CN117011291B - 一种手表外壳质量视觉检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种手表外壳质量视觉检测方法。方法包括：获取手表外壳的灰度图像中的ROI区域的强边缘像素点和弱边缘像素点以及手表外壳的中心点；根据强边缘像素点与中心点的相对位置分布情况，获得不同距离对应的第一强边缘像素点集合和不同角度对应的第二强边缘像素点集合；根据第一强边缘像素点集合和第二强边缘像素点集合，获得各强边缘像素点的削弱系数；基于削弱系数确定各强边缘像素点的目标梯度值；对弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值，进而获得修正后的图像；基于修正后的图像对手表外壳的质量进行判断。本发明提高了手表外壳的质量检测精度。

Description

一种手表外壳质量视觉检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种手表外壳质量视觉检测方法。

背景技术

手表是日常生活中常见的配饰，作为一种配饰，用户对其外观的美观度和完美度有较高的要求，手表外壳是手表的重要组成部分之一，它不仅保护内部机芯，还直接影响手表的外观和整体质感，因此在手表出厂前通常需要对其外壳进行质量检测，通过检测手表外壳质量可以确保手表的品质符合要求，排除有瑕疵的产品，保证给用户提供满意的产品，提升用户的使用体验，现有的基于图像处理的手表外壳质量检测方法一般是对采集到的手表外壳的表面图像进行边缘检测，根据边缘检测结果判断手表外壳是否存在质量问题，但是手表结构复杂，手表外壳表面图像在采集过程中易受到光线的干扰，使得手表外壳的表面图像中存在强边缘和弱边缘，影响边缘检测结果，进而降低手表外壳质量检测结果的准确度。

发明内容

为了解决现有的基于图像处理的手表外壳质量检测方法在对手表外壳质量进行检测时存在的检测精度较低的问题，本发明的目的在于提供一种手表外壳质量视觉检测方法，所采用的技术方案具体如下：

本发明提供了一种手表外壳质量视觉检测方法，该方法包括以下步骤：

获取待检测手表外壳的灰度图像中的ROI区域；

基于所述ROI区域内像素点的梯度分布情况，确定强边缘像素点和弱边缘像素点；获取待检测手表外壳的中心点；根据强边缘像素点与所述中心点的相对位置分布情况，分别获得不同距离对应的第一强边缘像素点集合和不同角度对应的第二强边缘像素点集合；根据所述第一强边缘像素点集合和所述第二强边缘像素点集合，获得各强边缘像素点的削弱系数；

基于所述削弱系数确定各强边缘像素点的目标梯度值；对所述弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值；基于所有强边缘像素点的目标梯度值和所有弱边缘像素点的目标梯度值获得修正后的图像；

基于所述修正后的图像对待检测手表外壳的质量进行判断。

优选的，根据强边缘像素点与所述中心点的相对位置分布情况，获得不同距离对应的第一强边缘像素点集合，包括：

分别获取各强边缘像素点与所述中心点之间的距离，作为各强边缘像素点对应的距离；

对于任一距离：将该距离对应的所有强边缘像素点构成的集合，作为该距离对应的第一强边缘像素点集合。

优选的，根据强边缘像素点与所述中心点的相对位置分布情况，获得不同角度对应的第二强边缘像素点集合，包括：

分别获取由所述中心点指向各强边缘像素点的方向，作为各强边缘像素点的特征方向；将各强边缘像素点的特征方向与预设方向之间的夹角确定为各强边缘像素点对应的角度；

对于任一角度：将该角度对应的所有强边缘像素点构成的集合，作为该角度对应的第二强边缘像素点集合。

优选的，所述根据所述第一强边缘像素点集合和所述第二强边缘像素点集合，获得各强边缘像素点的削弱系数，包括：

对于第a个强边缘像素点：

根据第a个强边缘像素点所处的第二强边缘像素点集合中像素点的数量、第a个强边缘像素点所处的第一强边缘像素点集合中像素点的数量、像素点数量最多的第二强边缘像素点集合中像素点的数量、像素点数量最多的第一强边缘像素点集合中像素点的数量，得到第a个强边缘像素点的削弱系数。

优选的，采用如下公式计算第a个强边缘像素点的削弱系数：

其中，为第a个强边缘像素点的削弱系数，/>为第a个强边缘像素点所处的第二强边缘像素点集合中像素点的数量，/>为像素点数量最多的第二强边缘像素点集合中像素点的数量，/>为第a个强边缘像素点所处的第一强边缘像素点集合中像素点的数量，为像素点数量最多的第一强边缘像素点集合中像素点的数量，exp( )为以自然常数为底数的指数函数。

优选的，所述基于所述ROI区域内像素点的梯度分布情况，确定强边缘像素点和弱边缘像素点，包括：

利用预设大小的滑窗在所述ROI区域内进行遍历获得各窗口区域；

分别获取各窗口区域内所有像素点的最大梯度值记为各窗口区域的第一特征值，将所有窗口区域的第一特征值的均值确定为强边缘阈值；

分别获取各窗口区域内所有像素点的平均梯度值记为各窗口区域的第二特征值，将所有窗口区域的第二特征值的均值确定为弱边缘阈值；

基于所述强边缘阈值和所述弱边缘阈值，筛选强边缘像素点和弱边缘像素点。

优选的，基于所述强边缘阈值和所述弱边缘阈值，筛选强边缘像素点和弱边缘像素点，包括：

将所述ROI区域内梯度值大于所述强边缘阈值的像素点确定为强边缘像素点；

将所述ROI区域内梯度值大于所述弱边缘像素点，且小于等于所述强边缘阈值的像素点确定为弱边缘像素点。

优选的，所述基于所述削弱系数确定各强边缘像素点的目标梯度值，包括：

将各强边缘像素点的削弱系数与对应的梯度值的乘积，确定为各强边缘像素点的目标梯度值。

优选的，所述对所述弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值，包括：

采用直方图均衡化算法对所有的所述弱边缘像素点进行增强处理，将增强处理后的弱边缘像素点的梯度值作为其目标梯度值。

优选的，所述基于所有强边缘像素点的目标梯度值和所有弱边缘像素点的目标梯度值获得修正后的图像，包括：

利用各边缘像素点的目标梯度值替换对应的原始梯度值，将替换完成后的图像作为修正后的图像。

本发明至少具有如下有益效果：

本发明考虑到传统的边缘检测算法在对待检测手表外壳进行缺陷检测时，由于手表结构复杂，手表外壳表面图像在采集过程中易受到光线干扰，因此会导致待检测手表外壳的灰度图像中存在强边缘和弱边缘，强边缘和弱边缘的存在会影响缺陷边缘的提取结果，本发明首先基于待检测手表外壳的灰度图像中的ROI区域内像素点的梯度分布情况，确定了强边缘像素点和弱边缘像素点，而当手表外壳存在缺陷时，形成缺陷的原因和缺陷的分布位置均较随机，缺陷深浅不一，因此弱边缘像素点更有可能是缺陷区域的边缘像素点，强边缘像素点更有可能是手表外壳上真实的边缘像素点，为了提高后续手表外壳的质量检测精度，本发明结合强边缘像素点的位置分布特征，从距离和角度两个方向进行分析，获得了每个强边缘像素点的削弱系数，进而确定了每个强边缘像素点的目标灰度值，并对弱边缘像素点进行了增强处理，获得了修正后的图像，本发明通过对待检测手表外壳自身特征以及一些细节的量化，可以针对性地削弱由手表外壳自身结构而产生的边缘像素点，保留由明显缺陷而产生的边缘像素点的同时还对不明显的缺陷区域进行了图像增强，从而使得无论是明显的还是不明显的缺陷区域都可以被准确识别，提高了待检测手表外壳的质量检测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种手表外壳质量视觉检测方法的流程图；

图2为本发明一个实施例所提供的一种手表外壳图像的增强方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种手表外壳质量视觉检测方法进行详细说明如下。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种手表外壳质量视觉检测方法的具体方案。

一种手表外壳质量视觉检测方法实施例：

本实施例所针对的具体场景为：手表在出厂前需要对其外壳进行质量检测，本实施例将首先采集待检测手表外壳的表面图像，然后将对初始采集到的待检测手表外壳的表面图像进行边缘检测，由于初始采集到的待检测手表外壳的表面图像中存在指针或数字，因此为了排除指针或数字对后续分析结果的影响，本实施例提取初始采集到的表面图像中的ROI区域，然后对ROI区域进行分析，筛选出强边缘像素点和弱边缘像素点，结合不同类别的边缘像素点的特征，针对不同的边缘像素点进行不同的处理，进而最终获得的修正后的图像能够更直观地反映手表外壳缺陷的特征，使得后续待检测手表外壳的质量检测结果准确度更高。

本实施例提出了一种手表外壳质量视觉检测方法，如图1所示，本实施例的一种手表外壳质量视觉检测方法包括以下步骤：

步骤S1，获取待检测手表外壳的灰度图像中的ROI区域。

本实施例首先布置相机，相机以俯视角度采集待检测手表外壳的表面图像，采集到的手表外壳的表面图像为彩色图像，也即RGB图像，然后对其进行简单的去噪以及灰度化处理，获得待检测手表外壳的灰度图像。图像的去噪以及灰度化处理为现有技术，此处不再过多赘述。

考虑到手表结构复杂，获取到的待检测手表外壳的灰度图像中存在指针、数字，指针和数字的存在会影响后续边缘检测的结果，为了排除指针或数字对后续分析结果的影响，本实施例通过机器学习对待检测手表外壳的灰度图像进行识别，提取待检测手表外壳的灰度图像中不包含表盘数据以及指针的部分，将提取到的区域作为待检测手表外壳的灰度图像中的ROI区域。通过机器视觉提取图像中ROI区域为现有技术，此处不再过多赘述。

至此，本实施例获得了待检测手表外壳的灰度图像中的ROI区域，用于后续对待检测手表外壳的质量检测。

步骤S2，基于所述ROI区域内像素点的梯度分布情况，确定强边缘像素点和弱边缘像素点；获取待检测手表外壳的中心点；根据强边缘像素点与所述中心点的相对位置分布情况，分别获得不同距离对应的第一强边缘像素点集合和不同角度对应的第二强边缘像素点集合；根据所述第一强边缘像素点集合和所述第二强边缘像素点集合，获得各强边缘像素点的削弱系数。

传统canny算子在对手表外壳的灰度图像进行检测时，手表外壳的灰度图像中较多划痕无法被canny算子边缘检测出来，因此本实施例为了提高检测精度，将结合ROI区域内像素点的特征对其进行不同程度的增强或削弱处理。

待检测手表外壳的灰度图像中的ROI区域中存在梯度，产生梯度的原因是ROI区域中相邻像素点之间的灰度值有一定的差异，对比度的产生导致边缘的出现。但是由于待检测手表外壳表面结构清晰，纹理明确，因此大部分区域会产生较大的梯度值，使得划痕区域对比度小于大部分正常区域的对比度，划痕区域产生的边缘区域被定义为了弱边缘而很难被识别出来。因此需要结合像素点之间的梯度值，整体分析ROI区域的梯度值特征，根据手表外壳的图像特征重新确定高低阈值，结合高低阈值筛选强边缘像素点和弱边缘像素点，然后再对不同类别的边缘像素点进行不同的处理，从而提高图像的增强效果。

具体地，利用预设大小的滑窗在所述ROI区域内进行遍历获得各窗口区域，本实施例中的预设大小为，滑窗的滑动步长为1，滑窗每滑动一次均对应一个窗口区域，至此，获得了多个窗口区域，在具体应用中，实施者可根据具体情况设置滑窗的大小和滑窗的滑动步长，但需要保证滑窗能够遍历ROI区域内所有的像素点。

采用sobel算子获取待检测手表外壳的灰度图像中的ROI区域内每个像素点的梯度值，分别获取各窗口区域内所有像素点的最大梯度值记为各窗口区域的第一特征值，一个窗口区域对应一个第一特征值，将所有窗口区域的第一特征值的均值确定为强边缘阈值；分别获取各窗口区域内所有像素点的平均梯度值记为各窗口区域的第二特征值，一个窗口区域对应一个第二特征值，将所有窗口区域的第二特征值的均值确定为弱边缘阈值。将所述ROI区域内梯度值大于所述强边缘阈值的像素点确定为强边缘像素点；将所述ROI区域内梯度值大于所述弱边缘像素点，且小于等于所述强边缘阈值的像素点确定为弱边缘像素点；所述ROI区域内除强边缘像素点和弱边缘像素点外的其他所有像素点为非边缘像素点。手表外壳上划痕产生的原因具有随机性，因此划痕的形状特征具有多样性、不规则性，并且相对于手表自身的圆形结构，因为划痕而产生的边缘特征并不明显，所以通过边缘检测来对手表外壳进行质量检测效果并不明显。本实施例利用手表外壳自身明显的边缘特性，将在待检测手表外壳的灰度图像中的ROI区域内的强边缘像素点进行一定程度的抑制，对于明显缺陷产生的强边缘像素点进行保留，将弱边缘像素点在原图上进行图像增强，达到较理想的增强效果。接下来本实施例将分别对强边缘像素点和弱边缘像素点进行分析。

具体地，本实施例获取待检测手表外壳的灰度图像的中心点，也即手表外壳的中心点。分别获取各强边缘像素点与所述中心点之间的距离，作为各强边缘像素点对应的距离。采用上述方法，能够获得每个强边缘像素点对应的距离，每个强边缘像素点对应一个距离。对于任一距离：将该距离对应的所有强边缘像素点构成的集合，作为该距离对应的第一强边缘像素点集合。本实施例将相同距离对应的所有强边缘像素点构成了一个集合，采用上述方法，获得每种距离对应的第一强边缘像素点集合，也即获得了多个第一强边缘像素点集合。

分别获取由所述中心点指向各强边缘像素点的方向，作为各强边缘像素点的特征方向；将各强边缘像素点的特征方向与预设方向之间的夹角确定为各强边缘像素点对应的角度。采用上述方法，获得了每个强边缘像素点对应的角度，一个强边缘像素点对应一个角度。本实施例中的预设方向为水平向右方向，在具体应用中，实施者可根据具体情况进行设置。对于任一角度：将该角度对应的所有强边缘像素点构成的集合，作为该角度对应的第二强边缘像素点集合。本实施例将相同角度对应的所有强边缘像素点构成了一个集合，采用上述方法，获得每种角度对应的第二强边缘像素点集合，也即获得了多个第二强边缘像素点集合。

如果多个强边缘像素点与中心点具有相同距离，说明这些强边缘像素点在同一个规则圆上，那么这些强边缘像素点极有可能是手表外壳的真实边缘像素点，而非缺陷造成的边缘像素点，因此需要对其进行削弱。又由于手表外壳的规则圆数量是统一的，那么在同一角度上强边缘像素点数量越多，说明这些强边缘像素点越有可能是缺陷边缘像素点，因此削弱强度应当越小。基于此，本实施例将根据第一强边缘像素点集合中像素点的数量和第二强边缘像素点集合中像素点的数量，确定每个强边缘像素点的削弱系数。

对于第a个强边缘像素点：

根据第a个强边缘像素点所处的第二强边缘像素点集合中像素点的数量、第a个强边缘像素点所处的第一强边缘像素点集合中像素点的数量、像素点数量最多的第二强边缘像素点集合中像素点的数量、像素点数量最多的第一强边缘像素点集合中像素点的数量，得到第a个强边缘像素点的削弱系数。第a个强边缘像素点的削弱系数的具体计算公式为：

其中，为第a个强边缘像素点的削弱系数，/>为第a个强边缘像素点所处的第二强边缘像素点集合中像素点的数量，/>为像素点数量最多的第二强边缘像素点集合中像素点的数量，/>为第a个强边缘像素点所处的第一强边缘像素点集合中像素点的数量，为像素点数量最多的第一强边缘像素点集合中像素点的数量，exp( )为以自然常数为底数的指数函数。

第a个强边缘像素点具有相同距离的强边缘像素点的数量与像素点数量最多的第一强边缘像素点集合中像素点的数量的比值越大，说明具有一样距离的此类强边缘像素点就越多，属于缺陷边缘像素点的可能越大，需要进行削弱的强度就越大，即第a个强边缘像素点的削弱系数越小。第a个强边缘像素点具有相同角度的强边缘像素点的数量与像素点数量最多的第二强边缘像素点集合中像素点的数量的比值越大，说明具有相同角度的此类强边缘像素点数量就越多，属于手表外壳真实边缘像素点的可能越大，需要进行削弱的强度就越小，即第a个强边缘像素点的削弱系数越大。

采用上述方法，能够获得每个强边缘像素点的削弱系数。

步骤S3，基于所述削弱系数确定各强边缘像素点的目标梯度值；对所述弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值；基于所有强边缘像素点的目标梯度值和所有弱边缘像素点的目标梯度值获得修正后的图像。

本实施例已经获得了待检测手表外壳的灰度图像中的ROI区域内每个强边缘像素点的削弱系数，削弱系数越大，强边缘像素点的削弱强度越小；削弱系数越小，强边缘像素点的削弱强度越大；接下来本实施例将基于强边缘像素点的削弱系数和原始灰度值，获得其对应的目标灰度值。

具体地，将各强边缘像素点的削弱系数与对应的梯度值的乘积，确定为各强边缘像素点的目标梯度值。每个强边缘像素点均有其对应的目标梯度值。强边缘像素点的目标梯度值小于其对应的原始梯度值，因此，采用本实施例提供的方法完成了对待检测手表外壳的灰度图像中的ROI区域内每个强边缘像素点的梯度值的自适应削弱。

对待检测手表外壳的灰度图像中的ROI区域内的强边缘像素点进行梯度值削弱后，只留下了由缺陷造成的高梯度边缘像素点待处理，也即弱边缘像素点，这些若边缘像素点为待处理的边缘像素点，对于不明显的弱边缘像素点需要进一步增强才可能被识别出来，因此接下来本实施例将对所有的弱边缘像素点进行增强处理，以提高后续待检测手表外壳缺陷区域的提取准确度。

具体地，建立预设大小的滑窗，在待检测手表外壳的灰度图像中的ROI区域以弱边缘像素点为滑窗中心像素点进行遍历，在滑窗内使用直方图均衡化算法对所有弱边缘像素点进行图像增强，增强与周围像素点的对比度。将增强处理后的弱边缘像素点的梯度值作为其目标梯度值。本实施例中此处的滑窗的大小仍为，在具体应用中，实施者可根据具体情况设置滑窗的大小。直方图均衡化算法为现有技术，此处不再过多赘述。

将增强后的图像记为修正后的图像，也即利用各边缘像素点的目标梯度值替换了其对应的原始梯度值，将替换完成后的图像作为了修正后的图像。修正后的图像更能凸显缺陷像素点，因此接下来本实施例将基于修正后的图像待检测手表外壳的质量进行检测。

步骤S4，基于所述修正后的图像对待检测手表外壳的质量进行判断。

本实施例在上述步骤中获得了修正后的图像，修正后的图像削弱了待检测手表外壳本身的边缘像素点所呈现的特征，增强了缺陷像素点所呈现的特征，基于修正后的图像对待检测手表外壳进行质量检测的检测准确度更高，因此本实施例将基于修正后的图像对待检测手表外壳的质量进行检测。

具体地，可采用canny边缘检测算法对修正后的图像进行边缘检测，提取修正后的图像中边缘线段所围成的闭合区域，将闭合区域作为缺陷区域，设置面积阈值，判断修正后的图像中缺陷区域的总面积是否大于面积阈值，若大于，则判定待检测手表外壳的质量不合格；若小于或等于，则判定待检测手表外壳的质量合格，本实施例中的面积阈值为待检测手表外壳的灰度图像中的ROI区域的面积的10%，在具体应用中，实施者可根据具体情况进行设置。作为其他实施方式，也可利用语义分割网络提取修正后的图像中的缺陷区域，进而判断缺陷区域的总面积与面积阈值的大小关系，对待检测手表外壳的质量进行评估。

本实施例考虑到传统的边缘检测算法在对待检测手表外壳进行缺陷检测时，由于手表结构复杂，手表外壳表面图像在采集过程中易受到光线干扰，因此会导致待检测手表外壳的灰度图像中存在强边缘和弱边缘，强边缘和弱边缘的存在会影响缺陷边缘的提取结果，因此本实施例首先基于待检测手表外壳的灰度图像中的ROI区域内像素点的梯度分布情况，确定了强边缘像素点和弱边缘像素点，而当手表外壳存在缺陷时，形成缺陷的原因和缺陷的分布位置均较随机，缺陷深浅不一，因此弱边缘像素点更有可能是缺陷区域的边缘像素点，强边缘像素点更有可能是手表外壳上真实的边缘像素点，为了提高后续手表外壳的质量检测精度，本实施例结合强边缘像素点的位置分布特征，从距离和角度两个方向进行分析，获得了每个强边缘像素点的削弱系数，进而确定了每个强边缘像素点的目标灰度值，并对弱边缘像素点进行了增强处理，获得了修正后的图像，本实施例通过对待检测手表外壳自身特征以及一些细节的量化，可以针对性地削弱由手表外壳自身结构而产生的边缘像素点，保留由明显缺陷而产生的边缘像素点的同时还对不明显的缺陷区域进行了图像增强，从而使得无论是明显的还是不明显的缺陷区域都可以被准确识别，提高了待检测手表外壳的质量检测精度。

一种手表外壳图像的增强方法实施例：

手表外壳表面图像在采集过程中易受到光线干扰，因此会导致手表外壳的灰度图像中存在强边缘和弱边缘，强边缘和弱边缘的存在会影响缺陷边缘的提取结果，使手表外壳图像的边缘检测效果较差，因此往往需要对采集到的手表外壳图像进行增强处理，但是手表结构复杂，现有的图像增强方法对手表外壳图像的增强效果较差。

为了解决现有方法在对手表外壳图像进行增强时存在的增强效果较差的问题，本发明的目的在于提供一种手表外壳图像的增强方法，所采用的技术方案具体如下：

本实施例提出了一种手表外壳图像的增强方法，如图2所示，本实施例的一种手表外壳图像的增强方法包括以下步骤：

步骤S1，获取待检测手表外壳的灰度图像中的ROI区域。

步骤S2，基于所述ROI区域内像素点的梯度分布情况，确定强边缘像素点和弱边缘像素点；获取待检测手表外壳的中心点；根据强边缘像素点与所述中心点的相对位置分布情况，分别获得不同距离对应的第一强边缘像素点集合和不同角度对应的第二强边缘像素点集合；根据所述第一强边缘像素点集合和所述第二强边缘像素点集合，获得各强边缘像素点的削弱系数。

步骤S3，基于所述削弱系数确定各强边缘像素点的目标梯度值；对所述弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值；基于所有强边缘像素点的目标梯度值和所有弱边缘像素点的目标梯度值获得修正后的图像。

其中，步骤S1～步骤S3在一种手表外壳质量视觉检测方法实施例中已经进行了详细说明，不再赘述。

本实施例提供的一种手表外壳图像的增强方法具有如下有益效果：

本实施例考虑到传统的边缘检测算法在对待检测手表外壳进行缺陷检测时，由于手表结构复杂，手表外壳表面图像在采集过程中易受到光线干扰，因此会导致待检测手表外壳的灰度图像中存在强边缘和弱边缘，强边缘和弱边缘的存在会影响缺陷边缘的提取结果，因此需要对采集到的图像进行增强处理，本实施例首先基于待检测手表外壳的灰度图像中的ROI区域内像素点的梯度分布情况，确定了强边缘像素点和弱边缘像素点，而当手表外壳存在缺陷时，形成缺陷的原因和缺陷的分布位置均较随机，缺陷深浅不一，因此弱边缘像素点更有可能是缺陷区域的边缘像素点，强边缘像素点更有可能是手表外壳上真实的边缘像素点，为了提高后续手表外壳的质量检测精度，本发明结合强边缘像素点的位置分布特征，从距离和角度两个方向进行分析，获得了每个强边缘像素点的削弱系数，进而确定了每个强边缘像素点的目标灰度值，并对弱边缘像素点进行了增强处理，获得了修正后的图像，本实施例通过对待检测手表外壳自身特征以及一些细节的量化，可以针对性地削弱由手表外壳自身结构而产生的边缘像素点，保留由明显缺陷而产生的边缘像素点的同时还对不明显的缺陷区域进行了图像增强，提高了图像增强效果。

需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种手表外壳质量视觉检测方法，其特征在于，该方法包括以下步骤：

获取待检测手表外壳的灰度图像中的ROI区域；

基于所述ROI区域内像素点的梯度分布情况，确定强边缘像素点和弱边缘像素点；获取待检测手表外壳的中心点；根据强边缘像素点与所述中心点的相对位置分布情况，分别获得不同距离对应的第一强边缘像素点集合和不同角度对应的第二强边缘像素点集合；根据所述第一强边缘像素点集合和所述第二强边缘像素点集合，获得各强边缘像素点的削弱系数；

基于所述削弱系数确定各强边缘像素点的目标梯度值；对所述弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值；基于所有强边缘像素点的目标梯度值和所有弱边缘像素点的目标梯度值获得修正后的图像；

基于所述修正后的图像对待检测手表外壳的质量进行判断；

所述根据所述第一强边缘像素点集合和所述第二强边缘像素点集合，获得各强边缘像素点的削弱系数，包括：

对于第a个强边缘像素点：

根据第a个强边缘像素点所处的第二强边缘像素点集合中像素点的数量、第a个强边缘像素点所处的第一强边缘像素点集合中像素点的数量、像素点数量最多的第二强边缘像素点集合中像素点的数量、像素点数量最多的第一强边缘像素点集合中像素点的数量，得到第a个强边缘像素点的削弱系数；

采用如下公式计算第a个强边缘像素点的削弱系数：

其中，为第a个强边缘像素点的削弱系数，/>为第a个强边缘像素点所处的第二强边缘像素点集合中像素点的数量，/>为像素点数量最多的第二强边缘像素点集合中像素点的数量，/>为第a个强边缘像素点所处的第一强边缘像素点集合中像素点的数量，/>为像素点数量最多的第一强边缘像素点集合中像素点的数量，exp( )为以自然常数为底数的指数函数。

2.根据权利要求1所述的一种手表外壳质量视觉检测方法，其特征在于，根据强边缘像素点与所述中心点的相对位置分布情况，获得不同距离对应的第一强边缘像素点集合，包括：

分别获取各强边缘像素点与所述中心点之间的距离，作为各强边缘像素点对应的距离；

对于任一距离：将该距离对应的所有强边缘像素点构成的集合，作为该距离对应的第一强边缘像素点集合。

3.根据权利要求1所述的一种手表外壳质量视觉检测方法，其特征在于，根据强边缘像素点与所述中心点的相对位置分布情况，获得不同角度对应的第二强边缘像素点集合，包括：

分别获取由所述中心点指向各强边缘像素点的方向，作为各强边缘像素点的特征方向；将各强边缘像素点的特征方向与预设方向之间的夹角确定为各强边缘像素点对应的角度；

对于任一角度：将该角度对应的所有强边缘像素点构成的集合，作为该角度对应的第二强边缘像素点集合。

4.根据权利要求1所述的一种手表外壳质量视觉检测方法，其特征在于，所述基于所述ROI区域内像素点的梯度分布情况，确定强边缘像素点和弱边缘像素点，包括：

利用预设大小的滑窗在所述ROI区域内进行遍历获得各窗口区域；

分别获取各窗口区域内所有像素点的最大梯度值记为各窗口区域的第一特征值，将所有窗口区域的第一特征值的均值确定为强边缘阈值；

分别获取各窗口区域内所有像素点的平均梯度值记为各窗口区域的第二特征值，将所有窗口区域的第二特征值的均值确定为弱边缘阈值；

基于所述强边缘阈值和所述弱边缘阈值，筛选强边缘像素点和弱边缘像素点。

5.根据权利要求4所述的一种手表外壳质量视觉检测方法，其特征在于，基于所述强边缘阈值和所述弱边缘阈值，筛选强边缘像素点和弱边缘像素点，包括：

将所述ROI区域内梯度值大于所述强边缘阈值的像素点确定为强边缘像素点；

将所述ROI区域内梯度值大于所述弱边缘阈值，且小于等于所述强边缘阈值的像素点确定为弱边缘像素点。

6.根据权利要求1所述的一种手表外壳质量视觉检测方法，其特征在于，所述基于所述削弱系数确定各强边缘像素点的目标梯度值，包括：

将各强边缘像素点的削弱系数与对应的梯度值的乘积，确定为各强边缘像素点的目标梯度值。

7.根据权利要求1所述的一种手表外壳质量视觉检测方法，其特征在于，所述对所述弱边缘像素点进行增强处理获得各弱边缘像素点的目标梯度值，包括：

采用直方图均衡化算法对所有的所述弱边缘像素点进行增强处理，将增强处理后的弱边缘像素点的梯度值作为其目标梯度值。

8.根据权利要求1所述的一种手表外壳质量视觉检测方法，其特征在于，所述基于所有强边缘像素点的目标梯度值和所有弱边缘像素点的目标梯度值获得修正后的图像，包括：

利用各边缘像素点的目标梯度值替换对应的原始梯度值，将替换完成后的图像作为修正后的图像。