[发明专利]一种金属工件表面缺陷图像检测方法

权利要求书

1.一种金属工件表面缺陷图像检测方法，其特征在于，包括如下步骤：

步骤1：通过专业成像设备采集需要检测的金属工件表面图像；

步骤2：对采集到的金属工件图像进行前期预处理操作；

步骤3：对预处理后的工件图像进行特征提取与分析，采用亚像素边缘检测算法对金属工件进行边缘检测；

步骤4：采用灰度共生矩阵算法，将模板图像与测量图像进行模板匹配，检测金属工件表面缺陷。

2.根据权利要1所述的金属工件表面缺陷图像检测方法，其特征在于，所述的步骤2中的对采集到的金属工件图像进行前期预处理操作包含以下步骤：

步骤2.1：光照不均图像灰度校正：首先将图像从RGB通道变换到HSV色彩空间，利用式(1)，通过基于多尺度高斯函数方法估计图像中的光照分量L(x，y，k)：

式中表示卷积运算；(x，y)表示图像中像素坐标；I(x，y)表示原图像；G(x，y，k)为可变化尺度的高斯函数；k代表尺度因子；

利用不同尺度的高斯函数分别提取出光照分量再进行加权估计，最终得到光照分量如式(2)所示：

式中ω_i代表第i个尺度高斯函数提取出的光照分量的权重参数；

提取出图像的光照分量后，根据其分布特性对二维伽马函数的参数进行自适应调整，如式(3)所示：

式中M(x，y)为校正后图像的亮度值；γ为用于亮度增强的参数；m为一个图像中光照分量的均值；

图像亮度值进行修正后，重新和色调、饱和度合成彩色图像，并进行RGB变换，得到金属工件光照不均校正后的图像；为更好的反映图像的像素分布特征，同时减少图像识别计算量，采取加权平均法进行图像灰度化处理，如式(4)所示：

I(x,y)＝0.3·I_R(x,y)+0.59·I_G(x,y)+0.11·I_B(x,y) (4)

式中I_R(x，y)，I_G(x，y)，I_B(x，y)代表彩色图像中像素三通道的值，选择的加权参数是被广泛使用的标准化参数；

步骤2.2：图像滤波：采用双边滤波算法对图像进行综合去噪处理，将原图中的每个像素通过周围像素值的加权平均计算来替换原值，如式(5)所示：

式中权重系数w(i,j,h,l)是定义域核和值域核的乘积；

步骤2.3：阈值分割：采用粒子群算法对图像进行阈值分割，基本算法如式(6)所示：

V_id(t+1)＝g·V_id(t)+c₁·rand()·[p_id(t)-x_id(t)]+c₂·rand()·[p_gd(t)-x_id(t)] (6)

式中：V_id为第id个粒子的速度，c₁、c₂为学习参数；rand()为[0，1]之间的随机数；g为惯性因子；p_id(t)为第t个粒子搜索到的最有值；x_id(t)为第t个粒子的当前位置；p_gd(t)代表整个集群搜索到的最优值。

3.根据权利要1所述的金属工件表面缺陷图像检测方法，其特征在于，所述的步骤3中亚像素边缘检测算法具体为：采用高斯-拉普拉斯算子，首先使用高斯滤波函数h与输入图像进行卷积运算，得到去噪后的图像G，然后对图像G进行拉普拉斯变换，最后选取经过拉普拉斯变换后得到的图像中的过零点作为最终的边缘点；其中高斯滤波函数的表达式为：

式中σ为平滑刻度。

4.根据权利要1所述的金属工件表面缺陷图像检测方法，其特征在于，所述的步骤4中金属工件表面缺陷检测方法具体为：

先将金属工件的边缘检测后的图像分成尺寸相等的小像素块；然后选取一个合格的分块作为模板块，将其它诸多像素子块与选取的模板块进行作差，并对作差运算结果图像进行灰度矩特征计算；接下来对选取的四种特征灰度矩阵特征值求取极差，其中四种特征灰度矩阵特征值具体为熵ENT、相关度COR、对比度CON、二阶矩ASM；并设置合理的阈值，若差值大于其设定的阈值，则判断该图像为疑似表面缺陷图像；综合四种灰度共生矩阵特征的判断结果，若其中任一特征被判断为疑似缺陷图像，则认定该图像为缺陷图像，并作出标记，以防漏检；当输入的金属工件图像差值小于所设定的阈值，则可判断此时的金属工件为合格品，可结束该工件的检测流程，判断下一张工件图像。