[发明专利]基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法

权利要求书

1.一种基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法，其特征在于，该基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法包括：

利用图像分割相关算法对镜头视窗玻璃图像进行图像分割，得到由内而外同心且依次嵌套的第一图像区域(1)、第二图像区域(2)、第三图像区域(3)和第四图像区域(4)；

对分割后的多个图像区域分别进行缺陷检查，判断第一图像区域(1)是否存在点状、划伤、脏污或水渍的缺陷；判断第二图像区域(2)是否存在脏污或异物的缺陷；判断第三图像区域(3)是否存在玻璃崩边缺陷；判断第四图像区域(4)是否存在点胶缺陷；

判断第一图像区域(1)是否存在点状、划伤、脏污或水渍的缺陷的方法包括：

步骤11，利用阈值化算法对第一图像区域(1)进行处理，选择灰度范围在[15，255]之间的区域得到A1区域；

步骤12，利用形态学开区间算法对A1区域进行处理，得到去噪声干扰后的图像A2；

步骤13，利用区域连通算法对去噪声干扰后的图像A2进行处理，对区域内的像素进行标记；

步骤14，根据像素面积大小的特征，选择范围为[0，1409930]之间的像素区域，得到Particle缺陷部分的区域A3；

步骤15，计算Particle缺陷部分的区域A3的面积，根据预设第一缺陷面积值与Particle缺陷部分的区域A3的面积值的大小判断是否存在点状、划伤、脏污或水渍的缺陷；

判断第二图像区域(2)是否存在脏污或异物的缺陷的方法包括：

步骤21，利用灰度阈值化算法对第二图像区域(2)进行处理，根据缺陷部分与正常的HD部分灰阶值差异，选择[65，255]范围的区域B1；

步骤22，利用区域合并算法对区域B1进行处理，得到完整的区域B2；

步骤23，计算区域B2的面积，根据区域B2的面积与预设第二缺陷面积值的大小判断是否存在脏污或异物的缺陷；

判断第三图像区域(3)是否存在玻璃崩边缺陷的方法包括：

步骤31，利用灰度阈值化对第三图像区域(3)进行处理，选择[100，255]范围的灰度区域得到区域C1；

步骤32，利用形态学开区间算法对区域C1进行处理，得到区域C2；

步骤33，计算区域C2的面积，根据区域C2的面积与预设第三缺陷面积值的大小来判断是否存在玻璃崩边缺陷；

判断第四图像区域(4)是否存在点胶缺陷的方法包括：

步骤41，利用灰度阈值化算法对第四图像区域(4)进行处理，选择[100,255]范围的区域，得到区域D1；

步骤42，对区域D1进行形态学腐蚀操作，得到区域D2；

步骤43，利用区域填充算法对区域D2进行处理，填充区域空洞得到区域D3，利用区域合并算法处理区域D3；

步骤44，利用连通算法处理区域D3，以对区域D3进行像素标记；

步骤45，根据像素面积大小特征来选择溢胶区域D4；

步骤46，计算溢胶区域D4的面积大小，当区域D4的面积大小不为0时，判定存在点胶缺陷。

2.根据权利要求1所述的基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法，其特征在于，在步骤12中，掩膜模板采用半径为2个像素的圆。

3.根据权利要求1所述的基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法，其特征在于，在步骤32中，掩膜模板采用半径为2个像素的圆。

4.根据权利要求1所述的基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法，其特征在于，在步骤43中，掩膜模板采用半径为2.5的圆形。