[发明专利]基于机器视觉的抛光金属弧状面瑕疵实时检测方法

摘要

本发明涉及一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其包括如下步骤：步骤1、离线情况下，获取N张第一样本图像及M张第二样本图像，并进行数据融合；步骤2、建立融合后图像直方图，得到图像背景与对应的灰度值间的线性关系式；步骤3、计算所选第一样本图像、第二样本图像的反射分量；步骤4、建立合格工件反射分量标准差与对应的灰度值间的对应关系式；步骤5、在线实时获取抛光金属弧状面工件的检测图像，计算得到第一标准差及第二标准差；步骤6、进行阈值分割，得到对应的二值图像；步骤7、将二值图像内连通区域面积与预设判断阈值比较，判断抛光金属弧状面的瑕疵。本发明操作方便，检测精度高，检测适应性好，稳定可靠。

主权项

一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是：所述抛光金属弧状面瑕疵实时检测方法包括如下步骤：步骤1、离线情况下，获取N张合格工件在正常工作光照下的第一样本图像及M张合格工件在低光照下的第二样本图像，对N张第一样本图像分别进行中值滤波获得图像序列In,n＝1,2,…,N，对M张第二样本图像分别进行中值滤波获得图像序列Im,m＝1,2,…,M，对图像序列In、图像序列Im分别进行数据融合后得到图像g(x,y)、h(x,y)；步骤2、统计融合后图像g(x,y)、h(x,y)内相应灰度值及灰度值对应的像素个数，分别得到图像g(x,y)、h(x,y)的直方图，根据直方图相应的较大波峰值对应的灰度值建立图像背景I(x，y)与直方图内较大波峰值对应的灰度值间的线性关系式为I(x,y)＝a(x,y)*(Zmax‑Zh)+h(x,y)其中，Zmax表示直方图内较大波峰值对应的灰度值，a(x，y)为斜率矩阵；步骤3、从上述第一样本图像、第二样本图像中均任选一张样本图像，并建立所选第一样本图像、第二样本图像的直方图，得到所选第一样本图像、第二样本图像直方图内的较大波峰值对应的灰度值，根据所述灰度值及步骤2的线性关系式，分别得到所选第一样本图像、第二样本图像的反射分量；步骤4、根据步骤3得到所选第一样本图像、第二样本图像的反射分量，建立合格工件反射分量标准差与直方图内较大波峰值对应的灰度值间的对应关系式为 σ ( Z max ) ≈ σ n - σ 0 Z max _ n - Z max _ 0 * ( Z max - Z max _ 0 ) + σ 0 其中，σ(Zmax)表示合格工件的反射分量标准差，Zmax_n表示所选第一样本图像直方图中最大波峰值对应的灰度值，Zmax_0表示所选第二样本图像直方图中最大波峰值对应的灰度值，σn为所选第一样本图像的标准差，σ0为所选第二样本图像的标准差；步骤5、在线实时获取抛光金属弧状面工件在工作光照下的检测图像，对所述检测图像进行中值滤波，建立检测图像的直方图；根据直方图内较大波峰值对应的灰度值及上述步骤得到检测图像的反射分量；对获得检测图像的反射分量进行高斯滤波，得到第二反射分量，并计算第二反射分量的第二标准差，且根据步骤4计算得到检测图像在对应灰度水平的合格工件图像的第一标准差；步骤6、比较第一标准差及第二标准差，以选取分割阈值，通过分割阈值对第二反射分量进行阈值分割，得到对应的二值图像；步骤7、扫描上述二值图像，并对二值图像内不同连通区域进行标记，统计 连通区域面积，将连通区域面积与预设判断阈值比较，判断抛光金属弧状面的瑕疵。