[发明专利]一种基于计算机视觉的竹条表面缺陷检测方法

摘要

本发明为一种基于计算机视觉的竹条表面缺陷检测方法,摄取竹条图像归一化、滤波处理及小波变换处理；最大类间方差法对图像阈值分割，闭操作填充竹条图像孔洞，再用腐蚀操作去除闭操作的负影响，差影法分割出竹条图像中的虫洞和/或霉斑缺陷，若缺陷连通域面积小于缺陷域面积阈值A，则认为无霉斑或虫洞缺陷，进入裂缝检测；否则计算缺陷连通域图像灰度均值Gm，Gm与竹条图像灰度均值G0的差大于阈值G则有霉斑或虫洞，判断为缺陷竹条；否则检测边缘和裂缝，去除图像的竹条边缘，非零像素点总个数或最大连通域长度大于对应阈值，且裂缝灰度均值大于G0，判定有裂缝缺陷，否则合格。本法检测效率高，抗噪性强，稳定性高，正确识别率达95％以上。

主权项

一种基于计算机视觉的竹条表面缺陷检测方法,包括以下步骤：Ⅰ、摄取竹条图像摄取竹条表面灰度图像f；Ⅱ、归一化采用伽玛校正法对图像f进行归一化，得到图像fg；Ⅲ、滤波对图像fg进行中值滤波以及高斯滤波获得图像f1；Ⅳ、小波变换处理小波变换处理得到图像f2；Ⅴ、最大类间方差法的阈值分割用最大类间方差法对图像f2进行阈值分割，获得图像f3；以竹条图像为前景，前景点面积占图像总面积比例为w0，前景点灰度均值为u0；背景点面积占图像总面积比例为w1，背景点灰度均值为u1；整个图像的灰度均值为u＝w0×u0+w1×u1；目标函数g(t)＝w0×(u0‑u)2+w1×(u1‑u)2，g(t)为分割阈值t的类间方差表达式；遍历图像f2所有的灰度值，取t从0到255，当g(t)取得最大值时、所对应的t＝t0为图像f2前景与背景的分割灰度阈值；Ⅵ、孔洞填充对图像f3上的竹条图像的虫洞和/或霉斑区域进行孔洞填充，得到图像f4；图像中孔洞缺陷水平方向最大长度为T个像素，取长度大于T的水平线型结构元素对图像f3闭操作，完成孔洞填充；Ⅶ、霉斑和/或虫洞缺陷判断用差影法、即用图像f4‑f3得到分割图像f5，f5显示竹条图像中被分割出的虫洞和/或霉斑缺陷的图像；Ⅶ‑1、若图像f5中显示的缺陷无连通域或者缺陷连通域面积小于缺陷域面积阈值A，则认为没有霉斑和/或虫洞缺陷，并进入步骤Ⅷ；所述缺陷域面积阈值A为要求检测的最小缺陷面积或者通过预先实验设定阈值A；Ⅶ‑2、若图像f5中显示的缺陷连通域面积等于或大于缺陷域面积阈值A，则计算缺陷连通域所对应图像的平均灰度值Gm与图像f5中竹条图像的平均灰度值G0的差Tm，若Tm大于孔洞灰度差阈值G则认为存在霉斑和/或虫洞缺陷，判断此为缺陷竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；所述孔洞灰度差阈值G小于竹条平均灰度值50～70；若Tm不大于孔洞灰度差阈值G则认为不存在霉斑或虫洞缺陷，进入步骤Ⅷ；Ⅷ、边缘和裂缝检测用canny算子对图像f2进行检测，获得竹条边缘和裂缝缺陷的图像f6；Ⅸ、去除竹条边缘图像f6各列从上端到下端、及从下端到上端检索、获得的第一个非零像素点置零，去除图像f6上的竹条上、下边缘，得到竹条的裂缝缺陷图像f7；Ⅹ、裂缝缺陷判断计算f7中非零像素点总个数Se和最大连通域长度Me以及非零像素点所对应的平均灰度值；设定非零像素点总个数阈值T1，T1设定为最小裂缝缺陷长度像素值两倍，或者通过预先实验设定阈值；设定最大连通域长度阈值T2，T2设定为裂缝缺陷长度像素值，或者通过预先实验设定阈值；若Se＞T1或者Me＞T2，同时非零像素点平均灰度Hm与竹条平均灰度G0的差大于裂缝灰度差阈值H，则判定为有裂缝缺陷的竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；若无未检测的竹条，检测完成；若Se＞T1或者Me＞T2均不成立，认为是合格竹条；若Se＞T1或者Me＞T2，但非零像素点平均灰度与竹条平均灰度G0的差不大于裂缝灰度差阈值H，认为是合格竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；若无未检测的竹条，检测完成；所述裂缝灰度差阈值H小于步骤Ⅶ的孔洞灰度差阈值G，通过预先实验设定。