一种基于线扫描相机的带钢表面缺陷图像快速辨识方法与流程

技术特征：

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WAVG_K(y)及灰度标准差WSDV_K(y)，其中k为块序号。

b如果WAVG_K(y)>原图灰度有效值上限MaxOG或WAVG_K(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WAVG_K(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,WAVG_K(y)+2*WSDV_K(y))

BGDB＝WAVG_K(y)-2*WSDV_K(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BAVG_K(y)及灰度标准差BSDV_K(y)，其中k为块序号；

b如果BAVG_K(y)+3*BSDV_K(y)＞255或BAVG_K(y)-3*BSDV_K(y)<0，则视为无效块，继续分析其它块，当BAVG_K(y)+3*BSDV_K(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,BAVG_K(y)+4*BSDV_K(y))

LLB＝Max(20,BAVG_K(y)-4*BSDV_K(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C_Step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。