[发明专利]一种矩形铁氧体磁片表面的缺陷识别方法

摘要

一种矩形铁氧体磁片表面的缺陷识别方法，视觉设备获取流水线上矩形铁氧体磁片的影像；通过阈值分割法将单个矩形铁氧体磁片图像分为目标区域和背景区域；对整幅图像进行局部二值化均值处理；计算二值化图像的平均值的标准差；将图像分解为子图像；对子图像重新选取最优阈值并计算出其二值化后的平均值；判断该子图像是否是缺陷子图像；当所有的子图像全部为无缺陷图像时，可以判断整个图像是无缺陷的，否则就是有缺陷图像。本发明可以作为独立的算法模块嵌入到矩形铁氧体磁片自动化生产的实时控制系统中，达到铁氧体快速、自动化识别检测的目的，计算速度快、智能化程度高、识别准确。

主权项

一种矩形铁氧体磁片表面的缺陷识别方法，其特征在于包括以下步骤：步骤一，通过视觉设备获取流水线上矩形铁氧体磁片的实时影像；步骤二，通过帧间差分法，获取单个矩形铁氧体磁片图像，具体过程如下：2.1计算连续两帧图像的差分图像G1，计算公式为：G1＝Pk‑Pk‑1其中Pk‑1为前一时刻的图像，Pk为当前时刻的图像；2.2对差分图像进行高斯滤波计算，消除噪声，计算公式为：G1(x)=e-x22σ2]]>其中x为差分图像的像素值；σ为高斯函数的宽度，值取3、5或7；2.3计算滤波后差分图像的纵向一阶导数的积分投影，计算公式为：Sj(x)=Σi=0M|Gi,j1(x)-Gi,j-11(x)|,0<j<N]]>其中Sj(x)为图像在纵向坐标j点下的积分投影值，N为图像的高度，i为横坐标，M为图像的宽度；2.4计算纵向积分投影的拐点，计算公式为：H(j)＝Max(Sj(x))其中，Max(Sj(x))为求取序列Sj(x)的峰值点；2.5设立阈值T，和H(j)相比较，若大于设定的阈值T，则判断有矩形铁氧体磁片到来，并把前一时刻图像作为背景图像存储；若小于设定的阈值，则返回步骤一；步骤三，通过阈值分割法将图像分为目标区域A和背景区域B两类；步骤四，根据图像p(x,y)的标准差和均值计算出阈值Ti，计算公式为：Ti＝μz+Ci·σz其中μz表示图像p(x,y)灰度值的均值，σz表示图像p(x,y)灰度值的标准偏差，Ci是一个控制参数；步骤五，对整幅图像进行局部二值化均值处理，具体步骤如下：5.1,先求图像的权重，然后将图像进行二值化处理，计算方式为：p'(x,y)＝w(x,y)p(x,y)其中w(x,y)表示(x,y)这一点的权重；p(x,y)表示点(x,y)的二值化处理后的灰度值；5.2，计算二值化后图像的灰度平均值，计算公式为：μ=1IJΣx=1IΣy=1Jp(x,y)]]>其中I和J代表图象的尺寸大小；步骤六，计算二值化图像的平均值的标准差，计算公式为：σa=1I×JΣx=1IΣy=1J(μ-p′(x,y))2]]>其中σa表示二值化图像的平均值的标准差；步骤七，对计算出来的标准差进行判断，如果σa等于零则判断为该图像上面无缺陷，如果标准差σa大于零，则对该图像进行以下的操作判断；步骤八，将整个图像分解为大小为M×N的K幅大小一样的子图像；表示方法如下：Z＝{p(x,y)|x∈{1,2,…,I},y∈{1,2,…J}}Z={zk}k=1K={pk(x,y)|x∈{1,2,...,M},y∈{1,2,...N}}k=1K]]>K＝I/M×J/N其中M和N是子图像的尺寸大小，K是在整幅图像中分解的子图像的个数，Z代表整幅图像；步骤九，针对子图像重新选取最优阈值T，具体步骤如下：9.1，计算每个二值化子图像的均值，计算公式为：p'k＝wk(x,y)pk(x,y)μk=1MNΣx=1MΣy=1NPk′(x,y)]]>其中wk(x,y)表示第k幅子图像在(x,y)这一点的权重；pk(x,y)表示第k幅子图像在(x,y)这一点的灰度值；p'k表示第k幅子图像在点(x,y)的二值化处理后的灰度值；其中μk表示第k幅子图像二值化后的灰度平均值；pk表示第k幅子图像在点(x,y)的二值化处理后的灰度值；9.2，通过迭代最优阈值选择方法，来确定最优阈值的值，步骤如下：通过一个阈值变量t(0<t<256)，计算出在每个变量阈值t下的每一幅子图像的二值化后的平均值，针对每一个阈值变量t重复执行上面的过程，选取出平均值小于1的所有子图像，记录下这些子图像中的最小灰度值，然后将这些得到的最小灰度值进行平均值计算；计算公式为：J(t)=1LΣl=1L{min1≤x≤M,1≤y≤Npl(x,y)},1≤t≤255]]>其中L表示总共选择出来的子图像的个数，pl(x,y)表示选出的第l幅图像中点(x,y)的灰度值；9.3对得到的最小灰度的平均值进行平滑处理，计算公式为：J′(t)=1H-1Σh=0HJ(t-h)]]>其中H为移动平均滤波器的阶数；9.4在t与J’(t)的函数关系下，将J’(t)取最小值时的t值作为新产生的最优阈值T值；步骤十，根据新产生的最优阈值T，返回步骤9.1，重新计算出子图像二值化后的平均值；步骤十一，根据重新计算出来的二值化后的平均值，判断该子图像是否是缺陷子图像，并在整个图像中用原始图像标记，计算公式为：其中Bk表示第k幅图像识别后的输出图像；步骤十二，对所有的子图像进行识别鉴定，当所有的子图像全部为无缺陷图像时，可以判断整个图像是无缺陷的，否则就是有缺陷图像。