基于机器视觉的瓷砖色度分块检测方法与流程
本发明涉及一种基于机器视觉的瓷砖色度分块检测方法。
背景技术：
目前工业生产过程中，瓷砖色差检测主要是有人工肉眼观察完成，该方法劳动强度大，受主观因素的影响，人工成逐渐提高，已不能满足现代自动化生产的需要；也有利用色度检测仪进行瓷砖色差检测的相关方法，如速度检测仪主要依靠水平导轨结构移动对目标进行扫描，扫描速度较慢且色度检测过分依赖生产厂商颜色制式，难以根据实际的产品颜色进行改变与适应；基于视觉的瓷砖色差检测的方法现在也比较多，但是所提出方法的存在较大的局限性，主要表现在下列几点：
(1)在瓷砖检测前，需要对检测瓷砖进行精确的定位，以统计瓷砖的颜色特征信息，但是仍然无法辨别边缘邻域像素级的干扰特征，从而在进行颜色特征时，不可避免带入环境因素的影响；
(2)统计主要是基于全局信息进行颜色特征统计，该特征对局部颜色变换的感知能力很小，即全局信息统计会稀释掉局部色差变换的表现能力，因此色差检测的精度与准确度都会受到影响；
(3)颜色空间的选取对色差检测会产生很大的影响，目前还没有通用的颜色空间被所有的产品色差检测采用，只是根据产品的实际需求进行选择。基于目前瓷砖色差检测行业的现状与工程应用背景，本专利提出了一种基于分块复合掩膜色度偏差检测算法。
技术实现要素：
本发明为解决上述问题，提供了一种基于机器视觉的瓷砖色度分块检测方法，结合仿射变换、分块处理、复合掩膜、颜色空间、特征提取技术，完成瓷砖的视觉色差检测，该检测表现良好，解决了传统检测方法因局限性与缺陷无法真实表征瓷砖固有的颜色色差检测问题。
为实现上述目的，本发明采用的技术方案为：
基于机器视觉的瓷砖色度分块检测方法，包括以下步骤：
步骤1、图像采集与定位
通过彩色相机对瓷砖图像进行采集，再通过瓷砖定位算法将仅含有瓷砖的roi图像分割出来，将其作为独立的处理单元进行后续处理，所述roi图像即包含整块瓷砖边界区域的图像；
步骤2、图像位姿矫正
采用基于roi图像斜外接矩对角线为基准进行几何变换，以矫正瓷砖位姿；
步骤3、图像分块
采用横竖分块策略将步骤2校正后的roi图像均匀分割成测试模块，测试模块为最小roi图像；
步骤4、复合掩模
采用复合逻辑运算方法对分割后的测试模块进行掩模处理；
步骤5、色差检测
将掩模处理后的测试模块转换到hsv颜色空间，生成颜色特征并与标准值对比，判别出瓷砖是否存在色彩缺陷。
所述步骤1具体包括以下步骤：
步骤11，通过高速线阵ccd相机采集图像；
步骤12，先灰度化图像，再进行滤波去噪处理，对滤波图采用边缘检测算法分割，再提取小瓷砖轮廓，得瓷砖轮廓图；
步骤13，基于步骤12的轮廓图中瓷砖轮廓的几何特性生成相应的基元特征，基元特征包括宽度、高度和完整度；利用瓷砖自身的颜色特性生成相应的hsv空间特征，hsv空间特征包括色调和饱和度，然后将基元特征与颜色特征构造成定位组合特征，共同完成瓷砖的定位；
步骤14，针对定位后的瓷砖图像，以瓷砖轮廓的外接矩形的角点为基准生成对应的roi区域。
将roi区域进行所述步骤2几何变换，公式为：
式中，θc是几何变换的旋转角度，δx，δy为矫正平移，[x、y1]为变换前坐标，[x1y11]为变换后的坐标。
所述步骤3具体包括以下步骤：
步骤31：将矫正后的图像重新进行轮廓提取，获取紧贴瓷砖目标的最小roi图像，以该图像原点为分块的起点，初始化分块步长，分块步长的定义为：
步骤32以矫正后最小roi图像原点作为分块起点，然后分别在横向与纵向以其对应的步长进行块划分，完成整个瓷砖的划分步骤。
所述步骤32划分方式为：
将最小roi图像分为中间的0区，0区左右两侧的1区和上下两侧的2区以及1区与2区交叉的3区，边界条件分为4种区域，采用如下的g(i，j)作为边界条件的判别函数，进行解析：
该判别函数表示为：
若g(i,j)＝1,代表在分块遍历过程当中发生横向越界，处于临界区域的分块大小宽度的范围为[i，width]；
若g(i,j)＝2,代表在分块遍历过程当中发生纵向越界，处于临界区域的分块大小高度的范围为[j，height]；
若g(i,j)＝3,代表在分块遍历过程当中同时发生横纵向越界，处于临界区域的分块大小宽度和高度的范围分别为[i，width]与[j，height]；
若g(i,j)＝0,代表在分块遍历过程当中没有发生越界，宽度和高度的范围分别为[i，i+stepx]；与[j，j+stepy]；
且定义：当g(i,j)＝{1,2,3}时，划分的区域为外部分块，g(i,j)＝0时的区域为内部分块，内部分块为不需要进行像素判别处理的部分，外部分块才需要判别处理为需要进行像素判别处理的部分。
所述步骤4具体包括以下步骤：
步骤41：初始化两幅与分割roi大小相同且像素值为0的图像，分别作为瓷砖复合掩膜的母体，记为m1，m2；
步骤42：将瓷砖分块步骤中矫正轮廓以像素精度分别画在m1，m2掩膜图像中，填充掩膜母体轮廓内部与外部区域；即在m1图像轮廓内部填充像素为rgb(255，255，255)，外部为rgb(0，0，0)；m2内、外部填充像素为rgb(255，255，255)与rgb(255，0，0)；
步骤43：将位姿矫正后的图像分别与复合掩膜图像m1，m2作逻辑与运算，得到处理后的掩膜感兴趣区域图像i1与i2，内掩膜与矫正图像处理后使瓷砖轮廓内部的图像得以全部保留，外部的背景色分别为黑色与红色。
步骤44：在瓷砖分块步骤中的g(i,j)＝{1,2,3}时，分块处于临界边界值，由于无法保证瓷砖的边与分割roi图像的完全重合，需进行瓷砖内外部像素的判别处理，判别规则为：若处于边界分块中的像素在i1与i2中的值同时满足i1(i，j)＝rgb(0，0，0)且i1(i，j)＝rgb(255，0，0)，则该像素值为在边界分块中的混杂背景像素，否则为瓷砖上的像素点。
所述步骤5色差检测具体为：
将分块和掩膜后的roi图像转换到hsv颜色空间，基于权重的hsv颜色空间分量生成颜色特征，表达式如下：
fti＝(λ1×h+λ2×s)/n
fti表示第i个分块生成的颜色特征，h表示色调分量，对应的权值为λ1，s表示饱和度对应权值分量λ2，n表示对应块中遍历的像素个数，取λ1＝0.7或λ2＝0.3；
步骤52：计算生成的瓷砖颜色特征集f{fti|fti，i＝1，2,…n,k∈n+且n≥1}，标准瓷砖颜色特征为fm，色差检测的表达式为：
δeti＝|fti-fm|
采用门限阈值的方法进行定位目标的判别，判别公式如下。
t是门限阈值的上下限，g(δeti)＝1，表示该瓷砖的块位置不存在颜色偏差，整块瓷砖所有块对应的g()函数均为1时，才判断该瓷砖不存在颜色偏差，若其中的任一块对应的g()＝0，则判别该瓷砖存在色度偏差。
采用上述技术方案后，本发明具有以下优点：
1、采用横竖分块策略将瓷砖目标分割成为均匀检测模块，克服了传统的全局信息特征无法感知微小的色差变化的缺陷，能够突出局部色差的变化信息；
2、采用基于瓷砖轮廓斜外接矩对角线进行几何变换的瓷砖位姿矫正方式，保证横竖分块策略的效果；
3、针对分块单元会溢出瓷砖边界影响颜色特征统计的问题，采用复合掩膜逻辑运算使越界分块里面的非瓷砖像素点不参与颜色特征的统计，从而保证颜色表述特征的准确性；
4、采用hsv颜色空间对分割块的进行色差检测，生成颜色特征并与标准值进行对比，判别出瓷砖色差缺陷，并可以准确定位缺陷的位置。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明基于机器视觉的瓷砖色度分开检测方法流程简图；
图2是本发明瓷砖图像矫正的几何示意图；
图3是本发明分块遍示意图；
图4是本发明瓷砖色差检测图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、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用以解释本发明，并不用于限定本发明。
如图1所示本发明揭示的基于机器视觉的瓷砖色度分块检测方法，包括以下步骤：
步骤1、图像采集与定位，其步骤1具体包括以下步骤：
步骤11，通过高速线阵ccd相机采集图像；
步骤12，先灰度化图像，再进行滤波去噪处理，对滤波图采用边缘检测算法分割，再提取小瓷砖轮廓，得瓷砖轮廓图；
步骤13，基于步骤12的轮廓图中瓷砖轮廓的几何特性生成相应的基元特征，基元特征包括宽度、高度和完整度；利用瓷砖自身的颜色特性生成相应的hsv空间特征，hsv空间特征包括色调和饱和度，然后将基元特征与颜色特征构造成定位组合特征，共同完成瓷砖的定位；
步骤14，针对定位后的瓷砖图像，以瓷砖轮廓的外接矩形的角点为基准生成对应的roi区域。
将roi区域进行所述步骤2几何变换，公式为：
式中，θc是几何变换的旋转角度，δx，δy为矫正平移，[x、y1]为变换前坐标，[x1y11]为变换后的坐标。
步骤2、图像位姿矫正
采用基于roi图像斜外接矩对角线为基准进行几何变换，以矫正瓷砖位姿；矫正的几何示意图如图2所示。
设标准位置瓷砖的斜外接矩形的为abcd，对角线交点为p(xp,yp)，对角线bd与像素坐标的w方向夹角为θ，b与d点的坐标分别设为(xb,yb)，(xd,yd)，同理设任一目标位置瓷砖的斜外接矩形的为a1b1c1d1，对角线交点p1(xp1,yp1)，对角线的b1d1，与像素坐标的w方向夹角为θ1，b1与d1点的坐标分别设为(xb1，yb1),(xd1，yd1)，w和h分别代表像素坐标的横轴与纵轴，矫正计算以像素量纲为准，矫正平移设为δx，δy，旋转角度设为θc，几何变换公式为：
式中，θc是几何变换的旋转角度，δx，δy为矫正平移，[x、y1]为变换前坐标，[x1y11]为变换后的坐标。
步骤3、图像分块，其步骤3具体包括以下步骤：
步骤31：将矫正后的图像重新进行轮廓提取，获取紧贴瓷砖目标的最小roi图像(该图像处理时认为是瓷砖图像)，以该图像原点为分块的起点，初始化分块步长，分块步长的定义为：
步骤32，以矫正后最小roi图像原点作为分块起点，然后分别在横向与纵向以其对应的步长进行块划分，完成整个瓷砖的划分步骤。
但在实际的划分工程当中，难以保证图像长宽是分块步长的整数倍，为防止分块越界发生处理异常，加上如下的判别条件：
如图3所示，将最小roi图像分为中间的0区，0区左右两侧的1区和上下两侧的2区以及1区与2区交叉的3区，边界条件分为4种区域，采用如下的g(i，j)作为边界条件的判别函数，进行解析：
该判别函数表示为：
若g(i,j)＝1,代表在分块遍历过程当中发生横向越界，处于临界区域的分块大小宽度的范围为[i，width]；
若g(i,j)＝2,代表在分块遍历过程当中发生纵向越界，处于临界区域的分块大小高度的范围为[j，height]；
若g(i,j)＝3,代表在分块遍历过程当中同时发生横纵向越界，处于临界区域的分块大小宽度和高度的范围分别为[i，width]与[j，height]；
若g(i,j)＝0,代表在分块遍历过程当中没有发生越界，宽度和高度的范围分别为[i，i+stepx]；与[j，j+stepy]；
且定义：当g(i,j)＝{1,2,3}时，划分的区域为外部分块，g(i,j)＝0时的区域为内部分块，内部分块为不需要进行像素判别处理的部分，外部分块才需要判别处理为需要进行像素判别处理的部分。
通过以上的算法流程，完成了对瓷砖的均匀分块，成功解决了分块的尺度与越界异常问题，为凸显局部的色差变化提供了一种新的策略；
步骤4、复合掩模，其具体包括以下步骤：
步骤41：初始化两幅与分割roi大小相同且像素值为0的图像，分别作为瓷砖复合掩膜的母体，记为m1，m2；
步骤42：将瓷砖分块步骤中矫正轮廓以像素精度分别画在m1，m2掩膜图像中，填充掩膜母体轮廓内部与外部区域；即在m1图像轮廓内部填充像素为rgb(255，255，255)，外部为rgb(0，0，0)；m2内、外部填充像素为rgb(255，255，255)与rgb(255，0，0)；
步骤43：将外位姿矫正后的图像分别与复合掩膜图像m1，m2作逻辑与运算，得到处理后的掩膜感兴趣区域图像i1与i2，内掩膜与矫正图像处理后使瓷砖轮廓内部的图像得以全部保留，外部的背景色分别为黑色与红色。
步骤44：在瓷砖分块步骤中的g(i,j)＝{1,2,3}时，分块处于临界边界值，由于无法保证瓷砖的边与分割roi图像的完全重合，需进行瓷砖内外部像素的判别处理，判别规则为：若处于边界分块中的像素在i1与i2中的值同时满足i1(i，j)＝rgb(0，0，0)且i1(i，j)＝rgb(255，0，0)，则该像素值为在边界分块中的混杂背景像素，否则为瓷砖上的像素点。上述的判断条件只对处于边界分块进行像素判别处理，因此不会增加整个算法的复杂度，通过上述复合掩膜的逻辑运算方法就可以完全实现非目标像素严格不参与颜色特征的生成的目标。
只对瓷砖进行几何矫正不足以保证越界分块的非目标像素严格不参与颜色特征的生成，因为图像处理过程当中的精度损失是不可避免的，瓷砖的边界不可能与分割roi图像完全重合，掩膜是图像拓扑处理中一种十分实用的技术，最大特征是可以控制任意形状的感兴趣区域，将与感兴趣无关的特征全部屏蔽，使我们只关心处理的图像目标，在本发明中，不仅仅用到掩膜的屏蔽特征，更重要的是使用提出的“复合掩膜”逻辑运算方法判别边界分块的非目标像素，使其严格不参与颜色特征的生成，从而影响瓷砖色差检测的准确度；
步骤5、色差检测
将掩模处理后的测试模块转换到hsv颜色空间，生成颜色特征并与标准值对比，判别出瓷砖是否存在色彩缺陷。
步骤5色差检测具体为：
将分块和掩膜后的roi图像转换到hsv颜色空间，基于权重的hsv颜色空间分量生成颜色特征，表达式如下：
fti＝(λ1×h+λ2×s)/n
fti表示第i个分块生成的颜色特征，h表示色调分量，对应的权值为λ1，s表示饱和度对应权值分量λ2，n表示对应块中遍历的像素个数，取λ1＝0.7或λ2＝0.3；
步骤52：计算生成的瓷砖颜色特征集f{fti|fti，i＝1，2,…n,k∈n+且n≥1}，标准瓷砖颜色特征为fm，色差检测的表达式为：
δeti＝|fti-fm|
采用门限阈值的方法进行定位目标的判别，判别公式如下。
t是门限阈值的上下限，g(δeti)＝1，表示该瓷砖的块位置不存在颜色偏差，整块瓷砖所有块对应的g()函数均为1时，才判断该瓷砖不存在颜色偏差，若其中的任一块对应的g()＝0，则判别该瓷砖存在色度偏差。
采用本发明检测方法对瓷砖进行实验检测发现，本发明的检测的方法可以有效的检测出瓷砖颜色突变的位置，如图4所示，统计图的横坐标为分块的个数，纵坐标为特征颜色值fti归一化后的值。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！