1.一种基于线扫描相机的带钢表面缺陷图像快速辨识方法,其特征在于步骤如下:
(1)获取带钢实时图像数据;
(2)对待分析图像进行分块处理;
(3)确定分析基板灰度边界;
(4)提取分析基板图像;
(5)确定奇异目标边界;
(6)提取奇异点图像;
(7)计算奇异密度;
(8)确定缺陷像素点;
(9)分割缺陷图像;
所述的步骤(1)获取带钢实时图像数据;采用单台线扫描相机直接采集的图像,或者多台线扫描相机采集的图像经拼接后的图像,或是经过图像预处理后的带钢图像均可;
所述的步骤(2)对待分析图像进行分块处理,是将整幅图像进行分块,横向分块步长为整幅图像横向尺寸的N分之一,N根据需要选取;纵向分块步长为图像高度;如果待分析图像为拼接图像,则分块时不可跨拼接线分块;分块后,对分割出的每一块图像进行步骤(3)-(6)的操作;
所述的步骤(3)确定分析基板灰度边界方法如下:
a计算区域内灰度平均值WAVGK(y)及灰度标准差WSDVK(y),其中k为块序号。
b如果WAVGK(y)>原图灰度有效值上限MaxOG或WAVGK(y)<原图灰度有效值下限MixOG,则视为无效块,继续分析其它块,当WAVGK(y)为其他值时继续向后执行;MaxOG、MixOG为设定值;
c确定基板灰度上边界BGUB和下界BGDB;
BGUB=min(254,WAVGK(y)+2*WSDVK(y))
BGDB=WAVGK(y)-2*WSDVK(y)
所述的步骤(4)提取分析基板图像,即是提取包含正常带钢面和缺陷边缘信息的图像,方法是将大于BGDB及小于BGUB的区域内图像点确定为分析基板图像;
所述的步骤(5)确定奇异目标边界方法如下:
a计算分析基板内灰度平均值BAVGK(y)及灰度标准差BSDVK(y),其中k为块序号;
b如果BAVGK(y)+3*BSDVK(y)>255或BAVGK(y)-3*BSDVK(y)<0,则视为无效块,继续分析其它块,当BAVGK(y)+3*BSDVK(y)为其他值时继续向后执行;
c确定高亮奇异目标边界HLB和低亮奇异目标边界LLB;
HLB=min(254,BAVGK(y)+4*BSDVK(y))
LLB=Max(20,BAVGK(y)-4*BSDVK(y))
所述的步骤(6)提取奇异点图像,即是提取标示图像上奇异点的图像;设定在区域图像上对于大于HLB或小于LLB的图像点确定为奇异点;在奇异点图像上,奇异点处的图像点灰度设定为255,非奇异点处的图像点灰度设定为0;
循环执行步骤(3)-(6)的操作,直至处理完所有的区域图像,合成整幅奇异点图像,继续向后执行;
所述的步骤(7)计算奇异密度,方法如下:
a对整幅奇异点图像进行高斯均值处理;
b处理后的每个像素点的灰度为该点的奇异密度;
所述的步骤(8)确定缺陷像素点,是将奇异点图像上奇异密度大于奇异阈值CStep的点所对应的步骤(1)采集图像上的像素点确定为缺陷像素点;
所述的步骤(9)分割缺陷图像,是将包含缺陷像素点的连通图像在原图中分割出来。