CN118096753A - 基于图像处理的梯护笼成型组装缺陷识别方法 - Google Patents
基于图像处理的梯护笼成型组装缺陷识别方法 Download PDFInfo
- Publication number
- CN118096753A CN118096753A CN202410508593.6A CN202410508593A CN118096753A CN 118096753 A CN118096753 A CN 118096753A CN 202410508593 A CN202410508593 A CN 202410508593A CN 118096753 A CN118096753 A CN 118096753A
- Authority
- CN
- China
- Prior art keywords
- ladder
- scale
- cage
- welding
- brightness
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000007547 defect Effects 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000000465 moulding Methods 0.000 title claims description 14
- 238000003466 welding Methods 0.000 claims abstract description 185
- 230000014759 maintenance of location Effects 0.000 claims abstract description 138
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008034 disappearance Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及梯护笼焊接图像处理技术领域,具体涉及一种基于图像处理的梯护笼成型组装缺陷识别方法。本发明获取HSV颜色空间的梯护笼焊接图像;根据每个尺度图像中像素点的亮度分布获得每个尺度的亮度信息保留程度,结合每个尺度图像中像素点饱和度分布,获得每个尺度的信息留存系数;根据每个尺度图像中色相分布、亮度信息保留程度与信息留存系数获得每个尺度的信息保留程度,将所有尺度分为精细尺度与粗尺度;对精细尺度与粗尺度下梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图,并对梯护笼进行缺陷识别。本发明避免咬边区域与部分正常区域的颜色相似,突出表现了咬边区域,提高了咬边区域识别的准确性。
Description
技术领域
本发明涉及梯护笼焊接图像处理技术领域,具体涉及一种基于图像处理的梯护笼成型组装缺陷识别方法。
背景技术
梯护笼是指一种用于工业、建筑或其他场所的安全设施,通常用于围绕楼梯或台阶的边缘,以防止人员意外摔落或掉落。梯护笼可以由金属、塑料或其他材料制成,具有结实的结构和边缘保护功能,实际焊接过程中会出现咬边等焊接缺陷,从而导致梯护笼结构安全隐患;咬边指沿焊趾的母材部位产生沟槽或凹陷,会减少母材的有效截面积、在咬边处还可能引起应力集中的情况,特别是低合金高强钢的焊接,咬边的边缘组织被淬硬,易引起裂纹。
在现有技术中,常常通过显著性检测对梯护笼焊接图像中的咬边区域进行缺陷识别。然而实际情况中,咬边区域颜色较深,而梯护笼在焊接过程中可能会出现材质受热不均的情况,导致部分正常区域产生同样颜色较深的区域,在显著性检测时会出现将正常区域误判为咬边区域的情况,导致梯护笼缺陷识别的准确性降低。
发明内容
为了解决实际情况中,咬边区域颜色较深,而梯护笼在焊接过程中可能会出现材质受热不均的情况,导致部分正常区域产生同样颜色较深的区域,在显著性检测时会出现将正常区域误判为咬边区域的情况,导致梯护笼缺陷识别的准确性降低的技术问题,本发明的目的在于提供一种基于图像处理的梯护笼成型组装缺陷识别方法,所采用的技术方案具体如下:
一种基于图像处理的梯护笼成型组装缺陷识别方法,所述方法包括:
获取HSV颜色空间中不同预设尺度的梯护笼焊接图像;
根据每个尺度的所述梯护笼焊接图像中所有像素点的亮度分布特征,获得每个尺度的梯护笼焊接图像的亮度信息保留程度;根据每个尺度的所述梯护笼焊接图像的所述亮度信息保留程度、所有像素点的亮度值以及像素点的饱和度分布特征,获得每个尺度的梯护笼焊接图像的信息留存系数;
根据每个尺度的梯护笼焊接图像的色相分布、所述亮度信息保留程度与所述信息留存系数,获得每个尺度的信息保留程度;根据所述信息保留程度将所有尺度分为精细尺度与粗尺度;对所述精细尺度与所述粗尺度下的梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图;
根据所述梯护笼焊接显著图对梯护笼进行缺陷识别。
进一步地,所述亮度信息保留程度的获取方法包括:
任选一个尺度作为目标尺度,获取目标尺度的梯护笼焊接图像内的所有亮度级;
根据目标尺度的梯护笼焊接图像中每个亮度级内任意两个像素点之间的距离与邻域亮度差异,获得目标尺度的梯护笼焊接图像中每个亮度级的亮度信息消失度;
在目标尺度的梯护笼焊接图像内,将每个亮度级的数值与所述亮度信息消失度的乘积累加求和,进行负相关映射并归一化处理,获得目标尺度的梯护笼焊接图像的亮度信息保留程度;
改变目标尺度,获得每个尺度的梯护笼焊接图像的亮度信息保留程度。
进一步地,所述亮度信息消失度的获取方法包括:
在每个亮度级内,将任意两个像素点之间的距离归一化作为任意两个像素点的距离系数;
在每个亮度级内,将每个像素点的亮度值与预设邻域内所有像素点的亮度值之间的差异累加求和,作为每个像素点的邻域亮度特征;
将每个亮度级内任意两个像素点的邻域亮度特征之间的差异作为任意两个像素点的亮度系数;
将每个亮度级内任意两个像素点的距离系数与亮度系数的乘积求平均,获得每个亮度级的亮度信息消失度。
进一步地,所述信息留存系数的获取方法包括:
根据信息留存系数计算公式获取所述信息留存系数,所述信息留存系数计算公式如下所示:
;式中,/>表示第/>个尺度的梯护笼焊接图像的信息留存系数;/>表示第/>个尺度的梯护笼焊接图像的亮度信息保留程度;/>表示第/>个尺度的梯护笼焊接图像中像素点的数量;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的饱和度;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的亮度;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的预设邻域内其他像素点的数量;/>表示第/>个像素点预设邻域内第/>个其他像素点的饱和度值;/>表示一个不为0的常数。
进一步地,所述信息保留程度的获取方法包括:
将所有尺度的梯护笼焊接图像按照图像面积从大到小进行排序,将图像面积最大的尺度作为起始尺度;
在起始尺度以外任选一个尺度作为目标尺度;获取目标尺度的梯护笼焊接图像中的所有色域;
根据目标尺度的梯护笼焊接图像中的色域分布,获得目标尺度的色域信息熵;
将目标尺度的梯护笼焊接图像的亮度信息保留程度与信息留存系数之间的乘积作为目标尺度的信息保留分量;
以目标尺度作为截止尺度,将起始尺度到截止尺度之间所有尺度的所述信息保留分量进行累加求和,获得目标尺度的信息留存补偿量;
将目标尺度的信息留存补偿量与色域信息熵之间的差值作为目标尺度的信息保留程度。
进一步地,所述色域信息熵的获取方法包括:
;式中,/>表示目标尺度的色域信息熵;/>表示目标尺度的梯护笼焊接图像中色域的种类数量;/>表示目标尺度的梯护笼焊接图像中第/>种色域出现的频率;/>表示以自然常数为底数的对数函数。
进一步地,根据所述信息保留程度将所有尺度分为精细尺度与粗尺度,包括:
以每个尺度序号作为横坐标,以每个尺度的信息保留程度作为纵坐标建立笛卡尔坐标系,将笛卡尔坐标系中所有点进行拟合,获取信息保留程度曲线;
通过手肘法获取所述信息保留程度曲线中的拐点,将拐点与拐点之前的所有对应尺度作为精细尺度,将拐点之后的所有尺度作为粗尺度。
进一步地,所述梯护笼焊接显著图的获取方法包括:
根据每个尺度的梯护笼焊接图像的纹理特征获取预设方向的梯护笼方向图像;
利用显著性检测,对精细尺度与粗尺度下的所述梯护笼方向图像、饱和度通道下的所有尺度的梯护笼焊接图像,以及亮度通道下的所有尺度的梯护笼焊接图像进行图像处理,获得梯护笼焊接显著图。
进一步地,所述梯护笼方向图像的获取方法包括:
利用Gabor滤波器对所有尺度的梯护笼焊接图像的预设方向上的纹理特征进行滤波,获取所有尺度的梯护笼焊接图像的预设方向的梯护笼方向图像。
进一步地,所述缺陷为咬边缺陷,根据所述梯护笼焊接显著图对梯护笼进行缺陷识别,包括:
预设饱和度阈值,将所述梯护笼焊接显著图中小于饱和度阈值的像素点作为低饱和度像素点,将大于饱和度阈值的像素点作为高饱和度像素点;
将所有低饱和度像素点组成低饱和度区域;将所有高饱和度像素点组成高饱和度区域;
将所述高饱和度区域作为咬边区域,将所述低饱和度区域作为正常区域。
本发明具有如下有益效果:
本发明获取HSV颜色空间中不同预设尺度的梯护笼焊接图像,避免了咬边区域与部分正常区域的颜色相似的问题;由于咬边区域像素点的亮度值与饱和度与正常区域的像素点相比存在较大差异,所以需要对每个尺度的梯护笼焊接图像的亮度与饱和度进行分析;咬边区域与正常区域的亮度存在较大差异,并且咬边区域内像素点的亮度值相近且分布连续,所以能够根据像素点的亮度值与像素点分布特征,获得每个尺度的梯护笼焊接图像的亮度信息保留程度;由于咬边区域内像素点的饱和度较高,亮度较低,所以根据亮度信息保留程度、所有像素点的亮度值以及像素点的饱和度分布特征,获得每个尺度的梯护笼焊接图像的信息留存系数;由于HSV颜色空间中三个通道的信息留存能力都对咬边区域的显著性表现产生较大效果,所以根据每个尺度的梯护笼焊接图像的色相分布、亮度信息保留程度与信息留存系数,获得每个尺度的信息保留程度;根据信息保留程度将所有尺度分为精细尺度与粗尺度;对精细尺度与粗尺度下的梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图。根据梯护笼焊接显著图对梯护笼进行缺陷识别。本发明能够避免咬边区域与部分正常区域的颜色相似性,突出表现了咬边区域,提高了咬边区域识别的准确性。
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基于图像处理的梯护笼成型组装缺陷识别方法流程图。
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基于图像处理的梯护笼成型组装缺陷识别方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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基于图像处理的梯护笼成型组装缺陷识别方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像处理的梯护笼成型组装缺陷识别方法流程图,该方法包括:
步骤S1:获取HSV颜色空间中不同预设尺度的梯护笼焊接图像。
本发明实施例适用于梯护笼缺陷识别场景,梯护笼在组装焊接过程中可能会出现焊接不良的情况,导致焊接处会出现咬边区域,咬边区域与部分正常区域的颜色相似,但该区域进光量与周围正常区域相比更少,所以咬边区域像素点的亮度值与饱和度与正常区域的像素点相比存在较大差异;并且为了对咬边区域的特征进行更加全面地表示,同时减少图像噪声,所以本发明采用多尺度的显著性检测算法,因此本发明获取HSV颜色空间中不同预设尺度的梯护笼焊接图像,以基于不同预设尺度的梯护笼焊接图像进行后续图像处理过程,实现梯护笼缺陷识别。
其中,HSV颜色空间中,H表示色相通道,取值范围为[0,360];S表示饱和度通道,取值范围为[0,1];V表示亮度通道,取值范围为[0,1]。需要说明的是,由于后续图像分析是在HSV颜色空间中进行的,为了便于后续对梯护笼焊接图像的各类通道参数进行分析,所以获取所有尺度的梯护笼焊接图像中每个像素点的色相、饱和度与亮度。
本发明实施例中,利用工业高清相机对梯护笼焊接处进行拍摄,获得梯护笼焊接处原图,对梯护笼焊接处进行下采样,获得9层高斯金字塔图像,也即9个尺度的梯护笼焊接图像。其中,第0层为梯护笼焊接处原图,第1-8层为高斯滤波采样获得的图像,且从第1层至第8层输入图像的尺寸分别为梯护笼焊接处原图的1/2、1/4、1/8、1/16、1/32、1/64、1/128、1/256,将所有层的图像统称为梯护笼焊接图像。需要说明的是,高斯金字塔图像的层数可以自行设置,在此不做限定。
本发明一个实施例中,采用Itti显著性检测算法执行后续图像处理过程。需要说明的是,在本发明其他实施例中,还可以采用GBVS算法,上述算法均为本领域技术人员所熟知的技术手段,在此不做限定及赘述。
本发明实施例可以对HSV颜色空间中不同预设尺度的梯护笼焊接图像,执行后续图像处理过程,以获取梯护笼焊接区域的显著图,进而实现对梯护笼的缺陷识别,其具体过程参见后续实施例。
步骤S2:根据每个尺度的梯护笼焊接图像中所有像素点的亮度分布特征,获得每个尺度的梯护笼焊接图像的亮度信息保留程度;根据每个尺度的梯护笼焊接图像的亮度信息保留程度、所有像素点的亮度值以及像素点的饱和度分布特征,获得每个尺度的梯护笼焊接图像的信息留存系数。
不同尺度的梯护笼焊接图像对于梯护笼焊接处相同咬边区域的信息留存程度不同,在有些尺度下,相同咬边区域可能会逐渐消失,所以需要对不同尺度的梯护笼焊接图像在相同咬边区域的信息留存程度进行分析。实际情况中,在梯护笼焊接处,咬边区域与正常区域的亮度存在较大差异,并且咬边区域内像素点的亮度值相近且分布连续,所以本发明实施例中,根据每个尺度的梯护笼焊接图像中所有像素点的亮度值与像素点分布特征,获得每个尺度的梯护笼焊接图像的亮度信息保留程度。
优选地,本发明实施例中,亮度信息保留程度的获取方法包括:
任选一个尺度作为目标尺度,获取目标尺度的梯护笼焊接图像内的所有亮度级,由于咬边区域内像素点的亮度较为接近,所以咬边区域的整体亮度可能位于同一亮度级;
在每个亮度级内,将任意两个像素点之间的距离归一化作为任意两个像素点的距离系数,距离越大,两个像素点表现相同图像信息的可能性越小;在每个亮度级内,将每个像素点的亮度值与预设邻域内所有像素点的亮度值之间的差异累加求和,作为每个像素点的邻域亮度特征,邻域亮度特征越小,说明每个像素点与邻域内其他像素点的亮度差异越小,说明该像素点所处区域表现相同图像信息的可能性越大;将每个亮度级内任意两个像素点的邻域亮度特征之间的差异作为任意两个像素点的亮度系数,亮度系数越小,说明任意两个像素点所处区域可能表现相同图像信息;将每个亮度级内任意两个像素点的距离系数与亮度系数的乘积求平均,获得每个亮度级的亮度信息消失度;其中亮度信息消失度越小,说明该亮度级表现相同咬边区域的可能性越大;
在目标尺度的梯护笼焊接图像内,将每个亮度级的数值与亮度信息消失度的乘积累加求和,进行负相关映射并归一化处理,获得目标尺度的梯护笼焊接图像的亮度信息保留程度,其中,亮度级越小,该亮度级包括咬边区域的可能性越大;改变目标尺度,获得每个尺度的梯护笼焊接图像的亮度信息保留程度。
本发明一个实施例中,亮度信息保留程度计算公式如下所示:
式中,表示第/>个尺度的梯护笼焊接图像的亮度信息保留程度;/>表示对应尺度的梯护笼焊接图像的亮度级种类;/>表示第/>种亮度级的数值;/>表示第/>种亮度级内像素点的数量;/>表示对应亮度级内第/>个像素点与第/>个像素点之间的距离,且/>不等于/>;表示第/>个尺度的梯护笼焊接图像的像素点之间的最大距离;/>表示第/>个像素点预设邻域内其他像素点的数量;/>表示第/>个像素点预设邻域内其他像素点的数量;/>表示第个像素点的亮度值;/>表示第/>个像素点预设邻域内第/>个其他像素点的亮度值;/>表示第/>个像素点的亮度值;/>表示第/>个像素点预设邻域内第/>个其他像素点的亮度值;/>表示以自然常数为底数的指数函数。
在亮度信息保留程度计算公式中,越大,说明两个像素点之间的距离越大,此时两个像素点表现相同图像信息的可能性越小;两个像素点的邻域亮度特征之间的差异越小,说明此时,两个像素点所在邻域表现相同图像信息的可能性越大;将任意两个像素点之间的距离系数与亮度系数求平均,获得当前亮度级的亮度信息消失度/>,亮度信息消失度越小,该亮度级表现相同图像信息的可能性越大;此时,/>越小,该亮度级表现咬边区域的可能性越大,与亮度信息消失度相乘,由此获得该亮度级的信息消失程度。将第/>个尺度的梯护笼焊接图像内每个亮度级的信息消失程度累加求和,并进行负相关映射归一化处理,获得第/>个尺度的梯护笼焊接图像的亮度信息保留程度,其中信息消失程度越小,第/>个尺度的亮度信息保留程度越大。
本发明实施例中,以每个像素点为中心,将周围8个像素点与中心像素点一起组成每个像素点的预设邻域。需要说明的是,在本发明其他实施例中,邻域可以自行设置,在此不做限定。且下文没有特别说明,预设邻域获取方法与上述方法相同。
由于咬边区域与周边正常区域的纹路之间存在一定的饱和度差异,具体表现为咬边区域间隙较小,所占面积较小,所以进光量较小,咬边区域的阴影越浓重,此时体现在不同尺度的梯护笼焊接图像中的情况为咬边区域内像素点的饱和度较高,亮度较低。所以本发明实施例中,根据每个尺度的梯护笼焊接图像的亮度信息保留程度、所有像素点的亮度值以及像素点的饱和度分布特征,获得每个尺度的梯护笼焊接图像的信息留存系数。
优选地,本发明一个实施例中,信息留存系数的获取方法包括:
根据信息留存系数计算公式获取信息留存系数,信息留存系数计算公式如下所示:
式中,表示第/>个尺度的梯护笼焊接图像的信息留存系数;/>表示第/>个尺度的梯护笼焊接图像的亮度信息保留程度;/>表示第/>个尺度的梯护笼焊接图像中像素点的数量;表示对应尺度的梯护笼焊接图像中第/>个像素点的饱和度;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的亮度;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的预设邻域内其他像素点的数量;/>表示第/>个像素点预设邻域内第/>个其他像素点的饱和度值;/>表示一个不为0的常数。
在信息留存系数计算公式中,如果第个尺度的梯护笼焊接图像中对于亮度信息的保存程度/>越高,会相应地降低饱和度通道的信息留存,此时第/>个尺度的梯护笼焊接图像的信息留存系数越小;在第/>个尺度中,第/>个像素点与邻域内其他像素点之间的饱和度差异/>越大,说明第/>个像素点对于不同信息的表现越明显,即第/>个像素点对于咬边区域的信息留存程度越大;若第/>个像素点的亮度值越大,此时/>越小,说明该像素点受到光照影响的可能性越大,此时该像素点对于咬边区域的表现影响越大,该像素点的饱和度对于咬边区域的表现效果越差;利用/>对第/>个像素点的饱和度进行加权,/>越大,第/>个像素点的饱和度对于咬边区域的表现效果越强;遍历第/>个尺度的梯护笼焊接图像内所有的像素点,求平均,平均值越大,说明第/>个尺度的梯护笼焊接图像的信息留存系数越大。
本发明一个实施例中,设置为0.01。
步骤S3:根据每个尺度的梯护笼焊接图像的色相分布、亮度信息保留程度与信息留存系数,获得每个尺度的信息保留程度;根据信息保留程度将所有尺度分为精细尺度与粗尺度;对精细尺度与粗尺度下的梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图。
本发明一个实施例中,采用Center-Surround方法进行后续获取后续梯护笼焊接显著图的步骤,其中,Center表示精细尺度,Surround表示粗尺度。需要说明的是,Center-Surround方法为:
对于HSV颜色空间中,不同尺度的梯护笼焊接图像内,三个通道的信息留存能力都对咬边区域的显著性表现产生较大效果。因此在后续对咬边区域进行显著性分析时,可以结合三个通道的信息留存能力,所以本发明实施例中,根据每个尺度的梯护笼焊接图像的色相分布、亮度信息保留程度与信息留存系数,获得每个尺度的信息保留程度。
优选地,本发明一个实施例中,信息保留程度的获取方法包括:
在图像下采样的过程中,图像面积最大的尺度为起始尺度,所以将所有尺度的梯护笼焊接图像按照图像面积从大到小进行排序,将图像面积最大的尺度作为起始尺度;
在起始尺度以外任选一个尺度作为目标尺度,通过色彩测量仪,获取目标尺度的梯护笼焊接图像中的所有色域;在本发明其他实施例中,可以采用直方图分析或聚类分析的方法获取目标尺度的梯护笼焊接图像中的所有色域,上述方法均为本领域技术人员所熟知的技术手段,在此不做限定及赘述。
根据目标尺度的梯护笼焊接图像中的色域分布,获得目标尺度的色域信息熵,色域信息熵越大,说明目标尺度的信息复杂度越高,越不利于不同尺度的特征筛选,所以将色域信息熵作为惩罚项;将目标尺度的梯护笼焊接图像的亮度信息保留程度与信息留存系数之间的乘积作为目标尺度的信息保留分量;以目标尺度作为截止尺度,将起始尺度到截止尺度之间所有尺度的信息保留分量进行累加求和,获得目标尺度的信息留存补偿量,信息留存补偿量越大,说明目标尺度的梯护笼焊接图像内咬边区域的信息保留程度越大;将目标尺度的信息留存补偿量与色域信息熵之间的差值作为目标尺度的信息保留程度。
本发明一个实施例中,信息保留程度计算公式如下所示:
式中,表示目标尺度以内的尺度序号,且/>不为1;/>表示目标尺度的信息保留程度;/>表示目标尺度以内第/>个尺度的亮度信息保留程度;/>表示目标尺度以内第/>个尺度的信息留存系数;/>表示目标尺度的色域信息熵。
在信息保留程度计算公式中,越大,说明目标尺度的信息留存补偿量越大,目标尺度的梯护笼焊接图像内咬边区域的信息保留程度越大;/>越大,说明目标尺度的信息复杂度越高,越不利于不同尺度的特征筛选,目标尺度的梯护笼焊接图像内咬边区域的信息保留程度越小。
优选地,本发明一个实施例中,色域信息熵的获取方法包括:
式中,表示目标尺度的色域信息熵;/>表示目标尺度的梯护笼焊接图像中色域的种类数量;/>表示目标尺度的梯护笼焊接图像中第/>种色域出现的频率;/>表示以自然常数为底数的对数函数。
由于对梯护笼焊接图像不断进行下采样的过程中,原本面积较小的咬边区域会随着采样次数的增多逐渐消失,所以需要对下采样获得的尺度进行划分。由于每个尺度的信息保留程度能够反映出咬边区域的信息留存能力,所以,本发明实施例中,根据信息保留程度将所有尺度分为精细尺度与粗尺度。
优选地,本发明一个实施例中,根据信息保留程度将所有尺度分为精细尺度与粗尺度,包括:
以每个尺度序号作为横坐标,以每个尺度的信息保留程度作为纵坐标建立笛卡尔坐标系,将笛卡尔坐标系中所有点进行拟合,获取信息保留程度曲线;通过手肘法获取信息保留程度曲线中的拐点,精细尺度与粗尺度之间的曲线变化差异较大,所以将拐点与拐点之前的所有对应尺度作为精细尺度,将拐点之后的所有尺度作为粗尺度。需要说明的是,手肘法为本领域技术人员所熟知的技术手段,在此不做赘述。
对精细尺度与粗尺度下的梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图。本发明实施例提供一种梯护笼焊接显著图获取方法,包括:
在Itti显著性检测算法中,利用Gabor滤波器对所有尺度的梯护笼焊接图像的预设方向上的纹理特征进行滤波,获取所有尺度的梯护笼焊接图像的预设方向的梯护笼方向图像;对梯护笼方向图像、饱和度通道下的所有尺度的梯护笼焊接图像,以及亮度通道下的所有尺度的梯护笼焊接图像进行图像处理,获得梯护笼焊接显著图;本发明一个实施例中,以每个尺度的梯护笼焊接图像中心为原点建立直角坐标系,与x轴正方向夹角为0°、45°、90°与135°的四个角度方向作为预设方向。需要说明的是,在本发明其他实施例中,除Gabor滤波器外,还可以通过其他滤波器获取梯护笼方向图像,且方向可以自行设置,在此不做限定及赘述。
将粗尺度的各类图像插值到精细尺度的对应种类图像中,进行矩阵相减运算,获得方向特征图、饱和度通道特征图与亮度通道特征图;具体计算过程如下所示:
式中,表示饱和度通道特征图;/>表示亮度通道特征图;/>表示/>角度方向上的方向特征图;/>表示精细尺度下的饱和度通道的梯护笼焊接图像;/>表示粗尺度下的饱和度通道的梯护笼焊接图像;/>表示精细尺度下的亮度通道的梯护笼焊接图像;/>表示粗尺度下的亮度通道的梯护笼焊接图像;/>表示精细尺度下的/>角度方向上的梯护笼方向图像;/>表示粗尺度下的/>角度方向上的梯护笼方向图像;/>表示将粗尺度各类图像插值到精细尺度对应种类图像后进行矩阵相减的运算操作。
对所有特征图进行归一化、叠加特征图操作,获得梯护笼焊接显著图。
至此,获得梯护笼焊接显著图。
步骤S4:根据梯护笼焊接显著图对梯护笼进行缺陷识别。
优选地,本发明一个实施例中,根据梯护笼焊接显著图对梯护笼进行缺陷识别,包括:
梯护笼焊接显著图增强了咬边区域与正常区域之间的对比度;预设饱和度阈值,将梯护笼焊接显著图中小于饱和度阈值的像素点作为低饱和度像素点,将大于饱和度阈值的像素点作为高饱和度像素点;将所有低饱和度像素点组成低饱和度区域;将所有高饱和度像素点组成高饱和度区域;由于咬边区域内饱和度相对于周边正常区域较高,将高饱和度区域作为咬边区域,将低饱和度区域作为正常区域。本发明一个实施例中,饱和度阈值设置为0.7。需要说明的是,第一阈值可以由实施人员自行设置,在此不做限定。
在本发明其他实施例中,还可以基于亮度信息进行具体异常识别,例如可以预设亮度阈值,将梯护笼焊接显著图中小于亮度阈值的像素点作为低亮度像素点,将大于亮度阈值的像素点作为高亮度像素点;将所有低亮度像素点组成低亮度区域,将所有高亮度像素点组成高亮度区域;由于咬边区域的亮度小于周边正常区域,所以将低亮度区域作为咬边区域,将高亮度区域作为正常区域。要说明的是,亮度阈值可以由实施人员自行设置,在此不做限定。
至此,完成了梯护笼成型组装的缺陷识别。
综上,本发明获取HSV颜色空间中所有尺度的梯护笼焊接图像,避免了咬边区域与部分正常区域的颜色相似的问题;由于咬边区域像素点的亮度值与饱和度与正常区域的像素点相比存在较大差异,所以需要对每个尺度的梯护笼焊接图像的亮度与饱和度进行分析;咬边区域与正常区域的亮度存在较大差异,并且咬边区域内像素点的亮度值相近且分布连续,所以能够根据像素点的亮度值与像素点分布特征,获得每个尺度的梯护笼焊接图像的亮度信息保留程度;由于咬边区域内像素点的饱和度较高,亮度较低,所以根据亮度信息保留程度、所有像素点的亮度值以及像素点的饱和度分布特征,获得每个尺度的梯护笼焊接图像的信息留存系数;由于HSV颜色空间中三个通道的信息留存能力都对咬边区域的显著性表现产生较大效果,所以根据每个尺度的梯护笼焊接图像的色相分布、亮度信息保留程度与信息留存系数,获得每个尺度的信息保留程度;根据信息保留程度将所有尺度分为精细尺度与粗尺度;对精细尺度与粗尺度下的梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图。根据梯护笼焊接显著图对梯护笼进行缺陷识别。本发明能够避免咬边区域与正常区域的相似性,突出表现了咬边区域,提高了咬边区域识别的准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述方法包括:
获取HSV颜色空间中不同预设尺度的梯护笼焊接图像;
根据每个尺度的所述梯护笼焊接图像中所有像素点的亮度分布特征,获得每个尺度的梯护笼焊接图像的亮度信息保留程度;根据每个尺度的所述梯护笼焊接图像的所述亮度信息保留程度、所有像素点的亮度值以及像素点的饱和度分布特征,获得每个尺度的梯护笼焊接图像的信息留存系数;
根据每个尺度的梯护笼焊接图像的色相分布、所述亮度信息保留程度与所述信息留存系数,获得每个尺度的信息保留程度;根据所述信息保留程度将所有尺度分为精细尺度与粗尺度;对所述精细尺度与所述粗尺度下的梯护笼焊接图像进行显著性检测,获得梯护笼焊接显著图;
根据所述梯护笼焊接显著图对梯护笼进行缺陷识别。
2.根据权利要求1所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述亮度信息保留程度的获取方法包括:
任选一个尺度作为目标尺度,获取目标尺度的梯护笼焊接图像内的所有亮度级;
根据目标尺度的梯护笼焊接图像中每个亮度级内任意两个像素点之间的距离与邻域亮度差异,获得目标尺度的梯护笼焊接图像中每个亮度级的亮度信息消失度;
在目标尺度的梯护笼焊接图像内,将每个亮度级的数值与所述亮度信息消失度的乘积累加求和,进行负相关映射并归一化处理,获得目标尺度的梯护笼焊接图像的亮度信息保留程度;
改变目标尺度,获得每个尺度的梯护笼焊接图像的亮度信息保留程度。
3.根据权利要求2所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述亮度信息消失度的获取方法包括:
在每个亮度级内,将任意两个像素点之间的距离归一化作为任意两个像素点的距离系数;
在每个亮度级内,将每个像素点的亮度值与预设邻域内所有像素点的亮度值之间的差异累加求和,作为每个像素点的邻域亮度特征;
将每个亮度级内任意两个像素点的邻域亮度特征之间的差异作为任意两个像素点的亮度系数;
将每个亮度级内任意两个像素点的距离系数与亮度系数的乘积求平均,获得每个亮度级的亮度信息消失度。
4.根据权利要求1所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述信息留存系数的获取方法包括:
根据信息留存系数计算公式获取所述信息留存系数,所述信息留存系数计算公式如下所示:
;式中,/>表示第/>个尺度的梯护笼焊接图像的信息留存系数;/>表示第/>个尺度的梯护笼焊接图像的亮度信息保留程度;/>表示第/>个尺度的梯护笼焊接图像中像素点的数量;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的饱和度;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的亮度;/>表示对应尺度的梯护笼焊接图像中第/>个像素点的预设邻域内其他像素点的数量;/>表示第/>个像素点预设邻域内第/>个其他像素点的饱和度值;/>表示一个不为0的常数。
5.根据权利要求1所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述信息保留程度的获取方法包括:
将所有尺度的梯护笼焊接图像按照图像面积从大到小进行排序,将图像面积最大的尺度作为起始尺度;
在起始尺度以外任选一个尺度作为目标尺度;获取目标尺度的梯护笼焊接图像中的所有色域;
根据目标尺度的梯护笼焊接图像中的色域分布,获得目标尺度的色域信息熵;
将目标尺度的梯护笼焊接图像的亮度信息保留程度与信息留存系数之间的乘积作为目标尺度的信息保留分量;
以目标尺度作为截止尺度,将起始尺度到截止尺度之间所有尺度的所述信息保留分量进行累加求和,获得目标尺度的信息留存补偿量;
将目标尺度的信息留存补偿量与色域信息熵之间的差值作为目标尺度的信息保留程度。
6.根据权利要求5所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述色域信息熵的获取方法包括:
;式中,/>表示目标尺度的色域信息熵;/>表示目标尺度的梯护笼焊接图像中色域的种类数量;/>表示目标尺度的梯护笼焊接图像中第/>种色域出现的频率;/>表示以自然常数为底数的对数函数。
7.根据权利要求1所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,根据所述信息保留程度将所有尺度分为精细尺度与粗尺度,包括:
以每个尺度序号作为横坐标,以每个尺度的信息保留程度作为纵坐标建立笛卡尔坐标系,将笛卡尔坐标系中所有点进行拟合,获取信息保留程度曲线;
通过手肘法获取所述信息保留程度曲线中的拐点,将拐点与拐点之前的所有对应尺度作为精细尺度,将拐点之后的所有尺度作为粗尺度。
8.根据权利要求1所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述梯护笼焊接显著图的获取方法包括:
根据每个尺度的梯护笼焊接图像的纹理特征获取预设方向的梯护笼方向图像;
利用显著性检测,对精细尺度与粗尺度下的所述梯护笼方向图像、饱和度通道下的所有尺度的梯护笼焊接图像,以及亮度通道下的所有尺度的梯护笼焊接图像进行图像处理,获得梯护笼焊接显著图。
9.根据权利要求8所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述梯护笼方向图像的获取方法包括:
利用Gabor滤波器对所有尺度的梯护笼焊接图像的预设方向上的纹理特征进行滤波,获取所有尺度的梯护笼焊接图像的预设方向的梯护笼方向图像。
10.根据权利要求1所述的一种基于图像处理的梯护笼成型组装缺陷识别方法,其特征在于,所述缺陷为咬边缺陷,根据所述梯护笼焊接显著图对梯护笼进行缺陷识别,包括:
预设饱和度阈值,将所述梯护笼焊接显著图中小于饱和度阈值的像素点作为低饱和度像素点,将大于饱和度阈值的像素点作为高饱和度像素点;
将所有低饱和度像素点组成低饱和度区域;将所有高饱和度像素点组成高饱和度区域;
将所述高饱和度区域作为咬边区域,将所述低饱和度区域作为正常区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508593.6A CN118096753A (zh) | 2024-04-26 | 2024-04-26 | 基于图像处理的梯护笼成型组装缺陷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508593.6A CN118096753A (zh) | 2024-04-26 | 2024-04-26 | 基于图像处理的梯护笼成型组装缺陷识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118096753A true CN118096753A (zh) | 2024-05-28 |
Family
ID=91142451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410508593.6A Pending CN118096753A (zh) | 2024-04-26 | 2024-04-26 | 基于图像处理的梯护笼成型组装缺陷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118096753A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5182775A (en) * | 1990-01-12 | 1993-01-26 | Kawasaki Jukogyo Kabushiki Kaisha | Method of processing radiographic image data for detecting a welding defect |
CN107247966A (zh) * | 2017-06-02 | 2017-10-13 | 太仓韬信信息科技有限公司 | 一种高光谱图像分类方法 |
KR102012318B1 (ko) * | 2018-04-30 | 2019-08-20 | 재단법인 경북아이티융합 산업기술원 | 영상센서를 이용한 용접 품질 전수 검사 장치 및 그 방법 |
CN112734650A (zh) * | 2019-10-14 | 2021-04-30 | 武汉科技大学 | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 |
CN113989280A (zh) * | 2021-12-28 | 2022-01-28 | 武汉市鑫景诚路桥钢模有限公司 | 基于图像处理技术的钢结构焊接裂纹缺陷检测方法 |
CN115984283A (zh) * | 2023-03-21 | 2023-04-18 | 山东中济鲁源机械有限公司 | 一种钢筋笼焊接质量智能检测方法 |
CN116740098A (zh) * | 2023-08-11 | 2023-09-12 | 中色(天津)新材料科技有限公司 | 一种铝合金氩弧焊焊接图像分割方法及*** |
-
2024
- 2024-04-26 CN CN202410508593.6A patent/CN118096753A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5182775A (en) * | 1990-01-12 | 1993-01-26 | Kawasaki Jukogyo Kabushiki Kaisha | Method of processing radiographic image data for detecting a welding defect |
CN107247966A (zh) * | 2017-06-02 | 2017-10-13 | 太仓韬信信息科技有限公司 | 一种高光谱图像分类方法 |
KR102012318B1 (ko) * | 2018-04-30 | 2019-08-20 | 재단법인 경북아이티융합 산업기술원 | 영상센서를 이용한 용접 품질 전수 검사 장치 및 그 방법 |
CN112734650A (zh) * | 2019-10-14 | 2021-04-30 | 武汉科技大学 | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 |
CN113989280A (zh) * | 2021-12-28 | 2022-01-28 | 武汉市鑫景诚路桥钢模有限公司 | 基于图像处理技术的钢结构焊接裂纹缺陷检测方法 |
CN115984283A (zh) * | 2023-03-21 | 2023-04-18 | 山东中济鲁源机械有限公司 | 一种钢筋笼焊接质量智能检测方法 |
CN116740098A (zh) * | 2023-08-11 | 2023-09-12 | 中色(天津)新材料科技有限公司 | 一种铝合金氩弧焊焊接图像分割方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
US8244003B2 (en) | Image preprocessing | |
US8774503B2 (en) | Method for color feature extraction | |
JP5647878B2 (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
Martinkauppi et al. | Behavior of skin color under varying illumination seen by different cameras at different color spaces | |
Ajmal et al. | A comparison of RGB and HSV colour spaces for visual attention models | |
US20020146167A1 (en) | Region segmentation of color image | |
CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN111415363A (zh) | 一种图像边缘识别方法 | |
CN112307901B (zh) | 一种面向滑坡检测的sar与光学影像融合方法及*** | |
TWI632894B (zh) | 動態影像之心率活動偵測系統與其方法 | |
CN111583258B (zh) | 缺陷检测方法、装置、***及存储介质 | |
US8244004B2 (en) | Image preprocessing | |
CN115205194B (zh) | 基于图像处理的粘虫板覆盖率检测方法、***及装置 | |
JP2004310475A (ja) | 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム | |
CN110599553B (zh) | 一种基于YCbCr的肤色提取及检测方法 | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
US9384561B2 (en) | Method of selecting a region of interest | |
CN117575953B (zh) | 一种高分辨率林业遥感图像细节增强方法 | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
CN118096753A (zh) | 基于图像处理的梯护笼成型组装缺陷识别方法 | |
Tran et al. | Determination of Injury Rate on Fish Surface Based on Fuzzy C-means Clustering Algorithm and L* a* b* Color Space Using ZED Stereo Camera | |
CN111080560B (zh) | 一种图像的处理与识别方法 | |
Desiani et al. | A combination of image enhancement and U-Net architecture for segmentation in identifying brain tumors on CT-SCAN Images | |
JP4869323B2 (ja) | 画像処理装置及び画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |