X的概念(结合图4):
[0053]X = (b2! = b 4) + (b4! = b 8) + (b8! = b 6) + (b6! = b 2) +2* ((?t^&b# ?b4) + (?b2&b3& ?b6) + (?b4&b7& ?b8) + (?b8&b9& ?b6))
[0054]2、邻域和:σ = bl+b2+b3+b4+b6+b7+b8+b9
[0055]3、定义北南东西点，以北点为例:如果该点正上方的点的像素值为0，正下方的像素值为1，该点处值为1，则为北点，如图5所示。东西南点三点的概念以此类推。
[0056]4、对气前像素的值进行判断:σ # 1，X = 2且该点不是方向点，这三个条件都满足，则该点将被移除，连续迭代该四步至不再出现背景像素点，则细化完成。
[0057]Dayies四步法解决了 zhang and suen二步法中存在的第二个和第三个问题，但是第一个问题(骨架化不能很好保持圆的形状)依然没能解决。因而本发明衍生出以下的方法。
[0058]一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，包括如下步骤:
[0059]A.将图像的像素点二值化，形成图像对应的像素值集合区域；
[0060]B.进行图像骨架化前进行端点去除，消除噪点影响；
[0061]C.判定图像减薄方向，进行图像骨架化，所述图像减薄方向为依次自图像的上、下、左、右极点位置至内部连续迭代减薄；
[0062]D.进行图像严格骨架化，所述图像严格骨架化为依次自图像的北、南、西、东方点处位置至内部连续迭代减薄，
[0063]其中，所述北、南、西、东方点定义包括如下步骤:
[0064]Dl.遍历图像，获取极点位置并作为目标像素，目标像素8邻域中，顶部三位像素值判断为背景像素，则定义目标像素为北方点；
[0065]D2.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，底部三位像素值判断为背景像素，则定义目标像素为南方点；
[0066]D3.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，左侧三位像素值判断为背景像素，则定义目标像素为西方点；
[0067]D4.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，右侧三位像素值判断为背景像素，则定义目标像素为东方点；
[0068]循环步骤C及步骤D至图像不再减薄或到达减薄次数。
[0069]作为对上述用于产品缺陷检测以及质量控制的图像减薄和特征分类方法的进一步描述，每次循环中步骤C与步骤D进行次数的比例为2: I。
[0070]作为对上述用于产品缺陷检测以及质量控制的图像减薄和特征分类方法的进一步描述，其还包括步骤E.图像不再减薄或到达减薄次数后，进行冗余端点去除，平滑处理图像。
[0071]作为对上述用于产品缺陷检测以及质量控制的图像减薄和特征分类方法的进一步描述，定义点类、交叉类、端线类以及三通类特征点，将步骤D进行图像严格骨架化后像素按定义特征点进行缺陷分类。
[0072]该改进的减薄方法主要是重新定义了 DAVIES的东西南北点，其定义更为严格，以北点为例，如图8所示，其还需满足左上角和右上角的像素点的值为O的条件。改进的方法在减薄的过程中水平方向和垂直方向减薄的速度将比对角线方向更快，跟Davies的方法刚好互补，因而按照2: I的比例，第一步和第二步均运行Dayies的骨架化，第三步运行改进的骨架化方法，可以消除减薄不均匀的影响，因此按照2: I的方式使用Dayies的方法和改进的减薄方法，那么连续使用一次将会进行一共12步(四个方向*3)，这样在各个方向的减薄速度将接近，当减薄次数大于512次时，大圆(直径> 1024)的骨架化将会呈现八角形状，相反则圆将被骨架化成为点，不再是十字，其减薄效果更完美，整体逻辑参照图9。对比一般方法减薄的效果(如图6)实际上这种形状是不利于缺陷检测的，骨架化出的T形信息不仅冗余，且会给最终检测带来额外处理麻烦，完美的骨架化图形最终会具有类似图7所示形状，实线是图形，虚线是其骨架，因此本文方法将会令骨架过程更为简捷。同时，骨架化图像完成后，再进行N轮END点去除，可以消除不宜出现的T型形状。利用此方法，可获得如图10中c的效果(a为原图)，相对使用一般DAVIES方法减薄的效果b，其检测效率高，适合在线检测的要求。
[0073]以上所述并非对本发明的技术范围作任何限制，凡依据本发明技术实质对以上的实施例所作的任何修改、等同变化与修饰，均仍属于本发明的技术方案的范围内。
【主权项】
1.一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，包括如下步骤: A.将图像的像素点二值化，形成图像对应的像素值集合区域； C.判定图像减薄方向，进行图像骨架化，所述图像减薄方向为依次自图像的上、下、左、右极点位置至内部连续迭代减薄； 其特征在于，步骤A和C之间还包括如下步骤: B.进行图像骨架化前进行端点去除，消除噪点影响； 步骤C之后包括如下步骤: D.进行图像严格骨架化，所述图像严格骨架化为依次自图像的北、南、西、东方点处位置至内部连续迭代减薄， 其中，所述北、南、西、东方点定义包括如下步骤: Dl.遍历图像，获取极点位置并作为目标像素，目标像素8邻域中，顶部三位像素值判断为背景像素，则定义目标像素为北方点； D2.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，底部三位像素值判断为背景像素，则定义目标像素为南方点； D3.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，左侧三位像素值判断为背景像素，则定义目标像素为西方点； D4.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，右侧三位像素值判断为背景像素，则定义目标像素为东方点； 循环步骤C及步骤D至图像不再减薄或到达减薄次数。
2.根据权利要求1所述的一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，其特征在于:每次循环中步骤C与步骤D进行次数的比例为2: I。
3.根据权利要求1所述的一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，其特征在于:还包括步骤E.图像不再减薄或到达减薄次数后，进行冗余端点去除，平滑处理图像。
4.根据权利要求1所述的一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，其特征在于:定义点类、交叉类、端线类以及三通类特征点，将步骤D进行图像严格骨架化后像素按定义特征点进行缺陷分类。
【专利摘要】本发明一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法通过将图像的像素点二值化，形成图像对应的像素值集合区域；进行图像骨架化前进行端点去除，消除噪点影响；判定图像减薄方向，进行图像骨架化，所述图像减薄方向为依次自图像的上、下、左、右极点位置至内部连续迭代减薄；进行图像严格骨架化，图像严格骨架化为依次自图像的北、南、西、东方点处位置至内部连续迭代减薄。其还在图像不再减薄或到达减薄次数时，进行冗余端点去除，平滑处理图像。本发明1、可令圆形区域减薄后成为一个点，且骨架保留了原始信息；2、该方法耗时同Davies两步法；3、定义END点后，可消除端点干扰，配合改进的减薄原则，可保证判断的正确性。
【IPC分类】G06T7-00, G06K9-62
【公开号】CN104820979
【申请号】CN201510133310
【发明人】葛仁彦, 许杰, 皮淑红
【申请人】深圳市纳研科技有限公司
【公开日】2015年8月5日
【申请日】2015年3月20日