[发明专利]基于角点检测的金属毛刺识别方法

说明书

本发明涉及图像处理技术领域，具体涉及基于角点检测的金属毛刺识别方法，方法包括：对角点检测后获得特征点的灰度变化获得灰度相似度，根据灰度相似度筛选出真实角点；灰度相似度差异和灰度值差异获得角点匹配度，进而获得每个真实角点之间的匹配关系及匹配数量，然后筛选获得毛刺角点；获得每个毛刺角点及对应匹配角点组成的毛刺区域，根据灰度距离特征对毛刺区域进行生长，获得最终毛刺区域。本发明识别出的最终毛刺区域更加精准，减少了多种噪声的干扰。

技术领域

本发明涉及图像处理技术领域，具体涉及基于角点检测的金属毛刺识别方法。

背景技术

毛刺是指在金属加工过程中工件表面过渡处出现的各种尖角、毛边残留等不规则的金属部分。毛刺是金属切削加工中产生的普遍现象之一，直接影响被加工工件的尺寸精度、形位精度和表面粗糙度。故对毛刺进行检测打磨消除对产品的质量有着重要意义。

传统的检测中通过角点检测对毛刺进行检测时，会受到金属表面加工件反射以及缺陷，噪声等因素的干扰，检测出的角点存在伪角点，以及无用角点等，没有对角点进行二次筛选，没有有效区分噪声角点、金属结构固有角点和毛刺角点，后续对角点进行分析容易造成误差。在后续使用如区域生长算法等图像技术来完成毛刺检测时，因为伪角点和无用角点的因素，影响区域生长算法中的初始种子点的选择；并且在生长过程中相似性度量准则的选取均会极大的影响最终的检测效果。在后续打磨过程中利用角点间的相对位置关系，得到同一金属锭的打磨参照点，根据边缘空缺处获取打磨参照点，没有对毛刺位置进行准确确定，没有对打磨参照点进行进一步分析，打磨时容易将完好区域进行打磨而造成损坏，亦会使毛刺区域打磨的误差增大。

发明内容

为了解决现有技术中没有有效区分噪声角点、金属结构固有角点和毛刺角点，没有对毛刺位置进行准确确定的技术问题，本发明的目的在于提供基于角点检测的金属毛刺识别方法，所采用的技术方案具体如下：

本发明提出基于角点检测的金属毛刺识别方法，所述方法包括：

获得金属边缘轮廓图像；

对金属边缘轮廓图像的边缘像素点进行角点检测，获得特征点；对每个特征点构建对应预设尺寸的局部窗口，根据每个特征点的局部窗口内像素点的灰度变化获得对应特征点的灰度相似度；根据灰度相似度筛选出真实角点；

根据真实角点之间的灰度相似度差异和灰度值差异获得任意两个真实角点之间的角点匹配度；根据所有真实角点之间的角点匹配度获得每个真实角点之间的匹配关系及匹配数量；根据匹配数量将真实角点进行筛选，获得毛刺角点；

获得每个毛刺角点及对应匹配角点组成的毛刺区域；根据毛刺区域获取待生长点，根据待生长点与毛刺区域内像素点的灰度距离特征对毛刺区域进行生长，获得最终毛刺区域。

进一步地，所述灰度相似度的获取方法包括：

对任意一个特征点，将特征点的局部窗口内非特征点的其他像素点作为邻域像素点；获得特征点与每个邻域像素点的欧氏距离，将所述欧氏距离归一化并进行负相关处理，获得距离特征；将特征点与每个邻域像素点的灰度值的差值绝对值作为灰度特征；将距离特征与灰度特征的乘积作为对应特征点与每个邻域像素点的差异特征；获得特征点与所有邻域像素点的差异特征累加和与修正系数的和值，将所述和值的倒数作为对应特征点的灰度相似度。

进一步地，所述真实角点的获取方法包括：

对任意一个特征点，将特征点的灰度相似度进行归一化，获得灰度相似归一化值；若特征点的灰度相似归一化值大于第一真实阈值且小于第二真实阈值，则对应特征点为真实角点。

进一步地，所述角点匹配度的获取方法包括：