一种水桶表面缺陷视觉检测方法技术

本申请实施例公开了一种水桶表面缺陷视觉检测方法，涉及图像处理技术领域。所述方法包括：采集水桶图像，并对所述水桶图像进行灰度化处理，得到灰度化图像；分析所述灰度化图像的待测像素周围的灰度离散程度，量化像素隶属边缘概率，得到待测像素初始模板尺寸合适度；根据所述初始模板尺寸合适度，量化高斯滤波器尺寸和系数调整程度，完成对图像的自适应高斯滤波；对所述水桶图像进行Canny边缘检测，完成边缘提取。本申请实施例能够有效兼顾对图像的平滑处理和噪声抑制，保护细小目标边缘。保护细小目标边缘。保护细小目标边缘。

【技术实现步骤摘要】
一种水桶表面缺陷视觉检测方法


[0001]本申请涉及图像处理
，具体涉及一种水桶表面缺陷视觉检测方法。

技术介绍

[0002]在饮水机水桶工业生产中，需严格把控水桶的生产参数，防止次品流入市场造成损失。在生产过程中，受设备和人员操作影响导致水桶质量不能得到保证，如水桶表面出现裂缝、弯曲等问题。
[0003]其中，水桶缺陷如裂缝、孔洞等反映在图像中表现出边缘特性，可以采用Canny算法进行边缘检测，然后与标准水桶边缘进行对比，从而进行缺陷检测。但Canny算法对噪声敏感，需通过高斯滤波进行平滑处理。使用高斯滤波对图像进行平滑处理时，窗口尺寸及高斯滤波系数需人工设定，并且系数固定，导致进行平滑处理时很难同时进行抑制噪声、保护细小目标边缘。

技术实现思路

[0004]本申请实施例提供一种水桶表面缺陷视觉检测方法，能够有效兼顾对图像的平滑处理和噪声抑制，保护细小目标边缘。
[0005]本申请实施例提供一种水桶表面缺陷视觉检测方法，所述方法包括：采集水桶图像，并对所述水桶图像进行灰度化处理，得到灰度化图像；分析所述灰度化图像的待测像素周围的灰度离散程度，量化像素隶属边缘概率，得到待测像素初始模板尺寸合适度；根据所述初始模板尺寸合适度，量化高斯滤波器尺寸和系数调整程度，完成对图像的自适应高斯滤波；对所述水桶图像进行Canny边缘检测，完成边缘提取。
[0006]在本申请的部分实施例中，所述采集水桶图像，并对所述水桶图像进行灰度化处理，得到灰度化图像的步骤，包括：通过饮水机水桶产线上设置的相机获取对应的水桶图像，再根据水桶上存在的纹理特征，对所述水桶图像进行灰度化处理，得到灰度化图像。
[0007]在本申请的部分实施例中，所述分析所述灰度化图像的待测像素周围的灰度离散程度，量化像素隶属边缘概率，得到待测像素初始模板尺寸合适度的步骤，包括：以待测像素为中心构建一个初始窗口，分析初始模板内的灰度分布，得到待测像素周围的灰度离散程度；根据待测像素周围灰度离散程度，判断像素隶属边缘程度，得到模板尺寸的合适度。
[0008]在本申请的部分实施例中，所述以待测像素为中心构建一个初始窗口，分析初始模板内的灰度分布，得到待测像素周围的灰度离散程度的步骤，包括：以待测像素为中心建立大小初始高斯滤波器模板；
分析产线上收集的水桶灰度化图像，将灰度值的像素定义为光照像素，计算出每个待测像素对应初始窗口内光照像素占比，根据所述光照像素占比排除光照像素的影响；分析待测像素划分的初始窗口内灰度分布程度，计算初始窗口内像素灰度方差，并结合初始窗口内相似像素聚集程度，分析得到每个像素对应窗口的灰度离散程度。
[0009]在本申请的部分实施例中，所述计算出每个待测像素对应初始窗口内光照像素占比的计算公式为：，其中，为每个待测像素对应初始窗口内光照像素占比，是初始窗口内光照像素个数，为初始窗口包含像素总个数。
[0010]在本申请的部分实施例中，所述灰度离散程度的计算公式为：，其中，表示每个初始窗口的灰度离散程度，为初始窗口内像素灰度方差，将灰度差的像素看作相似像素，在每个窗口内进行相似像素合并，得到对应的区域，记录区域的个数
[0011]在本申请的部分实施例中，所述根据待测像素周围灰度离散程度，判断像素隶属边缘程度，得到模板尺寸的合适度的步骤，包括：根据灰度离散程度，判断初始窗口内是否存在边缘；若存在边缘，则计算初始窗口内边缘可能出现的梯度值，得到一梯度值集合；计算待测点的梯度；将计算出的待测点的梯度与梯度值集合A对比，判断待测点隶属边缘程度；根据待测点隶属边缘程度，得到待测像素初始模板尺寸的合适度。
[0012]在本申请的部分实施例中，所述根据灰度离散程度，判断初始窗口内是否存在边缘，包括当所述灰度离散程度存在，则表示初始窗口内存在边缘；当所述灰度离散程度不存在，则表示初始窗口内不存在边缘。
[0013]在本申请的部分实施例中，所述将计算出的待测点的梯度与梯度值集合A对比，判断待测点隶属边缘程度的步骤，包括：待测点若满足，为待测点的梯度，表明该待测点属于边缘；若待测点不在边缘位置并与集合所计算的边缘像素点存在距离，则对待测点隶属边缘程度进行量化，得到待测点的隶属边缘程度。
[0014]在本申请的部分实施例中，所述根据待测点隶属边缘程度，得到待测像素初始模板尺寸的合适度的步骤，包括：若待测点的隶属边缘程度小于第一预设值或者大于第二预设值，则说明待测像素初始模板尺寸不合适；若待测点的隶属边缘程度大于或者等于第一预设值且小于或者等于第二预设值，
则说明待测像素初始模板尺寸合适。
[0015]由此可知，本申请实施例主要是通过分析待测像素周围的灰度分布，对待测像素隶属区间进行判断，以此根据像素隶属不同对滤波器进行调整。在边缘处时使滤波器尺寸减小，结合初始窗口的计算的标准差大小，在边缘处进行滤波处理时可以保护细小边缘；反之增大滤波器尺寸，抑制噪声；使该算法平滑图像时，能够兼顾抑制噪声、保护细小边缘。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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他的附图。
[0017]图1为本专利技术实施例所提供的一种水桶表面缺陷视觉检测方法的流程示意图；图2为本专利技术实施例所提供的一种水桶表面缺陷视觉检测方法的步骤示意图；图3为本专利技术实施例所提供的一种水桶的灰度化图像的示意图。
具体实施方式
[0018]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0019]在饮水机水桶工业生产中，需严格把控水桶的生产参数，防止次品流入市场造成损失。在生产过程中，受设备和人员操作影响导致水桶质量不能得到保证，如水桶表面出现裂缝、弯曲等问题。
[0020]水桶缺陷如裂缝、孔洞等反映在图像中表现出边缘特性，可以采用Canny算法进行边缘检测，进行与标准水桶边缘进行对比进行缺陷检测。Canny算法对噪声敏感，需进行高斯滤波进行平滑处理。使用高斯滤波对图像进行平滑处理时，窗口尺寸及高斯滤波系数需人工设定，并且系数固定，导致进行平滑处理时很难同时进行抑制噪声、保护细小目标边缘。
[0021]本专利技术是先以图像待测像素为中心建立一初始大小窗口，分析模板内灰度离散程度，通过窗口的灰度分布量化待测像素隶属边缘概率，得到初始窗口模板尺寸合适程度，以此对每个滤波器尺寸及滤波器的高斯系数进行调整，使其对水桶图像进行平滑处理时，能够兼顾抑制噪声和保护图像细小边缘。
[0022]请参见图1，图1为本专利技术实施例所提供的一种水桶表面缺陷视觉检测方法的流程示意图。...

【技术保护点】

【技术特征摘要】
1.一种水桶表面缺陷视觉检测方法，其特征在于，所述方法包括：采集水桶图像，并对所述水桶图像进行灰度化处理，得到灰度化图像；分析所述灰度化图像的待测像素周围的灰度离散程度，量化像素隶属边缘概率，得到待测像素初始模板尺寸合适度；根据所述初始模板尺寸合适度，量化高斯滤波器尺寸和系数调整程度，完成对图像的自适应高斯滤波；对所述水桶图像进行Canny边缘检测，完成边缘提取。2.根据权利要求1所述的一种水桶表面缺陷视觉检测方法，其特征在于，所述采集水桶图像，并对所述水桶图像进行灰度化处理，得到灰度化图像的步骤，包括：通过饮水机水桶产线上设置的相机获取对应的水桶图像，再根据水桶上存在的纹理特征，对所述水桶图像进行灰度化处理，得到灰度化图像。3.根据权利要求1所述的一种水桶表面缺陷视觉检测方法，其特征在于，所述分析所述灰度化图像的待测像素周围的灰度离散程度，量化像素隶属边缘概率，得到待测像素初始模板尺寸合适度的步骤，包括：以待测像素为中心构建一个初始窗口，分析初始模板内的灰度分布，得到待测像素周围的灰度离散程度；根据待测像素周围灰度离散程度，判断像素隶属边缘程度，得到模板尺寸的合适度。4.根据权利要求3所述的一种水桶表面缺陷视觉检测方法，其特征在于，所述以待测像素为中心构建一个初始窗口，分析初始模板内的灰度分布，得到待测像素周围的灰度离散程度的步骤，包括：以待测像素为中心建立大小初始高斯滤波器模板；分析产线上收集的水桶灰度化图像，将灰度值的像素定义为光照像素，计算出每个待测像素对应初始窗口内光照像素占比，根据所述光照像素占比排除光照像素的影响；分析待测像素划分的初始窗口内灰度分布程度，计算初始窗口内像素灰度方差，并结合初始窗口内相似像素聚集程度，分析得到每个像素对应窗口的灰度离散程度。5.根据权利要求4所述的一种水桶表面缺陷视觉检测方法，其特征在于，所述计算出每个待测像素对应初始窗口内光照像素占比的计算公式为：，其中，为每个待测像素...

【专利技术属性】
技术研发人员：岳友清，董春华，刘通，
申请(专利权)人：鑫脉山东工贸有限公司，
类型：发明
国别省市：