[发明专利]一种医用无纺布的缺陷识别方法

说明书

本发明涉及一种医用无纺布的缺陷识别方法，属于图像处理技术领域，该方法步骤包括：采集医用无纺布的灰度图像，并获取灰度图像中透气孔洞区域和其他区域；获取其他区域中由异常像素点组成的异常线段；将与透气孔洞区域边界不相交的异常线段作为最终异常线；将与透气孔洞区域边界相交的异常线段按照异常线延伸方向进行合并得到多条最终异常线；利用每条最终异常线的方向多样性、灰度异常性、灰度渐变性计算出每条最终异常线为划痕的可信程度；根据每条最终异常线为划痕的可信程度，判断每条最终异常线是否为划痕缺陷；本发明用于准确识别出医用无纺布表面划痕缺陷。

技术领域

本发明属于图像处理技术领域，具体涉及一种医用无纺布的缺陷识别方法。

背景技术

医用无纺布是一种直接通过物理方法粘合在一起的织物，具有抗敏、抗菌、无毒的优点，可用于生产口罩、手术帽和手术衣等一次性用品。医用无纺布与传统纺织物相比，常用医用无纺布表面会存在多个椭圆形透气孔洞区域，在高效率防尘的同时还具有良好的透气性，随着口罩日用品的需求量持续增大，对日用品的品质要求不断提高，医用无纺布表面如果存在划痕缺陷会严重影响外观和防护性。

医用无纺布表面可能存在折痕和划痕，但是折痕对医用无纺布的质量并没有影响，然而划痕会影响医用无纺布的质量与性能，因此需要准备识别出医用无纺布表面的划痕缺陷；但是现有技术中在使用传统的阈值分割方法检测医用无纺布表面的划痕缺陷时，会由于医用无纺布表面的划痕与折痕灰度差距较小，从而造成将医用无纺布表面的折痕误识别为划痕缺陷。

发明内容

本发明提供一种医用无纺布的缺陷识别方法，用于解决现有技术中使用传统的阈值分割方法，不能准确的识别出医用无纺布表面划痕缺陷的问题。

本发明的一种医用无纺布的缺陷识别方法采用如下技术方案：

采集医用无纺布的灰度图像，并获取灰度图像中透气孔洞区域和其他区域；

获取其他区域中异常像素点；选取任意一个异常像素点作为种子点，从种子点开始生长延伸得到多条由异常像素点组成的异常线段；

将与透气孔洞区域边界不相交的异常线段作为最终异常线；将与透气孔洞区域边界相交的异常线段按照异常线延伸方向进行合并得到多条最终异常线；

根据每条最终异常线上由多对像素点连线的斜率，计算出每条最终异常线的方向多样性；

利用每条最终异常线上包含的全部像素点的灰度值，计算出每条最终异常线的灰度异常性；

根据每条最终异常线上相邻像素点的灰度值差值，确定每条最终异常线的灰度渐变性；

利用每条最终异常线的方向多样性、灰度异常性和灰度渐变性计算出每条最终异常线为划痕的可信程度；

根据每条最终异常线为划痕的可信程度，判断每条最终异常线是否为划痕缺陷。

进一步地，每条最终异常线的方向多样性的计算步骤包括：

从每条最终异常线的第一个像素点开始遍历，直至最终异常线遍历结束后停止遍历，计算出每次遍历的像素点与预设距离后像素点连线的斜率绝对值；

将每条最终异常线对应的全部斜率绝对值方差，作为每条最终异常线的方向多样性。

进一步地，每条最终异常线的灰度异常性的计算步骤包括：

利用每条最终异常线上所有像素点的灰度值，计算出每条最终异常线对应的灰度平均值和灰度方差；

将每条最终异常线对应的灰度平均值和灰度方差乘积进行归一化处理，得到每条最终异常线的灰度异常性。

进一步地，确定每条最终异常线的灰度渐变性的步骤包括：

获取每条最终异常线的遍历方向；其中，遍历方向为存在相邻像素点灰度值减小的方向；

按照每条最终异常线的遍历方向从第一个像素点开始遍历，计算后一个像素点与前一个像素点的灰度差值，并统计灰度差值小于零的个数；