[发明专利]一种尺度空间自适应的螺母内螺纹检测方法

说明书

本发明涉及数据处理技术领域，具体涉及一种尺度空间自适应的螺母内螺纹检测方法。该方法包括：得到优化后的螺纹区域、非螺纹区域和背景区域；基于优化后的螺纹区域、非螺纹区域和背景区域得到每个区域的重要程度；得到不同区域对应的模糊参数；所述不同区域对应的模糊参数组成自适应尺度空间；得到高斯差分金字塔，基于高斯差分金字塔中进行极值检测，得到关键点；获得灰度图中每个关键点的特征向量；获得标准灰度图中每个关键点的特征向量；基于灰度图中和标准灰度图中每个关键点的特征向量之间的距离进行匹配获得关键点匹配对；基于关键点匹配对的数量与标准灰度图中关键点的数量的比值判断螺母是否合格。本发明能够准确的判断螺母是否合格。

技术领域

本发明涉及数据处理技术领域，具体涉及一种尺度空间自适应的螺母内螺纹检测方法。

背景技术

螺母是工业加工生产中较为常见的一类紧固产品，需求量大且对品质的要求极为严格。依靠人工进行螺母的螺纹检测，工作量大且作业条件和主观判断等因素会影响检测结果的准确性。随着计算机技术的发展，出现了基于机器视觉的螺纹检测技术，基于采集到的图像，经过预处理和轮廓匹配等操作得到螺丝的圈数，完成量化的螺母检测。但是这个技术是对螺母每圈螺纹的整体检测，局部的损坏特征无法检测到。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种尺度空间自适应的螺母内螺纹检测方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种尺度空间自适应的螺母内螺纹检测方法：获得设定角度下拍摄的只包含螺母的图像并灰度化得到灰度图；获得灰度图的灰度直方图，基于灰度直方图将灰度图划分为螺纹区域、非螺纹区域和背景区域；设定灰度阈值，将灰度图二值化得到二值图；对二值图进行腐蚀处理得到优化后的螺纹区域、非螺纹区域和背景区域；

基于优化后的螺纹区域、非螺纹区域和背景区域中的每个像素点水平方向和竖直方向上的梯度分别得到优化后的螺纹区域、非螺纹区域和背景区域的重要程度；基于灰度图中优化后的螺纹区域、非螺纹区域和背景区域的重要程度、像素点灰度值方差，以及灰度图在金字塔中位置得到不同区域对应的模糊参数；所述不同区域对应的模糊参数组成自适应尺度空间；

基于自适应尺度空间对灰度图进行下采样得到第一组图像；基于第一组图像中的第一层图像得到多组图像；利用多组图像中相邻图像进行相减得到高斯差分金字塔；基于高斯差分金字塔中进行极值检测，得到关键点；获得灰度图中每个关键点的特征向量；获得标准灰度图中每个关键点的特征向量；基于灰度图中和标准灰度图中每个关键点的特征向量之间的距离进行匹配获得关键点匹配对；基于关键点匹配对的数量与标准灰度图中关键点的数量的比值判断螺母是否合格。

优选地，获得灰度图的灰度直方图，基于灰度直方图将灰度图划分为螺纹区域、非螺纹区域和背景区域包括：根据灰度直方图将灰度图中像素点的灰度值划分为三个灰度级别，基于三个灰度级别对灰度图进行划分获得螺纹、非螺纹和背景三个区域。

优选地，对二值图进行腐蚀处理得到优化后的螺纹区域、非螺纹区域和背景区域包括：对二值图多次进行腐蚀处理，模板大小为K*K，由消失顺序倒推，对最后一个消失与倒数第二个消失，倒数第二个消失和倒数第三个消失，以此类推，计算相似性，当加入任意一个区域时，相似性突然减小，之前那些相似性大的区域就是周期部分；将得到的周期部分划分到螺纹区域，剩下的离散部分划分到非螺纹区域；得到优化后的优化后的螺纹区域、非螺纹区域和背景区域。

优选地，重要程度为：

其中，表示划分得到的第个区域的像素数目；表示第i个区域的第n个像素点水平方向的梯度，表示第i个区域的第n个像素点竖直方向的梯度。

优选地，模糊参数为：