[发明专利]基于机器视觉的玻璃缺陷的检测与分类方法

权利要求书

1.一种基于机器视觉的玻璃缺陷的检测与分类方法，其特征在于，包括如下步骤：

步骤一：对图像进行缺陷边缘检测以获得缺陷的边缘信息，根据所述边缘信息确定目标区域；

步骤二：对所述目标区域进行二值化处理；

步骤三：去除所述目标区域中的噪声点；

步骤四：根据某行灰度值跳变的次数定义9类特征模式；

步骤五：提取二值特征序列直方图，对于获得的所述目标区域的二值化图像逐行逐列寻找所述9类特征模式，统计所述9类特征模式在所述目标区域出现的频率从而完成目标缺陷类型的判断。

2.根据权利要求1所述的基于机器视觉的玻璃缺陷的检测与分类方法，其特征在于，在所述步骤一中，把将需要检测的玻璃利用摄像设备读入计算机，利用边缘检测获得缺陷的边缘信息，将每个缺陷最左面的点与最右面的点的距离作为所述目标区域的宽度，将每个缺陷最上面的点与最下面的点的距离作为所述目标区域的高度。

3.根据权利要求1所述的基于机器视觉的玻璃缺陷的检测与分类方法，其特征在于，在所述步骤二中，对每一个像素点                                               求其局部灰度信息值，并将其二值化，用记录二值化后的灰度值信息，其中：

其中，为(m,n)像素的灰度值，为权值，其中，权值模板如下：

    ；

其中，某像素点是否存在W特征的判断方法包括：先求下列四个特征值：

然后，如果WFV11、WFV12、WFV21、WFV22满足以下两个条件中的一个，那么就判断该像素点存在W特征：

条件1： (WFV11>2 & WFV12>2) | (WFV21>2 & WFV22>2) 

条件2： (WFV11>1 & WFV12>1) & (WFV21>1 & WFV22>1) 。

4.根据权利要求1所述的基于机器视觉的玻璃缺陷的检测与分类方法，其特征在于，在所述步骤三中，对于每一个像素点，如果，计算

如果，那么将的值调整为1。

5.根据权利要求1至4中任一项所述的基于机器视觉的玻璃缺陷的检测与分类方法，其特征在于，在所述步骤四中，对二值化后的目标区域的每一行提取二值特征序列L，包括如下子步骤：

子步骤1：令序列L第1个编码L[1]等于该行第一个像素的灰度值b(i,1)，置k=1，j=2；

子步骤2：读取该行第j个像素灰度值，若b(i,j)与L[k]不一致，则更新二值特征序列L[k+1]=b(i,j), 置k:=k+1；否则，则置，进行所述子步骤2直到完成该行的二值特征序列的提取；

子步骤3：根据该行的二值特征序列的长度，更新相应的二值特征模式出现的次数。