本发明涉及图像处理,具体涉及一种基于图像处理的人造板表面缺陷智能检测方法。
背景技术:
1、随着木材资源的日益紧缺和对环境保护的要求,人造板作为木材的延伸和替代品应运而生。人造板是利用木材的剩余物、废料以及轻度的木材,通过加工和合成得到的各种板材产品。仿真木纹人造板具有与木纹相似的年轮纹理,作为实木木板的代替产品而受到极大的关注,仿真木纹的表面纹理通常为颜料印刷或者木材拼接得到的仿年轮状纹理,但是由于人造板在加工过程中易产生裂纹,而裂纹与木纹表面纹理混淆较难识别。
2、相关技术中,通过特征提取并使用大数据模型进行检测的方式,将与正常纹理分布不一致的纹理作为待测的裂纹纹理进行分析,这种方式下,由于人造板的变化多样,大数据模型的适用性较低,识别效果较差,进而导致人造板表面缺陷检测的准确性较低。
技术实现思路
1、为了解决人造板表面缺陷检测的准确性较低的技术问题,本发明提供一种基于图像处理的人造板表面缺陷智能检测方法,所采用的技术方案具体如下:
2、本发明提出了一种基于图像处理的人造板表面缺陷智能检测方法,方法包括:
3、获取仿真木纹人造板的板材灰度图像,对所述板材灰度图像进行纹理特征提取处理,获得纹理图像;根据所述纹理图像中像素点的梯度信息确定所述纹理图像的纹理复杂程度;
4、确定所述纹理图像中的纹理端点像素点,根据同一纹理中所述纹理端点像素点的切线方向确定所述纹理的弧度值,根据所有所述纹理的弧度值确定弧度系数,根据所有所述弧度值和预设标准弧度极差,所述弧度系数和预设标准弧度系数,确定弧度相似指标;
5、根据所述纹理图像中相邻纹理对应纹理像素点间的距离确定相邻纹理的纹理间距,根据所有相邻纹理的所述纹理间距和预设间距值,确定所述纹理图像的间距相似指标;根据所述弧度相似指标和所述间距相似指标,确定所述纹理图像的综合纹理指标;
6、根据所述纹理复杂程度和所述综合纹理指标对所述板材灰度图像进行缺陷检测,得到检测结果。
7、进一步地,所述对所述板材灰度图像进行纹理特征提取处理,获得纹理图像,包括:
8、基于大津阈值算法对所述板材灰度图像进行二值划分,得到二值图像;
9、基于霍夫变换检测二值图像中的木纹纹理区域,从所述板材灰度图像中提取木纹纹理区域,得到纹理图像。
10、进一步地,所述梯度信息包括梯度幅值和梯度方向,所述根据所述纹理图像中像素点的梯度信息确定所述纹理图像的纹理复杂程度,包括:
11、根据所述纹理图像中所有像素点的梯度幅值和梯度方向构建方向梯度直方图;
12、根据所述方向梯度直方图中各方向区域内梯度幅值的和值的归一化值作为方向分布概率;
13、使用信息熵公式根据方向区域的方向分布概率计算所述纹理图像的信息熵,并将所述信息熵作为纹理复杂程度。
14、进一步地,所述根据同一纹理中所述纹理端点像素点的切线方向确定所述纹理的弧度值,包括:
15、获得所述纹理端点像素点的切线方向的法线,其中,两个端点像素点的法线相交于纹理圆心,将所述圆心与两条法线的夹角的归一化值作为所述纹理的弧度值。
16、进一步地,所述根据所有所述纹理的弧度值确定弧度系数,包括:
17、计算所有所述纹理的弧度值的均值作为弧度系数。
18、进一步地,所述根据所有所述弧度值和预设标准弧度极差,所述弧度系数和预设标准弧度系数,确定弧度相似指标,包括:
19、计算所述弧度值中最大值和最小值的差值作为弧度极差,计算所述弧度极差和预设标准弧度极差的差值绝对值作为弧度极差差异;
20、计算所述弧度系数和预设标准弧度系数的差值绝对值作为弧度系数差异;
21、根据所述弧度极差差异和所述弧度系数差异确定所述弧度相似指标,其中,所述弧度极差差异与所述弧度相似指标呈负相关关系,所述弧度系数差异与所述弧度相似指标呈负相关关系,所述弧度相似指标的数值为归一化的数值。
22、进一步地,所述根据所述纹理图像中相邻纹理对应纹理像素点间的距离确定相邻纹理的纹理间距,包括:
23、将任一纹理的所述纹理端点像素点与对应圆心所形成的线段长度的均值作为所述纹理的半径距离;
24、将相邻的两个纹理作为相邻纹理,计算所述相邻纹理的半径距离的差值绝对值作为所述相邻纹理的纹理间距。
25、进一步地,所述根据所有相邻纹理的所述纹理间距和预设间距值,确定所述纹理图像的间距相似指标,包括:
26、计算所有所述相邻纹理的纹理间距的均值作为间距均值;
27、计算所述间距均值和预设间距值的差值绝对值的反比例归一化值作为间距相似指标。
28、进一步地,所述弧度相似指标与所述综合纹理指标呈正相关关系,所述间距相似指标与所述综合纹理指标呈正相关关系。
29、进一步地,所述根据所述纹理复杂程度和所述综合纹理指标对所述板材灰度图像进行缺陷检测,得到检测结果,包括:
30、根据所述纹理复杂程度和所述综合纹理指标,获得纹理异常程度,其中,所述纹理复杂程度与所述纹理异常程度呈正相关关系,所述综合纹理指标与所述纹理异常程度呈反相关关系,所述纹理异常程度的取值为归一化的数值;
31、在所述纹理异常程度大于预设异常程度阈值时,确定所述检测结果为人造板表面纹理异常;
32、在所述纹理异常程度小于等于预设异常程度阈值时,确定所述检测结果为人造板表面纹理正常。
33、本发明具有如下有益效果:
34、本发明通过特征提取获取纹理图像,而后,根据纹理图像中像素点梯度信息确定纹理复杂程度,由于具有裂纹的人造板对应的纹理会更为复杂,因此,能够有效根据纹理复杂程度对人造板表面缺陷进行检测;根据每个纹理端点像素点的切线方向确定每个纹理的弧度值,进而确定弧度相似指标,能够将木纹的弧度作为异常检测的判断依据,从而能够基于仿真木纹的纹理与裂纹纹理在弧度上的区别进行有效区分;通过相邻纹理的纹理间距,确定间距相似指标,从而对纹理的间距进行分析,根据弧度相似指标和间距相似指标确定纹理图像的综合纹理指标,能够通过综合纹理指标表征裂纹对纹理的干涉,从而能够准确识别裂纹的严重程度,由此,结合纹理复杂程度和综合纹理指标对板材灰度图像进行缺陷检测,得到检测结果,能够有效对仿真木纹人造板表面的纹理进行分析,结合纹理表面的复杂程度、纹理的弧度和纹理的间距等特征对裂纹进行判断,能够有效提升缺陷识别的适用性,保证表面缺陷检测的准确性与可靠性。
1.一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述对所述板材灰度图像进行纹理特征提取处理,获得纹理图像,包括:
3.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述梯度信息包括梯度幅值和梯度方向,所述根据所述纹理图像中像素点的梯度信息确定所述纹理图像的纹理复杂程度,包括:
4.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述根据同一纹理中所述纹理端点像素点的切线方向确定所述纹理的弧度值,包括:
5.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述根据所有所述纹理的弧度值确定弧度系数,包括:
6.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述根据所有所述弧度值和预设标准弧度极差,所述弧度系数和预设标准弧度系数,确定弧度相似指标,包括:
7.如权利要求4所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述根据所述纹理图像中相邻纹理对应纹理像素点间的距离确定相邻纹理的纹理间距,包括:
8.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述根据所有相邻纹理的所述纹理间距和预设间距值,确定所述纹理图像的间距相似指标,包括:
9.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述弧度相似指标与所述综合纹理指标呈正相关关系,所述间距相似指标与所述综合纹理指标呈正相关关系。
10.如权利要求1所述的一种基于图像处理的人造板表面缺陷智能检测方法,其特征在于,所述根据所述纹理复杂程度和所述综合纹理指标对所述板材灰度图像进行缺陷检测,得到检测结果,包括: