[发明专利]基于图像处理的机械配件表面缺陷检测方法

权利要求书

1.一种基于图像处理的机械配件表面缺陷检测方法，其特征在于，包括：

获取待检测的机械配件表面图；

对机械配件表面图进行灰度化处理，得到机械配件表面灰度图；

对机械配件表面灰度图进行canny边缘检测，得到表面灰度图中的多个缺陷离散边缘和多个孤立点；

对缺陷离散边缘上的像素点进行粗粒化，得到各缺陷离散边缘对应的不同尺度的采样序列；

计算不同尺度的采样序列的样本熵，得到各缺陷离散边缘对应的尺度-样本熵序列；

选取尺度-样本熵序列中的样本熵最大值，将该样本熵最大值的采样序列对应的尺度确定为各缺陷离散边缘的搜索域半径；

选取尺度-样本熵序列中的样本熵最小值，将该样本熵最小值的采样序列的最后一个序号对应的梯度径向的法向确定为各缺陷离散边缘的搜索方向；

根据搜索域半径和搜索方向得到各缺陷离散边缘搜索域内各像素点的接近权重和方向权重；

利用canny边缘检测得到的孤立点与缺陷离散边缘上各点的梯度幅值和梯度方向，得到各缺陷离散边缘搜索域内的孤立点与各缺陷离散边缘的总相似度；

根据孤立点的总相似度及其对应的接近权重和方向权重，得到各缺陷离散边缘搜索域内的各孤立点对应的连接系数；

根据各缺陷离散边缘搜索域内的各孤立点对应的连接系数对各缺陷离散边缘进行端点更新；

对每次更新端点后的各缺陷离散边缘进行停止条件判定，得到最终的连接结果；

对连接结果中完整的缺陷边缘进行标记，标记的缺陷边缘连通域即为机械配件表面缺陷区域。

2.根据权利要求1所述的一种基于图像处理的机械配件表面缺陷检测方法，其特征在于，所述表面灰度图中的多个缺陷离散边缘和多个孤立点是按照如下方式得到：

对机械配件表面灰度图进行高斯降噪，得到去噪后的机械配件表面灰度图；

对去噪后的机械配件表面灰度图进行梯度计算，得到机械配件表面灰度图中各像素点的梯度幅值和梯度方向；

对各像素点的梯度幅值和梯度方向进行非极大值抑制，获得筛选后的边缘点；

对筛选后的边缘点进行双阈值分类，得到抑制类边缘点、弱边缘类边缘点和强边缘类边缘点；

对强边缘类边缘点和弱边缘类边缘点进行8邻域连接，得到多个缺陷离散边缘；

对未连接的强边缘类边缘点和弱边缘类边缘点进行标记，得到多个孤立点。

3.根据权利要求1所述的一种基于图像处理的机械配件表面缺陷检测方法，其特征在于，所述各缺陷离散边缘对应的尺度-样本熵序列是按照如下方式得到：

根据缺陷离散边缘上各像素点的梯度方向获取各像素点的梯度径向；

将缺陷离散边缘从一个端点开始到另一个端点结束，依次对经过的缺陷离散边缘上的像素点进行编号，获取该缺陷离散边缘对应的梯度径向序列；

对缺陷离散边缘对应的梯度径向序列进行不同尺度的跳跃采样，得到每个尺度对应的采样序列；

计算每个尺度对应的采样序列的样本熵；

以尺度为序号，不同尺度对应的采样序列的样本熵为序列，得到缺陷离散边缘对应的尺度-样本熵序列。

4.根据权利要求1所述的一种基于图像处理的机械配件表面缺陷检测方法，其特征在于，所述各缺陷离散边缘搜索域内各像素点的接近权重和方向权重是按照如下方式得到：

以缺陷离散边缘的端点为搜索域中心，搜索域半径为层数，依次对离搜索域中心最近的层数到最外层分别进行标记；

根据缺陷离散边缘搜索域内各像素点所在层数距离搜索域中心的距离，得到缺陷离散边缘搜索域内各像素点的接近权重；

根据缺陷离散边缘搜索域内各像素点与搜索域中心连线的角度，得到缺陷离散边缘搜索域内各像素点的方向权重。