[发明专利]一种基于外形特征的异常磨斑图像的检测方法

权利要求书

1.一种基于外形特征的异常磨斑图像的自动检测方法，其特征在于，包括如下步骤：

步骤1，对采集到的磨斑图像进行预处理，得到磨痕区域图；

步骤2，在磨痕区域图中提取磨痕区域；

步骤3，计算磨痕区域的行长径和列长径；

步骤4，根据步骤3中得到的磨痕区域的行长径和列长径判断磨斑图像是否异常，若磨斑图像为异常时，算法结束；否则转入步骤5；

步骤5，对磨斑区域的行长度和列长度进行区间滤波，得到区间行长和区间列长；

步骤6，根据步骤5中得到的区间行长和区间列长计算梯度变化值；

步骤7，确定自适应分割阈值；

步骤8，根据步骤7中得到的自适应分割阈值对步骤6中得到的梯度变化值进行二值化处理，得到梯度二值数据；

步骤9，根据步骤8得到的梯度二值数据和步骤3中的磨痕区域的行长径和列长径判断磨痕区域的形状是否正常；

步骤5中，通过下式结合设定的区间长度对磨斑区域的行长度和列长度进行区间滤波：

其中，s和t分别行区间和列区间的索引；L_h(s)表示第s个区间行长；L_l(t)为第t个区间列长；q为设定的区间长度；[]表示向下取整运算符；i₀和i₁分别表示磨痕水平图中磨痕区域的首行和尾行；j₀和j₁分别表示磨痕水平图中磨痕区域的首列和尾列；D_h(i)表示第i行的长度；D_l(j)表示第j列的长度；

步骤6中，通过下式结合步骤5中得到的区间行长和区间列长计算梯度变化值：

其中，I_h(s)为s区间的行梯度，I_l(t)为t区间的列梯度；q为设定的区间长度；

步骤7中，确定自适应分割阈值，具体方法是：

将集合中的元素按升序排列，将排在位的元素对应的值作为行分割阈值T_h；

将集合中元素升序排列后，将排在位的元素对应的值作为列分割阈值T₁；

其中，为四舍五入取整运算。

2.根据权利要求1所述的一种基于外形特征的异常磨斑图像的自动检测方法，其特征在于，步骤2中，在磨痕区域图中提取磨痕区域，具体方法是：

S1，确定步骤1中得到的磨痕区域图的磨痕方向角；

S2，将磨痕区域图绕图像中心顺时针旋转磨痕方向角度，得到磨痕水平图；

S3，在磨痕水平图中提取磨痕区域，其中，利用i₀和i₁表示磨痕水平图中磨痕区域的首行和尾行；利用j₀和j₁表示磨痕水平图中磨痕区域的首列和尾列：

i₀＜i且且且

3.根据权利要求1所述的一种基于外形特征的异常磨斑图像的自动检测方法，其特征在于，步骤3中，根据下式计算磨痕区域的行长径：

其中，r_h为行长径；D_h(i)为第i行的长度，i₀为磨痕区域的首行；i₁为磨痕区域的尾行；j₀为磨痕区域的首列；j₁为磨痕区域的尾列；

通过下式计算列长径：

其中，r_l为列长径；D_l(j)为第j列的长度，

4.根据权利要求1所述的一种基于外形特征的异常磨斑图像的自动检测方法，其特征在于，步骤4中，根据步骤3中得到的磨痕水平图的行长径和列长径判断磨斑图像是否异常，具体方法是，若行长径和列长径满足下式，则认为磨斑图像异常：

其中，β为差距阈值；r_h为行长径；r_l为列长径。