【技术实现步骤摘要】
本专利技术涉及图像分割，尤其是图像分割方法及其在视觉检测中的应用。
技术介绍
1、随着自动化产业的普及化，自动生产线的数目也急剧增加。自动生产线在无人干预的情况下按规定的程序或指令自动进行操作或控制的过程，其目标是"稳，准，快"。自动化技术广泛用于工业、农业、军事、科学研究、交通运输、商业、医疗、服务和家庭等方面。采用自动生产线不仅可以把人从繁重的体力劳动、部分脑力劳动以及恶劣、危险的工作环境中解放出来，而且能扩展人的器官功能，极大地提高劳动生产率。但是也产生一序列的技术痛点问题，其中最主要是由于生产效率的提高，产品数量急剧增多，产品复核的时间累积量大，复核师难于跟上产品生产速度，且复核效率随数量的增多而下降。在产品视觉检测的过程中，如何快速、准确的实现缺陷产品的图像检测是亟需解决的问题。
技术实现思路
1、本专利技术的目的是通过提出图像分割方法及其在视觉检测中的应用，以解决上述
技术介绍
中提出的缺陷。
2、本专利技术采用的技术方案如下：
3、提供图像分割方法，包括如
【技术保护点】
1.图像分割方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的图像分割方法，其特征在于：所述S2中，基于灰度差分统计法计算图像的对比度、熵和平均值，并以此表示图像的纹理特征。
3.根据权利要求2所述的图像分割方法，其特征在于：所述灰度差分统计法的计算具体如下：
4.根据权利要求1所述的图像分割方法，其特征在于：所述S3中，基于改进的鬣狗优化算法对K-means算法的聚类中心进行寻优获取。
5.根据权利要求4所述的图像分割方法，其特征在于：所述S3中，以使每个聚类中的数据特征与该聚类中心的特征距离的平方和最小为目标...
【技术特征摘要】
1.图像分割方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的图像分割方法，其特征在于：所述s2中，基于灰度差分统计法计算图像的对比度、熵和平均值，并以此表示图像的纹理特征。
3.根据权利要求2所述的图像分割方法，其特征在于：所述灰度差分统计法的计算具体如下：
4.根据权利要求1所述的图像分割方法，其特征在于：所述s3中，基于改进的鬣狗优化算法对k-means算法的聚类中心进行寻优获取。
5.根据权利要求4所述的图像分割方法，其特征在于：所述s3中，以使每个聚类中的数据特征与该聚类中心的特征距离的平方和最小为目标函数进行迭代优化；所述目标函数具体如下：
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。