[发明专利]一种基于视觉检测的图像轮廓优化方法及终端

说明书

本发明提供的一种基于视觉检测的图像轮廓优化方法及终端，包括获取源图像对应的二值化轮廓和Canny轮廓；加权融合所述二值化轮廓和所述Canny轮廓，确定轮廓的重合权值；判断所述重合权值是否超过预设阈值，若是，则标记所述二值化轮廓为基本轮廓；遍历所述Canny轮廓，将所述基本轮廓连接所述Canny轮廓超出所述基本轮廓的剩余轮廓，得到目标二值化轮廓；联合所述目标二值化轮廓和所述Canny轮廓，查找并填充闭合轮廓，得到最终轮廓图像；提高不同亮度图像之间的鲁棒性和检测准确率，又可以获取检测对象的完整图像，便于快速完成后续的缺陷检测操作；同时实现识别多个检测对象，可从多个维度判断检测对象是否符合标准。

技术领域

本发明涉及图像识别领域，尤其涉及一种基于视觉检测的图像轮廓优化方法及终端。

背景技术

一个工业检测场景通常分为图像采集、图像预处理、图像检测、位置反馈、后续处理五个流程。而在缺陷检测的行业中，往往需要在图像预处理后进行图像分割，剔除嘈杂环境的干扰并且获取完整的图像轮廓，通过图像轮廓识别到单个或者多个完整的工件，以便在单个工件上对零件大小、零件边界、零件表面等进行二次缺陷的判断，从而实现多个零件的缺陷检测。

在目前的工业场景中，通常采集图像后进行图像二值化，获取单个零件位置并消除其他位置图像，再通过Canny(多级边缘检测)算法，判断显著性区域是否存在缺陷；这种缺陷检测方法只会保留单一的零件图像轮廓；如图1，Canny轮廓的边缘存在大量的裂缝，较难从图像中分离，同时轮廓的内部花纹容易干扰获取完整轮廓的结果，因此，Canny算法只能判断显著性区域是否有缺陷，无法获取完整轮廓；如图2，二值化图像虽然能够获取完整图像，但对于不同亮度图像的鲁棒性不高，高亮度图像和低亮度图像容易出错，缺陷检测的准确率较低，并且这种缺陷检测方法没有对象的概念，无法进行多维度判断，例如划痕大小、零件是否畸形等。

发明内容

本发明所要解决的技术问题是：提供一种基于视觉检测的图像轮廓优化方法及终端，提高缺陷检测的准确率并实现多维度检测。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于视觉检测的图像轮廓优化方法，包括步骤：

S1、获取源图像对应的二值化轮廓和Canny轮廓；

S2、加权融合所述二值化轮廓和所述Canny轮廓，确定轮廓的重合权值；

S3、判断所述重合权值是否超过预设阈值，若是，则标记所述二值化轮廓为基本轮廓；

S4、遍历所述Canny轮廓，将所述基本轮廓连接所述Canny轮廓超出所述基本轮廓的剩余轮廓，得到目标二值化轮廓；

S5、联合所述目标二值化轮廓和所述Canny轮廓，查找并填充闭合轮廓，得到最终轮廓图像。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种基于视觉检测的图像轮廓优化终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1、获取源图像对应的二值化轮廓和Canny轮廓；

S2、加权融合所述二值化轮廓和所述Canny轮廓，确定轮廓的重合权值；

S3、判断所述重合权值是否超过预设阈值，若是，则标记所述二值化轮廓为基本轮廓；

S4、遍历所述Canny轮廓，将所述基本轮廓连接所述Canny轮廓超出所述基本轮廓的剩余轮廓，得到目标二值化轮廓；

S5、联合所述目标二值化轮廓和所述Canny轮廓，查找并填充闭合轮廓，得到最终轮廓图像。