点的生长差异特征；获得待生长点与所有生长像素点的生长差异特征累加和，将所述累加和进行负相关归一化获得对应待生长点的生长率；若待生长点的生长率大于预设生长阈值，则对待生长点进行生长，更新毛刺区域，直至毛刺区域不再发生变化，获得最终毛刺区域。
[0012]本专利技术具有如下有益效果：本专利技术实施例中，对金属边缘轮廓图像的边缘像素点进行角点检测获得特征点，根据每个特征点的局部窗口内像素点的灰度变化获得对应特征点的灰度相似度，根据灰度相似度筛选出真实角点，对角点进行初步筛选，根据灰度特征将伪角点进行筛除，得到真实角点，能够提高后续分析的准确性。根据真实角点之间的灰度相似度差异和灰度值差异获得任意两个真实角点之间的角点匹配度，并获得每个真实角点之间的匹配关系及匹配数量，然后根据匹配数量将真实角点进行筛选获得毛刺角点，对真实角点进行二次筛选，将金属工件上原本的工作角点和角点进行筛除，获得真正的毛刺角点，然后在后续步骤中对毛刺角点进行分析，才能够获得准确的毛刺区域。获得每个毛刺角点及对应匹配角点组成的
毛刺区域，根据待生长点与毛刺区域内像素点的灰度距离特征对毛刺区域进行生长，识别出准确的最终毛刺区域。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0014]图1为本专利技术一个实施例所提供的基于角点检测的金属毛刺识别方法流程图；图2为本专利技术一个实施例所提供的一种金属工件灰度图像；图3为本专利技术一个实施例所提供的一种金属边缘轮廓图像；图4为本专利技术一个实施例所提供的一种包含角点标注和毛刺区域标注的金属边缘轮廓图像；图5为本专利技术一个实施例所提供的一种包含角点标注和毛刺区域标注的金属工件灰度图像。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于角点检测的金属毛刺识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0016]除非另有定义，本文所使用的所有的技术和科本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于角点检测的金属毛刺识别方法，其特征在于，所述方法包括以下步骤：获得金属边缘轮廓图像；对金属边缘轮廓图像的边缘像素点进行角点检测，获得特征点；对每个特征点构建对应预设尺寸的局部窗口，根据每个特征点的局部窗口内像素点的灰度变化获得对应特征点的灰度相似度；根据灰度相似度筛选出真实角点；根据真实角点之间的灰度相似度差异和灰度值差异获得任意两个真实角点之间的角点匹配度；根据所有真实角点之间的角点匹配度获得每个真实角点之间的匹配关系及匹配数量；根据匹配数量将真实角点进行筛选，获得毛刺角点；获得每个毛刺角点及对应匹配角点组成的毛刺区域；根据毛刺区域获取待生长点，根据待生长点与毛刺区域内像素点的灰度距离特征对毛刺区域进行生长，识别最终毛刺区域。2.根据权利要求1所述的基于角点检测的金属毛刺识别方法，其特征在于，所述灰度相似度的获取方法包括：对任意一个特征点，将特征点的局部窗口内非特征点的其他像素点作为邻域像素点；获得特征点与每个邻域像素点的欧氏距离，将所述欧氏距离归一化并进行负相关处理，获得距离特征；将特征点与每个邻域像素点的灰度值的差值绝对值作为灰度特征；将距离特征与灰度特征的乘积作为对应特征点与每个邻域像素点的差异特征；获得特征点与所有邻域像素点的差异特征累加和与修正系数的和值，将所述和值的倒数作为对应特征点的灰度相似度。3.根据权利要求1所述的基于角点检测的金属毛刺识别方法，其特征在于，所述真实角点的获取方法包括：对任意一个特征点，将特征点的灰度相似度进行归一化，获得灰度相似归一化值；若特征点的灰度相似归一化值大于第一真实阈值且小于第二真实阈值，则对应特征点为真实角点。4.根据权利要求1所述的基于角点检测的金属毛刺识别方法，其特征在于，所述角点匹配度的获取方法包括：对任意一个真实角点，将其他真实角点作为参考角点；对真实角点的任意一...

【专利技术属性】
技术研发人员：王凯，华磊，何浩星，姬广岩，王恩军，
申请(专利权)人：山东鑫科来信息技术有限公司，
类型：发明
国别省市：