基于图像的缺陷检测方法技术

本发明专利技术适用于图像处理技术领域，提供了一种基于图像的缺陷检测方法

【技术实现步骤摘要】
基于图像的缺陷检测方法、装置、电子设备及存储介质


[0001]本专利技术属于图像处理
，尤其涉及一种基于图像的缺陷检测方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]在钢卷生产过程中，由于技术
、
生产环境等因素的干扰，钢卷的质量极易受到影响
。
其中，钢卷的表面缺陷是影响质量的最直观表现，为了保证钢卷的合格率和生产效率，精确且快速地检测表面缺陷是十分必要的
。
[0003]通过钢卷图像可以检测表面缺陷
。
检测方法分为两大类，一类是传统算法，另一类是深度学习
。
深度学习普遍存在检测精度不稳定
、
需要巨量的标注样本
、
检测速度无法满足产线的要求的问题
。
相比之下，传统算法虽然精度略低，但是拥有速度快
、
检测精度稳定
、
不需要大量标注样本的优点
。
因此，如何进一步提高传统算法的检测速度和检测精度，是目前亟需解决的问题
。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种基于图像的缺陷检测方法
、
装置
、
电子设备及存储介质，以提高检测钢卷表面缺陷的速度和精度
。
[0005]本专利技术实施例的第一方面提供了一种基于图像的缺陷检测方法，包括：
[0006]获取待检测钢卷的表面图像；
[0007]根据表面图像的直方图，确定仅包含缺陷区域的第一处理图像；
[0008]通过边缘算法计算表面图像的梯度图，根据直方图中的缺陷区域峰值和非缺陷区域峰值，确定梯度图的分割阈值，并根据分割阈值对梯度图进行二值化处理，得到仅包含缺陷区域的第二处理图像；
[0009]基于第一处理图像和第二处理图像得到缺陷检测结果
。
[0010]结合第一方面，在第一方面的一种可能的实现方式中，根据表面图像的直方图，确定仅包含缺陷区域的第一处理图像，包括：
[0011]从直方图的两个峰值中确定缺陷区域峰值；
[0012]根据缺陷区域峰值确定缺陷区域像素范围，基于缺陷区域像素范围对表面图像进行二值化操作，得到仅包含缺陷区域的第一处理图像
。
[0013]结合第一方面，在第一方面的一种可能的实现方式中，从直方图的两个峰值中确定缺陷区域峰值，包括：
[0014]分别计算两个峰值与非缺陷区域像素平均值的差值，将差值较大的峰值确定为缺陷区域峰值，差值较小的峰值则为非缺陷区域峰值；
[0015]非缺陷区域像素平均值由预先标注缺陷的表面图像样本确定
。
[0016]结合第一方面，在第一方面的一种可能的实现方式中，边缘算法为
Sobel
算子；根据直方图中的缺陷区域峰值和非缺陷区域峰值，确定梯度图的分割阈值，包括：
[0017]以缺陷区域峰值和非缺陷区域峰值作为范围边界，得到分割阈值的取值范围，通过最大类间方差法在取值范围内寻找梯度图的分割阈值
。
[0018]结合第一方面，在第一方面的一种可能的实现方式中，通过最大类间方差法在取值范围内寻找梯度图的分割阈值，包括：
[0019]在取值范围内选取一个值，通过该值将梯度图中的像素划分为两类，根据计算两类的类间方差；计算取值范围内各个值对应的类间方差，将对应最大类间方差的值确定为分割阈值；
[0020]其中，
ω0(T)
为像素被分类到一类中的概率，
ω1(T)
为像素被分类到另一类中的概率，
μ0(T)
为一类像素的平均灰度，
μ1(T)
为另一类像素的平均灰度
。
[0021]结合第一方面，在第一方面的一种可能的实现方式中，基于第一处理图像和第二处理图像得到缺陷检测结果，包括：
[0022]分别查找第一处理图像和第二处理图像中的缺陷轮廓；
[0023]将第一处理图像和第二处理图像中的缺陷轮廓合并为一个轮廓列表，并将面积小于预设的面积阈值的缺陷轮廓作为噪音轮廓去除；
[0024]以及，去除轮廓列表中重叠的缺陷轮廓，得到缺陷检测结果
。
[0025]结合第一方面，在第一方面的一种可能的实现方式中，分别查找第一处理图像和第二处理图像中的缺陷轮廓，包括：
[0026]对于第一处理图像或第二处理图像，寻找非零像素点，若存在数量不小于预设的数量阈值的相邻非零像素点，则确定为一个轮廓，得到多个轮廓；
[0027]使用每个轮廓的最小矩形框代替每个轮廓，得到缺陷轮廓
。
[0028]结合第一方面，在第一方面的一种可能的实现方式中，去除轮廓列表中重叠的缺陷轮廓，得到缺陷检测结果，包括：
[0029]计算任意两个缺陷轮廓的重叠面积；
[0030]若该两个缺陷轮廓的重叠面积与该两个缺陷轮廓中较小缺陷轮廓的面积之差小于预设差值，则将该较小缺陷轮廓作为重叠轮廓去除；
[0031]将轮廓列表中保留的缺陷轮廓作为缺陷检测结果
。
[0032]本专利技术实施例的第二方面提供了一种基于图像的缺陷检测装置，包括：
[0033]获取模块，用于获取待检测钢卷的表面图像；
[0034]第一处理模块，用于根据表面图像的直方图，确定仅包含缺陷区域的第一处理图像；
[0035]第二处理模块，用于通过边缘算法计算表面图像的梯度图，根据直方图中的缺陷区域峰值和非缺陷区域峰值，确定梯度图的分割阈值，并根据分割阈值对梯度图进行二值化处理，得到仅包含缺陷区域的第二处理图像；
[0036]检测模块，用于基于第一处理图像和第二处理图像得到缺陷检测结果
。
[0037]本专利技术实施例的第三方面提供了一种电子设备，包括存储器
、
处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面或第一方面的任意一种可能的实现方式中的步骤
。
[0038]本专利技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面或第一方面的任意一
种可能的实现方式中的步骤
。
[0039]本专利技术实施例与现有技术相比存在的有益效果是：
[0040]本专利技术实施例结合图像直方图和边缘算法来检测缺陷区域，通过合并两种方法的检测结果，提高了检测精度
。
同时，在边缘算法检测过程中，利用直方图中的缺陷区域峰值和非缺陷区域峰值，确定梯度图的分割阈值对梯度图进行二值化处理，从而减少了计算量，加快处理速度
。
本专利技术实施例解决了传统算法精度低的问题，同时使算法的处理速度有一定的提升
。
附图说明
[0041]为了更清楚地说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像的缺陷检测方法，其特征在于，包括：获取待检测钢卷的表面图像；根据所述表面图像的直方图，确定仅包含缺陷区域的第一处理图像；通过边缘算法计算所述表面图像的梯度图，根据所述直方图中的缺陷区域峰值和非缺陷区域峰值，确定所述梯度图的分割阈值，并根据所述分割阈值对所述梯度图进行二值化处理，得到仅包含缺陷区域的第二处理图像；基于第一处理图像和第二处理图像得到缺陷检测结果
。2.
如权利要求1所述的基于图像的缺陷检测方法，其特征在于，根据所述表面图像的直方图，确定仅包含缺陷区域的第一处理图像，包括：从所述直方图的两个峰值中确定缺陷区域峰值；根据缺陷区域峰值确定缺陷区域像素范围，基于缺陷区域像素范围对所述表面图像进行二值化操作，得到仅包含缺陷区域的第一处理图像
。3.
如权利要求2所述的基于图像的缺陷检测方法，其特征在于，从所述直方图的两个峰值中确定缺陷区域峰值，包括：分别计算两个峰值与非缺陷区域像素平均值的差值，将差值较大的峰值确定为缺陷区域峰值，差值较小的峰值则为非缺陷区域峰值；所述非缺陷区域像素平均值由预先标注缺陷的表面图像样本确定
。4.
如权利要求1所述的基于图像的缺陷检测方法，其特征在于，所述边缘算法为
Sobel
算子；根据所述直方图中的缺陷区域峰值和非缺陷区域峰值，确定所述梯度图的分割阈值，包括：以缺陷区域峰值和非缺陷区域峰值作为范围边界，得到分割阈值的取值范围，通过最大类间方差法在取值范围内寻找所述梯度图的分割阈值
。5.
如权利要求1所述的基于图像的缺陷检测方法，其特征在于，通过最大类间方差法在取值范围内寻找所述梯度图的分割阈值，包括：在取值范围内选取一个值，通过该值将所述梯度图中的像素划分为两类，根据计算两类的类间方差；计算取值范围内各个值对应的类间方差，将对应最大类间方差的值确定为分割阈值；其中，
ω0(...

【专利技术属性】
技术研发人员：郝亮，李毅仁，潘志威，陈云朋，王建业，贾树理，王钊哲，肖鹏，张宇，刘培培，
申请(专利权)人：河钢集团有限公司衡水板业包装材料科技有限公司哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：