[发明专利]一种基于机器视觉的橡塑件花斑检测方法

权利要求书

1.一种基于机器视觉的橡塑件花斑检测方法，其特征在于，该方法包括以下步骤：

采集橡塑件图像，所述橡塑件图像包含周期性的花纹；利用不同的阈值分割所述橡塑件图像得到多张目标阈值分割图以及对应的分割有效性；

每张所述目标阈值分割图进行傅里叶变换得到频谱图；在每张频谱图的多个初始频点中选取极大值点以及极大值点周围的目标频点，利用所述极大值点获取各目标频点的高斯分布得到目标频点的理论幅值；根据频谱图得到的真实幅值和所述理论幅值的差值计算各目标频点的可靠性；选取频谱图中预设角度上对称分布的目标频点为初始频点组，所述初始频点组中各目标频点的可靠性均值和真实幅值均值的乘积为待选概率，根据所述待选概率选取每张频谱图中的两个次频点组；根据多张目标阈值分割图的所述分割有效性、所述待选概率和次频点组得到多张目标阈值分割图的两个目标点；由所述目标点得到所述橡塑件图像的最小周期区域，根据所述最小周期区域将所述橡塑件图像划分成多个周期区域；

获取各所述周期区域的灰度直方图，根据所述灰度直方图构建灰度频率序列；利用所述灰度频率序列计算各周期区域和相邻周期区域的光照偏移量组，根据所述光照偏移量组的密集程度得到花斑区域，包括：对所述灰度频率序列多次循环移位得到移位序列；计算各周期区域的多个移位序列和四个相邻周期区域的灰度频率序列的序列相似度，获取各周期区域与每个相邻周期区域对应的最小序列相似度，其中每个周期区域对应四个最小序列相似度；由所述最小序列相似度构建各周期区域对应的光照偏移量组；对所述光照偏移量组进行聚类得到多个聚类类别，其中所述聚类类别包括多个离散点和多个簇群；获取光照偏移量组最多的簇群作为目标簇群；计算所述离散点到所述目标簇群的中心点的曼哈顿距离，根据所述曼哈顿距离计算花斑概率；大于预设花斑概率阈值的花斑概率的离散点对应的周期区域为花斑区域；

其中，所述分割有效性的获取步骤包括利用多个阈值对所述橡塑件图像进行阈值分割得到多张初始阈值分割图；获取各所述初始阈值分割图的连通域面积极差，所述连通域面积极差的倒数为所述分割有效性；

其中，所述根据多张目标阈值分割图的所述分割有效性、所述待选概率和次频点组得到多张目标阈值分割图的两个目标点的步骤包括：所述目标点包含第一目标点和第二目标点；获取每张所述目标阈值分割图对应的所述分割有效性、第一次频点组对应的待选概率和第一次频点组对应的频点坐标的第一乘积，对多张目标阈值分割图对应的第一乘积求和得到第一乘积和；获取每张所述目标阈值分割图对应的所述分割有效性和第一次频点组对应的待选概率的第二乘积，对多张目标阈值分割图对应的第二乘积求和得到第二乘积和；所述第一乘积和与所述第二乘积和的比值为第一目标点的横坐标的绝对值，所述第一目标点的纵坐标为0；获取每张所述目标阈值分割图对应的所述分割有效性、第二次频点组对应的待选概率和第二次频点组对应的频点坐标的第三乘积，对多张目标阈值分割图对应的第三乘积求和得到第三乘积和；获取每张所述目标阈值分割图对应的所述分割有效性和第一次频点组对应的待选概率的第四乘积，对多张目标阈值分割图对应的第四乘积求和得到第四乘积和；所述第三乘积和与所述第四乘积和的比值为第二目标点的纵坐标的绝对值，所述第二目标点的横坐标为0。

2.根据权利要求1所述的一种基于机器视觉的橡塑件花斑检测方法，其特征在于，所述目标阈值分割图的获取步骤，包括：

大于预设分割有效性阈值的分割有效性对应的所述初始阈值分割图为目标阈值分割图。

3.根据权利要求1所述的一种基于机器视觉的橡塑件花斑检测方法，其特征在于，所述在每张频谱图的多个初始频点中选取极大值点以及极大值点周围的目标频点，包括：

每张频谱图中有多个初始频点；基于每张频谱图中的多个初始频点，获取初始频点中的极大值点；

以极大值点及其周围的初始频点的幅值构建各极大值点对应的高斯分布；利用EM算法得到各极大值点对应的高斯分布的方差和均值，由所述方差得到方差范围；以所述极大值点为中心，获取位于方差范围内的初始频点为目标频点，所述目标频点包括极大值点。