[发明专利]皮革表面明显破损自动识别方法及计算机可读存储介质

说明书

技术领域

本发明涉及图像自动识别领域，特别涉及皮革表面明显破损自动识别方法及计算机可读存储介质。

背景技术

近些年来，主要以基于机器视觉检测方法为主的皮革表面缺陷检测技术快速发展。目前的皮革表面缺陷检测方法主要分为四种：基于灰度同现矩阵的统计方法、基于Gabor滤波器的纹理分割算法、基于傅里叶变换的检测算法和基于香农小波分解的纹理主频检测方法。

其中，基于灰度同现矩阵的统计方法，通常需要无缺陷样本，计算量较大，受颜色及光照影响大，难以应用于实际生产。

基于Gabor滤波器的纹理分割算法，需要预先获得无缺陷样本求取最优参数而且领域窗的大小对结果有影响，领域窗必须能够包含局部纹理的重复性和空间排列情况，太大的窗会增加计算量，窗口太小会忽视小的缺陷，同时常熟因子c的选择也要经过衡量，否则会影响检测效果。

基于傅里叶变换的检测算法，该类算法主要是用傅立叶基的图像重构技术去除随机纹理图像中的重复性、周期性结构，然后就可在恢复图像中识别异常。随机纹理包含各向同性结构，频谱图像中的高能成分也是向各个方向分布，形成圆盘形。精细的纹理表面在傅里叶谱图像中产生较大的扩展圆，而粗糙的纹理产生较小的扩展圆。对于处理批量图像来说，确定重构的左右半径较为困难，即增加了算法的复杂度。

基于香农小波分解的纹理主频检测方法，首先应用小波基函数在较优的分解级数上对纹理图像进行分解,然后在最佳的分辨率级数上正确的选取平滑图像或者细节图像来重建图像。但对于批量光照不同，色彩相差较大的图像来说，较难以确定最佳分解级，且重构图像时中纹理图案消除效果得不到保障。

综上所述，现有技术中由于不是专门对皮革表面明显破损进行识别，因而识别皮革表面缺陷的方法过程非常耗时，准确率低，因而满足实际生产的需要。

因此，如何获得满足实际生产需要的皮革表面明显破损识别方法是本发明技术人员亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种皮革表面明显破损自动识别方法及计算机可读存储介质，该方法能有效的降低明显破损识别时间，且计算速度较快，检测皮革表面明显破损的准确率高，满足实际生产的需要。其具体方案如下：

一种皮革表面明显破损自动识别方法，包括：

获取需要检测的皮革的原始图像，并将获取的原始图像转换为灰度图像，得到第一目标图像；

通过Soble算子对所述第一目标图像的边缘进行处理，得到第二目标图像；

对所述第二目标图像进行二值化处理，得到第三目标图像；

对所述第三目标图像中的连通区域对象进行标注，以识别皮革表面的明显破损。

可选的，所述获取需要检测的皮革的图像，并将获取的图像转换为灰度图像，得到第一目标图像的过程之后还包括：

将所述第一目标图像缩小M倍，得到第四目标图像；其中，M为大于1的整数。

可选的，所述对所述第三目标图像中的连通区域对象进行标注，以识别皮革表面的明显破损的过程包括：

将所述第四目标对象放大M倍，并对所述第四目标图像放大后图像中的连通区域对象进行标注，以识别所述皮革表面的明显破损。

可选的，所述获取需要检测的皮革的图像，并将获取的图像转换为灰度图像，得到第一目标图像的过程之后还包括：

利用高斯低通滤波器对所述第一目标图像进行滤波处理，以去除所述第一目标图像中的高频信号分量。

可选的，所述对所述第二目标图像进行二值化处理，得到第三目标图像的过程包括：

利用最大类内方差法，对所述第二目标图像进行二值化处理，得到所述第三目标图像。

可选的，所述对所述第三目标图像中连通区域对象进行标注的过程包括：

对所述第三目标图像中所述连通区域对象中面积最大的N处连通区域对象进行标注，以识别皮革表面的明显破损；其中，N为大于1的整数。

可选的，所述皮革表面明显破损自动识别方法还包括：

去除所述连通区域对象中连通区域外接矩形面积大于所述原始图像面积的1/m的连通区域对象；其中，m为大于1的整数。

可选的，所述的皮革表面明显破损自动识别方法还包括：

通过对所述连通区域对象分析，去除树杈状的连通区域对象。

可选的，所述确定所述树杈状的连通区域的过程包括：

对所述第三目标图象进行取反操作；

并计算对所述第三目标图象取反操作后的图像中所有的连通区域的数量；