[发明专利]基于图像处理的机械配件表面缺陷检测方法

说明书

本发明涉及图像处理领域，具体涉及一种基于图像处理的机械配件表面缺陷检测方法，包括：获取待检测的机械配件表面图及其灰度图；对灰度图进行canny边缘检测，得到灰度图中的多个缺陷离散边缘和孤立点；根据各像素点的梯度幅值和梯度方向确定各离散边缘的端点搜索域及域内权重；获取各离散边缘搜索域内孤立点的总相似度；根据孤立点的总相似度及其对应的权重，得到各孤立点对应的连接系数；根据连接系数对各离散边缘进行端点更新；对每次更新端点后的各离散边缘进行停止条件判定，得到最终的连接结果，进而得到缺陷区域。上述方法用于对机械配件的表面进行缺陷检测，通过上述方法可得到更完整的缺陷边缘，提高缺陷检测效果。

技术领域

本发明涉及图像处理领域，具体涉及一种基于图像处理的机械配件表面缺陷检测方法。

背景技术

机械配件的质量对机械产品的使用寿命有很大的影响。然而，在生产过程中由于操作不当往往会使机械配件表面出现划痕、裂纹等缺陷，所以对机械配件进行缺陷检测必不可少。

现在广泛使用的对机械配件表面进行缺陷检测的手段为canny边缘检测技术：主要是利用canny边缘检测算法获取缺陷边缘信息，实现对缺陷的检测。

然而，现有的canny边缘检测技术存在一些问题，其检测出的边缘通常为离散的边缘片段，在对缺陷进行检测时，断续的离散边缘难以实现对不同类型缺陷的识别，大大影响了缺陷检测效果，因此需要对离散边缘进行连接。而现有的边缘连接算法仅仅是根据端点8邻域内是否出现其他边缘轮廓来进行连接，对于一些离得很近但却不是严格连接的情况无法自适应。因此，亟需一种方法实现对断续的离散边缘进行自适应连接，获得更完整的缺陷边缘，提高缺陷检测效果。

发明内容

本发明提供了一种基于图像处理的机械配件表面缺陷检测方法，包括：获取待检测的机械配件表面图及其灰度图；对灰度图进行canny边缘检测，得到灰度图中的多个缺陷离散边缘和孤立点；根据各像素点的梯度幅值和梯度方向确定各离散边缘的端点搜索域及域内权重；获取各离散边缘搜索域内孤立点的总相似度；根据孤立点的总相似度及其对应的权重，得到各孤立点对应的连接系数；根据连接系数对各离散边缘进行端点更新；对每次更新端点后的各离散边缘进行停止条件判定，得到最终的连接结果，相比于现有技术，本发明结合计算机视觉与图像处理，利用机械配件缺陷离散边缘上各像素点的梯度幅值和梯度方向得到端点搜索域及域内权重，进而得到搜索域内孤立点的连接系数，根据孤立点的连接系数对离散边缘端点进行更新，可实现自适应端点连接。

进一步的，本发明在每次更新离散边缘端点时进行停止条件判定，根据判定结果确定是否停止连接，根据最终连接结果对各完整边缘进行标记，可有效提高缺陷检测效果。

为达到上述目的，本发明采用以下技术方案，一种基于图像处理的机械配件表面缺陷检测方法，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。