[发明专利]一种纹理表面的缺陷检测方法

说明书

技术领域

本发明涉及一种缺陷检测方法，具体涉及一种纹理表面的缺陷检测方法。

背景技术

很多工业产品出厂时，都需要检测表面缺陷，随着市场竞争日益激烈，工业产品的外观越来越精美。表面形状更加复杂，表面喷砂、氧化等越来越多，导致工业品越来越美观的同时，表面上的缺陷也更加难于检测。

纹理是一种反映像素灰度的空间分布属性，通常表现为局部不规则但宏观存在规律的特征。一般表现为灰度与颜色的变化，以及纹理基元的反复出现性和排列规则性。工业品喷砂、氧化等工艺的特点，每个“合格”工业品个体间表面“纹理”都存在差异，对于复杂表面形状，每次成像之间也会存在差异，这些都给“表面缺陷的检测和判断”带来了极大的困难，常规算法很难将缺陷和表面纹理区分开。

由于企业生产环境的复杂性，和产品可能具有复杂的表面形状，实际成像中，图像的各个区域亮度不一致，部分区域亮度高，部分区域亮度低，给表面缺陷的增强和检测带来了较大的困难。

对此，中国公开专利：CN103293168.A公开了一种基于视觉显著性的水果表面缺陷检测方法，通过视觉显著图排除了纹理和颜色不均的干扰，但此方法处理过程算法复杂，检测速度慢，且对细微缺陷没有进行增强处理，可能存在漏检。

发明内容

本发明目的在于为克服上述问题而提供一种算法快速，能够排除纹理背景和亮度不均的干扰，且识别精度高的纹理表面的缺陷检测方法。

为实现上述目的，本发明采用的技术方案是：

一种纹理表面的缺陷检测方法，包括如下步骤：

（一）亮度归一化矫正：

1.1：采集一幅产品的摄像机图像ImageColor；

1.2：提取图像ImageColor，得到红色通道图像ImageRed；

1.3：分别在水平和竖直方向均值平滑图像ImageRed，得到平滑图像ImageRedMean；

1.4：利用平滑图像ImageRedMean，反向矫正图像ImageRed亮度,得到图像ImageRed_new；对于图像中的每个像素，使用下面公式进行矫正:

ImageRed_new=(ImageRed-ImageRedMean)*C+ImageRed；

1.5：提取图像ImageColor，得到绿色通道图像ImageGreen；

1.6：分别在水平和竖直方向均值平滑图像ImageGreen，得到平滑图像ImageGreenMean；

1.7：利用平滑图像ImageGreenMean，反向矫正图像ImageGreen亮度，得到图像ImageGreen_new；对于图像中的每个像素，使用下面公式进行矫正:

ImageGreen_new=(ImageGreen-ImageGreenMean)*C+ImageGreen；

1.8：提取图像ImageColor，得到蓝色通道图像ImageBlue；

1.9：分别在水平和竖直方向均值平滑图像ImageBlue，得到平滑图像ImageBlueMean；

1.10：利用平滑图像ImageBlueMean，反向矫正图像ImageBlue亮度，得到图像ImageBlue_new；对于图像中的每个像素，使用下面公式进行矫正:

ImageBlue_new=(ImageBlue-ImageBlueMean)*C+ImageBlue；

1.11:合并图像ImageRed_new、图像ImageGreen_new和图像ImageBlue_new，得到图像ImageRect；

（二）去除表面纹理背景：

2.1：使用非线性范围滤波器滤去除图像ImageRect的纹理，逐个像素处理，得到图像ImageTrim；

（三）细微缺陷的增强：

3.1：对图像ImageTrim进行对数运算，得到图像ImageLog；

3.2：对图像ImageLog进行指数运算，得到图像ImageExp；

3.3：对图像ImageExp进行幂次运算，得到图像ImagePow；

3.4：对图像ImagePow进行自适应拉伸，得到图像ImageScale；

（四）提取缺陷：

4.1：使用尼巴拉克（Niblack）阈值提取方法，提取白色缺陷RegionLight；

4.2：使用尼巴拉克（Niblack）阈值提取方法，提取黑色缺陷RegionDark；