本发明涉及工件质量检测技术领域，尤其涉及一种工件表面缺陷特征提取方法。
背景技术：
随着制造技术的发展，机械加工可靠性的要求也越来越高，对工件表面缺陷自动检测提出了更高的要求。研发新的用于工件表面缺陷提取的自动检测理论和方法，符合企业的迫切需要，对机械学科基础理论研究也具有重要意义。
目前对于工件表面缺陷检测技术，主要是基于工件表面图像的基本信号特征有机缺陷灰度特征对缺陷进行分离，即利用图像缺陷部分与背景区域的灰度梯度差异进行缺陷的分离，而工件图像特征提取过程受到遮挡、动态背景、视角和光照变化等因素的影响而具有很大的挑战性。
为此，我们提出一种工件表面缺陷特征提取方法来解决上述问题。
技术实现要素：
本发明的目的是为了解决现有技术中的问题，而提出的一种工件表面缺陷特征提取方法。
为了实现上述目的，本发明采用了如下技术方案：
一种工件表面缺陷特征提取方法，包括以下步骤：
s1、源图像采集：使用专业成像设备收集工件表面图像；
s2、源图像预处理：改善图像质量，提升图像对比度；
s3、阈值切割：根据阈值分割算法对处理后的图像进行阈值切割；
s4、工件区域定位：对阈值分割后的二值图像进行局部区域填充与被包围区域填充；
s5、剪切：提取填充后二值图像的工件区域外轮廓，使用最小外接矩形框出工件区域；采用工件区域剪切算法剪切源图像的工作区域得到工件图像；
s6、滤波处理：使用gabor滤波器对工件图像进行滤波处理，过滤掉工件所属表面上的条形纹理，得到多张滤波工件图像；
s7、轮廓提取：对滤波工件图像进行边缘锐化处理获得边缘锐化图像，边缘锐化处理之后再进行自适应二值化处理获得轮廓图像；
s8、特征提取：使用预设尺寸大小的patch对所述轮廓图像进行轮廓检测处理，从而获得每个patch所对应的特征向量vij，并将所有工件特征向量vij进行归一化并组成特征向量集合vi，其中，所述下标j为所述特征向量在所述特征向量集和vi之内的序号；
s9、特征向量识别：将所有特征向量集合vi中的特征向量vij带入预先训练好的分类器中进行判别运算，其中，判别结果分为正常和缺陷两种结果类型，被判别为缺陷的特征向量即为工件表面缺陷特征向量。
在上述的工件表面缺陷特征提取方法中，在所述步骤s3中，进行阈值分割前，去除源图像中的噪声后统计灰度直方图，得到图像前景与背景灰度两个最大值，采用灰度拉伸算法得到灰度拉伸图像。
在上述的工件表面缺陷特征提取方法中，所述灰度拉伸算法通过以下公式计算：
其中，源图像的灰度级数为0～m，背景色为白色，前景色为黑色，a为在0～m/2中灰度直方图前景最大值对应的灰度值，b为在m/2～m中灰度直方图背景最大值对应的灰度值，x，y是像素坐标，f(x,y)为源图像在坐标(x,y)的灰度值，g(x,y)为灰度拉伸后的坐标(x,y)处的灰度值，级数为0～m，c、d为设定值。
在上述的工件表面缺陷特征提取方法中，在所述步骤s6中，gabor滤波器对工件图像进行滤波处理的所述gabor核函数g2的公式定义为：
所述
在上述的工件表面缺陷特征提取方法中，在所述步骤s8中，特征向量vij包括经过轮廓检测处理所获得的轮廓长、轮廓宽、轮廓的位置坐标(x,y)和所述轮廓的灰度均值5个特征值。
在上述的工件表面缺陷特征提取方法中，在所述步骤s8中，特征向量vij包括经过轮廓检测处理所获得的轮廓长、轮廓宽、轮廓的位置坐标(x,y)和所述轮廓的灰度均值5个特征值。
在上述的工件表面缺陷特征提取方法中，在步骤s3中，阈值分割算法包括以下步骤
灰度拉伸图像的灰度直方图数为hist[256]，灰度值为i的像素个数为ni＝hist[i]，灰度值在[0～t]间的总像素数为n，
灰度值在[t+1～255]之间像素的总数为l，则
求
所求得的i即为图像分割阈值t，根据t对灰度拉伸图像进行阈值分割。
与现有的技术相比，本发明的有益效果为：
1、通过取出源图像中的噪声后统计灰度直方图，并通过灰度拉伸算法得到灰度拉伸图像，随后再进行阈值切割，可以准确快速的提取所述工件的对应范围的图像，从而可以大大减少后续处理过程的运算量，同时也可以避免工件对应范围之外的图像内容对判别处理的干扰，提高判别的准确度的同时也提高了鲁棒性。
2通过工件区域定位与剪切的操作得到工件图像区域的外轮廓，使用最小外接矩形框出工件区域外轮廓，并切割出工件图像，给出工件图像的倾斜角。
3、使用gabor滤波器对工件图像进行滤波处理，滤出工件本身的轮廓以及表面的条形纹理对后续特征提取的干扰和影响，此外，由于对采用滤波处理之后的图像进行边缘锐化之后在进行轮廓提取，因此大大提高了轮廓特征提取的可靠性和鲁棒性；由于gabor核函数对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感，能够提供对光照变化良好的适应性，并且，由于gabor滤波方式与人类视觉系统中简单细胞的视觉刺激响应非常相似，因此在提取目标的局部空间和频率域信息方面具有良好的特性。此外，通过采用garbor滤波的方式，具有运算简单，易于理解，参数易于调整，并且降低了计算的复杂度，减少了计算量，提高了响应速度。
具体实施方式
以下实施例仅处于说明性目的，而不是想要限制本发明的范围。
实施例
一种工件表面缺陷特征提取方法，包括以下步骤：
(1)源图像采集：使用专业成像设备收集工件表面图像；
(2)源图像预处理：改善图像质量，提升图像对比度；
(3)去除源图像中的噪声后统计灰度直方图，得到图像前景与背景灰度两个最大值，采用灰度拉伸算法得到灰度拉伸图像；
灰度拉伸算法通过以下公式计算：
其中，源图像的灰度级数为0～m，背景色为白色，前景色为黑色，a为在0～m/2中灰度直方图前景最大值对应的灰度值，b为在m/2～m中灰度直方图背景最大值对应的灰度值，x，y是像素坐标，f(x,y)为源图像在坐标(x,y)的灰度值，g(x,y)为灰度拉伸后的坐标(x,y)处的灰度值，级数为0～m，c、d为设定值
(4)阈值切割：根据阈值分割算法对处理后的图像进行阈值切割；
灰度拉伸图像的灰度直方图数为hist[256]，灰度值为i的像素个数为ni＝hist[i]，灰度值在[0～t]间的总像素数为n，
灰度值在[t+1～255]之间像素的总数为l，则
求
所求得的i即为图像分割阈值t，根据t对灰度拉伸图像进行阈值分割
(5)工件区域定位：对阈值分割后的二值图像进行局部区域填充与被包围区域填充；
(6)剪切：提取填充后二值图像的工件区域外轮廓，使用最小外接矩形框出工件区域；采用工件区域剪切算法剪切源图像的工作区域得到工件图像；
(7)滤波处理：使用gabor滤波器对工件图像进行滤波处理，过滤掉工件所属表面上的条形纹理，得到多张滤波工件图像；
gabor滤波器对工件图像进行滤波处理的gabor核函数g2的公式定义为：
(8)轮廓提取：对滤波工件图像进行边缘锐化处理获得边缘锐化图像，边缘锐化处理之后再进行自适应二值化处理获得轮廓图像；
(9)特征提取：使用预设尺寸大小的patch对轮廓图像进行轮廓检测处理，从而获得每个patch所对应的特征向量vij，并将所有工件特征向量vij进行归一化并组成特征向量集合vi，其中，下标j为特征向量在特征向量集和vi之内的序号；
特征向量vij包括经过轮廓检测处理所获得的轮廓长、轮廓宽、轮廓的位置坐标(x,y)和轮廓的灰度均值5个特征值；
(10)特征向量识别：将所有特征向量集合vi中的特征向量vij带入预先训练好的分类器中进行判别运算，其中，判别结果分为正常和缺陷两种结果类型，被判别为缺陷的特征向量即为工件表面缺陷特征向量；
特征向量vij包括经过轮廓检测处理所获得的轮廓长、轮廓宽、轮廓的位置坐标(x,y)和轮廓的灰度均值5个特征值。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。