一种用于工件加工表面背景纹理抑制方法与流程

本发明涉及一种于工件表面质量图像检测技术中加工背景纹理抑制方法，属于工件表面质量检测领域。

背景技术：

随着制造技术的发展，高成本、高精度批量加工零件越来越多，对工件表面质量检测提出了更高的要求。研发新的用于工件表面背景纹理的抑制方法，进而实现工件表面质量检测，符合企业的迫切需求，对机械学科基础理论研究也具有重要意义。

在机械切削加工过程中，从图像角度对工件表面质量缺陷进行检测一直是国内外研究热点。由于刀具作业的规律性，被加工工件表面会留下一定方向性的切削加工纹理；与此同时，由于机床振动、切削碰撞和工件材质不均匀等方面原因，会导致工件表面产生裂纹、划痕、麻坑等各种各样的缺陷。切削加工纹理的存在一方面可以提供反映切削加工过程的信息，另一方面也会干扰工件表面缺陷的检测，采用工件表面加工背景纹理抑制方法对工件表面背景纹理进行抑制就可以解决切削加工纹理干扰工件表面缺陷检测的问题。

技术实现要素：

本发明的目的是提供一种图像分析结果与物理检测结果吻合度较高，实用性较强的用于于工件表面质量图像检测技术中加工背景纹理抑制方法，即可实现工件加工表面背景纹理的抑制，也可为工件加工表面背景纹理的研究提供理论依据。

本发明解决其技术问题所采用的技术方案是：一种于工件表面质量图像检测技术中加工背景纹理抑制方法，所述工件加工表面包括钻削、铣削、车削、磨削加工工件表面，其特征是：首先通过专业成像设备对工件表面进行图像采集并灰度化处理，获得工件表面灰度图像；然后基于灰度共生矩阵生成工件表面灰度特征图；遍历工件表面灰度特征图像素点，并依次作为中心像素点将工件表面灰度特征图划分成若干个n×n(n∈{3,5})大小的像素块，随机抽样像素块，将样本向量化并进行非负矩阵分解，获得加工背景纹理特征图；依次计算加工背景纹理特征图与工件表面灰度特征图中每一个像素块的欧氏距离，求平均值并赋值给工件表面灰度特征图中相应像素块的中心像素点，实现工件表面图像加工背景纹理抑制，突显工件表面质量特征。

所述基于灰度共生矩阵生成工件表面灰度特征图是指设置一个m×m(m∈{3,5})大小的检测窗口，然后遍历工件表面灰度图像像素点依次锁定工件表面灰度图像中由m×m(m∈{3,5})个像素组成的像素块，生成灰度共生矩阵，并将灰度共生矩阵中元素值做归一化处理，根据得到的灰度共生矩阵计算方差特征值，将得到的方差特征值赋值给像素块的中心像素点，然后将检测窗口依次移动到下一个位置重复上述步骤，直到整幅图像遍历完为止。

所述遍历工件表面灰度特征图像素点，并依次作为中心像素点将工件表面灰度特征图划分成若干个n×n(n∈{3,5})大小的像素块是指设置一个n×n(n∈{3,5})大小的检测窗口，然后遍历工件表面灰度特征图像素点依次锁定工件表面灰度图像中由n×n(n∈{3,5})个像素组成的像素块，截取该像素块，接着将检测窗口依次移动到下一个位置并重复上述步骤，直到整幅图像遍历完为止。

所述随机抽样像素块，将样本向量化并进行非负矩阵分解，获得加工背景纹理特征图是指在工件加工表面灰度特征图中，代表缺陷的灰度特征占比较小，基于统计学基本原理，在截取的若干幅n×n(n∈{3,5})的像素块中随机抽取一定数量的像素块可近似代替工件加工表面灰度特征图的加工背景纹理特征，然后利用非负矩阵分解所具有的降低图像冗余，获取图像本质特征的能力，将像素块向量化后，作为输入进行非负矩阵分解，获得加工背景纹理特征图。

所述加工背景纹理特征图是指样本像素块经非负矩阵分解后，得到的基矩阵对应的图像。

所述依次计算加工背景纹理特征图与工件表面灰度特征图中每一个像素块的欧氏距离，求平均值并赋值给工件表面灰度特征图中相应像素块的中心像素点是指将加工背景纹理图对应的矩阵的每一列向量按列排成一个方阵，获得若干个方阵，遍历工件表面灰度特征图像素块，然后依次计算这些方阵与工件表面灰度特征图中一个像素块之间的欧氏距离，求平均值并赋值给该像素块，重复上述步骤，直至遍历完所有像素块。

本发明的有益效果是：本发明是一种基于灰度共生矩阵算法对工件表面灰度图像的纹理特征进行描述，并利用非负矩阵分解算法，分解出加工背景纹理特征图，以实现工件加工表面背景纹理的抑制，突显工件表面质量特征。应用非负矩阵分解算法解决了传统算法不能进行无监督学习图像潜在特征的问题。另外，基于灰度共生矩阵对图像纹理特征的描述方法简单可靠，简化了复杂的分析过程。通过试验证明：图像分析结果与实际结果吻合，准确率高，实用性强，可以广泛应用于切削质量检测领域。

附图说明

图1是本发明的原理流程图。

图2是工件加工表面图。

图3是工件表面灰度图像。

图4是工件表面灰度特征图。

图5是工件表面灰度特征样本图像。

图6是工件加工背景纹理特征图。

图7是工件加工表面背景纹理抑制图。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

本发明可针对钻削、铣削、车削、磨削等加工工件表面图像，以铣削加工试验为例。

实施例1，所述工件加工表面包括钻削、铣削、车削、磨削加工工件表面，其特征是：首先通过专业成像设备对工件表面进行图像采集并灰度化处理，获得工件表面灰度图像；然后基于灰度共生矩阵生成工件表面灰度特征图；遍历工件表面灰度特征图像素点，并依次作为中心像素点将工件表面灰度特征图划分成若干个n×n(n∈{3,5})大小的像素块，随机抽样像素块，将样本向量化并进行非负矩阵分解，获得加工背景纹理特征图；依次计算加工背景纹理特征图与工件表面灰度特征图中每一个像素块的欧氏距离，求平均值并赋值给工件表面灰度特征图中相应像素块的中心像素点，实现工件表面图像加工背景纹理抑制，突显工件表面质量特征。参阅图1至图7。

实施例2，所述基于灰度共生矩阵生成工件表面灰度特征图是指设置一个m×m(m∈{3,5})大小的检测窗口，然后遍历工件表面灰度图像像素点依次锁定工件表面灰度图像中由m×m(m∈{3,5})个像素组成的像素块，生成灰度共生矩阵，并将灰度共生矩阵中元素值做归一化处理，根据得到的灰度共生矩阵计算方差特征值，将得到的方差特征值赋值给像素块的中心像素点，然后将检测窗口依次移动到下一个位置重复上述步骤，直到整幅图像遍历完为止。参阅图1至图7，其余同实施例1。

实施例3，所述遍历工件表面灰度特征图像素点，并依次作为中心像素点将工件表面灰度特征图划分成若干个n×n(n∈{3,5})大小的像素块是指设置一个n×n(n∈{3,5})大小的检测窗口，然后遍历工件表面灰度特征图像素点依次锁定工件表面灰度图像中由n×n(n∈{3,5})个像素组成的像素块，截取该像素块，接着将检测窗口依次移动到下一个位置并重复上述步骤，直到整幅图像遍历完为止。参阅图1至图7，其余同上述实施例。

实施例4，所述随机抽样像素块，将样本向量化并进行非负矩阵分解，获得加工背景纹理特征图是指在工件加工表面灰度特征图中，代表缺陷的灰度特征占比较小，基于统计学基本原理，在截取的若干幅n×n(n∈{3,5})的像素块中随机抽取一定数量的像素块可近似代替工件加工表面灰度特征图的加工背景纹理特征，然后利用非负矩阵分解所具有的降低图像冗余，获取图像本质特征的能力，将像素块向量化后，作为输入进行非负矩阵分解，获得加工背景纹理特征图。参阅图1至图7，其余同上述实施例。

实施例5，所述加工背景纹理特征图是指样本像素块经非负矩阵分解后，得到的基矩阵对应的图像。参阅图1至图7，其余同上述实施例。

实施例6，所述依次计算加工背景纹理特征图与工件表面灰度特征图中每一个像素块的欧氏距离，求平均值并赋值给工件表面灰度特征图中相应像素块的中心像素点是指将加工背景纹理图对应的矩阵的每一列向量按列排成一个方阵，获得若干个方阵，遍历工件表面灰度特征图像素块，然后依次计算这些方阵与工件表面灰度特征图中一个像素块之间的欧氏距离，求平均值并赋值给该像素块，重复上述步骤，直至遍历完所有像素块。参阅图1至图7，其余同上述实施例。

实施例7，具体过程如下：

如附图1所示，此图为本发明原理流程图。通过图像采集设备对已加工工件表面进行图像采集，获取工件加工表面图像并进行灰度化处理，获得工件表面灰度图像；然后基于灰度共生矩阵生成工件表面灰度特征图；接着遍历工件表面灰度特征图像素点，并依次作为中心像素点将工件表面灰度特征图划分成若干个n×n(n∈{3,5})大小的像素块，随机抽样像素块，将样本向量化并进行非负矩阵分解，获得加工背景纹理特征图；通过依次计算这些方阵与工件表面灰度特征图中一个像素块的欧氏距离，求平均值并赋值给该像素块，重复上述步骤，直至遍历完所有像素块实现工件加工表面图像纹理背景的抑制。

如附图2所示，它为通过图像采集设备采集到的工件加工表面图像。由于图像的成像质量对后续处理结果有影响，因此应选择像素较高的工业级相机以及在曝光条件较好的环境下进行图像采集。

基于灰度共生矩阵生成工件表面灰度特征图，如附图3、4所示，此图为工件表面方差特征图像，由于方差反映的是区域内各像素值与该区域像素均值的灰度差大小，工件加工表面中加工缺陷区域与加工正常区域的像素灰度差无疑是很大的，因此工件表面方差特征图能将加工缺陷边缘很好的突显出来。

如附图5所示，此图为工件加工表面灰度特征样本图像，由在工件加工表面灰度特征图中，代表缺陷的灰度特征占比较小，基于统计学基本原理，在截取的若干幅n×n(n∈{3,5})的像素块中随机抽取一定数量的像素块可近似代替工件加工表面灰度特征图的加工背景纹理特征。

如附图6所示，此图为加工背景纹理特征图，为了降低图像矩阵的冗余，获得更为稀疏的表达方式，利用非负矩阵分解算法，分解出工件加工表面灰度特征样本图像的背景特征，作为加工背景纹理特征的近似描述。

本发明最后依次计算加工背景纹理特征图与工件表面灰度特征图中每一个像素块的欧氏距离，求平均值并赋值给工件表面灰度特征图中相应像素块的中心像素点，实现工件表面图像加工背景纹理抑制。参阅图1至图7，其余同上述实施例。