边 缘进行检测缺陷，本发明通过计算中心线领域灰度均值，更有利于识别细长条边缺陷，减少 了通过轮廓距离值来判断缺陷方法的误差，为检测宽窄长条类型对象缺陷提供了一种新的 方法思路。本发明可检测多种型号的玻璃面板边缺陷。
【附图说明】
[0069]图1是本发明实施例提供的一种玻璃面板的边缺陷检测方法的流程图。
[0070]图2是本发明实施例提供的二值化图像中的感兴趣区域轮廓示意图。
[0071] 图3是本发明实施例提供的水平结构元素腐蚀的效果图。
[0072]图4是本发明实施例提供的感兴趣区域轮廓的中心线示意图。
[0073]图5是本发明实施例提供中心线的灰度值滤波示意图。
[0074]图6是本发明实施例提供中心线的灰度差值示意图。
[0075] 图7是本发明实施例提供边缺陷标记示意图。
[0076]图8是本发明实施例提供的一种玻璃面板的边缺陷检测系统的结构示意图。
【具体实施方式】
[0077] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0078] 本发明对采集的图像进行灰度转换后二值化处理，提取感兴趣区域及其中心线， 得到中心线上每个点的坐标，每个点的灰度值取决于该点坐标上下领域的平均灰度值，计 算该中心线的灰度均值，基于该均值设定阈值进行极大值极小值判断，检测出缺陷。
[0079] 基于上述原理，本发明提供了如图1所示的一种玻璃面板的边缺陷检测方法，步 骤包括：
[0080]S1，进行玻璃面板图像采集并进行灰度转换得到灰度图像，然后将所述灰度图像 二值化处理得到二值化图像，提取所述二值化图像中的感兴趣区域轮廓；
[0081] S2,对所述感兴趣区域轮廓进行处理，得到所述感兴趣区域轮廓的中心线图，遍历 所述中心线图得到中心线上每一个点的点坐标；
[0082]S3,提取所述感兴趣区域轮廓对应的灰度图像，根据中心线上每一个点的点坐标 得到该点对应的灰度值；
[0083]S4,对中心线的灰度值进行处理，根据处理后的中心线灰度值计算中心线灰度差 均值，然后根据所述中心线灰度差均值判断是否存在边缺陷并标记。
[0084] 进一步地，上述步骤S1具体包括：
[0085] S11，对所述玻璃面板进行图像采集，然后将采集到的玻璃面板图像进行灰度转 换，将灰度转换后的图像进行高斯拉普拉斯锐化和中值滤波的预处理得到灰度图像；
[0086] S12,用最大类间方差法对所述灰度图像进行二值化，得到二值化图像，如图2所 示；
[0087] S13,利用水平结构元素对所述二值化图像进行腐蚀，得到感兴趣区域轮廓。在本 步骤中，由于检测对象为水平区域，因此采用水平结构袁术对所述二值化图像进行腐蚀，消 去竖直边轮廓和其他较小的干扰轮廓，最后得到所需要的感兴趣区域轮廓，如图3所示。
[0088] 进一步地，步骤S2具体包括：
[0089] S11，利用zhang快速并行细化算法对所述感兴趣区域轮廓进行细化，得到所述感 兴趣区域轮廓的中心线图，如图4所示；
[0090] S12,遍历所述中心线图，得到中心线上每一个点的点坐标；
[0091] 以I(i,j)表示中心线上第i点的坐标，则该点坐标满足：
[0092] I(i,j) == 255,0彡i彡r，0彡j彡c，其中r表示所述灰度图像的高度，c表示 所述灰度图像的宽度。
[0093] 进一步地，上述步骤S3具体包括：
[0094] S31，提取所述感兴趣区域轮廓对应的灰度图像；
[0095]S32,根据步骤S31提取的灰度图像和中心线上每一个点的点坐标得到该点对应 的灰度值；该点对应的灰度值取决于该点上下邻域内的灰度均值，即：
[0096] 以I(i，j)表示中心线上第i点的坐标，GrayVal(i，j)表示第i点对应的灰度值， w表示根据水平区域轮廓高度设定的第i点的一邻域，则第i点的w邻域的灰度均值大小 Gray(η)为：
[0098] 以所述灰度均值作为第i点对应的灰度值，其中Ν为中心线的像素个数，η为索引 号，通过所述索引号能够找到对应的坐标，t为变量。
[0099] 进一步地，上述步骤S4具体包括：
[0100] S41，对中心线上每一个点的灰度值进行滤波得到滤波灰度值，根据每一个点的滤 波灰度值和对应的灰度值得到每一点对应的灰度差；
[0101] 以6抑7〇1)表示第;[点的灰度值，6抑71(11)表示第;[的滤波灰度值，06]^36抑7(11) 表示第i点的灰度差，则：
[0102] DeltaGray(n) =Grayl(n)-Gray(n)。在本步骤中，采用窗宽为19的均值滤波器 对中心线上每一个点的灰度值进行滤波，得到如图5所述的滤波后的效果图。而将每一个 点的滤波灰度值和对应的灰度值相减得到每一点对应的灰度差，该灰度差图如图6所示。
[0103] S42,根据所述灰度差计算中心线的灰度差均值，然后根据所述灰度差均值判断是 否存在边缺陷；
[0104] 以GrayAverage表示所述灰度差均值，贝IJ:
[0105]
;其中N为中心线的像素个数，η为索引号，通过 所述索引号能够找到对应的坐标；
[0106] 若所述灰度差均值和灰度差之差大于或等于灰度差阈值，则判断为存在缺陷；
[0107] 若所述灰度差均值和灰度差之差小于灰度差阈值，则判断为不存在缺陷；
[0108] 以ΔGray表示所述灰度差阈值，则上述可以表示为：
[0109]
[0110] S43,若判断存在缺陷，则进行缺陷标记。缺陷标记如图7所示。
[0111] 本发明还提供了如图8所示的一种玻璃面板的边缺陷检测系统，包括：
[0112] 采集处理单元1，用于进行玻璃面板图像采集并进行灰度转换得到灰度图像，然后 将所述灰度图像二值化处理得到二值化图像，提取所述二值化图像中的感兴趣区域轮廓；
[0113] 轮廓提取单元2,用于对所述感兴趣区域轮廓进行处理，得到所述感兴趣区域轮廓 的中心线图，遍历所述中心线图得到中心线上每一个点的点坐标；
[0114] 灰度提取单元3,用于提取所述感兴趣区域轮廓对应的灰度图像，根据中心线上每 一个点的点坐标得到该点对应的灰度值；
[0115] 缺陷标记单元4,用于对中心线的灰度值进行处理，根据处理后的中心线灰度值计 算中心线灰度差均值，然后根据所述中心线灰度差均值判断是否存在边缺陷并标记。
[0116] 进一步地，采集处理单元1具体用于：
[0117] 首先，对所述玻璃面板进行图像采集，然后将采集到的玻璃面板图像进行灰度转 换，将灰度转换后的图像进行高斯拉普拉斯锐化和中值滤波的预处理得到灰度图像；
[0118] 其次，用最大类间方差法对所述灰度图像进行二值化，得到二值化图像；
[0119] 最后，利用水平结构元素对所述二值化图像进行腐蚀，得到感兴趣区域轮廓。
[0120] 进一步地，轮廓提取单元2具体用于：
[0121] 首先，利用zhang快速并行细化算法对所述感兴趣区域轮廓进行细化，得到所述 感兴趣区域轮廓的中心线图；
[0122] 最后，遍历所述中心线图，得到中心线上每一个点的点坐标；
[0123] 以I(i,j)表示中心线上第i点的坐标，则该点坐标满足：
[0124]I(i,j) == 255,0彡i彡r，0彡j彡c，其中r表示所述灰度图像的高度，c表示 所述灰度图像的宽度。
[0125] 进一步地，灰度提取单元3具体用于：
[0126] 首先，提取所述感兴趣区域轮廓对应的灰度图像；
[0127] 最后，根据提取的灰度图像和中心线上每一个点的点坐标得到该点对应的灰度 值；
[0128] 以I(i，j)表示中心线上第i点的坐标，GrayVaia，j)表示第i点对应的灰度值， w表示根据水平区域轮廓高度设定的第i点的一邻域，则第i点的w邻域的灰度均值大小 Gray(η)为：
[0130] 以所述灰度均值作为第i点对应的灰度值，其中N为中心线的像素个数，η为索引 号，通过所述索引号能够找到对应的坐标，t为变量。
[0131] 进一步地，缺陷标记单元4具体用于：
[0132] 首先，对中心线上每一个点的灰度值进行滤波得到滤波灰度值，根据每一个点的 滤波灰度值和对应的灰度值得到每一点对应的灰度差；
[0133] 以6抑7〇1)表示第;[点的灰度值，6抑71(11)表示第;[的滤波灰度值，06]^36抑7(11) 表示第i点的灰度差，则：
[0134] DeltaGray(n) =Gray1 (n)-Gray(η)；
[0135] 其次，根据所述灰度差计算中心线的灰度差均值，然后根据所述灰度差均