CN105427324B - 基于二值化阈值自动搜索的磁光成像缺陷检测方法 - Google Patents

基于二值化阈值自动搜索的磁光成像缺陷检测方法 Download PDF

Info

Publication number
CN105427324B
CN105427324B CN201510888490.8A CN201510888490A CN105427324B CN 105427324 B CN105427324 B CN 105427324B CN 201510888490 A CN201510888490 A CN 201510888490A CN 105427324 B CN105427324 B CN 105427324B
Authority
CN
China
Prior art keywords
pixel
image
magneto
area
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510888490.8A
Other languages
English (en)
Other versions
CN105427324A (zh
Inventor
张�杰
程玉华
殷春
田露露
白利兵
黄雪刚
陈凯
王超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510888490.8A priority Critical patent/CN105427324B/zh
Publication of CN105427324A publication Critical patent/CN105427324A/zh
Application granted granted Critical
Publication of CN105427324B publication Critical patent/CN105427324B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20032Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于二值化阈值自动搜索的磁光成像缺陷检测方法,先对获取磁光灰度图进行均值滤波,然后自动搜索二值化阈值,在搜索过程中使用了“灌水”式的像素填充扫描方法,对不同填充高度下的填充面积进行计算,拟合得到填充面积相对于填充高度的变化曲线,搜索得到曲线中填充面积增长率最大处所对应的填充高度作为最佳的二值化阀值,然后对磁光图像进行二值化处理,再利用对二值化图进行轮廓检测得到斑点,计算每个斑点的面积,通过滤除小斑点的方法排除干扰光斑对缺陷的干扰,从而检测得到缺陷。本发明通过自动搜索最佳二值化阈值,然后利用面积滤除干扰,从而快速准确地提取得到清晰的缺陷信息。

Description

基于二值化阈值自动搜索的磁光成像缺陷检测方法
技术领域
本发明属于磁光成像无损缺陷检测技术领域,更为具体地讲,涉及一种基于二值化阈值自动搜索的磁光成像缺陷检测方法。
背景技术
表面和亚表面缺陷一直是现在研究的热点,特别是亚表面缺陷的检测。现在的无损检测方式有超声法、电磁涡流法、射线法和红外热成像法等,这些方法在一定的程度上都可以检测到缺陷,但是对于小缺陷,这些方法都很难达到检测目的。磁光成像作为新发展的无损检测技术,具有检测精度高,对缺陷灵敏,特别是对亚表面缺陷有很好的检测效果。另外一个优秀的特点是其检测结果可以直接用于观测,极大地方便了人员对缺陷的可视能力。
目前,磁光成像检测处在初级发展阶段,大部分研究都是针对图像本身的特点进行可视化和缺陷的强化工作。但是对于怎么处理检测过程产生的磁畴光斑和检测产生的光流干扰一直很少有研究。由于磁畴光斑和光流干扰产生的图像效果几乎和缺陷的一模一样,这样就需要特定算法来滤除这些斑点的干扰。现有的一些滤除方式多是像素级的滤波方法和基于模式识别的滤除方法,由于干扰光斑大小为像素的百倍大,且没有固定的形状,这使得这两种方法很难直接滤除他们。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于二值化阈值自动搜索的磁光成像缺陷检测方法,自动搜索最佳的二值化阈值,从而准确地实现缺陷检测。
为实现上述发明目的,本发明基于二值化阈值自动搜索的磁光成像缺陷检测方法包括以下步骤:
S1:采用磁光成像装置获取试件的磁光图像,进行灰度化处理得到磁光灰度图;
S2:对磁光灰度图进行均值滤波,得到滤波后图像I;
S3:搜索二值化阈值,其具体步骤如下:
S3.1:搜索得到图像I中所有像素点像素值中的最大值记为G,设置最大填充像素值K=λG,λ为大于1的常数;
S3.2:令填充次数t=1,初始化填充高度值h1
S3.3:根据高度值ht对图像I进行填充,得到填充后矩阵Φ,其公式如下:
Φ=ht·H-Ω
其中,Ω是图像I的像素值矩阵,H是与Ω大小相同的单位矩阵;
S3.4:对矩阵Φ中每个像素点进行扫描,得到矩阵Φ中元素值大于等于0的像素点数量,将像素点数量保存为填充面积S(t);
S3.5:如果ht<K,进入步骤S3.6,否则进入步骤S3.7;
S3.6:令t=t+1,ht=ht-1+Δh,Δh表示填充高度步长,返回步骤S3.3;
S3.7:根据每次填充高度ht与对应的填充面积S(t)进行曲线拟合,得到填充面积相对于填充高度的变化曲线X;
S3.8:搜索得到曲线X中填充面积增长率最大处所对应的填充高度令二值化阈值 表示向上取整;
S4:根据步骤S3搜索得到的二值化阈值T对图像I进行二值化,得到磁光二值化图像;
S5:对磁光二值化图像进行轮廓检测,得到各个斑点的轮廓;
S6:计算步骤S5得到的各个斑点的面积Rq,q=1,2,…,Q,Q表示斑点数量;
S7:将每个斑点的面积Rq按从小到大进行排列,对面积值在区间[1,Q]内进行归一化,记归一化后的第q个面积值为γq;依次计算相邻两个面积值的差Δγq′=γq′+1q′,q′=1,2,…,Q-1,一旦Δγq′>τ,τ表示预设的阈值,将γq′及其之前的所有区域块均视为干扰,在磁光灰度图像中将干扰对应的斑点采用全局灰度图进行回填,回填后的磁光灰度图即为缺陷检测结果图。
本发明基于二值化阈值自动搜索的磁光成像缺陷检测方法,先对获取磁光灰度图进行均值滤波,然后自动搜索二值化阈值,在搜索过程中使用了“灌水”式的像素填充扫描方法,对不同填充高度下的填充面积进行计算,拟合得到填充面积相对于填充高度的变化曲线,搜索得到曲线中填充面积增长率最大处所对应的填充高度作为最佳的二值化阀值,然后对磁光图像进行二值化处理,再利用对二值化图进行轮廓检测得到斑点,计算每个斑点的面积,通过滤除小斑点的方法排除干扰光斑对缺陷的干扰,从而检测得到缺陷。
本发明通过自动搜索最佳二值化阈值,然后利用面积滤除干扰,从而快速准确地提取得到清晰的缺陷信息。
附图说明
图1是缺陷部位的像素值示意图;
图2是本发明基于二值化阈值自动搜索的磁光成像缺陷检测方法的具体实施方式流程图;
图3是“灌水”式二值化阈值自动搜索流程图;
图4是拟合得到的填充面积相对于填充高度的变化曲线示例图;
图5是本实施例中斑点轮廓检测方法流程图;
图6是本实施例中斑点面积计算流程图;
图7是本实施例所用试件图片;
图8是图7所示试件的磁光灰度图;
图9是磁光灰度图均值滤波后的图像;
图10是填充面积曲线和一阶、二阶导数曲线;
图11是磁光二值化图像;
图12是缺陷检测结果图;
图13是缺陷检测结果的磁光二值化图;
图14是原始磁光灰度图和填充后磁光灰度图对比图;
图15是六种常用滤波增强方法的磁光灰度图处理结果。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
为了更好地说明本发明的技术方案,首先对本发明的原理进行简单说明。
在磁光灰度图像中,疑似缺陷部分的像素值低于非缺陷部分,但是缺陷本身没有固定的深度和形状,从模式识别上很难做到明确检出缺陷。因此,本发明缺陷检测中使用的图像对象是二值化后的磁光图像。通过二值化可以使缺陷的边缘和位置信息很大程度上全部显示出来。再根据图像的特性,通过不同的算法进行滤波,从而得到缺陷的图像。经过以上分析可知,在磁光检测中,将图像二值化尤为重要。那么图像二值化时所采用阈值的选取往往是最重要的,现有技术很多情况下都是根据经验确定的阀值,对原始磁光图像的照片质量有很大的要求和限制。
图1是缺陷部位的像素值示意图。如图1所示,由于缺陷部分的像素值较小,因此在缺陷部位像素值是从里向外逐渐增大的。因此在对灰度图像进行从低到高的填充时,在不同的高度,填充的面积是不同的。不仅大小不同,且面积增长速度也是不一样的。在缺陷边缘处,面积增长速度会有一个大幅度的增加,之后再回落,呈现一种“S”形状的变化。根据以上原理即可搜索得到二值化阈值。
图2是本发明基于二值化阈值自动搜索的磁光成像缺陷检测方法的具体实施方式流程图。如图2所示,本发明基于二值化阈值自动搜索的磁光成像缺陷检测方法包括以下步骤:
S201:获取磁光灰度图:
采用磁光成像装置获取试件的磁光图像,进行灰度化处理得到磁光灰度图。
S202:均值滤波:
对磁光灰度图进行均值滤波,得到滤波后图像I。在滤波过程中的滤波窗口不易设置过小,一般边长在5个像素以上。太小会导致部分坏像素点无法滤除,导致后面的填充统计图波动较大,降低二值化阈值的搜索精度。
S203:二值化阈值自动搜索:
由于每次检测时的光照和材料的不同,磁光图像的像素值大小不同,需要的二值化阀值是不一样的,因此本发明提出了一种“灌水”式的二值化阈值自动搜索方法,以适应不同图像。图3是“灌水”式二值化阈值自动搜索流程图。如图3所示,“灌水”式二值化阈值自动搜索方法包括以下步骤:
S301:设置最大填充像素值:
搜索得到图像I中所有像素点像素值中的最大值记为G,设置最大填充像素值K=λG,λ为大于1的常数,本实施例中设置λ=1.2。最大填充像素值的作用是在填充扫描的过程中保证对整幅图像填充完毕。
S302:初始化填充扫描参数:
令填充次数t=1,初始化填充高度值h1。h1用于设置填充起始像素值,可以根据实际需要设置,本实施例中设置h1=1。
S303:填充图像:
根据高度值ht对图像I进行填充,得到填充后矩阵Φ,即完成下式操作:
Φ=ht·H-Ω
其中,Ω是图像I的像素值矩阵,H是与Ω大小相同的单位矩阵。在所得到的填充后矩阵Φ中,包含了被填充部分的像素信息。
S304:统计被填充像素点数量:
对矩阵Φ中每个像素点进行扫描,得到矩阵Φ中元素值大于等于0的像素点数量,将像素点数量保存为填充面积S(t)。当矩阵Φ中像素点的元素值大于等于0,说明在本次填充中,该像素点被成功填充,而元素值小于0的像素点,则说明当前的填充高度还未能将原像素值覆盖。这就相当于以缺陷处为凹陷,然后灌水,填充面积S(t)就相当于被水淹没的面积。
S305:判断是否ht<K,如果是,进入步骤S306,否则进入步骤S307。
S306:令t=t+1,ht=ht-1+Δh,Δh表示填充高度步长,根据需要设置,返回步骤S303。
S307:曲线拟合:
根据之前的原理说明可知,最佳的二值化阈值是使填充面积增长率最大处所对应的填充高度,而采用之前的过程所得到的是填充高度和对应填充面积的离散数据点,因此需要根据每次填充高度ht与对应的填充面积S(t)进行曲线拟合,得到填充面积相对于填充高度的变化曲线X。曲线拟合的方法有很多,具体方法可以根据实际需要来选择。为了使得计算更加准确,减少扰动误差,本实施例采用基于三次样条插值的拟合方法。
图4是拟合得到的填充面积相对于填充高度的变化曲线示例图。如图4所示,横坐标为填充高度,纵坐标为填充面积。由图4可以将填充扫描分为5个阶段,首先是对滤波后图像中的暗点进行浇灌,然后是对背景进行浇灌,在经过过渡区域后,即进行对真实缺陷位置的浇灌,在此时出现面积增长率最快的区域,然后变平缓,最终将图像灌满。在设置初始填充高度值h1时,可以跳过前两个区域,从过渡区域开始即可,这样可以减少计算量。
S308:搜索二值化阈值:
搜索得到曲线X中填充面积增长率最大处所对应的填充高度令二值化阈值 表示向上取整,取整是因为根据拟合得到的曲线X所搜索到的填充高度可能不是整数值。
由于在填充过程中,磁光图片背景颜色本身也需要被填充,且由于光子和传感器本身的测量误差,会导致背景色也会存在高低不同的灰度值。这样在初始填充过程中,当填充高度达到缺陷高度值的最底部之前,曲线X也会出现一个“S”形状的变化走势,在背景几乎填充完毕到缺陷部分中的最低像素值之间,会出现一个比较平坦的区域,该区域被称为“过渡区”。从该区域之后,曲线X的变化中斜率最大的地方这可以认定为最佳阀值处。基于以上分析,本实施例提出以下搜索方法:
对变化曲线X求得一阶导数曲线X1和二阶导数曲线X2。以步长σ对二阶导数曲线X2进行搜索,如果第i次搜索的二阶导数X2(i)>0,X2(i-1)<0,那么认为此时i对应一阶导数曲线X1中的最小值,继续搜索,如果第j次搜索的二阶导数X2(j)<0,X2(j-1)>0,那么认为此时i对应一阶导数曲线X1中的最大值,则第j次搜索时所对应的填充高度即为填充面积增长率最大处所对应的填充高度
S204:图像二值化:
根据步骤S203搜索得到二值化阈值T对图像I进行二值化,得到磁光二值化图像。
S205:斑点轮廓检测:
对磁光二值化图像进行轮廓检测,得到各个斑点的轮廓图像。
图5是本实施例中斑点轮廓检测方法流程图。如图5所示,斑点轮廓检测包括以下步骤:
S501:磁光二值化图像中值滤波:
因为独立像素点不能构成一个闭合的斑点块,视为像素坏点,所以首先对磁光二值化图像做中值滤波处理,以滤除独立像素点。滤波窗口不宜过大,取[3,3]~[10,10]为宜,因为太大会使斑点对象过于平滑,缺陷信息精度降低,太小又不能使无法构成斑点块的部分被滤去。
S502:边沿检测:
使用“canny”算子计算得到磁光二值化图像的轮廓,得到磁光二值化图像的边沿图像L,边沿图像L的大小与磁光二值化图像一致,记其大小为M×N,边沿图像中边沿像素点的值为1,非边沿像素点的值为0。
S503:令列序号p=1,令斑点序号q=1。
S504:扫描非零像素点:
对边沿图像L中的第p列像素点进行扫描,在像素点集Ap中记录每个非零像素的坐标。
S505:判断是否Ap为空,如果是,进入步骤S506,否则进入步骤S508。
S506:判断是否p<N,如果是,进入步骤S507,否则斑点轮廓检测结束。
S507:令p=p+1,返回步骤S504。
S508:初始化第q个斑点的像素队列Oq为空。
S509:确定斑点轮廓起点:
将像素点集Ap中第一个像素作为Oq中第一个像素Oq(1),也就是将Ap中第一个非零像素作为第q个斑点的轮廓起点。
S510:令斑点中像素序号f=2。
S511:确定下一个轮廓像素:
记Oq(f-1)坐标为(m,n),在磁光二值化边沿图像L中依次按照方向正上,右上,右,右下,正下,左下,正左和左上进行遍历,即遍历像素点(m-1,n)、(m-1,n+1)、(m,n+1)、(m+1,n+1)、(m+1,n)、(m+1,n-1)、(m-1,n-1),一旦发现非零像素,则判断该像素是否已在像素队列Oq中,如果是,搜索下一个,否则将非零像素坐标赋予在像素队列Oq的第f个像素Oq(f)。
S512:判断是否Oq(f)=Oq(1),如果不是,进入步骤S513,否则进入步骤S514。
S513:令f=f+1,返回步骤S511。
S514:在像素队列Oq中删除Oq(f),可见此时第q个斑点的轮廓搜索完毕,其所有的像素点坐标都记录在像素队列Oq中。
S515:更新磁光二值化图像:
当第q个斑点的轮廓搜索完毕后,由于斑点间的轮廓不能有交叉,因此需要在磁光二值化边沿图像L中,将像素队列Oq中所有像素坐标的像素值置为0。
S516:令q=q+1,返回步骤S504。
S206:计算各个斑点面积:
计算步骤S205中各个斑点的面积。图6是本实施例中斑点面积计算流程图。如图6所示,斑点面积计算的步骤包括:
S601:绘制斑点轮廓图:
根据步骤S205得到的各个斑点轮廓,绘制得到斑点轮廓图。其具体过程为:初始化与磁光图像大小相同的全黑图像,然后将轮廓队列中像素点对应的像素值置为1,即可得到斑点轮廓图。
S602:令斑点序号q=1。
S603:搜索斑点边界坐标:
根据第q个斑点的像素队列Oq,搜索得到各像素点中横坐标的最大值xmax、最小值xmin,和纵坐标的最大值ymax、最小值ymin
S604:令列序号p′=xmin,第q个斑点面积Rq=0。
S605:扫描第p′列包含像素:
搜索得到第p′列中属于像素队列Oq中的像素,按纵坐标从大到小进行排序。记搜索得到的像素数量为H,斑点在该列中所包含的像素数量Vp′按照以下公式计算:
其中,表示向下取整。由于斑点是一个闭合轮廓,因此扫描线与轮廓的交点是有进有出的,因此一般所搜索到的轮廓像素点是偶数个,但是也存在一些特殊情况下是奇数个,由于奇数个轮廓像素点有多种情况,为了简便,本实施例中采用舍去最后一个轮廓像素点的方式(即将H/2向下取整)来估算该列所包含的像素数量。由于出现奇数个轮廓像素点的可能性很小,因此这种估算方式并不会对最终的面积结果带来实质性的影响。
S606:面积累加:
令第q个斑点的面积Rq=Rq+Vp′
S607:判断是否p′<xmax,如果是,进入步骤S608,否则进入步骤S609。
S608:令p′=p′+1,返回步骤S605。
S609:判断是否q<Q,Q表示步骤S205得到的斑点数量,如果是,进入步骤S610,否则所有斑点的面积计算结束。
S610:令q=q+1,返回步骤S603。
S207:缺陷检测:
经过步骤S206,可以得到每个斑点的面积,按照面积从小到大进行排列。由于存在背景轮廓,其面积最大,因此最后一个斑点为背景块,倒数第二个开始为磁光图像中疑似缺陷斑点。由于缺陷面积会大于一般的磁畴斑点块或像素扰动斑点,因此如果对排序后相邻两个斑点的面积作差,当有缺陷存在时,会有一个面积陡增的部分,据此即可检测得到缺陷。其具体方法为:
将每个斑点的面积Rq按从小到大进行排列,对面积值在区间[1,Q]内进行归一化,记归一化后的第q个面积值为γq。依次计算相邻两个面积值的差Δγq′=γq′+1q′,q′=1,2,…,Q-1,一旦Δγq′>τ,τ表示预设的阈值,则该γq′+1至γQ-1所对应的斑点为缺陷,γQ为背景,将γq′及其之前的所有区域块均视为干扰,在磁光灰度图像中将干扰对应的斑点采用全局灰度图进行回填,回填后的磁光灰度图即为缺陷检测结果图。一般来说,为了更好地区分缺陷和干扰,设置阈值τ≥1,本实施例中设为1。
可见,由于γQ所对应斑点为背景,当试件没有缺陷时,所有斑点均为磁畴等干扰,那么显然ΔγQ-1=γQQ-1是比较大的,因此可以将背景排除,对γ1至γQ-1所对应的斑点进行回填;当试件有缺陷时,假设缺陷所对应的面积值为那么在即可判断出干扰,从而将γ1所对应的干扰斑点进行回填,保留缺陷和背景。
为了更好地说明本发明的技术效果,采用一个具体的试件进行了实验验证。图7是本实施例所用试件图片。如图7所示,本实施例中试件使用的是硅钢片,其中缺陷宽1mm,深0.2mm。图8是图7所示试件的磁光灰度图。如图8所示,磁光灰度图中可以反映缺陷,但是周围还有很多黑色斑点,是磁畴等的影响产生的,干扰了缺陷的检出率。对磁光灰度图进行均值滤波。图9是磁光灰度图均值滤波后的图像。然后自动搜索二值化阈值。图10是填充面积曲线和一阶、二阶导数曲线。如图10所示,在填充面积的一阶导数中,在最小值后的第一个最大值为最佳阀值位置,也是填充面积增长率最大的地方,刚好是二阶导数的一个峰值,从而搜索到二值化阈值。然后即可对磁光灰度图进行二值化。图11是磁光二值化图像。对磁光二值化图像进行轮廓检测得斑点,然后计算各个斑点的面积,通过面积来滤除干扰,实现缺陷检测。图12是缺陷检测结果图。为了更好地展现缺陷检测结果,在磁光二值化图像中将干扰对应的斑点所包含的像素点像素值设置为0。图13是缺陷检测结果的磁光二值化图。如图12和13所示,缺陷信息被很好的提取出来了,磁畴斑点的影响被降到了最低程度。图14是原始磁光灰度图和填充后磁光灰度图对比图。如图14所示,采用本发明可以基本排除磁畴的干扰,得到较为准确的缺陷检测结果。
此外,为了说明本发明的有益效果,采用六种常用的滤波增强方法进行缺陷检测效果对比。图15是六种常用滤波增强方法的磁光灰度图处理结果。对比图14和图15可以看出,六种常用滤波增强方法虽然能够从一定程度上减少磁畴的干扰,但是其效果远远低于本发明。可见,相对于现有技术,本发明可以更准确地提取缺陷图像。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种基于二值化阈值自动搜索的磁光成像缺陷检测方法,其特征在于,包括以下步骤:
S1:采用磁光成像装置获取试件的磁光图像,进行灰度化处理得到磁光灰度图;
S2:对磁光灰度图进行均值滤波,得到滤波后图像I;
S3:搜索二值化阈值,其具体步骤如下:
S3.1:搜索得到图像I中所有像素点像素值中的最大值记为G,设置最大填充像素值K=λG,λ为大于1的常数;
S3.2:令填充次数t=1,初始化填充高度值h1
S3.3:根据高度值ht对图像I进行填充,得到填充后矩阵Φ,其公式如下:
Φ=ht·H-Ω
其中,Ω是图像I的像素值矩阵,H是与Ω大小相同的单位矩阵;
S3.4:对矩阵Φ中每个像素点进行扫描,得到矩阵Φ中元素值大于等于0的像素点数量,将像素点数量保存为填充面积S(t);
S3.5:如果ht<K,进入步骤S3.6,否则进入步骤S3.7;
S3.6:令t=t+1,ht=ht-1+Δh,Δh表示填充高度步长,返回步骤S3.3;
S3.7:根据每次填充高度ht与对应的填充面积S(t)进行曲线拟合,得到填充面积相对于填充高度的变化曲线X;
S3.8:搜索得到曲线X中填充面积增长率最大处所对应的填充高度令二值化阈值 表示向上取整;
S4:根据步骤S3搜索得到的二值化阈值T对图像I进行二值化,得到磁光二值化图像;
S5:对磁光二值化图像进行轮廓检测,得到各个斑点的轮廓;
S6:计算步骤S5得到的各个斑点的面积Rq,q=1,2,…,Q,Q表示斑点数量;
S7:将每个斑点的面积Rq按从小到大进行排列,对面积值在区间[1,Q]内进行归一化,记归一化后的第q个面积值为γq;依次计算相邻两个面积值的差Δγq′=γq′+1q′,q′=1,2,…,Q-1,一旦Δγq′>τ,τ表示预设的阈值,将γq′及其之前的所有区域块均视为干扰,在磁光灰度图像中将干扰对应的斑点采用全局灰度图进行回填,回填后的磁光灰度图即为缺陷检测结果图。
2.根据权利要求1所述的缺陷检测方法,其特征在于,所述步骤S2中均值滤波过程中滤波窗口的边长大于等于5个像素。
3.根据权利要求1所述的缺陷检测方法,其特征在于,所述步骤S3.7中,曲线拟合采用基于三次样条插值的拟合方法。
4.根据权利要求1所述的缺陷检测方法,其特征在于,所述步骤S5中,轮廓检测的具体方法为:
S5.1:磁光二值化图像做中值滤波处理;
S5.2:使用“canny”算子计算得到磁光二值化图像的轮廓,得到磁光二值化图像的边沿图像L,记其大小为M×N,边沿图像中边沿像素点的值为1,非边沿像素点的值为0;
S5.3:令列序号p=1,令斑点序号q=1;
S5.4:对边沿图像L中的第p列像素点进行扫描,在像素点集Ap中记录每个非零像素的坐标;
S5.5:如果Ap为空,进入步骤S5.6,否则进入步骤S5.7;
S5.6:如果p<N,令p=p+1,返回步骤S5.4,否则斑点轮廓检测结束;
S5.7:初始化第q个斑点的像素队列Oq为空;
S5.8:将像素点集Ap中第一个像素作为Oq中第一个像素Oq(1);令斑点中像素序号f=2;
S5.9:记Oq(f-1)坐标为(m,n),遍历像素点(m-1,n)、(m-1,n+1)、(m,n+1)、(m+1,n+1)、(m+1,n)、(m+1,n-1)、(m-1,n-1),一旦发现非零像素,则判断该像素是否已在像素队列Oq中,如果是,搜索下一个,否则将非零像素坐标赋予在像素队列Oq的第f个像素Oq(f);
S5.10:判断是否Oq(f)=Oq(1),如果不是,令f=f+1,返回步骤S5.9,否则在像素队列Oq中删除Oq(f),在边沿图像L中,将像素队列Oq中所有像素坐标的像素值置为0,令q=q+1,返回步骤S5.4。
5.根据权利要求4所述的缺陷检测方法,其特征在于,所述步骤S5.1中,中值滤波时滤波窗口边长范围为[3,10]。
6.根据权利要求1所述的缺陷检测方法,其特征在于,所述步骤S6中,斑点面积计算的方法为:
S6.1:根据各个斑点轮廓,绘制得到斑点轮廓图;
S6.2:令斑点序号q=1;
S6.3:根据第q个斑点的像素队列Oq,搜索得到各像素点中横坐标的最大值xmax、最小值xmin
S6.4:令列序号p′=xmin,第q个斑点面积Rq=0;
S6.5:搜索得到第p′列中属于像素队列Oq中的像素,按纵坐标从大到小进行排序;记搜索得到的像素数量为H,斑点在该列中所包含的像素数量Vp′按照以下公式计算:
其中,表示向下取整;
S6.6:令第q个斑点的面积Rq=Rq+Vp′
S6.7:如果p′<xmax,令p′=p′+1,返回步骤S6.5,否则进入步骤S6.8;
S6.8:如果q<Q,Q表示斑点数量,令q=q+1,返回步骤S6.3,否则所有斑点的面积计算结束。
CN201510888490.8A 2015-12-07 2015-12-07 基于二值化阈值自动搜索的磁光成像缺陷检测方法 Expired - Fee Related CN105427324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510888490.8A CN105427324B (zh) 2015-12-07 2015-12-07 基于二值化阈值自动搜索的磁光成像缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510888490.8A CN105427324B (zh) 2015-12-07 2015-12-07 基于二值化阈值自动搜索的磁光成像缺陷检测方法

Publications (2)

Publication Number Publication Date
CN105427324A CN105427324A (zh) 2016-03-23
CN105427324B true CN105427324B (zh) 2018-03-09

Family

ID=55505504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510888490.8A Expired - Fee Related CN105427324B (zh) 2015-12-07 2015-12-07 基于二值化阈值自动搜索的磁光成像缺陷检测方法

Country Status (1)

Country Link
CN (1) CN105427324B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111315A (zh) * 2019-04-26 2019-08-09 五邑大学 一种基于cis的圆柱体表面检测方法、装置及存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600604B (zh) * 2016-11-14 2019-06-14 电子科技大学 一种磁光成像缺陷检测方法的阀值优化方法
CN107180428B (zh) * 2017-06-09 2019-08-20 电子科技大学 一种基于光流算法的磁光图像增强方法
CN107688812B (zh) * 2017-08-25 2020-04-21 重庆慧都科技有限公司 一种基于机器视觉的食品生产日期喷墨字体修复方法
CN107993225B (zh) * 2017-11-28 2020-06-23 电子科技大学 一种磁光涡流成像检测的缺陷识别方法
CN110857920A (zh) * 2018-08-24 2020-03-03 东华大学 一种卷装长丝的成型不良缺陷检测方法
CN111354009B (zh) * 2020-02-27 2022-10-28 西安交通大学 激光增材制造熔池形状的提取方法
CN112285339B (zh) * 2020-09-25 2024-02-06 安徽润谷科技有限公司 一种荧光免疫层析视觉检测划线标记方法
CN112927189A (zh) * 2021-01-28 2021-06-08 江苏大学 一种电镀工件表面瑕疵视觉检测中边缘反射光斑剔除方法
CN114283170B (zh) * 2021-12-24 2024-05-03 北京元客视界科技有限公司 一种光斑提取方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256157A (zh) * 2008-03-26 2008-09-03 广州中国科学院工业技术研究院 表面缺陷检测方法、装置
CN102509300A (zh) * 2011-11-18 2012-06-20 深圳市宝捷信科技有限公司 一种缺陷检测方法及***
CN103698393A (zh) * 2013-12-03 2014-04-02 广东工业大学 焊接缺陷磁光成像无损检测方法
CN104616275A (zh) * 2013-11-04 2015-05-13 北京兆维电子(集团)有限责任公司 一种缺陷检测方法和装置
EP2913795A1 (en) * 2012-10-25 2015-09-02 Mitsubishi Electric Corporation Image processing device and image processing method
CN104950039A (zh) * 2015-06-23 2015-09-30 西安交通大学 基于非线性磁饱和脉冲涡流的铁磁管道定量无损评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256157A (zh) * 2008-03-26 2008-09-03 广州中国科学院工业技术研究院 表面缺陷检测方法、装置
CN102509300A (zh) * 2011-11-18 2012-06-20 深圳市宝捷信科技有限公司 一种缺陷检测方法及***
EP2913795A1 (en) * 2012-10-25 2015-09-02 Mitsubishi Electric Corporation Image processing device and image processing method
CN104616275A (zh) * 2013-11-04 2015-05-13 北京兆维电子(集团)有限责任公司 一种缺陷检测方法和装置
CN103698393A (zh) * 2013-12-03 2014-04-02 广东工业大学 焊接缺陷磁光成像无损检测方法
CN104950039A (zh) * 2015-06-23 2015-09-30 西安交通大学 基于非线性磁饱和脉冲涡流的铁磁管道定量无损评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
探测亚表面缺陷的磁-光显微成像检测技术研究;程玉华;《中国博士学位论文全文数据库 工程科技I辑》;20080415;全文 *
电涡流脉冲热成像无损检测技术研究;白利兵;《中国博士学位论文全文数据库 工程科技I辑》;20140615;全文 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111315A (zh) * 2019-04-26 2019-08-09 五邑大学 一种基于cis的圆柱体表面检测方法、装置及存储介质
CN110111315B (zh) * 2019-04-26 2021-01-26 五邑大学 一种基于cis的圆柱体表面检测方法、装置及存储介质

Also Published As

Publication number Publication date
CN105427324A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
CN105427324B (zh) 基于二值化阈值自动搜索的磁光成像缺陷检测方法
CN108364280B (zh) 结构裂缝自动化描绘及宽度精准测量方法与设备
Hoang et al. Metaheuristic optimized edge detection for recognition of concrete wall cracks: a comparative study on the performances of roberts, prewitt, canny, and sobel algorithms
CN108629775B (zh) 一种热态高速线材表面图像处理方法
CN108759973B (zh) 一种水位测量方法
US10931871B2 (en) Pipeline detection method and apparatus, and storage medium
JP7319432B2 (ja) 学習用データ収集装置、学習用データ収集方法、及びプログラム
CN104574393B (zh) 一种三维路面裂缝图像生成***和方法
CN106920245B (zh) 一种边界检测的方法及装置
JP6099479B2 (ja) ひび割れ検出方法
CN103871062B (zh) 一种基于超像素描述的月面岩石检测方法
JP5175528B2 (ja) トンネル覆工のひび割れ検査装置
CN107784669A (zh) 一种光斑提取及其质心确定的方法
CN112330593A (zh) 基于深度学习网络的建筑物表面裂缝检测方法
CN110619328A (zh) 基于图像处理和深度学习的船舶水尺读数智能识别方法
KR20150112656A (ko) 카메라 캘리브레이션 방법 및 그 장치
CN104697476A (zh) 粗糙度光切轮廓曲线的自动检测方法及装置
WO2021000948A1 (zh) 配重重量的检测方法与***、获取方法与***及起重机
CN105046701A (zh) 一种基于构图线的多尺度显著目标检测方法
CN109961013A (zh) 车道线的识别方法、装置、设备及计算机可读存储介质
JP4870016B2 (ja) ひび割れ検出方法
CN114926407A (zh) 一种基于深度学习的钢材表面缺陷检测***
CN103942786B (zh) 无人机可见光和红外图像的自适应团块目标检测方法
CN108320799B (zh) 一种用于侧向流纸条疾病诊断的图像分析与识别方法
CN112179294A (zh) 一种土地校对方法、装置以及***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Jie

Inventor after: Cheng Yuhua

Inventor after: Yin Chun

Inventor after: Tian Lulu

Inventor after: Bai Libing

Inventor after: Huang Xuegang

Inventor after: Chen Kai

Inventor after: Wang Chao

Inventor before: Cheng Yuhua

Inventor before: Yin Chun

Inventor before: Tian Lulu

Inventor before: Bai Libing

Inventor before: Huang Xuegang

Inventor before: Chen Kai

Inventor before: Zhang Jie

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180309

Termination date: 20201207