【技术实现步骤摘要】
本专利技术涉及图像处理。更具体地，本专利技术涉及一种数控机床生产零件的智能检测方法。
技术介绍
1、数控机床通常用于生产高精度、复杂结构的零件，因此必须确保每个零件的尺寸、形状、表面质量等符合要求，以避免影响整体装配和使用效果。对生产的零件进行检测，可以确保零件符合设计要求和技术标准，保证产品质量稳定，是现代制造业不可或缺的环节。
2、相关技术中，例如公开号为cn117764983a的中国专利申请文件，其公开了一种用于智能制造产线的双目识别的视觉检测的方法，包括：对双目识别检测设备采集到的rgb图像进行灰度化处理，再通过图像滤波和直方图均衡化对图像进行预处理；用gamma校正处理，调整图像的亮度和对比度，利用canny边缘检测和分割算法对无序堆叠零件分割并评价分割效果，对零件的roi区域采用canny算子梯度化方法进行分割，进行三维重建，计算，位姿获取。
3、相关技术中，通过直方图均衡化对图像进行预处理，但是常规直方图均衡化是基于整幅图像的全局直方图来进行直方图均衡化，忽略了图像的局部细节和结构，会导致图像中某些区域的对比度显著增强，而其他区域的对比度变化不明显，最终导致图像的增强效果并不理想，进而影响零件的检测结果的准确性。
技术实现思路
1、为解决上述常规直方图均衡化忽略了图像的局部细节和结构，会导致图像中某些区域的对比度显著增强，而其他区域的对比度变化不明显，最终导致图像的增强效果并不理想，进而影响零件的检测结果的准确性的技术问题，本专利技术在如下的多
2、在第一方面中，本专利技术提供了一种数控机床生产零件的智能检测方法，包括：采集数控机床生产的零件的表面图像；针对表面图像的所有灰度值中的目标灰度值，根据目标灰度值的各参考灰度值对应的像素点与目标灰度值对应的像素点之间的距离，计算各参考灰度值的参考权重；根据各参考灰度值的参考权重和各参考灰度值对应的所有像素点中参考距离小于预设距离的像素点的数量，对目标灰度值的频率进行修正，所述参考距离是指参考灰度值对应的像素点与目标灰度值对应的所有像素点之间的距离的最小值；根据所有灰度值的修正频率，构建第一灰度直方图，对第一灰度直方图进行直方图均衡化，获得各灰度值的第一映射灰度值；对表面图像进行超像素点分割，获得所有超像素块；针对表面图像的所有像素点中的目标像素点，根据目标像素点所属的超像素块的最大内接矩形的四个角点对应的像素点的灰度值和坐标，计算目标像素点的环境灰度值；根据所有像素点的环境灰度值，构建第二灰度直方图；对第二灰度直方图进行直方图均衡化，获得各环境灰度值的第二映射灰度值；对各像素点的灰度值的第一映射灰度值和环境灰度值的第二映射灰度值进行加权，计算各像素点的第三映射灰度值；将所有像素点的第三映射灰度值组成增强后的表面图像；对增强后的表面图像进行检测。
3、根据目标灰度值的邻近灰度值的分布情况，通过根据各参考灰度值的参考权重和各参考灰度值对应的所有像素点中参考距离小于预设距离的像素点的数量，对目标灰度值的频率进行修正，使得获得的目标灰度值的修正频率能够体现目标灰度值在表面图像中的局部细节；通过对表面图像进行超像素点分割，根据每个超像素块内部的灰度值，去计算各像素点的环境灰度值，超像素点分割可以帮助保留表面图像的局部细节，使得获得的环境灰度值更能够体现各像素点的局部性；因此，后续分别根据所有灰度值的修正频率进行直方图均衡化以及根据各像素点的环境灰度值进行直方图均衡化，相较于传统的直方图均衡化方法，可以更好地区分和处理表面图像中的不同局部区域，使得对比度增强更为平衡，显著提升了表面图像处理的质量和效果，使得处理后的表面图像更符合人眼视觉感知，进而提高零件的检测结果的准确性。
4、优选地，所述目标灰度值的各参考灰度值的获取方法，包括：将[h-k,h-1]和[h+1,h+k]范围内的灰度值，作为目标灰度值的参考灰度值，k表示预设长度，h表示目标灰度值。
5、优选地，所述参考灰度值的参考权重满足表达式：；式中，q表示参考灰度值的参考权重，l表示参考灰度值对应的像素点的参考距离，表示预设距离，表示参考灰度值对应的所有像素点中，参考距离l小于预设距离的像素点的数量，表示参考灰度值对应的第i个像素点的参考距离，表示以自然常数为底的指数函数。
6、通过参考灰度值对应的像素点与目标灰度值对应的像素点的距离，来确定参考灰度值的参考权重，使得参考灰度值的参考权重能够体现目标灰度值在图像中的局部细节。
7、优选地，所述根据各参考灰度值的参考权重和各参考灰度值对应的所有像素点中参考距离小于预设距离的像素点的数量，对目标灰度值的频率进行修正，包括：目标灰度值的修正频率满足表达式：；式中，表示目标灰度值h的修正频率，h表示目标灰度值，k表示预设长度，表示目标灰度值的第k个参考灰度值的参考权重，表示目标灰度值的第k个参考灰度值对应的所有像素点中，参考距离l小于预设距离的像素点的数量，l表示参考灰度值对应的像素点的参考距离，表示预设距离，n表示表面图像中所有像素点的总数量，表示目标灰度值h的频率；所述目标灰度值h的频率是指目标灰度值h对应的像素点的数量与表面图像中所有像素点的总数量的比值。
8、根据目标灰度值的邻近灰度值的分布情况，通过根据各参考灰度值的参考权重和各参考灰度值对应的所有像素点中参考距离小于预设距离的像素点的数量，对目标灰度值的频率进行修正，使得获得的目标灰度值的修正频率能够体现目标灰度值在图像中的局部细节，相较于传统的直方图均衡化方法，显著提升了图像处理的质量和效果，使得处理后的图像更符合人眼视觉感知，进而提高零件的检测结果的准确性。
9、优选地，所述计算目标像素点的环境灰度值，包括：在目标像素点所属的超像素块的最大内接矩形的四个角点对应的像素点中，将左下角、左上角、右上角和右下角的角点对应的像素点，分别记为目标像素点对应的第一邻近像素点、第二邻近像素点、第三邻近像素点和第四邻近像素点；根据四个邻近像素点的横坐标和纵坐标以及目标像素点的横坐标和纵坐标，计算四个距离权重；根据四个距离权重以及四个邻近像素点的灰度值，计算目标像素点的环境灰度值。
10、通过对表面图像进行超像素点分割，根据每个超像素块内部的灰度值，去计算各像素点的环境灰度值，超像素点分割可以帮助保留图像的局部细节，使得获得的环境灰度值更能够体现各像素点的局部性，后续根据各像素点的环境灰度值进行直方图均衡化，可以更好地区分和处理图像中的不同局部区域，因此对比度增强更为平衡。
11、优选地，所述四个距离权重的获取方法，包括：将第一邻近像素点与第二邻近像素点的横坐标的均值、第三邻近像素点与第四邻近像素点的横坐标的均值，分别作为第一横坐标和第二横坐标；将第一邻近像素点与第三邻近像素点的纵坐标的均值、第二邻近像素点与第四邻近像素点的纵坐标的均值，作为第一纵坐标和第二纵坐标；则第一距离权重；第二距离权重；第三距离权重；第四距离权重；其中，、分别表示目标像素点的横坐标和纵坐标，、分别表示第本文档来自技高网...
【技术保护点】
1.一种数控机床生产零件的智能检测方法，其特征在于，包括：
2.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述目标灰度值的各参考灰度值的获取方法，包括：
3.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述参考灰度值的参考权重满足表达式：
4.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述根据各参考灰度值的参考权重和各参考灰度值对应的所有像素点中参考距离小于预设距离的像素点的数量，对目标灰度值的频率进行修正，包括：
5.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述计算目标像素点的环境灰度值，包括：
6.根据权利要求5所述的数控机床生产零件的智能检测方法，其特征在于，所述四个距离权重的获取方法，包括：
7.根据权利要求6所述的数控机床生产零件的智能检测方法，其特征在于，所述目标像素点的环境灰度值满足表达式：
8.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述像素点的第三映射灰度值满足表达式：
...【技术特征摘要】
1.一种数控机床生产零件的智能检测方法，其特征在于，包括：
2.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述目标灰度值的各参考灰度值的获取方法，包括：
3.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述参考灰度值的参考权重满足表达式：
4.根据权利要求1所述的数控机床生产零件的智能检测方法，其特征在于，所述根据各参考灰度值的参考权重和各参考灰度值对应的所有像素点中参考距离小于预设距离的像素点的数量，对目标灰度值的...
【专利技术属性】
技术研发人员：王志范，李卫，何磊磊，马红刚，李鹏辉，
申请(专利权)人：陕西中盛天泽复合材料科技有限公司，
类型：发明
国别省市：
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。