CN108961248A - 一种应用于包含复杂信息的机箱表面划痕检测方法 - Google Patents

Abstract

本发明属于金属表面缺陷检测领域，设计一种应用于包含复杂信息的机箱表面划痕检测方法。该方法逐行自左至右遍历经过预处理后的每个像素，设计算法分别提取该元素的东向、西南方向、南向、东南方向的划痕，删除划痕外的噪点。可以有效地解决包含复杂信息的机箱表面划痕缺陷提取的难题，有效去除无用信息。在金属表面缺陷检测领域得到很好的应用。本发明所设计的多向划痕检测方法，优于传统的划痕检测方法，能有效保留划痕信息，更加高效、准确。

Description

一种应用于包含复杂信息的机箱表面划痕检测方法

技术领域

本发明涉及一种应用于包含复杂信息的机箱表面划痕检测方法，更具体的说，本发明涉及一种应用于含各种噪声干扰的机箱表面划痕检测方法。

背景技术

在金属仪器制造及使用的过程中，为保证产品质量都需要进行表面划痕检测。产品出厂前需要对产品进行质量检验，采用机器视觉技术对划痕进行自动检测有重要意义。随着机箱使用时间的增长，机箱表面会出现指纹、掉漆等缺陷，在图像采集过程中，也会受光照条件等影响产生不同程度的噪声干扰，因此会对划痕检测造成干扰。数字图象处理技术就是利用计算机、摄像机及其他数字处理技术对图像施加某种运算和处理，以提取图像中的各种信息，从而达到某种特定目的的技术。利用图像处理技术完成表面缺陷检测具有实时、高效的特点，其在生物医学、遥感、工业、军事、通信、公安等领域有着广泛的应用。形态学，即数学形态学(mathematical Morphology)，是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质的形状特征，如边界和连通区域等。图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。

发明内容

本发明提供一种应用于包含复杂信息的机箱表面划痕检测方法，该方法能够应用于包含指纹、掉漆以及受光照条件影响产生噪声的划痕检测中。

所述的包含复杂信息的机箱表面划痕检测法的硬件***包括：

用于采集图像的黑白相机，黑白相机个数为1个；

用于图像采集、数据处理以及分析的计算机；

用于放置所述的光源和所述的摄像机的扫描平台；

本发明所设计的应用于包含复杂信息的机箱表面划痕检测方法，其实现过程是：

步骤1：启动采集图像的黑白摄像机，采集待检测机箱表面图像，得到机箱原始图；

步骤2：对步骤1中所述的机箱原始图进行拷贝，得到拷贝原始图；

步骤3：对步骤1中所述的机箱原始图进行灰度化处理得到灰度图像；

步骤4：对步骤3中所述的灰度图像进行形态学滤波处理，得到形态学滤波图像；

步骤5：对步骤4中所述的形态学滤波图像进行二值化处理得到二值图像；

步骤6：对步骤5中所述的二值图像中的像素逐行从左至右依次遍历，并以遍历像素为中心设置其指定方向四个元素编号为P5(东向)、P6(西南向)、P7(南向)、P8(东南向)；

步骤7：对步骤5中所述的二值图像进行P5方向划痕提取，判断步骤6中所述的遍历像素的值，将划痕部分像素设置为T，若所述的遍历像素的值等于T，所述的T的取值在0至255之间，则遍历下一个像素的值，并继续进行遍历判断是否等于所述的T，若不等于则执行步骤8；

步骤8：判断步骤6中所述的遍历像素的值是否大于0，若所述的遍历像素的值大于0则将该像素的值设定为步骤7中所述的T并进行步骤9，若所述的遍历像素的值不大于0则继续按照步骤6所述的顺序遍历下一个像素的值；

步骤9：按照P5方向对步骤5中所述的二值图像循环执行步骤7、步骤8，其中P5方向连续像素位置的计算公式如公式(1)所示；

nPoint＝cPoint+n 公式(1)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，n表示移动的步数(n＝1，2，3，...)；

步骤10：设置步骤9中所述的循环次数为Q次，若满足所述的循环次数则执行步骤11，若不满足所述的循环次数则继续按照步骤6所述的顺序遍历下一个像素的值；

步骤11：按照步骤6所述的顺序遍历至最后一个像素后，对经过步骤9处理后的二值图像进行边缘检测得到轮廓边缘图像；

步骤12：对步骤11中所述的轮廓边缘图像进行轮廓位置寻找，得到包含轮廓位置的图像；

步骤13：对步骤12中所述的包含轮廓位置的图像进行轮廓面积计算；

步骤14：对步骤13中所述的轮廓面积进行大小判断，并设定阈值R；

步骤15：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤2中所述的拷贝原始图上标识出P5方向划痕所在位置，得到标识图像A；

步骤16：对步骤5中所述的二值图像进行P6方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P6方向连续像素位置的计算公式如公式(2)所示；

nPoint＝cPoint+i*(nl-1) 公式(2)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤17：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤15所述的标识图像A上标识出P6方向划痕所在位置，得到标识图像B；

步骤18：对步骤5中所述的二值图像进行P7方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P7方向连续像素位置的计算公式如公式(3)所示；

nPoint＝cPoint+i*nl 公式(3)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤19：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤17所述的标识图像B上标识出P7方向划痕所在位置，得到标识图像C；

步骤20：对步骤5中所述的二值图像进行P8方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P8方向连续像素位置的计算公式如公式(4)所示；

nPoint＝cPoint+i*(nl+1) 公式(4)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤21：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作在步骤19所述的标识图像C上标识出P8方向划痕所在位置，完成机箱表面划痕检测。

含划痕机箱表面原始图如图1所示，标记出划痕位置的图像如图4所示。

附图说明

图1：含划痕的机箱表面原始图；

图2：预处理后的图；

图3：去除噪点后的划痕图：

(a)为P5方向去噪后划痕的二值图像

(b)为P6方向去噪后划痕的二值图像

图4：标记出划痕位置的原始图；

图5：算法流程图；

具体实施方式

经过二值化处理后的图像中划痕可概括为四个方向，分别为水平方向、垂直方向、西北西南方向、东北东南方向。保留划痕，去除无用信息即图像中的“噪声”，将划痕所在位置在原始图像中标识出即为本发明所解决的问题。

本发明提供一种应用于包含复杂信息的机箱表面划痕检测方法，该方法能够应用于包含指纹、掉漆以及受光照条件影响产生噪声的划痕检测中，步骤如下：

步骤1：启动采集图像的黑白摄像机，采集待检测机箱表面图像，得到机箱原始图；

步骤2：对步骤1中所述的机箱原始图进行拷贝，得到拷贝原始图；

步骤3：对步骤1中所述的机箱原始图进行灰度化处理得到灰度图像；

步骤4：对步骤3中所述的灰度图像进行形态学滤波处理，得到形态学滤波图像；

步骤5：对步骤4中所述的形态学滤波图像进行二值化处理得到二值图像；

步骤6：对步骤5中所述的二值图像中的像素逐行从左至右依次遍历，并以遍历像素为中心设置其指定方向四个元素编号为P5(东向)、P6(西南向)、P7(南向)、P8(东南向)；

步骤7：对步骤5中所述的二值图像进行P5方向划痕提取，判断步骤6中所述的遍历像素的值，将划痕部分像素设置为T，若所述的遍历像素的值等于T，所述的T的取值在0至255之间，则遍历下一个像素的值，并继续进行遍历判断是否等于所述的T，若不等于则执行步骤8；

步骤8：判断步骤6中所述的遍历像素的值是否大于0，若所述的遍历像素的值大于0则将该像素的值设定为步骤7中所述的T并进行步骤9，若所述的遍历像素的值不大于0则继续按照步骤6所述的顺序遍历下一个像素的值；

步骤9：按照P5方向对步骤5中所述的二值图像循环执行步骤7、步骤8，其中P5方向连续像素位置的计算公式如下式所示；

nPoint＝cPoint+n

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，n表示移动的步数(n＝1，2，3，...)；

步骤10：设置步骤9中所述的循环次数为Q次，若满足所述的循环次数则执行步骤11，若不满足所述的循环次数则继续按照步骤6所述的顺序遍历下一个像素的值；

步骤11：按照步骤6所述的顺序遍历至最后一个像素后，对经过步骤9处理后的二值图像进行边缘检测得到轮廓边缘图像；

步骤12：对步骤11中所述的轮廓边缘图像进行轮廓位置寻找，得到包含轮廓位置的图像；

步骤13：对步骤12中所述的包含轮廓位置的图像进行轮廓面积计算；

步骤14：对步骤13中所述的轮廓面积进行大小判断，并设定阈值R；

步骤15：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤2中所述的拷贝原始图上标识出P5方向划痕所在位置，得到标识图像A；

步骤16：对步骤5中所述的二值图像进行P6方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P6方向连续像素位置的计算公式如下式所示；

nPoint＝cPoint+i*(nl-1)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤17：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤15所述的标识图像A上标识出P6方向划痕所在位置，得到标识图像B；

步骤18：对步骤5中所述的二值图像进行P7方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P7方向连续像素位置的计算公式如下式所示；

nPoint＝cPoint+i*nl

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤19：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤17所述的标识图像B上标识出P7方向划痕所在位置，得到标识图像C；

步骤20：对步骤5中所述的二值图像进行P8方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P8方向连续像素位置的计算公式如下式所示；

nPoint＝cPoint+i*(nl+1)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤21：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作在步骤19所述的标识图像C上标识出P8方向划痕所在位置，完成机箱表面划痕检测。

综上所述，本发明所述划痕检测方法的优点是：解决了传统图像去噪方法不能解决的复杂背景图像的去噪问题，准确提取划痕所在位置。

以上示意性的对本发明及其实施方式进行了描述，该描述没有局限性，附图中所示的也只是本发明的实施方式之一。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，采用其它形式的同类部件或其它形式的各部件布局方式，不经创造性的设计出与该技术方案相似的技术方案与实施例，均应属于本发明的保护范围。

Claims (1)

1.本发明设计了一种应用于包含复杂信息的机箱表面划痕检测方法，其实现过程是：

步骤1：启动采集图像的黑白摄像机，采集待检测机箱表面图像，得到机箱原始图；

步骤2：对步骤1中所述的机箱原始图进行拷贝，得到拷贝原始图；

步骤3：对步骤1中所述的机箱原始图进行灰度化处理得到灰度图像；

步骤4：对步骤3中所述的灰度图像进行形态学滤波处理，得到形态学滤波图像；

步骤5：对步骤4中所述的形态学滤波图像进行二值化处理得到二值图像；

步骤6：对步骤5中所述的二值图像中的像素逐行从左至右依次遍历，并以遍历像素为中心设置其指定方向四个元素编号为P5(东向)、P6(西南向)、P7(南向)、P8(东南向)；

步骤7：对步骤5中所述的二值图像进行P5方向划痕提取，判断步骤6中所述的遍历像素的值，将划痕部分像素设置为T，若所述的遍历像素的值等于T，所述的T的取值在0至255之间，则遍历下一个像素的值，并继续进行遍历判断是否等于所述的T，若不等于则执行步骤8；

步骤8：判断步骤6中所述的遍历像素的值是否大于0，若所述的遍历像素的值大于0则将该像素的值设定为步骤7中所述的T并进行步骤9，若所述的遍历像素的值不大于0则继续按照步骤6所述的顺序遍历下一个像素的值；

步骤9：按照P5方向对步骤5中所述的二值图像循环执行步骤7、步骤8，其中P5方向连续像素位置的计算公式如公式(1)所示；

nPoint＝cPoint+n 公式(1)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，n表示移动的步数(n＝1，2，3，...)；

步骤10：设置步骤9中所述的循环次数为Q次，若满足所述的循环次数则执行步骤11，若不满足所述的循环次数则继续按照步骤6所述的顺序遍历下一个像素的值；

步骤11：按照步骤6所述的顺序遍历至最后一个像素后，对经过步骤9处理后的二值图像进行边缘检测得到轮廓边缘图像；

步骤12：对步骤11中所述的轮廓边缘图像进行轮廓位置寻找，得到包含轮廓位置的图像；

步骤13：对步骤12中所述的包含轮廓位置的图像进行轮廓面积计算；

步骤14：对步骤13中所述的轮廓面积进行大小判断，并设定阈值R；

步骤15：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤2中所述的拷贝原始图上标识出P5方向划痕所在位置，得到标识图像A；

步骤16：对步骤5中所述的二值图像进行P6方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P6方向连续像素位置的计算公式如公式(2)所示；

nPoint＝cPoint+i*(nl-1) 公式(2)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤17：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤15所述的标识图像A上标识出P6方向划痕所在位置，得到标识图像B；

步骤18：对步骤5中所述的二值图像进行P7方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P7方向连续像素位置的计算公式如公式(3)所示；

nPoint＝cPoint+i*nl 公式(3)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤19：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作对步骤17所述的标识图像B上标识出P7方向划痕所在位置，得到标识图像C；

步骤20：对步骤5中所述的二值图像进行P8方向划痕提取，判断步骤6中所述的遍历像素的值，若所述的遍历像素的值等于步骤7中所述的T则遍历下一个像素的值并继续进行遍历并判断是否等于步骤7中所述的T，若不等于则执行步骤8至步骤14，其中P8方向连续像素位置的计算公式如公式(4)所示；

nPoint＝cPoint+i*(nl+1) 公式(4)

其中，nPoint表示下一个像素的位置，cPoint表示当前像素的位置，nl表示图像每行含有元素的总数，i表示移动的步数(i＝1，2，3，...)；

步骤21：对大于步骤14中所述的阈值R的面积所在的位置，利用边框操作在步骤19所述的标识图像C上标识出P8方向划痕所在位置，完成机箱表面划痕检测。