[发明专利]一种工业品图像目标提取及缺陷判断方法

说明书

本发明涉及缺陷检测技术领域，尤其涉及一种基于面积比的剔除细小残留物的胶粘薄膜褶皱缺陷检测方法。胶粘薄膜类产品一般具有很强的反光特性，所以使用同轴光作为褶皱缺陷检测的光源，降低反光性，突出褶皱缺陷。经过不同颜色光源的测试，红色同轴光效果最佳。本发明采用红色同轴光拍摄胶粘薄膜图片，该胶粘薄膜表面存在干扰褶皱缺陷检测的细白塑料毛，细白塑料毛是模切机未切干净所致，属物料残留。细小白色物料残留不属于缺陷，但自适应阈值分割方法也会将其提取出来。由于细小白色残留物料亮色部分面积超过了其所在的连通域面积的90%，所以本发明提出了一种基于面积比的剔除细小残留物的胶粘薄膜褶皱缺陷检测方法，剔除细小白色残留物料所在的连通域，只保留褶皱所在的连通域。避免了细小白色残留物料的干扰，精准检测胶粘薄膜褶皱。

技术领域

本发明涉及工业品缺陷检测领域，具体涉及一种工业品图像目标提取及缺陷判断方法。

背景技术

基于图像分割的工业品缺陷检测方法，首先是对分割出的目标进行提取，然后计算目标的特征值如面积、周长等，通过比较特征值与设定的阈值来判定提取到的目标是否为缺陷，而求目标的最小外接矩形是常用到的一种目标提取方法。

发明内容

本发明提供了一种简洁有效的计算目标最小外接正矩形的方法，进而将矩形面积作为特征值看是否在设定的范围内，从而判断分割出的目标是否为缺陷。

本发明解决方案分为先后顺序执行的四个部分：（1）首先视图像质量而定是否要对其进行预处理操作，如图像前后景对比度差，可考虑进行平滑处理，过滤掉影响最终检测结果的背景噪声，如图像对比度强，干扰因素少，可不用对其进行平滑处理；（2）接下来通过设定一个合适的阈值，对图像进行全局二值化操作，将目标分割出来；（3）然后沿分割出的目标轮廓移动，从而确定目标的最小外接正矩形，提取出目标，将最小外接正矩形的面积即为目标的特征值；（4）最后设定一个判断目标是否为缺陷的取值范围。如果目标特征值位于该范围之内，则判定目标为缺陷并画出最小外接正矩形作为标记；如果目标特征值位于该范围之外，则判定目标不是缺陷。

附图说明

图1是本发明的一种工业品图像目标提取及缺陷判断方法的流程示意图；

图2是包含有划痕和脏污的光学胶图像；

图3是对图2进行全局二值化处理后的图像；

图4是针对图2按图1所示流程在vs2013中用C++实现后编译生成的图像，缺陷部位用红色最小外接正矩形框做标记；

图5是包含有压痕的光学胶图像，其中压痕位于黑色框内；

图6是针对图5未加入高斯滤波和腐蚀操作时按图1所示流程在vs2013中用C++实现后编译生成的图像，缺陷部位用红色最小外接正矩形框做标记；

图7是针对图5加入高斯滤波和腐蚀操作时按图1所示流程在vs2013中用C++实现后编译生成的图像，缺陷部位用红色最小外接正矩形框做标记；

具体实施方式

下面结合实施例和附图说明对本方法做进一步说明

1）首先根据图像质量决定是否要对其进行预处理。通常而言对于目标与背景对比度差的图像，在进行缺陷检测之前要经过滤波处理，去除掉对检测结果产生影响的背景噪声。而对于对比度强的图像，在进行缺陷检测之前可不经过滤波处理，对检测结果影响不大；

2）接下来通过找寻一个合适的阈值，对图像进行全局二值化处理，将目标尽可能地分割出来。因为没有进行反色，所以全局二值化处理后，目标像素值为0，背景像素值为255。对于光学胶图像尝试使用了动态阈值分割即局部二值化处理，但对目标的提取效果不如全局二值化处理效果好，所以这里对图像采用了全局二值化处理；