[发明专利]一种检测周期图像异构区的方法

说明书

本发明涉及一种检测周期图像异构区的方法，检测出周期图像的本征周期，并确定周期区，获取本征差模图像，检测出本征差模图像中的特征点，分别定义5个差模特征区，统计检测出的特征点分别落入各个差模特征区的最大范围中的落入数，确定各区中的特征点分布的实际范围和实际宽度，筛选出落入数不低于规定的阈值，且实际宽度也不低于规定的阈值的差模特征区，作为异构区。本发明的有益效果是：以较小的计算开销检测出周期图像的异构区，且检测出的异构区更为准确可靠，尤其更为重要的改进之处是解决了以往方法无法检测出位于周期图像中央位置的异构区的问题。

技术领域

本发明涉及计算机图像处理技术和机器视觉技术领域，尤其涉及一种检测周期图像异构区的方法。

背景技术

本发明给出的方法适用于当前很多工业现场的机器视觉检测系统。在这些生产线上，机器视觉检测系统扫描得到的图像是周期图像，即是沿生产线运行方向以一定的周期重复出现的连续图像。面向此类周期图像实现产品表面检测的视觉检测系统，一般都采用的是图像比对的方法。能够成功应用这一方法的前提是事先要为视觉检测系统提供精准的基准图像，才使得将实时扫描图像与基准图像进行比对成为可能。本发明中所说的图像的周期都是指周期高度。

在上述周期图像中，对于图像中的每一个具体的坐标区域，只存在唯一一个最小周期，但在图像的两个不同的坐标区域，则可能会存在两种不同高度值的最小周期。这里所说的坐标的维度指的是与周期图像的周期方向也即生产线运行方向相垂直方向的维度。上述这两种高度值不同的最小周期被区分为本征周期和异构周期。

本征周期被定义为在整个周期图像中具有最高分布频率的周期高度，与之相关的最高分布频率被定义为本征频率。在这里，所谓的某一周期高度值在图像中的分布频率，被定义为该周期高度值在相应的图像出现的频度或者说出现的次数。实际上，由此定义获得的本征周期其实就是周期图像中出现频度或出现次数或出现概率最高的最小周期高度。

在周期图像中的不同于本征周期的最小周期都属于异构周期。异构周期的数值都在本征周期的2倍或2倍以上，因此异构周期被定义为周期图像中存在的周期高度值至少是该图像的本征周期值的2倍的最小周期高度。异构区被定义为周期图像中存在有特征点的最小周期高度为异构周期且该类特征点数量不小于规定阈值的局部区域。

当基准图像中包含有异构区时，基准图像的高度必须为异构周期值的整数倍，一般都是等于异构周期值，这样的基准图像才可以被用于图像比对而不会导致产生错误。而当基准图像中不包含异构区时，则基准图像的高度只须为本征周期值的整数倍，一般都是等于本征周期值。所以，基准图像的高度的大小取决于基准图像中是否包含有异构区。

由于很多产品属于软性材料，例如纸张或塑料薄膜，而不是刚体，因此上述周期图像中，在周期高度方向平移距离为本征周期整数倍或异构周期整数倍的2个同等尺寸图像相互之间并不是完全精确一致，相互之间总是存在着由于抖动而造成的图像差异。在这种情况下，基准图像的高度愈小，图像比对的结果愈加精准，反之，基准图像的高度愈大，图像比对的结果的准确度愈差。

由于上述原因，为保证获得尽可能精准的图像比对结果，须要尽可能选择高度值更小的基准图像，也就是说视觉检测系统在做图像比对时应尽可能地选择使用图像高度等于本征周期值的基准图像，但这一目标只有在满足可从周期图像中截取出不包含异构区的基准图像的这一前提下，才能实现。反之，当从周期图像中截取出的基准图像不得不包含异构区时，必须只能使用图像高度等于异构周期值的基准图像。

不难看出，选择高度值最优的基准图像的前提是首先能够准确地检测出周期图像中的异构区。而以往在此方面的方法，使用的还是前后搜索列图像的列周期 的方法，根据从中获得的列周期的数值大小，来检出异构区和异构周期。这一方法的缺陷是准确度不足，容易受到干扰，可靠性低，同时计算开销较大。