一种基于图像处理的表面擦伤缺陷联通的算法的制作方法

本发明涉及图像处理领域，更具体地，涉及一种基于图像处理的表面擦伤缺陷联通的算法。

背景技术：

随着生产技术和工艺的发展，人们对产品外观质量给予了足够的重视，特别是对于产品表面缺陷的考察，也日渐成为各行业的关注点。表面的缺陷不仅影响了包装、工艺品等这些以外观为重的产品的美观，还对某些金属、光纤等产品的性能产生了很大的影响。

目前，国内越来越多的企业运用机器视觉等相关技术，对生产线上的产品进行表面缺陷的在线检测。其关键技术是将缺陷区域从图像中分割出来后，进行图像的预处理，后对缺陷进行特征描述，进而利用各种分类器来识别缺陷的类型。

但对于少量类型的缺陷，如擦伤缺陷。在进行图像预处理时，用常规的形态学操作或者联通域操作将擦伤缺陷进行联通，会大大改变缺陷其本身实际的几何、形状等性质，导致后续的缺陷类型识别不准确。

技术实现要素：

本发明为克服上述现有技术所述对于表面擦伤缺陷联通造作的不足，在尽可能小的改变擦伤缺陷实际性质的前提下，对离散的擦伤缺陷进行联通，使之成为一个独立完整的缺陷，提供一种基于图像处理的表面擦伤缺陷联通的算法。

为解决上述技术问题，本发明的技术方案如下：

一种基于图像处理的表面擦伤缺陷联通的算法，包括以下步骤：

s1.获取图像，设定最小缺陷面积阈值δ，使用图像轮廓查找算法对图像进行缺陷轮廓识别，并将图像中面积小于δ的缺陷移除；

s2.初始化参数，对每个缺陷轮廓进行标记，记为contours[i]，i代表当前第i+1的缺陷轮廓；

0<＝i<k，其中，k为缺陷轮廓的总数，每个缺陷轮廓均由一定数目的点组成；

s3.对每个缺陷轮廓进行和其他缺陷轮廓遍历比较的操作，计算相邻2个缺陷轮廓间的最小距离，并且将距离最小时的2个点进行直线连接，使相邻的2个缺陷轮廓联通、合并；

s4.输出经过联通缺陷的图像，算法结束。

进一步地，所述步骤s1中，缺陷移除的具体方式为如下：

计算缺陷面积，与所述阈值δ进行比较，若小于δ，则将该区域的灰度值设置为0；若缺陷面积大于δ，则不做处理，保留原本图像的灰度值。

进一步地，所述步骤s2中，初始化参数具体还包括以下步骤：

s201.设定最小距离mindistance，设i＝p＝q＝0。

进一步地，所述步骤s3采用opencv的函数进行遍历比较，在opencv中，contours.size()代表图像中所有的离散的缺陷轮廓的数量，contours[i].size()代表为第i个轮廓中点集的数目，步骤s3的具体过程包括以下步骤：

s301.判断i<contours.size()-1是否成立，如果是，则进入步骤s302，否则进入步骤s4；

s302.判断p<contours[i].size()是否成立，如果是，则进入步骤s303，否则进入步骤s307；

s303.判断q<contours[i+1].size()是否成立，如果是，则进入步骤s304；否则将p递增1，进入步骤s302；

s304.计算p点和q点之间的距离dis，将q递增1；

s305.判断dis<mindistance，如果成立，则进入步骤s306，否则进入步骤s303；

s306.将dis的值赋予mindistance，记录当前p点和q点的位置，进入步骤s303；

s307.在图像上，将p点和q点之间用直线进行连接，将mindistance设为1000，将i递增1，进入步骤s301。

与现有技术相比，本发明技术方案的有益效果是：

本发明通过采用计算相邻两缺陷轮廓间最短距离的两个点的连线，从而将离散的缺陷进行联通，使多个缺陷构成一个整体，能较好地维持缺陷本身性质，便于后续对其二值图像进行求取相关特征描述，构建特征向量，继而便可由相关分类器进行识别判断缺陷的类型，增加了识别判断阶段的准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是基于图像处理的表面擦伤缺陷联通的算法流程示意图。

图2是剔除小缺陷前和剔除后的效果图。

图3是缺陷联通后的效果图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

一种基于图像处理的表面擦伤缺陷联通的算法，其具体实施过程如图1所示，包括以下步骤：

s1.获取图像，设定最小缺陷面积阈值δ，使用图像轮廓查找算法对图像进行缺陷轮廓识别，并将图像中面积小于δ的缺陷移除；

s2.初始化参数，对每个缺陷轮廓进行标记，记为contours[i]，i代表当前第i+1的缺陷轮廓；

0<＝i<k，其中，k为缺陷轮廓的总数，每个缺陷轮廓均由一定数目的点组成；

s3.对每个缺陷轮廓进行和其他缺陷轮廓遍历比较的操作，计算相邻2个缺陷轮廓间的最小距离，并且将距离最小时的2个点进行直线连接，使相邻的2个缺陷轮廓联通、合并；

s4.输出经过联通缺陷的图像，算法结束。

在本实施例中，步骤s1中的缺陷移除的具体方式为如下：

擦伤缺陷包含很多离散的小缺陷，将每个离散的缺陷的面积计算出来后，与所设的阈值δ进行比较，以图2中带有离散缺陷的图像为例，若小于δ，则将该区域的灰度值置为0(黑色)；若面积大于δ，则不做处理，保留原本图像的灰度值(白色即缺陷)。

具体的，如图2中圈出的缺陷所示，这些缺陷本属于一个擦伤缺陷，但其面积较小，若继续后续的步骤，将离散的缺陷之间用直线连接，那么可能会出现连接的线段反而会比该小缺陷的面积更大，故将其剔除掉。本实例中，设定的阈值δ为50(即50个像素)，若离散的缺陷的面积(像素组成个数)小于50，则将该小区域的灰度值置为0(黑色)，若其面积大于50，则不做任何处理。经次处理后，便可达到将面积较小的区域剔除掉的目的，具体的效果如图2右侧。

在本实施例中，步骤s2中，初始化参数具体还包括以下步骤：

s201.设定最小距离mindistance，设i＝p＝q＝0。

在本实施例中，步骤s3采用opencv的函数进行遍历比较，在opencv中，contours.size()代表图像中所有的离散的缺陷轮廓的数量，contours[i].size()代表为第i个轮廓中点集的数目，步骤s3的具体过程包括以下步骤：

s301.判断i<contours.size()-1是否成立，如果是，则进入步骤s302，否则进入步骤s4；

s302.判断p<contours[i].size()是否成立，如果是，则进入步骤s303，否则进入步骤s307；

s303.判断q<contours[i+1].size()是否成立，如果是，则进入步骤s304；否则将p递增1，进入步骤s302；

s304.计算p点和q点之间的距离dis，将q递增1；

s305.判断dis<mindistance，如果成立，则进入步骤s306，否则进入步骤s303；

s306.将dis的值赋予mindistance，记录当前p点和q点的位置，进入步骤s303；

s307.在图像上，将p点和q点之间用直线进行连接，具体的连接方式如图3所示，采用白色线条将相邻的缺陷轮廓进行连接；将mindistance设为1000，将i递增1，进入步骤s301。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。