一种稻壳可降解餐盒裂缝检测方法与流程

本发明涉及图像处理，具体涉及一种稻壳可降解餐盒裂缝检测方法。

背景技术：

1、在稻壳可降解餐盒的生产过程中，会存在裂缝导致对食物的保护性能下降，也使得餐盒的耐用性下降，因此稻壳可降解餐盒的裂缝检测显得十分的重要。

2、对稻壳可降解餐盒的裂缝检测可以使用边缘检测，但是餐盒由稻壳制成的，而稻壳和裂缝在图像中比较相似，因此当餐盒表面出现裂缝时，使用边缘检测的常规的双阈值的获取方法时，会降低对稻壳可降解餐盒的裂缝检测的准确性。

技术实现思路

1、本发明提供一种稻壳可降解餐盒裂缝检测方法，以解决现有的问题。

2、本发明的一种稻壳可降解餐盒裂缝检测方法采用如下技术方案：

3、本发明一个实施例提供了一种稻壳可降解餐盒裂缝检测方法，该方法包括以下步骤：

4、采集餐盒图像；

5、获取餐盒图像中每个像素点的第一滑动窗口和第二滑动窗口，根据每个像素点的第一滑动窗口和第二滑动窗口内像素点的灰度差异和第一滑动窗口内梯度幅值的信息熵，从所有的第一滑动窗口中筛选出裂缝滑动窗口；

6、根据像素点之间的灰度差异获得每个像素点的相似像素点，根据裂缝滑动窗口内的中心像素点的所有相似像素点的梯度幅值的均值、裂缝滑动窗口内像素点之间的梯度方向和梯度幅值差异，获得所有的裂缝边缘像素点；

7、获取每个裂缝边缘像素点的裂缝滑动窗口内像素点梯度幅值的局部降序序列，获取裂缝滑动窗口内像素点梯度幅值的局部降序序列中的最大目标梯度幅值和最小目标梯度幅值，根据所有的裂缝边缘像素点的裂缝滑动窗口中的最大目标梯度幅值和最小目标梯度幅值，获得算法的最优双阈值，并结合算法检测餐盒图像中的裂缝缺陷。

8、进一步地，所述获取餐盒图像中每个像素点的第一滑动窗口和第二滑动窗口，包括的具体步骤如下：

9、以餐盒图像中的任意一个像素点记为目标像素点，以目标像素点为窗口中心像素点，以为窗口大小，获取目标像素点的第一滑动窗口；将与目标像素点的第一滑动窗口右相邻且和第一滑动窗口大小相同的窗口，记为目标像素点的第二滑动窗口；

10、其中，a为预设参数。

11、进一步地，所述根据每个像素点的第一滑动窗口和第二滑动窗口内像素点的灰度差异和第一滑动窗口内梯度幅值的信息熵，从所有的第一滑动窗口中筛选出裂缝滑动窗口，包括的具体步骤如下：

12、根据每个像素点的第一滑动窗口和第二滑动窗口内像素点的灰度差异和第一滑动窗口内梯度幅值的信息熵，获得每个像素点的第一滑动窗口的置信程度，将置信程度大于或者等于预设阈值b的第一滑动窗口记为裂缝滑动窗口。

13、进一步地，所述根据每个像素点的第一滑动窗口和第二滑动窗口内像素点的灰度差异和第一滑动窗口内梯度幅值的信息熵，获得每个像素点的第一滑动窗口的置信程度，包括的计算公式如下：

14、

15、式中，表示第个像素点的第一滑动窗口内第类梯度幅值的像素点个数与第一滑动窗口内所有像素点个数的比值，表示每个像素点的第一滑动窗口内梯度幅值的类别个数，表示第个像素点的第一滑动窗口内第个像素点的灰度值，表示第个像素点的第二滑动窗口内第个像素点的灰度值，表示餐盒图像中所有像素点的灰度值的均值，表示第个像素点的第一滑动窗口内与第个像素点的灰度值相同的像素点个数，表示第个像素点的第一滑动窗口之外的所有像素点与第个像素点的灰度值相同的像素点个数，表示餐盒图像中的像素点总个数，表示每个像素点的第一滑动窗口内所有像素点的总个数，表示以自然常数为底的指数函数，表示线性归一化函数，表示第个像素点的第一滑动窗口的置信程度，为绝对值符号；

16、其中，梯度幅值相同的为一个类别。

17、进一步地，所述根据像素点之间的灰度差异获得每个像素点的相似像素点，包括的具体步骤如下：

18、将与每个像素点的灰度值相差灰度值的像素点记为每个像素点的相似像素点；其中，e表示预设参数。

19、进一步地，所述根据裂缝滑动窗口内的中心像素点的所有相似像素点的梯度幅值的均值、裂缝滑动窗口内像素点之间的梯度方向和梯度幅值差异，获得所有的裂缝边缘像素点，包括的具体步骤如下：

20、根据裂缝滑动窗口内的中心像素点的所有相似像素点的梯度幅值的均值、裂缝滑动窗口内像素点之间的梯度方向和梯度幅值差异，获得每个裂缝滑动窗口的中心像素点为裂缝边缘像素点的可能性，将可能性大于或者等于预设阈值d的裂缝滑动窗口的中心像素点，记为裂缝边缘像素点。

21、进一步地，所述根据裂缝滑动窗口内的中心像素点的所有相似像素点的梯度幅值的均值、裂缝滑动窗口内像素点之间的梯度方向和梯度幅值差异，获得每个裂缝滑动窗口的中心像素点为裂缝边缘像素点的可能性，包括的计算公式如下：

22、

23、式中，表示第个裂缝滑动窗口的中心像素点的梯度幅值，表示第个裂缝滑动窗口内第个像素点的梯度幅值，表示每个裂缝滑动窗口内所有像素点的个数，表示阶跃函数，表示第个裂缝滑动窗口内与中心像素点相似的所有相似像素点的梯度幅值的均值，表示第个裂缝滑动窗口内与中心像素点梯度方向相同的所有像素点的个数，表示线性归一化函数，表示第个裂缝滑动窗口的中心像素点为裂缝边缘像素点的可能性，表示双曲线正切函数。

24、进一步地，所述获取每个裂缝边缘像素点的裂缝滑动窗口内像素点梯度幅值的局部降序序列，包括的具体步骤如下：

25、将每个裂缝边缘像素点的裂缝滑动窗口所有像素点的梯度幅值按照从大到小的顺序排序，得到梯度幅值降序序列，将梯度幅值降序序列的前r个数据记为局部降序序列；

26、其中，r为预设参数。

27、进一步地，所述获取裂缝滑动窗口内像素点梯度幅值的局部降序序列中的最大目标梯度幅值和最小目标梯度幅值，包括的具体步骤如下：

28、将局部降序序列中的最大梯度幅值记为最大目标梯度幅值，将局部降序序列中的最小梯度幅值记为最小目标梯度幅值。

29、进一步地，所述根据所有的裂缝边缘像素点的裂缝滑动窗口中的最大目标梯度幅值和最小目标梯度幅值，获得算法的最优双阈值，并结合算法检测餐盒图像中的裂缝缺陷，包括的具体步骤如下：

30、将所有裂缝边缘像素点的裂缝滑动窗口中的最大目标梯度幅值的均值作为新的高阈值，将所有裂缝边缘像素点的裂缝滑动窗口中的最小目标梯度幅值的均值作为新的低阈值，将新的高阈值和新的低阈值作为边缘检测中的最优双阈值，然后通过最优双阈值进行边缘检测，当餐盒棱角之外的区域出现边缘时，则判定餐盒存在裂缝缺陷。

31、本发明的技术方案的有益效果是：本发明根据每个像素点的第一滑动窗口和第二滑动窗口内像素点的灰度差异和第一滑动窗口内梯度幅值的信息熵，获得每个像素点的第一滑动窗口的置信程度，根据每个像素点的第一滑动窗口的置信程度，确定出裂缝滑动窗口，初步筛选出裂缝边缘像素点的区域；根据裂缝滑动窗口内与中心像素点相似的所有相似像素点的梯度幅值的均值、和裂缝滑动窗口内像素点的梯度方向和梯度幅值的差异，获得所有的裂缝边缘像素点，排除了稻壳纯色和裂缝灰度值相近的干扰；获取所有的裂缝边缘像素点的裂缝滑动窗口中的最大目标梯度幅值和最小目标梯度幅值，获得最优双阈值，通过最优双阈值进行餐盒裂缝的检测，优化了双阈值的精度，提高了对稻壳可降解餐盒的裂缝检测的准确性。