0] 对残差图像采用以下公式进行第二次阈值分割：
[0021]
[0022] 对两次分割后的图像求和，得到一幅包含所有疑似缺陷区域的二值图像 gaii(x，y);
[0023] gan(X，y)=gdark(X，y)+giight(X，y)
[0024] 其中，TdaA和Tlight分别为两次分割阈值，gdaA(x，y)和glight(x，y)均表不阈值分割 所得二值化图像；
[0025] 步骤3. 4):对残差图像分割求和后所得二值化图像gall (X，y)进行连通域分析，获 得连通分量，计算连通分量的重心位置、最小外接矩形的高、宽以及面积参数；
[0026] 步骤3. 5)根据重心判断连通分量所在的检测区域，根据检测区域中缺陷长、宽和 面积特征，设定不同的长、宽和面积阈值进行瓶口缺陷识别，当连通分量的高、宽和面积大 于设定阈值时，则说明该连通分量是瓶口缺陷；
[0027] 所述检测区域包括R0I1、R0I2以及R0I3 ;
[0028] 其中，检测区域R0I1是以步骤2中所得瓶口目标区域中心为圆心，以R1。和R2^ 半径绘制的两个圆之间的圆环区域；
[0029] 检测区域R0I2是以步骤2中所得瓶口目标区域中心为圆心，以R2JPR3。为半径 绘制的两个圆之间的圆环区域；
[0030] 检测区域R0I3是以步骤2中所得瓶口目标区域中心为圆心，以R3。和R3i为半径 绘制的两个圆之间的圆环区域；
[0031] 其中，Rl〇=Rl+Rtol，R2 ;=R2_Rtol，R3。=R3+Rtol，R3 ;=R3_Rtol;
[0032] Rtol为容许度，R1、R2及R3为对瓶口目标区域进行径向扫描获得的第一、第二和第 三组瓶口边缘点分别进行圆拟合所得到的拟合圆的半径。
[0033] 【R0I1区域主要检测外环磨损、崩口，R0I2区域主要检测封盖面磨损、破裂和脏 污，R013区域主要检测内环磨损、崩口。】
[0034] 所述定位瓶口目标区域的具体步骤如下：
[0035] 步骤A:对啤酒瓶口图像进行全局阈值分割得到瓶口边缘区域二值化图像；
[0036] 步骤B:利用重心法对瓶口边缘区域二值化图像进行第一次瓶口定位；
[0037] 步骤C:以第一瓶口定位后得到的区域重心作为一个扫描圆圆心，设定扫描半径， 对步骤A所得瓶口边缘区域二值化图像进行径向扫描，获取啤酒瓶口边缘点；
[0038] 每次扫描获取三个边缘点，所述三个边缘点是沿着扫描半径由最外端向扫描圆心 扫描得的前三个像素灰度值跃变点，其中，第一边缘点和第三个边缘点是由〇向1跃变的 点，第二个边缘点为由1向〇跃变的点；
[0039] 将每次扫描得到的第一、二和三个像素灰度值跃变点分别存储于第一、二和三个 数组中；
[0040] 步骤D:利用圆拟合算法分别对上述三组边缘点进行圆拟合，对瓶口进行第二次 精确定位，以获得瓶口检测区域；
[0041] 步骤E:以上述第一组边缘点拟合圆圆心为极坐标原点，进行极坐标变换，将瓶口 检测区域沿半径切线方向展开，所得图像作为瓶口目标区域，瓶口目标区域图像中像素的 直角坐标（X，y)按以下公式获得：
[0042]
[0043]
[0044] 其中，为瓶口目标区域图像的分辨率，Η_、W%分别表示瓶口目标区域图 像的高和宽，XI、Y1为残差图像的重心的重心坐标，为瓶口目标区域图像中像素的 坐标值，1彡Η_，1彡y+fff_，roundO表示对变量取整数操作。
[0045] 将经过极坐标变换展开的瓶口目标图像分成三部分：噪声、灰度缓慢变化（是指 沿着图像坐标y轴方向的灰度变化情况）部分和灰度剧烈变化部分，其中缓慢变化部分对 应于图像黑色背景区域和瓶口边缘亮区域，剧烈变化部分对应于检测目标的边缘和瓶口缺 陷区域，通过对目标图像的强烈平滑，能有效滤除噪声和瓶口缺陷区域，但对梯度变化较小 的背景区域影响甚小，因此，对平滑前后图像进行差分（该差分值被定义为残差），能突出 瓶口缺陷区域。
[0046] 所述步骤D中使用的圆拟合算法具体包括以下几个步骤：
[0047] 步骤al:从所得的一组边缘点中随机采样的三个点确定一个圆，定义各边缘点到 圆距离小于给定阈值的边缘点的数目与边缘点总数的比值为圆拟合度；
[0048] 步骤bl :利用多次重复随机圆检测得到大量圆拟合结果并计算对应圆拟合度；
[0049] 步骤cl :将圆拟合度作为评估标准搜索最优定位结果，以最大圆拟合度对应的结 果作为该组边缘点的最终圆拟合结果。
[0050] 使定位方法具有较强抗干扰能力且执行速度快。
[0051] 所述步骤3中步骤3. 1)对瓶口目标区域图像进行滤波处理是采用一个宽为1高 为Mh的矩形滤波模板进行均值滤波处理，其中Μ"大于的最宽缺陷区域的宽度值，为一个正 奇数，MhS定为瓶口定位误差的2-3倍。
[0052] 对目标图像进行滤波的目的是使干扰、瓶口缺陷区域在滤波前后的灰度值变化尽 量大，同时保证背景区域在滤波前后的灰度变化尽可能小，以便在残差中突出缺陷和背景 差异，便于分割出缺陷区域。
[0053] 所述步骤3中步骤3. 3)TdaA为负整数，Tllght为正整数，取决于明暗区域对应的残 差大小，经过测试实验后获得。
[0054] 所述步骤3中步骤3. 5)Rtol设定为的瓶口定位误差1-2倍，R0IUR0I2和R0I3区域 的长、宽和面积阈值是根据各区域中缺陷长、宽和面积大小来设定的，经过测试实验获得。
[0055] 所述径向扫描过程如下：
[0056] stepl:以区域中心为圆心，以RS(：an为半径，绘制一个圆，该圆被称为扫描圆，沿顺 时针或逆时针方向进行360度的径向扫描；
[0057] st印2 :径向扫描从半径末端Pls开始，其中Pls的坐标值XPls和YPls值由以下式子 得到：
[0058] XPls= X 0，+Rscancos ( Δ a *is)
[0059] YPls= Y0，+Rscansin(A a *is)
[0060] step3 :当扫描到三个灰度值跃变点时停止，定义三个N_n行两列的数组 GroupEdgel(Nscan, 2)、GroupEdge2 (Nscan, 2)、GroupEdge3 (Nscan, 2)，分三组保存边缘点坐 标，其中沿径向扫描时得到的第一、二、三个灰度值跃变点X、y坐标分别保存在数组 GroupEdgel、GroupEdge2、GroupEdge3中，其中，第一和第三个数组存储0向1跃变的点，第 二个数组存储由1向0跃变的点。
[0061] 所述径向扫描中步骤step2)is表示当前径向扫描的次序号，对于本发明中的瓶 口图像，其取值范围为[100,600]。
[0062] 有益效果
[0063] 本发明提出了一种基于残差分析动态阈值分割的瓶口缺陷检测方法，首先，提出 随机圆评估方法用于实现瓶口区域定位；随后，对极坐标变换展开所得的瓶口目标图像进 行强烈平滑处理，平滑前后的瓶口目标图像进行差分，形成一个随原始瓶口目标图像灰度 值变化的阈值曲面，用该曲面对瓶口目标图像进行动态阈值分割；最后，对分割后的二值图 像进行区域连通性检测，根据连通区域的高、宽和面积判断其是否为缺陷；该方法采用瓶口 图像的残差分析动态阈值分割方法以提升算法对灰度值变化的适应能力，提出一种新的对 瓶口缺陷和干扰有很强抵抗能力的随机圆评估法，同时进行三圆周检测，以降低瓶口定位 误差，保证后续检测的可靠性，通过上述两种改进处理后，本发明方法对图像中识别目标的 灰度值变化和干扰都有很强的适应能力，且执行速度快，有效解决了瓶口缺陷高速高精度 检测的难题。对残差图像进行平滑滤波处理，使得本方法较好的克服了现有技术会不同程 度的削弱边缘区域的平滑效果，给后续图像分割带来不利影响的问题，使干扰、瓶口缺陷区 域在滤波前后的灰度值变化尽量大，同时保证背景区域在滤波前后的灰度变化尽可能小， 以便在残差中突出缺陷和背景差异，便于分割出缺陷区域，进一步提升了本方法对瓶口缺 陷的检测精度。
【附图说明】
[0064] 图1为本发明缺陷检测方法具体流程；
[0065] 图2为测试图像和检测结果，图（a)为输入瓶口图像，图（b)为缺陷检测结果；
[0066] 图3为本发明缺陷检测方法各步骤执行效果，图（a)为对输入图像分割得到的二 值图像，图（b)为重心法所得重心位置，图（c)为径向扫描所得瓶口边缘点，图（d)为圆拟 合得到的瓶口检测区域，图（e)为检测区域径向展得到的瓶口目标图像，图（f)为瓶口目标 图像均值滤波，图（g)为残差求绝对值后的图像，图（h)为对残差分割所得二值化图像，图 (i)为瓶口目标图像中所得缺陷检测结果；
[0067] 图4为传统瓶口缺陷检测方法及主要流程；
[0068] 图5为瓶口缺陷；
[0069] 图6为存在明暗缺陷和大量干扰边缘的瓶口