[发明专利]一种微小缺陷边缘计算方法

说明书

本发明提供一种微小缺陷边缘计算方法，包括图像增强方法、图像滤波方法、图像边缘分割方法、图像边缘缺陷计算方法；图像增强方法将原始的RGB图像使用灰度变换增强技术转换为黑白图像，图像滤波方法针对图像中容易混杂的噪声类型，提出一种混合滤波技术将黑白图像中的噪声滤除，图像边缘分割方法基于阈值分割的思想将黑白图像中的有用信息提取出来，图像边缘缺陷计算方法通过提取图像特征，对比完整图像和缺陷图像的像素误差，运用边缘追踪方法得到微小缺陷的边缘信息。本发明提出的微小缺陷边缘计算方法在对微小缺陷的识别方面具有效率高和识别准确度高的优点。

技术领域

本发明涉及微小缺陷检测领域，尤其涉及一种微小缺陷边缘计算方法。

背景技术

随着工业水平的发展，对各类产品的设计精度和制造误差提出了越来越高的要求，产品的外观质量检测成为了质量检测的重要组成部分，大多缺陷如划痕、凹坑、残缺、裂痕，会使产品质量大幅下降影响实际使用，所以必须精准检测出各类缺陷以此来保证出产高质量、高性能的产品。

如今，在制造业中，供需关系严重失衡，但检测设备的发展却无法满足社会需求。而人工检测根本无法完成产品数量如此庞大且高速生产的检测任务，因此，必须加速发展高质量的检测系统。随着机器视觉技术的进步，其在人工智能、交通侦查、医学监测和工业自动化等领域中都得到了广泛运用，为我们的生产生活都带来了巨大便利，由此可见机器代替人工，利用自动化检测技术实现统计质量控制是势在必行的。接触式检测受限于生产线的速度，并不能实现在线高速检测，所以将机器视觉技术与图像处理共同应用在生产线产品的实时监测，是当今社会保证产品质量最行之有效的办法。

当产品中存在缺陷时，缺陷位置的灰度值与周围图像的灰度值存在较大的差别，基于这个特点，本发明提出了一种微小缺陷边缘的计算方法，可以实现高精度的微小缺陷边缘计算和检测。

发明内容

本发明的目的是为了解决在检测产品微小缺陷时人力成本较高，且检测效率和检测质量较低的问题，提出使用机器识别和图像处理技术完成产品微小缺陷的自动识别和检测，并针对缺陷边缘的计算和特征提取提出了一种行之有效的方法。

为实现以上目的，本发明通过以下技术方案予以实现：

本发明提供一种微小缺陷边缘计算方法，其特征在于，包括图像增强方法、图像滤波方法、图像边缘分割方法、图像边缘缺陷计算方法；

所述图像增强方法为微小缺陷边缘计算方法的第一个步骤，将原始的RGB图像使用灰度变换增强技术转换为黑白图像，用于第二个步骤处理；

所述图像滤波方法为微小缺陷边缘计算方法的第二个步骤，针对图像中容易混杂的噪声类型，提出一种混合滤波技术将黑白图像中的噪声滤除，用于第三个步骤处理；

所述图像边缘分割方法为微小缺陷边缘计算方法的第三个步骤，提出一种基于阈值分割的方法将黑白图像中的有用信息提取出来，其中包括缺陷信息，用于第四个步骤处理；

所述图像边缘缺陷计算方法为微小缺陷边缘计算方法的第四个步骤，通过提取图像特征，对比完整图像和缺陷图像的像素误差，运用边缘追踪方法得到微小缺陷的边缘信息。

优选地，所述图像增强方法包括以下步骤：

S1：获取原始的RGB图像，并统计图像的灰度值分布范围，得到图像中的有用信息和背景信息分别对应的灰度值区间，明确图像中需要增强的区域和需要抑制的区域；

S2：使用分段线性灰度变换增强方法对不同区域的灰度值进行变换，其方法如下：