[发明专利]一种基于机器视觉的橡塑件花斑检测方法

说明书

本发明涉及机器视觉技术领域，具体涉及一种基于机器视觉的橡塑件花斑检测方法。该方法首先采集橡塑件图像并对橡塑件图像阈值分割得到多张目标阈值分割图；每张目标阈值分割图进行傅里叶变换得到频谱图，获取每张频谱图中多个目标频点；从每张频谱图中的目标频点中选取两个次频点组；每张频谱图的次频点融合得到两个目标点；由目标点得到最小周期区域，根据最小周期区域将橡塑件图像划分成多个周期区域；根据各周期区域的灰度直方图计算各周期区域的光偏移量组，由光照偏移量组的密集程度得到花斑区域。本发明实施例在光照不均匀的情况下将橡塑件图像划分成多个周期区域，提高了花斑区域识别的准确度。

技术领域

本发明涉及机器视觉技术领域，具体涉及一种基于机器视觉的橡塑件花斑检测方法。

背景技术

在橡塑件成型的过程中，由于橡塑件的表面是对模具型腔面的再现，当模具表面有伤痕、微孔等表面缺陷，或者型腔表面有油污、水分、脱模剂选用不当、模具温度不当时，可能会造成橡塑件表面光泽不良，甚至是表面发暗有明显花斑出现。所以在橡塑件生产出来之后，对橡塑件的表面进行花斑检测是必要的。

目前，对图像进行缺陷或者花斑检测的常用方法为：使用阈值分割的方法将图像按照像素点分为若干类。但是由于在花斑检测的时候要增加光源使得相机能够更清楚的采集到橡塑件表面图像，而光源一般采用侧向光源照明，这就导致了靠近光源的区域其整体亮度更高，使得橡塑件表面亮度不均匀，使用阈值分割的方法无法准确识别橡塑件表面的所有区域。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于机器视觉的橡塑件花斑检测方法，所采用的技术方案具体如下：

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。

优选的，所述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，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；

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。

优选的，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。

优选的，所述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，包括：