[发明专利]基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法

说明书

本发明公开了一种基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法。采集复杂结构铸件的X射线图像，采用反锐化掩模算法对图像进行锐化，接着进行灰度级形态学顶帽运算；采用Canny边缘检测，标记连通域，再通过连通域像素面积初步筛选获得缺陷可能区域；提取感兴趣区域，求取八个方向上过感兴趣区域中心的纵横线灰度信息，筛选出两条相互垂直的纵横线；分析两条纵横线灰度图像轮廓变化特征并消除背景影响，根据轮廓变化特征判定是否为真实缺陷。本发明的突出了人眼难以分辨的模糊缺陷区域，改善了缺陷边缘检测效果，减小铸件角落区域结构的影响，有效提高最终缺陷检测率。

技术领域

本发明涉及数字图像缺陷检测领域，具体涉及一种基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法。

背景技术

X射线检测是实现工业铸件无损检测的一种方式，通过X射线获得工业铸件的内部结构图像，再由人工检测确定不合格铸件。这种人工筛选的方式能够适应复杂结构的缺陷检测，但效率低并且对一些模糊的缺陷容易误判。实现工业零件缺陷的自动化检测，对于提高工业零件的生产效率、降低制造成本有着重要意义。

图像处理的方法用于检测铸件缺陷可以大大提高生产效率、降低生产成本，同时满足自动化生产的要求。目前利用图像处理检测铸件内部缺陷的方法可以分为两类：一类为借助无缺陷的模板图像与有缺陷的实际图像差异检测缺陷的方法，这类方法在能够获得优秀模板图像的前提下有精确的检测结果，但要获得优秀模板十分困难；另一类为无模板图像的检测方法，这类方法大多采用目标分割，特征提取与匹配的模式，如通过阈值分割及形状、位置、宽度、对比度等特征进行缺陷识别，但往往对于铸件结构复杂以及亮度不均匀的铸件图像检测效果较差；缺陷追踪匹配法，缺陷可能区域需要在系列每张图中一一匹配，能有效解决亮度不均匀等随机干扰的影响，但计算复杂，且不能很好地解决铸件结构复杂的影响。

发明内容

本发明的目的是克服现有技术的不足，提出一种基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法，通过灰度级形态学顶帽和Canny边缘检测，提取缺陷可能区域；分析两条相互垂直的纵横线灰度曲线轮廓性质，提取特征。该方法受图像亮度不均匀和铸件复杂结构影响小，可靠性高，可对特征不明显的潜在缺陷进行精确检测。

为实现上述目的，以下为该发明的技术方案：

本发明包括以下步骤：

1)采集复杂结构铸件的X射线图像，采用反锐化掩模算法对图像进行锐化，接着进行灰度级形态学顶帽运算突出局部高亮度区域，实现图像预处理；

2)采用Canny边缘检测，标记连通域，再通过连通域像素面积初步筛选获得缺陷可能区域；

3)提取感兴趣区域，求取八个方向上过感兴趣区域中心的纵横线灰度信息，筛选出两条相互垂直的纵横线；

4)分析两条纵横线灰度图像轮廓变化特征并消除背景影响，根据轮廓变化特征判定是否为真实缺陷，具体是将轮廓变化相似且幅度在一定范围内的区域判定为真实缺陷。

所述的复杂结构铸件是指汽车轮毂。

所述的步骤1)具体为：

1.1)提取图像高频成分，利用高斯算子对原图像高斯滤波，用原图像减去高斯滤波的结果得到图像高频成分，再在原图像上加上图像高频成分的倍数，实现图像锐化，得到锐化图像；

1.2)对锐化图像进行形态学顶帽处理：根据预设的潜在缺陷大小，设置与潜在缺陷大小相同的圆形结构体，用圆形结构体对锐化灰度图像进行开运算(先进行腐蚀，再膨胀)，再用锐化图像减去开运算之后的图像，获得顶帽运算结果图像。

所述的潜在缺陷的大小应大于最大缺陷，小于X射线图像的长宽尺寸。

所述的步骤2)具体为：