[发明专利]一种基于机器视觉的图像处理方法及系统

说明书

本发明公开了一种基于机器视觉的图像处理方法及系统，涉及图像处理技术领域。步骤为：获取RGB图像；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：对所述目标图像中的像素点进行处理，得到图像检测区域：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；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。利用本发明的技术有效提高了机器视觉的图像处理效率，节约了研发人员时间。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于机器视觉的图像缺陷检测方法。

背景技术

机器视觉检测是指通过相机对物体进行拍摄，然后对拍摄得到的图像进行处理，以检测物体中的特征的技术，进而得到物体的质量情况。

机器视觉检测应用越来越广泛，主要应用于尺寸测量和外观缺陷检测。其中，外观缺陷检测对提高整个产品的质量起着决定性作用。

目前机器视觉对图像进行处理时需要对整个图像进行处理，没有获取有效的特征区域；另外机器视觉处理图像计算复杂，图像处理速度较慢。

发明内容

为了解决上述问题，本发明提供一种图像处理方法及系统，实现图像处理时获取有效的图像检测区域，减少图像计算过程的新技术方案。

本专利提供一种机器视觉的图像处理方法，它包括以下步骤：

S1获取RGB图像；

S2对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。

进一步的，所述S2的步骤包括通过加权平均法对所述RGB图像进行灰度处理。

进一步的，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。

可选地，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。

可选地，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。