[发明专利]一种基于机器视觉的图像处理方法及系统

权利要求书

1.一种基于机器视觉的图像处理方法，其特征在于，包括以下步骤：

S1获取RGB图像；

S2对获取的RGB图像进行灰度处理，去除背景并提取R-B差值灰度图像，记为目标图像；

S3对所述目标图像中的像素点进行处理，得到图像检测区域；

S4利用机器视觉中深度神经网络提取目标图像的参考图像，将检测区域中的子目标图像和参考图像进行处理，获得子目标图像和参考图像的二值图。

S5利用机器视觉中深度神经网络计算参考图像的二值图与子目标图像的二值图进行差运算，获取缺陷值，并进行图像缺陷判断。

2.根据权利要求1所述的方法，其特征在于，所述S2步骤包括通过加权平均法对所述RGB图像进行灰度处理。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3包括如下步骤：

S3.1对所述目标图像中的像素点进行处理，得到至少一条轮廓对应的像素点；

S3.2为至少一条轮廓对应的各像素点计算得到所述各像素点对应的梯度方向；

S3.3沿所述各像素点计算得到的梯度方向，获取至少一个像素单位的像素点；

S3.4将所述各像素点和沿所述各像素点计算得到的梯度方向获取的至少一个像素点进行组合，形成像素点组合区域，并将所述像素点组合区域作为图像检测区域。

4.根据权利要求3所述的方法，其特征在于，对所述目标图像中的像素点进行处理，得到至少一条轮廓对应的像素点，包括：

利用Blob算法，对所述目标图像中的像素进行分块处理，得到多组像素点；

将各组像素点中的最外侧像素点作为所述目标图像的至少一条轮廓对应的像素点。

5.根据权利要求4所述的方法，其特征在于，为所述目标图像的至少一条轮廓对应的各像素点计算得到所述各像素点对应的梯度方向，包括：

获取所述目标图像的至少一条轮廓对应的各像素点相邻的8个像素点的灰度值；

根据所述各像素点相邻的8个像素点的灰度值，计算得到所述各像素点对应的梯度方向。

6.根据权利要求5所述的方法，其特征在于，以所述目标图像的长度方向作为X轴方向，以所述检测图像的宽度方向作为Y轴方向，根据所述各像素点相邻的8个像素点的灰度值，计算得到所述各像素点的梯度方向，包括：

基于以下计算式，得到所述各像素点沿所述X轴方向的梯度幅值Mx，和沿所述Y轴方向的梯度幅值My，

Mx＝{(P3-P1)+[2×(P5-P4)]+(P8-P6)}/4 (1)

My＝{(P6-P1)+[2×(P7-P2)]+(P8-P3)}/4 (2)

其中，式(1)、式(2)中P1、P2、P3、P4、P5、P6、P7、P8分别代表位于当前像素点的左上角、正上方、右上角、正左方、正右方、左下角、正下方和右下角的像素点的灰度值；

基于以下计算式，得到梯度角度α，

α＝atan2(My,Mx)， (3)

根据式(3)所述梯度角度α，得到所述各像素点的梯度方向。

7.根据权利要求1所述的方法，其特征在于，步骤S4包括：

S4.1利用机器视觉中的深度神经网络提取目标图像的参考图像；

S4.2对检测区域中的子目标图像和参考图像进行灰度处理，对处理后的子目标图像和参考图像通过中值滤波进行去噪；

S4.3对去噪后的子目标图像和参考图像进行hough变换检测，分别找出子目标图像和参考图像的边界，获得边界集；

S4.4将子目标图像的边界集和参考图像的边界集进行匹配处理，对处理后的图像进行canny算子的边缘检测，分别得到子目标图像和参考图像的二值图。

8.根据权利要求7所述的方法，其特征在于，所述将子目标图像的边界集与参考图像的边界集进行匹配处理包括：

将子目标图像的边界集与样本图像的边界集进行对比，然后对子目标图像进行旋转与缩放操作，使子目标图像的边界与参考图像的边界吻合。