[发明专利]一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法

说明书

本发明公开了一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法，包括步骤：采集试纸一帧图像，对图像进行灰度化和中值滤波预处理；基于四点灰度动态阈值对图像进行二值分割，通过差分方法，提取试纸区域；对图像进行Gama灰度增强并采用高斯低通滤波器滤除部分周期性纹理；构建单方向的高斯核函数对图像进行垂直方向的卷积滤波；计算图像在水平方向的梯度grad_x；将试纸区域沿水平方向分割成n列子区域，并计算每个子区域的梯度最大值区域的位置；将每个子区域的梯度最大值区域的位置在垂直方向进行聚类计算，将区域聚类数量达到阈值范围的区域标记为纹理缺陷区域；根据标记的区域判断试纸是否合格。本发明具有检测速度快，检测精度高，鲁棒性好等优点。

技术领域

本发明属于计算机视觉技术领域，特别涉及一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法。

背景技术

目前针对试纸表面纹理缺陷的自动化检测技术较不成熟，对细微的纹理缺陷漏检率和误检率都比较高。一般情况下对试纸产品的表面纹理缺陷检测是采用采用人工的方法，而通过肉眼对试纸表面纹理的判断具有主观性，而且由于试纸批量较大，长时间的检测会造成检测工作人员的视觉疲劳，进而降低检测的效率与精度。

随着计算机技术的快速发展，通过将计算机视觉检测技术应用到工业自动化检测过程中，可以大大提高检测效率。例如：中国发明专利CN201711262071.9，公布了一种基于频谱曲率分析的织物缺陷检测方法，具有良好的自适应和抗干扰能力，但是由于需要将空间域图像转换为频率域再转为空间域，针对大图像的检测实时性难以得到保证；中国发明专利CN201310362813.0公布了一种基于纹理梯度的纺织品缺陷检测算法，具有可快速准确地分辨出纺织品的缺陷的优点。

但是上述方法都是针对纺织品的检测方法，对试纸表面的细微纹理变化造成的缺陷具有局限性，当前还没有一种有效的视觉检测算法能够有效检测存在周期性纹理背景下纹理缺陷的试纸。

因此，设计一种高效、检测精度高，并且适合于周期性纹理下纹理缺陷试纸检测的方法十分必要。

发明内容

本发明的目的在于解决周期性背景下纹理缺陷试纸的缺陷识别与定位，实现对试纸的自动、快速、准确的检测，提高生产效率，本发明提供了一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法，该方法不仅检测速度快，而且可实现缺陷区域的定位，具有较好的鲁棒性。

本发明采用以下技术方案来实现的：

一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法，包括以下步骤：

S1、采集试纸一帧图像，并对图像进行灰度化和中值滤波预处理；

S2、基于四点灰度动态阈值对步骤S1预处理后的图像进行二值分割，通过差分方法，提取试纸区域；

S3、对步骤S2二值分割后的图像进行Gama灰度增强并采用高斯低通滤波器滤除部分周期性纹理；

S4、构建单方向的高斯核函数对步骤S3处理后的图像进行垂直方向的卷积滤波；

S5、计算步骤S4卷积滤波后的图像在水平方向的梯度grad_x；

S6、将试纸区域沿水平方向分割成n列子区域，并计算每个子区域的梯度最大值区域的位置；

S7、将每个子区域的梯度最大值区域的位置在垂直方向进行聚类计算，将区域聚类数量达到阈值范围的区域标记为纹理缺陷区域；

S8、根据步骤S7标记的区域判断试纸是否合格。

本发明进一步的改进在于，步骤S1中，试纸图像采集装置采用双条形无影白光源，且平行布置在传送带两侧，试纸位于传送带上，通过工业相机采集试纸图像I1，且采集的图像仅试纸区域灰度值较高。