一种划痕损伤的图像检测方法与流程

1.本发明属于图像检测技术领域，具体涉及一种划痕损伤的图像检测方法。


背景技术：

2.在工业生产过程中，通常需要采用机器视觉的方式来判断产品表面是否存在划痕等缺陷。
3.传统的划痕识别技术主要依靠滤波方法，例如中国专利201710104404.9公开的一种基于图像处理的划痕检测方法，该方法包括：获取背景图像，利用所述背景图像与原始图像对消得到差分图像；利用方向性滤波器组对所述差分图像中的待分析像素进行处理，确定疑似点及相应的疑似方向；利用所述疑似点和所述疑似方向，在所述方向性滤波器组的映射区域内进行空域累积处理，得到增强的划痕检测图像。该专利中主要使用了方向性滤波器。
4.再例如中国专利201910195417.0公开的基于频率域滤波增强的耐火砖表面划痕识别方法，包括采集耐火砖的原始图像；将耐火砖灰度图像转化成耐火砖彩色图像，对耐火砖的原始彩色图像进行通道分离、并获取g通道图像；对g通道图像进行二维离散傅里叶变换及频率域滤波平滑、获得耐火砖时频域图像；对耐火砖时频域图像进行阈值处理和形态学处理，获得频率滤波后的耐火砖阈值图，对耐火砖阈值图像采用两遍扫描法，标记出耐火砖阈值图像中存在的所有连通区域。该专利基于频率域滤波。
5.另外也有基于学习算法的划痕识别技术，例如专利201810637934.4公开的一种基于图像深度学习的产品表面划痕检测方法，通过在高反光表面不同光照、产品下取得不同类型、形态、尺寸的划痕缺陷图像块作为训练样本训练多层卷积神经网络深度学习算法，再利用训练好的网络模型检测识别出高反光表面划痕缺陷。
6.传统的划痕识别技术是难以检测不连续的划痕损伤的，而基于学习算法的划痕识别技术则计算速度慢，难以满足高速缺陷视觉检测设备的速度要求。


技术实现要素：

7.针对现有技术的缺陷，本发明提供了一种对被检测物的原始图像进行划痕损伤检测的方法，具有可快速检测不连续划痕损伤的优点。
8.为了实现上述目的，本发明提供了一种划痕损伤的图像检测方法，对被检测物的原始图像进行图像处理以检测是否存在划痕损伤，图像检测方法包括以下步骤：
9.步骤一、以角度ω为间隔，在给定角度范围内连续旋转被检测物的原始图像，得到的所有旋转图像组成旋转图像集合；
10.步骤二、计算行像素叠加数列和/或列像素叠加数列
11.1)将旋转图像集合中每张旋转图像的各行像素值进行叠加，得到旋转图像集合的各旋转图像的行像素叠加数列；
12.2)将旋转图像集合中每张旋转图像的各列像素值进行叠加，得到旋转图像集合的
各旋转图像的列像素叠加数列；
13.将所有的行像素叠加数列和/或列像素叠加数列组成数列集合；
14.步骤三、如果数列集合中所有数列的所有元素之中存在超过给定阈值的元素，则判断被检测物存在划痕损伤；
15.进一步的，如果步骤一中的给定角度范围是90度，则步骤二计算行像素叠加数列和列像素叠加数列并且将所有的行像素叠加数列和列像素叠加数列组成数列集合；
16.如果步骤一中的给定角度范围是180度，则步骤二只计算行像素叠加数列或只计算列像素叠加数列并且将所有的行像素叠加数列或列像素叠加数列组成数列集合；
17.进一步的，将步骤二中计算得到的数列集合中各个数列进行高通滤波处理，并且用滤波处理后所得到的增强数列代替数列集合中相应数列。
18.本发明具备以下有益效果：
19.本发明的图像检测方法基于对图像的旋转和一维映射，能够检测不连续划痕损伤，具有检测速度快、检测精度高的优点。
20.下面结合附图对本发明作进一步的详细说明。
附图说明
21.图1是本发明所检测的被检测物的原始图像；
22.图2是本发明实施例1的行像素叠加数列；
23.图3是本发明实施例1的增强数列；
24.图4是本发明实施例1的列像素叠加数列；
25.图5是本发明实施例1的流程图。
具体实施方式
26.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
27.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
28.实施例1
29.一种划痕损伤的图像检测方法，对如图1所示的被检测物的原始图像进行图像处理以检测是否存在划痕损伤，检测方法包括以下步骤：
30.步骤一、在给定角度范围内连续旋转被检测物的原始图像
31.以角度ω＝5
°
为间隔，以被检测物的原始图像的中点为旋转中心，在给定角度范围[0,180)度内逆时针方向连续旋转被检测物的原始图像，得到的36张旋转图像组成旋转图像集合；
[0032]
步骤二、计算行像素叠加数列并进行高通滤波
[0033]
设p
α
是旋转图像集合中的第α张旋转图像(1≤α≤36)，p
α
的像素为(其
中i,e分别为行号和列号，1≤i≤i
α
，1≤e≤e
α
)，是pα的行像素叠加数列，其中计算旋转图像集合中36张旋转图像的行像素叠加数列(如图2所示)，设数列集合为c＝{u
β
}(其中)，将所有的36个行像素叠加数列组成数列集合c，即：
[0034]
β＝α，k
β
＝i
α
且
[0035]
由图2可见u
β
中含有低频干扰，需要进行高通滤波处理，设u
β
进行高通滤波处理后所得的增强数列是f
β
，本实施例所采用的高通滤波为：
[0036]
1)令
[0037]
2)计算均值滤波数列
[0038]
其中：其中：
[0039][0040]
3)令
[0041]
4)重复2)和3)10次，然后求
[0042]
计算数列集合中36个数列uβ相应的如图3所示的36个增强数列f
β
，并用f
β
代替数列集合中的u
β
，即令u
β
＝f
β
；
[0043]
步骤三、根据给定阈值判断是否存在划痕损伤
[0044]
如果数列集合中所有数列u
β
的所有元素存在超过给定阈值1000的元素，则判断被检测物存在划痕损伤。可见图3的55度逆时针旋转图像的增强数列有元素明显超过阈值1000，说明图1的划痕经过逆时针旋转55度后在行方向上叠加会出现很大的数值，判断为存在划痕损伤。
[0045]
其中，步骤一、步骤二在于从各个方向(即360度范围内)求取被检测物原始图像的像素叠加数列，由于被检测物原始图像旋转d度所得的行像素叠加数列与旋转d+180度所得的行像素叠加数列基本相同(仅数列里的元素顺序相反，不影响后续计算)，因此可将角度范围减少一半以减少运算，即给定角度范围只需满足角度距离是180度即可，例如也可以取(
‑
40,140]度等，并且旋转中心和旋转方向的选择均不影响后续计算；
[0046]
另一方面，比较图2、4可见，由于被检测物原始图像旋转d度所得的行像素叠加数列与旋转d+90度所得的列像素叠加数列基本相同(仅数列里的元素顺序可能相反，不影响后续计算)，步骤二也可以计算pα的列像素叠加数列然后将所有的36个列像素叠加数列组成数列集合c，即：
[0047]
β＝α，k
β
＝e
α
且
[0048]
实施例2
[0049]
一种划痕损伤的图像检测方法，对如图1所示的被检测物的原始图像进行图像处理以检测是否存在划痕损伤，检测方法包括以下步骤：
[0050]
步骤一、在给定角度范围内连续旋转被检测物的原始图像
[0051]
以角度ω＝5
°
为间隔，以被检测物的原始图像的中点为旋转中心，在给定角度范围[0,90)度内逆时针方向连续旋转被检测物的原始图像，得到的18张旋转图像组成旋转图
像集合；
[0052]
步骤二、计算行像素叠加数列和列像素叠加数列并进行高通滤波
[0053]
设pα是旋转图像集合中的第α张旋转图像(1≤α≤18)，pα的像素为(其中i,e分别为行号和列号，1≤i≤i
α
，1≤e≤e
α
)，和分别是pα的行像素叠加数列和列像素叠加数列：
[0054][0055]
计算旋转图像集合中18张旋转图像的行像素叠加数列和列像素叠加数列，设数列集合为c＝{u
β
}，
[0056]
其中
[0057]
将所有的18个行像素叠加数列和18个列像素叠加数列组成数列集合c，即：k
α
＝i
α
，
[0058]
以及k
α+18
＝e
α
；
[0059]
余下部分与实施例1基本相同，这里不再进行赘述。
[0060]
其中，由于被检测物原始图像旋转d度所得的行像素叠加数列与旋转d+90度所得的列像素叠加数列基本相同(仅数列里的元素顺序可能相反，不影响后续计算)，步骤二所得的在[0,90)度内的18张旋转图像的列像素叠加数列等同于在[90,180)度内的18张旋转图像的行像素叠加数列，也即得到了在[0,180)度内的36张旋转图像的行像素叠加数列，这与实施例1所得的36个行像素叠加数列是相同的。
[0061]
虽然本发明以较佳实施例揭露如上，但并非用以限定本发明实施的范围。任何本领域的普通技术人员，在不脱离本发明的发明范围内，当可作些许的改进，即凡是依照本发明所做的同等改进，应为本发明的范围所涵盖。