[发明专利]一种油污干扰下的硅钢板表面缺陷图像检测方法

摘要

一种油污干扰下的硅钢板表面缺陷图像检测方法，包括采用面阵工业相机采集硅钢板表面缺陷图像；采用视觉显著方法对采集的硅钢板表面缺陷图像进行缺陷检测；采用基于显著线扫描形态学的检测方法对油污缺陷图像进行定位检测；本发明将硅钢板被油污干扰物所覆盖的情况从缺陷检测中排除，这些伪缺陷干扰增加了目标检测与识别的难度。解决了缺陷检测时的杂乱背景问题、覆盖的油污干扰问题以及反光的伪缺陷干扰问题；本发明对信息欠缺的二值图像进行了线扫描填充操作，该操作能够有效的获得油污干扰区域；本发明运用了形态学理论的边缘处理方法去除油污边缘和反光伪缺陷边缘，避免了相减操作不能够有效消除伪边缘的问题。

主权项

一种油污干扰下的硅钢板表面缺陷图像检测方法，包括如下步骤：步骤1、采用面阵工业相机采集硅钢板表面缺陷图像；步骤2、采用视觉显著方法对采集的硅钢板表面缺陷图像进行缺陷检测；步骤2‑1、使用5×5高斯滤波窗口对采集的硅钢板表面缺陷图像进行滤波处理；步骤2‑2、将步骤2‑1滤波后的硅钢板表面缺陷图像和未滤波的硅钢板表面缺陷图像进行颜色空间转换，即从RGB颜色空间转换到Lab颜色空间；步骤2‑3、在Lab颜色空间下，分别计算未滤波的硅钢板表面缺陷图像的平均向量即每个像素点对应的Lab值的平均值构成的矩阵Iμ(x，y)，滤波后的硅钢板表面缺陷图像的平均向量If(x，y)；步骤2‑4、根据Iμ(x，y)和If(x，y)计算得到硅钢板表面缺陷图像的显著值S(x，y)，并根据显著值绘制显著图；S(x，y)＝||Iμ(x，y)‑If(x，y)||   (1)步骤2‑5、计算显著图中的平均灰度，判断该平均灰度是否大于初始设置的阈值，是，则当前硅钢板表面缺陷图像为油污缺陷图像，执行步骤3，否则返回步骤1；步骤3、采用基于显著线扫描形态学的检测方法对油污缺陷图像进行定位检测；步骤3‑1、使用基于形态学的开闭滤波方法对步骤2‑4中得到的显著图进行滤波处理；步骤3‑2、对步骤3‑1中滤波后的图像进行归一化处理，并使用全局二值化方法获得二值图像；步骤3‑3、对步骤3‑2中得到的二值图像进行线扫描填充操作获得线扫描结果二值图像，并提取该图像边缘得到油污干扰区域；所述线扫描填充操作包括水平方向线扫描填充和竖直方向线扫描填充，具体如下：首先对于二值图像矩阵的每一行，先寻找该行中的所有0值，然后将第一个0值和最后一个0值中间的所有值设置为0值，进而得到一个新的二值图像，即水平方向线扫描二值图像；再对于水平方向线扫描图像的每一列，先寻找该列中的所有0值，然后将第一个0值和最后一个0值中间的所有值设置为0值，进而得到竖直方向线扫描二值图像，即最终的线扫描结果二值图像，提取该图像边缘得到油污干扰区域图像；步骤3‑4、对步骤3‑3中得到的油污干扰区域图像使用形态学理论的边缘处理方法去除油污干扰区域边缘和反光伪缺陷边缘，获得去除油污干扰的硅钢板表面缺陷图像；其特征在于：所述步骤3‑4按以下步骤执行：步骤3‑4‑1：对得到的油污干扰区域图像执行膨胀操作，得到膨胀边缘图像；步骤3‑4‑2：将膨胀操作后的图像与滤波后边缘提取得到的图像进行逻辑“或”运算，得到新的膨胀边缘图像；步骤3‑4‑3：将逻辑“或”运算前后的两幅膨胀边缘图像执行图像相减消除边缘操作，得到最终的油污干扰区域图像；步骤3‑4‑4：对最终的油污干扰区域图像执行膨胀操作，并将其显示在硅钢板表面缺陷图像上。