一种基于机器视觉的型材轮廓检测方法及系统与流程

本发明涉及图像数据处理，具体涉及一种基于机器视觉的型材轮廓检测方法及系统。

背景技术：

1、型材轮廓检测指在生产过程中，通过机器视觉技术实现对型材的边缘轮廓进行准确、高效的检测和识别。采集型材的切面图像，在图像采集过程因设备等原因导致切面图像上存在噪声，在对型材进行分析时需要对噪声信息进行去除。在利用常规滤波算法去除切面图像中噪声时，个别较小的毛刺会被误判为噪声并被平滑，导致后续提取轮廓时丢失重要细节，使最终轮廓提取结果不准确。

2、在生产过程中，可能因挤压过程中压力不均匀或者铝材料压入模具中出现流动不畅的死角等原因，型材轮廓上会出现与表面颜色差异较小的细小毛刺，则型材轮廓上的毛刺反映型材加工过程的异常情况和型材的质量，在对型材的切面图像进行分析时，需要保留型材轮廓上的毛刺。

技术实现思路

1、为了解决个别较小的毛刺会被误判为噪声，导致型材的轮廓提取结果不技术问题，本发明的目的在于提供一种基于机器视觉的型材轮廓检测方法及系统，所采用的技术方案具体如下：

2、第一方面，本发明一个实施例提供了一种基于机器视觉的型材轮廓检测方法，该方法包括：

3、获取型材的切面灰度图像；将切面灰度图像划分搜索窗口；

4、根据切面灰度图像中每个像素点与其预设邻域窗口内像素点之间的灰度差异，筛选每个像素点的相似像素点；依据切面灰度图像中每个像素点的预设邻域窗口内灰度分布，以及所述相似像素点的位置分布，获取切面灰度图像中每个像素点的邻域密集度；

5、结合切面灰度图像中每个像素点的预设邻域窗口内灰度分布，以及所述邻域密集度，获取切面灰度图像中每个像素点的邻域毛刺可能值；

6、基于同一搜索窗口内任意两个像素点的邻域毛刺可能值，对所述两个像素点的预设邻域窗口内灰度分布的相似度进行调整，得到切面灰度图像中每个搜索窗口内任意两个像素点之间的改进相似度；

7、根据同一搜索窗口内每个像素点与其他像素点之间的改进相似度对每个像素点的灰度值进行滤波，得到切面灰度图像中每个搜索窗口内每个像素点的滤波灰度值；

8、基于切面灰度图像中像素点的滤波灰度值分布进行型材的轮廓检测。

9、进一步地，所述像素点的相似像素点获取方法，包括：

10、对于切面灰度图像中任意一个像素点，将该像素点与其预设邻域窗口内每个像素点的灰度值的差值绝对值，作为对应两个像素点之间的特征灰度差异值；对所述特征灰度差异值进行归一化，得到该像素点与其预设邻域窗口内每个像素点之间的归一特征灰度差异值；

11、当所述归一特征灰度差异值小于预设差异阈值时，将该像素点的预设邻域窗口内对应的像素点作为该像素点的相似像素点。

12、进一步地，所述依据切面灰度图像中每个像素点的预设邻域窗口内灰度分布，以及所述相似像素点的位置分布，获取切面灰度图像中每个像素点的邻域密集度的方法，包括：

13、对于切面灰度图像中任意一个像素点，将该像素点与其预设邻域窗口内每个像素点之间的特征灰度差异值进行累加，作为该像素点的综合灰度差异值；将该像素点的灰度值与所述综合灰度差异值的乘积，作为该像素点的邻域灰度差异度；

14、将该像素点与其相似像素点组成的集合作为该像素点的同类像素集合；

15、根据切面灰度图像中每个像素点的同类像素集合内像素点之间的距离，以及所述邻域灰度差异度，获取切面灰度图像中每个像素点的邻域密集度。

16、进一步地，所述每个像素点的邻域密集度的计算公式如下：

17、

18、式中，为切面灰度图像中第a个像素点的邻域密集度；为切面灰度图像中第a个像素点的邻域灰度差异度；为切面灰度图像中第a个像素点的相似像素点的个数；为切面灰度图像中第a个像素点的同类像素集合中第a个像素点与第b个像素点之间的欧式距离；为调节常数。

19、进一步地，所述结合切面灰度图像中每个像素点的预设邻域窗口内灰度分布，以及所述邻域密集度，获取切面灰度图像中每个像素点的邻域毛刺可能值的方法，包括：

20、根据切面灰度图像中每个像素点的相似像素点的位置分布进行区域生长，得到切面灰度图像中每个像素点的相似区域；

21、对于切面灰度图像中任意一个像素点，获取该像素点的标记像素点；所述标记像素点同时位于该像素点的相似区域和预设邻域窗口内；

22、对于该像素点的每个标记像素点，统计所述标记像素点的预设局部窗口内其相似像素点的个数，作为标记像素点的相似点数；将所述相似点数小于或者等于预设数量阈值的标记像素点，作为该像素点的疑似毛刺点；

23、根据切面灰度图像中每个像素点对应的疑似毛刺点的数量与该疑似毛刺点的预设局部窗口内灰度分布，以及所述邻域密集度，获取切面灰度图像中每个像素点的邻域毛刺可能值。

24、进一步地，所述每个像素点的邻域毛刺可能值的计算公式如下：

25、

26、式中，为切面灰度图像中第a个像素点的邻域毛刺可能值；为切面灰度图像中第a个像素点的疑似毛刺点的个数；为切面灰度图像中第a个像素点的相似像素点的个数；为切面灰度图像中第a个像素点的邻域密集度；为切面灰度图像中第a个像素点的第r个疑似毛刺点的相似点数；norm为归一化函数。

27、进一步地，所述切面灰度图像中每个搜索窗口内任意两个像素点之间的改进相似度的计算公式如下：

28、

29、式中，为切面灰度图像中每个搜索窗口内第c个像素点与第d个像素点之间的改进相似度；为切面灰度图像中每个搜索窗口内第c个像素点的邻域毛刺可能值；为切面灰度图像中每个搜索窗口内第d个像素点的邻域毛刺可能值；为切面灰度图像中每个搜索窗口内第c个像素点的预设邻域窗口内第i个像素点的灰度值；为切面灰度图像中每个搜索窗口内第d个像素点的预设邻域窗口内第i个像素点的灰度值；k为预设邻域窗口的长度；为调节常数；为绝对值函数。

30、进一步地，所述滤波灰度值的获取方法，包括：

31、利用非局部均值滤波算法，根据切面灰度图像中每个搜索窗口内每个像素点与其他像素点之间的改进相似度，获取切面灰度图像中每个搜索窗口内每个像素点的滤波灰度值。

32、进一步地，所述基于切面灰度图像中像素点的滤波灰度值分布进行型材的轮廓检测的方法，包括：

33、根据切面灰度图像中每个像素点的滤波灰度值，构造去噪切面灰度图像；

34、对去噪切面灰度图像进行边缘检测得到边缘像素点，将边缘像素点构成的连通域作为去噪切面图像的型材轮廓。

35、第二方面，本发明另一个实施例提供了一种基于机器视觉的型材轮廓检测系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现上述任意一项方法的步骤。

36、本发明具有如下有益效果：

37、本发明实施例中，获取切面灰度图像中与每个像素点的灰度值差异较小的相似像素点，通过像素点的预设邻域窗口内灰度分布，并结合像素点的空间分布特点，即像素点的预设邻域窗口内相似像素点的位置分布，获取像素点的邻域密集度；由于毛刺表现为方向不一的细小线条，则根据像素点的邻域内整体像素分布的连续程度，得到像素点的邻域毛刺可能值；综合考虑像素点所在邻域内像素整体分布的离散程度与连续程度，避免仅考虑任意两个像素点的预设邻域窗口内相同位置像素点的灰度值大小得到的相似度，导致细小毛刺被识别为噪声的问题，获取像素点之间的改进相似度；根据同一搜索窗口内像素点与其他像素点之间的改进相似度对像素点的灰度值进行滤波，使得滤波灰度值更加准确，增加切面灰度图像内的毛刺细节信息，提高了轮廓提取结果的准确性。