边缘之外时，称之为越界，如图 11(a)所示，黑色边框的矩形为滤波模板，' + '为模板中心，为减少越界影响，通常忽略边界 像素或保留原边界像素，但是这两种处理方式对残差分析产生不利影响，同时考虑Mw较大 而扎较小，本发明将目标图像最右侧Η (Mw-1) /2的图像复制到左侧，将目标图像最左侧 的图像复制到右侧，形成一幅新的分辨率为!^*氣-1)的图像，如图11(b)所 示，仅对此图像中原来部分进行滤波处理，处理完成后去掉新增区域，得到与原始目标图 像大小相同的平滑后的图像，即忽略X轴方向越界像素，而对y轴方向越界像素进行补偿。 经过上述越界处理后所得的图像如图3(f)所示。
[0144] 7.平滑前后目标图像求差分得到残差
[0145] 对平滑前后图像差分求残差，所得结果如图3(g)所示。
[0146] 8.对残差进行动态阈值分割获取所有疑似缺陷区域
[0147] 根据前文所述，对于瓶口目标图像R0I1和R0I3区域而言，将白色区域视为背景区 域，其中缺陷表现为暗区域，对应的残差为较大负数，对于R0I2区域而言，将黑色区域视为 背景区域，其中缺陷表现为亮区域，对应残差表现为较大的正数，上述两种情况下，背景区 域对应的残差值始终较小，设定两个阈值参数TdaA= -100和Tllght= 140,对残差经两次单 独分割后求和，获得一幅包含所有疑似亮缺陷和暗缺陷区域二值图像，如图3 (h)中白色区 域所示。
[0148] 9.区域连通性分析以定位、识别缺陷区域
[0149]对上述所得二值图像进行连通域分析，获得连通分量，随后，计算连通分量分量 重心位置、最小外接矩形的高和宽以及面积参数，根据重心判断连通分量所在检测区域 (R0I1、R0I2和R0I3)，针对每个区域中缺陷高、宽和面积特征，设定不同的高、宽和面积阈 值进行瓶口缺陷识别，当连通分量的高、宽和面积大于相关阈值时，则说明该连通分量是瓶 口缺陷，其中R0I1区域高、宽和面积阈值分别为8、6、16，R0I2区域高、宽和面积阈值分别为 2、6、16，R0I3区域高、宽和面积阈值分别为3、6、16,所得检测结果如图3(i)所示，将结果经 过反向极坐标变换，求出缺陷在输入瓶口图像中对应的位置，结果如图2(b)所示，显然，在 瓶口目标区域中大于高、宽和面积阈值的缺陷区域均被准确的检测出来。
【主权项】
1. 一种残差分析动态阈值分割的瓶口缺陷检测方法，其特征在于，包括以下步骤： 步骤1 :获取啤酒瓶口图像； 步骤2 :从啤酒瓶口图像中定位瓶口目标区域； 步骤3 :对瓶口目标区域进行缺陷检测； 步骤3. 1):对瓶口目标区域图像进行滤波处理； 步骤3. 2):对瓶口目标区域进行滤波前后的图像进行差分处理获得残差图像； 步骤3.3):对残差图像r(x，y)进行两次阈值分割后求和，得到一幅二值化图像； 对残差图像采用以下公式进行第一次阈值分割：对残差图像采用以下公式进行第二次阈值分割：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gall(x，y);其中，TdaA和Tlight分别为两次分割阈值，gdaA(x，y)和g light(x，y)均表不阈值分割所得 二值化图像； 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； 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； 所述检测区域包括R0I1、R0I2以及R0I3 ; 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R2i为半径 绘制的两个圆之间的圆环区域； 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R2JP R3。为半径绘制 的两个圆之间的圆环区域； 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R3 i为半径绘制 的两个圆之间的圆环区域； 其中，Rl0= Rl+Rtol，R2 R2-Rtol，R3。= R3+Rtol，R3 R3-Rtol ; 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。2. 根据权利要求1所述的方法，其特征在于，所述定位瓶口目标区域的具体步骤如下： 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； 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； 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； 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0向1跃变的点，第 二个边缘点为由1向0跃变的点； 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； 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； 步骤Ε :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：其中，为瓶口目标区域图像的分辨率，H%、1_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Xcibj< Η_，1彡ycibj< W# roundO表示对变量取整数操作。3. 根据权利要求2所述的方法，其特征在于，所述步骤D中使用的圆拟合算法具体包括 以下几个步骤： 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； 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； 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。4. 根据权利要求1所述的方法，其特征在于，所述径向扫描过程如下： 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； step2 :径向扫描从半径末端Pis开始，其中Pis的坐标值务,4和^>,_,值由以下式子得到：step3 :当扫描到三个灰度值跃变点时停止，定义三个Nsran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。5. 根据权利要求1-4任一项所述的方法，其特征在于，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高为心的矩形滤波模板进行均值滤波处理， 其中1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。6. 根据权利要求1-4任一项所述的方法，其特征在于，所述步骤3中步骤3. 3)T daA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。7. 根据权利要求1-4任一项所述的方法，其特征在于，所述步骤3中步骤3. 5) R tol设定 为的瓶口定位误差1-2倍，R0I1、R0I2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。8. 根据权利要求1-4任一项所述的方法，其特征在于，所述步骤2中步骤E) is表示当 前径向扫描的次序号，取值范围为[100,600]。
【专利摘要】本发明公开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。该方法对图像中识别目标的灰度值变化、干扰有很强的适应能力，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。
【IPC分类】G01N21/88
【公开号】CN105334219
【申请号】CN201510589588
【发明人】王耀南, 周显恩, 吴成中, 陈铁健, 李康军, 易国, 冯明涛, 彭玉, 郑叶欣, 王海洲
【申请人】湖南大学
【公开日】2016年2月17日
【申请日】2015年9月16日