[发明专利]一种基于实现表面缺陷检测灰度图像定位算法的方法

权利要求书

1.一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：具体步骤如下：

第一步骤、首先定义一个矩阵，该矩阵用于提取图像相应位置的像素均值信息；

第二步骤、然后定义算法参数，算法参数包括检测方向、检测区域以及边缘梯度阈值；

第三步骤、根据实际情况，采用合适的定位算法；

针对边缘相对比较干净的图像，使用均值定位算法；

针对背景复杂的图像，使用相对定位算法；

针对拐角或螺纹柱无法对其进行方向定位时，使用最大值定位算法或最小值定位算法；

其中，相对定位算法的方法，具体步骤如下：

第一步骤、定义检测的基准X轴或Y轴，定义水平扫描与垂直扫描的扫描线宽度；

第二步骤、定义检测的区域，定义水平扫描与垂直扫描的开始与结束位置；

第三步骤、定义检测密度，在检测区域的X,Y距离上平均分布检测点；

相对定位算法的逻辑是：首先选择相对稳定的边缘先进行检测，如果水平X边缘相对稳定先检测出横向边缘，然后以横向边缘的Y坐标作为基准确认纵向边缘检测范围再进行检测。

2.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第一步骤中，上下边缘检测时，矩阵设置为2n × n。

3.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第一步骤中，左右边缘检测时，矩阵设置为n × 2n。

4.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第二步骤中，检测方向的定义方法是：将X轴定义为水平左右的检测方向，将Y轴定义为竖直上下的检测方向。

5.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第二步骤中，检测区域的定义方法是：在指定区域中检测边缘位置，尽可能适应不规则外形工件或背景噪声较大的图像场景。

6.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第二步骤中，边缘梯度阈值的定义方法是：设置边缘梯度变化检出阈值，当梯度超过阈值时检出为边缘。

7.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第三步骤中，均值定位算法的方法是，具体步骤如下：

第一步骤、定义检测的X,Y方向；

第二步骤、定义检测的区域，一般检测区域定义在定位点附近；

第三步骤、定义检测密度，在检测区域的X,Y距离上平均分布检测点；

均值定位算法的逻辑是：

系统先求出X轴上平均分布的多个检测点检出的边缘位置Lx1(X,Y)、 Lx2(X,Y) ……LxN(X,Y)，然后计算相邻的多个Lx在Y轴上的差值均值，再将相邻差值大于差值均值的点舍弃，最后对余下的Lx点在Y轴上求均值；

系统先求出Y轴上平均分布的多个检测点检出的边缘位置Ly1(X,Y)、 Ly2(X,Y) ……LyN(X,Y)，然后计算相邻的多个Ly在X轴上的差值均值，再将相邻差值大于差值均值的点舍弃，最后对余下的Ly点在X轴上求均值。

8.根据权利要求7所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的均值定位算法的方法中，定义检测的X,Y方向的方法是：如果定位在左下角，X检测方向为从左向右，Y检测方向为从下向上；如果定位在左上角，X检测方向为从左向右，Y检测方向为从上向下；如果定位在右下角，X检测方向为从右向左，Y检测方向为从下向上；如果定位在右上角，X检测方向为从右向左，Y检测方向为从上向下。

9.根据权利要求1所述的一种基于实现表面缺陷检测灰度图像定位算法的方法，其特征在于：在所述的第三步骤中，最大值定位算法或最小值定位算法的方法是，具体步骤如下：

第一步骤、定义检测的基准X轴或Y轴；

第二步骤、定义检测的区域；

第三步骤、定义检测密度，在检测区域的X,Y距离上平均分布检测点；

最大值定位算法的逻辑是：针对拐角或螺纹柱无法对其进行X,Y方向定位时，算法按密度设置在检测区域内找到多个检测点，在水平扫描中取最大的X所在点定位，在垂直扫描中取最大的Y所在点定位；

最小值定位算法的逻辑是：针对拐角或螺纹柱无法对其进行X,Y方向定位时，算法按密度设置在检测区域内找到多个检测点，在水平扫描中取最小的X所在点定位，在垂直扫描中取最小的Y所在点定位。