一种基于图像处理的型材瑕疵视觉检测方法与流程

本发明涉及图像数据处理，具体涉及一种基于图像处理的型材瑕疵视觉检测方法。

背景技术：

1、型材是具有一定强度和韧性的材料，可以按照使用需求制造出合适的形状，方便安装使用的同时提高了强度和利用率，还可以直接拼装，降低后续的加工成本，符合标准的同时也提高了型材的美观程度。但在型材遇到磕碰摩擦等事故后，表面可能会出现瑕疵，不仅影响材料的外观和表面结构，也会直接影响到产品的质量。

2、在现有技术中，考虑到型材瑕疵有区别于表面标准颜色的色差，通过传统图像处理方法获取到明显划痕区域。但是在氧化后的型材图像中，存在划痕颜色与型材表面颜色差别不大的情况，导致缺陷检测的效果并不明显，无法准确的检测出低色差划痕瑕疵。

技术实现思路

1、为了解决氧化后的型材划痕颜色与型材表面颜色差别不大导致微小色差瑕疵检测不准确的技术问题，本发明的目的在于提供一种基于图像处理的型材瑕疵视觉检测方法，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型材瑕疵视觉检测方法，所述方法包括：

3、获取氧化后铝合金的型材图像，所述型材图像包括缺陷区域和非缺陷区域；

4、在所述缺陷区域中，根据每个缺陷像素点与缺陷区域整体灰度值之间的差异和缺陷像素点与缺陷区域边界的相对距离，获得色差显著程度；

5、在所述非缺陷区域中，以每个非缺陷像素点为中心构建第二窗口；分别获取所述第二窗口内每个非缺陷像素点与对应所述第二窗口和最近的缺陷区域的整体灰度差异；根据所述整体灰度差异和所述第二窗口内的非缺陷像素点预设邻域范围内的灰度分布特征获得每个非缺陷像素点的类缺陷指数；

6、根据所述非缺陷像素点与缺陷像素点之间的距离筛选出每个非缺陷像素点的参考缺陷像素点；根据所述参考缺陷像素点的平均色差显著程度、所述非缺陷像素点与对应所述参考缺陷像素点的距离和所述类缺陷指数获得非缺陷像素点的缺陷置信；根据所述缺陷置信和像素值获得每个非缺陷像素点的缺陷显著值；

7、根据所述缺陷显著值获得优化缺陷区域。

8、进一步地，所述缺陷区域的获取方法包括：

9、通过预处理的方式对所述型材图像进行处理之后，采用canny算子检测到的边缘信息作为hough变换的输入，将输出的直线边缘舍弃，其余所述边缘信息使用线性插值的方法，获得完整闭合缺陷边缘线，所述完整闭合缺陷边缘线构成所述缺陷区域。

10、进一步地，所述色差显著程度的获取方式包括：

11、以每个缺陷像素点为中心构建第一窗口，根据所述第一窗口与所述缺陷区域之间的灰度分布差异，获得色差差异程度；以缺陷像素点与所述缺陷区域边界之间的最小欧式距离作为所述相对距离；根据所述相对距离和所述色差差异程度获得所述色差显著程度；所述色差差异程度与所述色差显著程度为正相关关系，所述相对距离与所述色差显著程度为负相关关系。

12、进一步地，所述色差差异程度的获取方法包括：

13、获取所述缺陷区域内部的灰度最小值，计算所述第一窗口内灰度均值与所述灰度最小值的差值，并进行归一化处理，获得所述第一窗口的中心像素点的色差差异程度。

14、进一步地，所述整体灰度差异的获取方法包括：

15、所述整体灰度差异包括第一灰度差异和第二灰度差异；计算所述第二窗口内像素灰度均值与每个非缺陷像素点之间的灰度差异，获得所述第一灰度差异；计算所述第二窗口内每个非缺陷像素点与距离最近缺陷区域内最小灰度值之间的灰度差异，获得所述第二灰度差异。

16、进一步地，所述灰度分布特征的获取方法包括：

17、所述灰度分布特征包括局部最大灰度差异、异常像素密度和熵值；在所述第二窗口内非缺陷像素点的预设邻域范围内的邻域像素点中选择最大的所述第一灰度差异作为所述局部最大灰度差异；在邻域范围内，定义灰度值大于所述第二窗口灰度均值的像素点为异常像素，计算异常像素在邻域范围中的占比，获得所述异常像素密度。

18、进一步地，所述类缺陷指数的获取方法包括：

19、计算所述第一灰度差异和所述第二灰度差异之间的比值，作为差异比值；将所述差异比值与所述局部最大灰度差异的乘积作为差异权重；根据所述差异权重、所述熵值和所述异常像素密度获得第二窗口每个非缺陷像素点的初始类缺陷指数；

20、所述差异权重、所述熵值以及所述异常像素密度均与所述初始类缺陷指数为正相关关系；

21、根据所述第二窗口遍历整个所述非缺陷区域，获得每个非缺陷像素点的所有所述初始类缺陷指数，将每个非缺陷像素点的所有所述初始类缺陷指数求平均，获得每个非缺陷像素点的所述类缺陷指数。

22、进一步地，所述非缺陷像素点的缺陷置信的获取方法包括：

23、将每个非缺陷像素到缺陷区域的最短距离连接线延长至缺陷内部，取前预设数量个缺陷像素点作为所述参考缺陷像素点，获得所述参考缺陷像素点的平均色差显著程度；以非缺陷像素点到缺陷区域内部所述参考缺陷像素点的最短欧式距离作为所述距离；计算所述距离与所述平均色差显著程度的比值，并进行归一化，作为显著度权重；

24、根据所述显著度权重和归一化处理的所述类缺陷指数获得非缺陷区域内每个像素的缺陷置信；所述类缺陷指数与所述缺陷置信为正相关关系，所述显著度权重与所述缺陷置信为负相关关系。

25、进一步地，所述每个非缺陷像素点缺陷显著值的获取方法包括：

26、将所述非缺陷像素的缺陷置信作为权重与像素的原始灰度值相乘，获得所述每个非缺陷像素点的缺陷显著值。

27、进一步地，所述根据所述缺陷显著值获得优化缺陷区域包括：

28、以所述缺陷显著值来替代像素的灰度值，获得优化非缺陷区域图像；基于直方图对比度的显著性检测方法处理所述优化非缺陷区域图像，得到每个非缺陷像素点的优化缺陷显著值，根据优化缺陷显著值筛选出优化缺陷像素点，所述优化缺陷像素点构成所述优化缺陷区域。

29、本发明具有如下有益效果：

30、本发明将型材图像分为明显缺陷区域和非缺陷区域进行分析，在缺陷区域内分析灰度值大小的变化特征以及每个缺陷像素点到最近缺陷边缘的相对距离，获得每个缺陷像素点的色差显著程度，有效避免了缺陷像素距离非缺陷区域太远以及目标像素为噪声或异常像素的问题。其次对非缺陷区域进行分析，构建以每个非缺陷像素点为中心的第二窗口，对局部区域进行分析，避免其他信息干扰，通过分析每个非缺陷像素点与第二窗口以及距其最近的缺陷区域的整体灰度差异，进一步结合非缺陷像素的灰度分布特征获得非缺陷区域内每个像素的类缺陷指数，解决了因为色差变化过小而无法用传统图像处理方法判断缺陷位置的问题。根据非缺陷区域像素点与缺陷区域像素点距离最小的参考像素点的平均色差显著程度、与参考像素点的距离，以及类缺陷指数获得非缺陷区域的缺陷置信，提高了检测低色差缺陷的精度。将非缺陷像素的缺陷置信和像素值相乘得到非缺陷像素的缺陷显著值，基于缺陷显著值对hc显著性检测算法进行改进，解决了存在难以分辨的微小色差缺陷时传统图像处理方法检测效果的准确性不高的问题，能够有效提高算法的准确性。