O -slnO 0' Γ1 0 x] r7^·
[0039] ν} = sinO co^O 0 ? 1 y v 〇 -ll L 0 0 1. L0 0 iJLl-
[0040] 进一步地，所述步骤E中差分运算的筛选阈值选取值为[-10,-5]的点;所述预设的 邻域半径为1~4像素;所述面积阈值的面积大于10像素，长宽比大于3。
[0041] 本发明与现有技术相比具有如下有益效果:本发明基于机器视觉的陶瓷阀芯表面 缺陷检测方法可自动检测出待检测陶瓷阀芯的表面缺陷，检测稳定性高、检测成本低且检 测速度快，检出率可达到95%，另外，检出及识别各类缺陷的总时间小于0.3秒，可广泛应用 于陶瓷阀芯表面缺陷检测领域中。
【附图说明】
[0042] 图1为本发明基于机器视觉的陶瓷阀芯表面缺陷检测方法的模板及掩模板建立流 程框图；
[0043] 图2为本发明基于机器视觉的陶瓷阀芯表面缺陷检测方法的检测流程图。
【具体实施方式】
[0044] 下面结合附图和具体实施例对本发明作进一步的详细说明，便于更清楚地了解本 发明，但它们不对本发明构成限定。
[0045] -种基于机器视觉的陶瓷阀芯表面缺陷检测方法，结合图1、图2所示，检测方法包 括如下步骤：
[0046] A、在自动检测前，在人工干预下，对不同型号的陶瓷阀芯分别建立模板及掩模板， 其中：每种型号的模板及掩模板包括抛光面模板及抛光面掩模板、非抛光面模板及非抛光 面掩模板；
[0047] al、由于陶瓷阀芯通常是白色的，因此，在设计时，采用黑色作为背景对陶瓷阀芯 待检测面拍照，便于显影;对每种型号的检测面图像进行阈值分割时，由于噪声会产生空洞 或边缘毛刺，先通过图像平滑和形态学的滤波消除空洞和边缘毛刺，然后再对每种型号的 检测面图像进行阈值分割，得到剔除杂质背景的目标灰度图像，经最小外接矩形截取感兴 趣区域(R0I)作为模板；
[0048] 其中：对每种型号的两个检测面图像(抛光面图像和非抛光面图像)分别进行阈值 分割得到目标灰度图像的具体方法如下：
[0049] 设G(x，y)为检测面图像像素点（x，y)处的灰度值，Tbg为背景阈值，RTaiiP(x，y)是阈 值分割后的灰度值，令
[0050] 1舰办刃，δ …;
[0051] a2、将步骤al中的两个模板分别提取边缘特征，作为模板形状特征进行保存至数 据库，其边缘特征由一系列点Pi = (Xi，y i)T，i = 1，2，3 ···]!构成，每一个点所对应的梯度方向 向量为6=(1^，1^)1'，且(1' = (1^'，1^'）1' = 1?(9)(^为旋转矩阵表达式；
[0052] a3、再对步骤a2中的两个模板进行阈值分割，其阈值分割的方法与步骤al中进行 阈值分割的方法相同，然后根据不同区域的灰度特征，将每个模板分割成N个不同的连通区 域，且每个连通区域内的灰度一致，得到个数与连通区域个数相同的掩模板。
[0053] B、根据待检测陶瓷阀芯的待检测面图像分别与对应型号的抛光面模板、非抛光面 模板进行模板形状匹配；
[0054] bl、将待检测面图像用最小外接矩形截取待检测感兴趣区域图像；
[0055] b2、将步骤bl中待检测感兴趣区域图像的形状特征分别与对应型号的抛光面模 板、非抛光面模板形状特征进行匹配运算，得到各自的匹配度、匹配中心和方向，具体方法 如下：
[0056] 待检测感兴趣区域图像进行阈值分割得到目标待检测图像区域，其阈值分割的方 法与步骤al中阈值分割的方法相同；
[0057] 然后对目标待检测图像区域进行边缘特征提取，用点（x，y)和与之相对应的方向 向量
[0058] eqV = (Vx+y ,y+/ dx+y ,y+/ "表示，则归一化后的匹配度量函数表达式如下：
[0059]
[0060] 当与其中至少一个模板匹配的匹配度s大于预设阈值(如0.9)时，则目标待检测图 像区域与所选取的模板匹配，若匹配度均小于预设阈值(如0.9)，则判断该待检测陶瓷阀芯 不合格;若匹配成功，则依据最相似原则（匹配度越高，表示越相似），判断出待检测面图像 是抛光面图像还是非抛光面图像，获取待检测面图像与其相对应模板的相对位置(x，y)和 相对旋转角度Θ，并选择相对应的掩模板，继续进行步骤C。
[0061] C、根据步骤B中的匹配结果，确定待检测面图像的表面、位置和方向，然后将待检 测面图像与步骤B中选定的模板及掩模板配准；
[0062] 根据步骤b2中相对位置(X，y)和相对旋转角度Θ，对所选择的相对应模板及掩模板 进行仿射变换，使待检测面图像与相对应模板及掩模板进行配准，具体方法如下：
[0063]根据步骤b2中相对位置(x，y)和相对旋转角度Θ，设目标待检测图像区域的像素点 或特征点坐标为(u，v)，则经过平移与旋转后，新的坐标为(u'，v'），满足如下关系： 1^1 [cosO -sinO 01 Γ1 ? χΛ rU
[0064] ν - sinO cosO 0 0 1 y v ι 4」I ? o l. lo o iJ i
[0065] 配准后进行步骤D。
[0066] D、对待检测陶瓷阀芯的待检测面图像进行Blob检测；其中：Blob检测包括否存在 抛光不均匀、崩边及破损等缺陷的检测；
[0067] dl、取步骤C中经过配准的模板与待检测感兴趣区域图像，进行差分运算，得到差 分图像，并对差分图像进行预设阈值(如阈值为-5)的二值化，选取灰度值小于预设阈值的 像素所对应的位置作为缺陷候选区域；
[0068] d2、对缺陷候选区域进行Blob分析:对dl步骤的缺陷候选区域进行形态学开运算， 消除噪声，并使邻近灰度值区域连通；
[0069] d3、对d2步骤得到的连通区域进行特征分析：当至少有一个连通区域的面积（特 征)大于预设阈值(如100像素)时，则判断Blob缺陷存在，该待检测陶瓷阀芯不合格;否则， 继续执行步骤E。
[0070] E、对待检测面图像进行裂纹检测；
[0071]对目标待检测图像区域进行第一次平滑降噪点处理得到前景图像，然后对前景图 像进行第二次平滑处理得到背景图像(两次平滑处理都是借助卷积核与图像进行卷积），将 前景图像和背景图像进行灰度值差分运算，经阈值筛选，取差分图像灰度值在设定范围内 (在对差分图像进行阈值分割时，较大的阈值对灰度值的变化较为敏感，可能会保留噪声信 息，较小的阈值，可能会造成裂纹信息的丢失，因此，实际中取值在[-10,-5]范围内较为合 适)的点，得到预含有裂纹的像素点集，对所得到的预含有裂纹的像素点集在设定邻域半径 (在选择闭运算领域半径时，较大的领域半径范围，可能会造成裂纹分离困难，而较小的领 域半径范围，可能会使裂纹不连续，因此，实际中取值在1~4像素范围内较为合适。）内进行 闭运算，使相互邻近的点连接在一起，形成连通区域，对各连通区域按面积阈值(如大于10 像素)和长宽比设定值(大于3)进行筛选（因为不合适的筛选参数，可能会导致非裂纹的混 入或漏检），若筛选出符合裂纹特征的区域，则剔除该待检测陶瓷阀芯，反之则该待检测陶 瓷阀芯合格，检测完毕。
[0072]本发明基于机器视觉的陶瓷阀芯表面缺陷检测方法可自动检测出待检测陶瓷阀 芯的表面缺陷，检测稳定性高、检测成本低且检测速度快，检出率可达到95%，另外，检出及 识别各类缺陷的总时间小于0.3秒，可广泛应用于陶瓷阀芯表面缺陷检测领域中。
【主权项】
1. 一种基于机器视觉的陶瓷阀忍表面缺陷检测方法，其特征在于:所述检测方法包括 如下步骤： A、