CN106546197B - 基于水平自校准的抛光表面检测方法及其系统 - Google Patents
基于水平自校准的抛光表面检测方法及其系统 Download PDFInfo
- Publication number
- CN106546197B CN106546197B CN201610963407.3A CN201610963407A CN106546197B CN 106546197 B CN106546197 B CN 106546197B CN 201610963407 A CN201610963407 A CN 201610963407A CN 106546197 B CN106546197 B CN 106546197B
- Authority
- CN
- China
- Prior art keywords
- gray
- pixel
- image
- horizontal
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/306—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces for measuring evenness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于水平自校准的抛光表面检测方法,涉及图像处理领域,包括如下步骤:首先,采集包含目标物体表面的图像,并根据所述原始图像的灰度值,对所得原始图像进行水平校准;然后,根据所述阈值区间Φi,替换原图像像素点的灰度为最后,采集图像灰度变化信息,获取像素灰度波动值,若波动值大于设定阈值,则标记所述工件抛光为不合格。此外,本发明还公开基于水平自校准的抛光表面检测系统。本发明无需人工操作,与工业产线易于集成,节约人力成本,表面检测判定速度快且精确,易于实现工业化。
Description
技术领域
本发明涉及表面检测领域,特别是涉及基于水平自校准的抛光表面检测方法及其系统。
背景技术
材料技术是21世纪重点发展的关键技术之一,现代机器制造业及其他许多行业的发展对金属材料提出了更高的要求。金属材料科学技术的发展比较迅速。其中汽车行业表面光洁度要求非常严格,目前对于抛光工序的表面检测,多为人工操作,且工序相对独立,人力成本很高。
工件表面抛光有利于提高工件加工精度、提高工件表面美感等,是工件生产的重要步骤。然而,即便提高抛光工序的精度,工件表面仍会存在凹坑和凸起。故而,在抛光精度检测中,只需工件表面的凹凸不平的程度在工艺管控之内即可判定工件合格。
现有图像处理表面检测,主要是对工件表面特征进行识别,其检测花费时间较长;而在工业产线上,各个道工序时间紧凑,不可能在每件工件上花费较长时间;总之,现有技术在抛光表面领域并不能及时评定抛光表面是否合格。
此外,现有图像处理检测工件技术,未考虑工件倾斜对工件图像的影响。在实际生产中,当工件倾斜,由于光源、工件物距等影响,获得的显微镜图像与实际工件凹凸程度呈现误差,需要通过图像处理对工件进行调平。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供基于水平自校准的抛光表面检测方法及其系统,解决现有技术采用人工操作,工序相对独立,人力成本高的等问题。本发明对原始拍摄图像进行水平校准,提高检测准确度。此外,本发明还解决现有采用图像处理获得表面检测速度慢以及采集的原始图像的水平校准问题。
为实现上述目的,本发明提供了基于水平自校准的抛光表面检测方法,包括如下步骤:
步骤S1、采集包含目标物体表面的原始图像;
步骤S2、根据所述原始图像的灰度值,对所得原始图像进行水平校准;
步骤S3、设定I个灰度阈值区间Φi,将经步骤S2处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
步骤S4、采集经步骤S3处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经步骤S3处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经步骤S3处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;
步骤S5、获取灰度平均波动幅值F,所述所述Grayj为经步骤S3处理后图像的各像素点灰度值;所述为经步骤S3处理后图像的平均灰度值;所述j满足1≤j≤Sum;
步骤S6、获取像素灰度波动值E,若E>ETH,则发出声光报警;所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值;
所述步骤S2包括:
步骤S21、将所述原始图像划分为若干区域Ωk,获取所述原始图像的全局灰度平均值以及各个所述区域Ωk的局部灰度平均值
所述Ωk为所述原始图像划分的第k个区域像素集合,所述k为正整数;
所述所述YSum为所述原始图像的总像素点,所述YSum为正整数,所述l满足1≤l≤YSum;
S22、根据所述全局灰度平均值和各个所述区域的局部灰度平均值比值,对所述原始图像的各个灰度值GYTl进行归一化处理,获得水平校准处理后的灰度值GJZl;所述
在该技术方案中,通过图像处理对工件表面进行检测,节约人力成本,提高工件检测效率,提高工件检测速度。同时,在步骤S2中,对原始图像的灰度进行归一化处理,实现原始图像的水平校准,提高检测精度。在步骤S3中,设定灰度阈值区间,将255个灰阶降低至8个、32个或者其它个数,该技术方案减少灰度阶数,可以提高图像处理速度并且消除工件表面可以忽略的小瑕疵。
此外,在该技术方案中,提取灰度变化信息,直接进行数值运算,获得像素灰度波动,快速获得工件是否合格的信息,提高工件表面检测速度和精度。通过获得像素点相对于灰度平均值的平均波动幅值F,再通过获得像素灰度波动值,该公式的物理意义在于,像素灰度波动值E与灰度平均波动幅值F成正比,与横纵波动个数的几何平均值成正比,与像素总个数Sum成反比。总之,采用步骤S4、S5、S6的有益之处在于,快速且精确获得工件表面检测结果。
进一步而言,所述采集横向像素灰度上升个数Hup的步骤包括:
步骤S411:采集第m行中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m,n-1)的单行横向像素上升个数Hup_m;
步骤S412:对各行的所述单行横向像素上升个数Hup_m求和,获取横向像素灰度上升个数Hup;所述
所述采集横向像素灰度下降个数Hdown的步骤包括:
步骤S421:采集第m行中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m,n-1)的单行横向像素下降个数Hdown_m;
步骤S422:对各行的所述单行横向像素下降个数Hdown_m求和,获取横向像素灰度下降个数Hdown;所述
其中,所述1≤m≤M,2≤n≤N;所述M为图像总行数,所述N为图像总列数。
在该技术方案中,通过获取像素与周边像素的上升或下降关系,统计灰度上升和下降数据,有助于后续步骤的数值运算,提高检测精度。
进一步而言,所述采集纵向像素灰度上升个数Zup的步骤包括:
步骤S431:采集第n列中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m-1,n)的单列纵向像素上升个数Zup_n;
步骤S432:对各列的所述单列纵向像素上升个数Zup_n求和,获取纵向像素灰度上升个数Zup;所述
所述采集纵向像素灰度下降个数Zdown的步骤包括:
步骤S441:采集第n列中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m-1,n)的单列纵向像素下降个数Zdown_n;
步骤S442:对各列的所述单行纵向像素下降个数Zdown_n求和,获取纵向像素灰度下降个数Zdown;所述
其中,所述2≤m≤M,1≤n≤N;所述M为图像总行数,所述N为图像总列数。
在该技术方案中,通过获取像素与周边像素的上升或下降关系,统计灰度上升和下降数据,有助于后续步骤的数值运算,提高检测精度。
进一步而言,在所述步骤S1中,所述包含目标物体表面的原始图像为显微镜图像;在所述步骤S6中,根据显微镜的放大倍数β设定像素灰度波动阈值ETH;所述ETH=0.01β;所述0.01≤β≤12000。
在该技术方案中,充分考虑到显微镜放大倍数对工件表面图像的影响,设定不同的波动阈值ETH,提高表面检测的精确度。值得一提的是,显微镜放大倍数越大,图像细节显示约明显,表现为图像的灰度平均波动幅值和像素灰度波动值也越大,故而需要设定更高的波动阈值,来校正工件合格与否的检测。
有鉴于现有技术的缺陷,本发明还提供基于水平自校准的抛光表面检测系统,包括:
图像采集模块,用于采集包含目标物体表面的原始图像;
水平校准模块,用于根据所述原始图像的灰度值,对所得原始图像进行水平校准;
灰度变换模块,用于设定I个灰度阈值区间Φi,将经所述图像分区模块处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
图像灰度变化采集模块,用于采集经所述灰度变换模块处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经所述灰度变换模块处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经所述灰度变换模块处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;
图像灰度波动求解模块,用于获取灰度平均波动幅值F,所述所述Grayj为经所述灰度变换模块处理后图像的各像素点灰度值;所述为经所述灰度变换模块处理后图像的平均灰度值;所述j满足1≤j≤Sum;
工件合格品判定模块,用于获取像素灰度波动值E,若E>ETH,则发出声光报警;所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值;
所述水平校准模块,被配置为:
将所述原始图像划分为若干区域Ωk,获取所述原始图像的全局灰度平均值以及各个所述区域Ωk的局部灰度平均值所述Ωk为所述原始图像划分的第k个区域像素集合,所述k为正整数;所述所述YSum为所述原始图像的总像素点,所述YSum为正整数,所述l满足1≤l≤YSum;
根据所述全局灰度平均值和各个所述区域的局部灰度平均值比值,对所述原始图像的各个灰度值GYTl进行归一化处理,获得水平校准处理后的灰度值GJZl;所述
在该技术方案中,通过图像处理对工件表面进行检测,节约人力成本,提高工件检测效率,提高工件检测速度。同时,在步骤S2中,对原始图像的灰度进行归一化处理,实现原始图像的水平校准,提高检测精度。在步骤S3中,设定灰度阈值区间,将255个灰阶降低至8个、32个或者其它个数,该技术方案减少灰度阶数,可以提高图像处理速度并且消除工件表面可以忽略的小瑕疵。
此外,在该技术方案中,提取灰度变化信息,直接进行数值运算,获得像素灰度波动,快速获得工件是否合格的信息,提高工件表面检测速度和精度。通过获得像素点相对于灰度平均值的平均波动幅值F,再通过获得像素灰度波动值,该公式的物理意义在于,像素灰度波动值E与灰度平均波动幅值F成正比,与横纵波动个数的几何平均值成正比,与像素总个数Sum成反比。总之,采用步骤S4、S5、S6的有益之处在于,快速且精确获得工件表面检测结果。
进一步而言,所述图像灰度变化采集模块,包括:横向灰度上升个数求解单元、横向灰度下降个数求解单元、纵向灰度上升个数求解单元以及纵向灰度下降个数求解单元。
在该技术方案中,通过获取像素与周边像素的上升或下降关系,统计灰度上升和下降数据,有助于后续步骤的数值运算,提高检测精度。
进一步而言,所述横向灰度上升个数求解单元,被配置为:
采集第m行中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m,n-1)的单行横向像素上升个数Hup_m;
对各行的所述单行横向像素上升个数Hup_m求和,获取横向像素灰度上升个数Hup;所述
所述横向灰度下降个数求解单元,被配置为:
采集第m行中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m,n-1)的单行横向像素下降个数Hdown_m;
对各行的所述单行横向像素下降个数Hdown_m求和,获取横向像素灰度下降个数Hdown;所述
其中,所述1≤m≤M,2≤n≤N;所述M为图像总行数,所述N为图像总列数。
进一步而言,所述纵向灰度上升个数求解单元,被配置为:
采集第n列中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m-1,n)的单列纵向像素上升个数Zup_n;
对各列的所述单列纵向像素上升个数Zup_n求和,获取纵向像素灰度上升个数Zup;所述
所述纵向灰度下降个数求解单元,被配置为:
采集第n列中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m-1,n)的单列纵向像素下降个数Zdown_n;
对各列的所述单行纵向像素下降个数Zdown_n求和,获取纵向像素灰度下降个数Zdown;所述
其中,所述2≤m≤M,1≤n≤N;所述M为图像总行数,所述N为图像总列数。
进一步而言,所述图像采集模块采集的图像为显微镜图像;所述工件合格品判定模块,还包括灰度波动阈值设定单元;所述灰度波动阈值设定单元,被配置为:根据显微镜的放大倍数β设定像素灰度波动阈值ETH;所述ETH=0.01β;所述0.01≤β≤12000。
在该技术方案中,充分考虑到显微镜放大倍数对工件表面图像的影响,设定不同的波动阈值ETH,提高表面检测的精确度。值得一提的是,显微镜放大倍数越大,图像细节显示约明显,表现为图像的灰度平均波动幅值和像素灰度波动值也越大,故而需要设定更高的波动阈值,来校正工件合格与否的检测。
本发明的有益效果是:本发明通过图像处理对工件表面进行检测,节约人力成本,提高工件检测效率,提高工件检测速度。此外,本发明将原始图像进行水平校准,可以提高检测精度;然后再设定灰度阈值区间并对灰度进行降阶,提高检测速度和精度。最后,本发明充分考虑到显微镜放大倍数对工件表面图像的影响,设定不同的波动阈值ETH,提高表面检测的精确度。
附图说明
图1是本发明一具体实施方式的流程示意图;
图2是本发明一具体实施方式中图像区域划分的结构示意图;
图3是本发明另一具体实施方式的结构示意图;
图4是本发明一具体实施方式中灰度值未转换的图像单行灰度变化曲线;
图5是本发明一具体实施方式中灰度值转换后的图像单行灰度变化曲线。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
如图1所示,在第一实施例中,提供基于水平自校准的抛光表面检测方法,包括如下步骤:
步骤S1、采集包含目标物体表面的原始图像;
步骤S2、根据所述原始图像的灰度值,对所得原始图像进行水平校准;
步骤S3、设定I个灰度阈值区间Φi,将经步骤S2处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
步骤S4、采集经步骤S3处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经步骤S3处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经步骤S3处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;
步骤S5、获取灰度平均波动幅值F,所述所述Grayj为经步骤S3处理后图像的各像素点灰度值;所述为经步骤S3处理后图像的平均灰度值;所述j满足1≤j≤Sum;
步骤S6、获取像素灰度波动值E,若E>ETH,则发出声光报警;所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值。
下面通过实施例,针对本发明各个步骤进行详细说明。
如图1-5所示,在第一实施例中,提供基于水平自校准的抛光表面检测方法,包括如下步骤:
步骤S1、采集包含目标物体表面的原始图像;
值得一提的是,在本公开示例中,图像可以直接由CCD/CMOS摄像头采集,也可以通过显微镜放大,并采集显微镜放大后的图像。
优选地,所述包含目标物体表面的图像为显微镜图像;
需要说明的一点是:本公开实施例提供的表面检测方法,可以是显微镜下拍摄的图像,也可以是常规普通倍数下拍摄的图像,本公开实施例对此不作限定。需要说明的一点是,在本实施例中,仅以在显微镜下的拍摄图像进行工件表面检测为例进行举例说明。在其它可能的实施例中,对常规拍摄下获得的图像进行图像处理,获得工件表面的检测结果。在显微镜下的拍摄图像,可以获得更多的工件表面细节,提高表面检测精度,当然这也增加了系统成本。在实际应用中,可根据实际需求进行选择,本公开对此不作限定。
步骤S2、根据所述原始图像的灰度值,对所得原始图像进行水平校准;
在本实施例中,所述步骤S2包括:
步骤S21、将所述原始图像划分为若干区域Ωk,对原始图像进行灰度化,并获取所述原始图像的全局灰度平均值以及各个所述区域Ωk的局部灰度平均值
所述Ωk为所述原始图像划分的第k个区域像素集合,所述k为正整数;
所述所述YSum为所述原始图像的总像素点,所述YSum为正整数,所述l满足1≤l≤YSum;
S22、根据所述全局灰度平均值和各个所述区域的局部灰度平均值比值,对所述原始图像的各个灰度值GYTl进行归一化处理,获得水平校准处理后的灰度值GJZl;所述
在一实施中,按图像均分为若干区域。如图2,示例性的,以原图像3×3像素点为划分的单个区域,求解各个区域的局部灰度平均值以及整个图像的全局灰度平均值,然后在对每个像素点的灰度值进行归一化。
值得一提的是,从宏观肉眼观察抛光工件表面,工件表面光滑。而通过微观观察,工件表面呈现凹凸不平。优选的,采用显微镜获得显微镜图像,工件表面呈现较明显的坑洼现象。同时,工件多为不透明的,光源从显微镜的物镜射出,并经工件表面反光,经过显微镜系统,由目镜处的CCD图像采集接收。此时,显微镜图像上的灰度值,可以较好的衡量工件表面平坦程度,并表现为高处的像素点灰度值高,低处的像素点灰度值低。
此外,将各个区域内的像素点取平均值,一方面可以减少图像灰度值上升个数和下降个数,减少计算数据量,提高处理速度;另一方面,将较小区域内的瑕疵及其灰度波动过滤掉,忽略小瑕疵。
步骤S3、设定I个灰度阈值区间Φi,将经步骤S2处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
在本发明中,图像的灰度值实际上,包含有工件表面,相对于平均高度的高度信息,灰度阈值区间Φi的设定可以根据经验值设定;也可以通过实验测试获得。其中,阈值区间可以非线性设定,也可以采用线性等宽设定。
示例性的,如表1,在本实施例中将255阶的灰度值平均划分至若干阈值区间Φi中,并以每个阈值区间Φi的中值作为该区间的灰度值Grayi。表2为某行中若干区域的图像I(x,y)以及根据阈值区间Φi替换各像素点灰度后的图像J(x,y)的数据表;值得一提的是,由于经步骤S2处理,各个区域内像素点灰度值一样,故而表2中只按区域给出灰度值。在图4、图5中给出转换前后数据的曲线。
表1、一实施例中阈值区间Φi与灰度Grayi转换关系表
区间编号i | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
阈值区间Φ<sub>i</sub> | [0,31] | [32,63] | [64,95] | [96,127] | [128,159] | [160,191] | [192,223] | [224,255] |
Gray<sub>i</sub> | 16 | 48 | 80 | 112 | 144 | 176 | 208 | 240 |
表2、基于阈值区间Φi灰度转换实例
编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
I(x,y)图像灰度值 | 127 | 132 | 131 | 126 | 120 | 80 | 83 | 87 | 82 | 96 | 83 | 81 |
J(x,y)图像灰度值 | 112 | 112 | 112 | 112 | 112 | 80 | 80 | 80 | 80 | 80 | 80 | 80 |
编号 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 |
I(x,y)图像灰度值 | 93 | 110 | 118 | 145 | 155 | 159 | 167 | 172 | 185 | 188 | 190 | 195 |
J(x,y)图像灰度值 | 80 | 80 | 112 | 144 | 144 | 144 | 144 | 144 | 176 | 176 | 176 | 176 |
编号 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | |
I(x,y)图像灰度值 | 183 | 186 | 181 | 196 | 186 | 172 | 150 | 145 | 122 | 100 | 111 | |
J(x,y)图像灰度值 | 176 | 176 | 176 | 176 | 176 | 144 | 144 | 144 | 112 | 80 | 112 |
步骤S4、步骤S4、采集经步骤S3处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经步骤S3处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经步骤S3处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;其中,
采集横向像素灰度上升个数Hup的步骤包括:
步骤S411:采集第m行中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m,n-1)的单行横向像素上升个数Hup_m;
步骤S412:对各行的所述单行横向像素上升个数Hup_m求和,获取横向像素灰度上升个数Hup;所述
采集横向像素灰度下降个数Hdown的步骤包括:
步骤S421:采集第m行中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m,n-1)的单行横向像素下降个数Hdown_m;
步骤S422:对各行的所述单行横向像素下降个数Hdown_m求和,获取横向像素灰度下降个数Hdown;所述
其中,所述1≤m≤M,2≤n≤N;所述M为所述图像J(x,y)总行数,所述N为所述图像J(x,y)总列数。
示例性的,如图5所示,对图像J(x,y)第m行的数据变化信息进行统计,获得单行横向像素上升个数Hup_m=4,单行横向像素下降个数Hdown_m=4。
所述采集纵向像素灰度上升个数Zup的步骤包括:
步骤S431:采集第n列中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m-1,n)的单列纵向像素上升个数Zup_n;
步骤S432:对各列的所述单列纵向像素上升个数Zup_n求和,获取纵向像素灰度上升个数Zup;所述
所述采集纵向像素灰度下降个数Zdown的步骤包括:
步骤S441:采集第n列中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m-1,n)的单列纵向像素下降个数Zdown_n;
步骤S442:对各列的所述单行纵向像素下降个数Zdown_n求和,获取纵向像素灰度下降个数Zdown;所述
其中,所述2≤m≤M,1≤n≤N;所述M为所述图像J(x,y)总行数,所述N为所述图像J(x,y)总列数。
步骤S5、获取灰度平均波动幅值F,所述所述Grayj为经步骤S3处理后图像的各像素点灰度值;所述为经步骤S3处理后图像的平均灰度值;所述j满足1≤j≤Sum;其中,
步骤S6、获取像素灰度波动值E,若E>ETH,则发出声光报警;所述
获取像素灰度波动值E,若E>ETH,则标记所述工件抛光为不合格,并发出声光报警;若E≤ETH,则标记所述工件抛光合格。所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值。
优选地,在本实施例的步骤S1中,包含目标物体表面的图像H(x,y)为显微镜图像;在步骤S6中,根据显微镜的放大倍数β设定像素灰度波动阈值ETH;所述ETH=0.01β。
值得一提的是,在本发明另一可选实施例中,图像H(x,y)时通过普通CCD或CMOS摄像头拍摄获取的,ETH=0.01。
如图3所示,在本发明第二实施例中,提供基于水平自校准的抛光表面检测系统,包括:
图像采集模块1,用于采集包含目标物体表面的原始图像;
水平校准模块2,用于根据所述原始图像的灰度值,对所得原始图像进行水平校准;
灰度变换模块3,用于设定I个灰度阈值区间Φi,将经所述图像分区模块2处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
图像灰度变化采集模块4,用于采集经所述灰度变换模块3处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经所述灰度变换模块3处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经所述灰度变换模块3处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;
图像灰度波动求解模块5,用于获取灰度平均波动幅值F,所述所述Grayj为经所述灰度变换模块3处理后图像的各像素点灰度值;所述为经所述灰度变换模块3处理后图像的平均灰度值;所述j满足1≤j≤Sum;
工件合格品判定模块6,用于获取像素灰度波动值E,若E>ETH,则发出声光报警;所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值。
在本实施例中,图像灰度变化采集模块4,包括:横向灰度上升个数求解单元、横向灰度下降个数求解单元、纵向灰度上升个数求解单元以及纵向灰度下降个数求解单元。
在本实施例中,水平校准模块2,被配置为:
将所述原始图像划分为若干区域Ωk,对原始图像进行灰度化,并获取所述原始图像的全局灰度平均值以及各个所述区域Ωk的局部灰度平均值所述Ωk为所述原始图像划分的第k个区域像素集合,所述k为正整数;所述所述YSum为所述原始图像的总像素点,所述YSum为正整数,所述l满足1≤l≤YSum;
根据所述全局灰度平均值和各个所述区域的局部灰度平均值比值,对所述原始图像的各个灰度值GYTl进行归一化处理,获得水平校准处理后的灰度值GJZl;所述
在本实施例中,其特征在于,所述横向灰度上升个数求解单元,被配置为:
采集第m行中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m,n-1)的单行横向像素上升个数Hup_m;
对各行的所述单行横向像素上升个数Hup_m求和,获取横向像素灰度上升个数Hup;所述
所述横向灰度下降个数求解单元,被配置为:
采集第m行中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m,n-1)的单行横向像素下降个数Hdown_m;
对各行的所述单行横向像素下降个数Hdown_m求和,获取横向像素灰度下降个数Hdown;所述
其中,所述1≤m≤M,2≤n≤N;所述M为图像总行数,所述N为图像总列数。
在本实施例中,纵向灰度上升个数求解单元,被配置为:
采集第n列中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m-1,n)的单列纵向像素上升个数Zup_n;
对各列的所述单列纵向像素上升个数Zup_n求和,获取纵向像素灰度上升个数Zup;所述
所述纵向灰度下降个数求解单元,被配置为:
采集第n列中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m-1,n)的单列纵向像素下降个数Zdown_n;
对各列的所述单行纵向像素下降个数Zdown_n求和,获取纵向像素灰度下降个数Zdown;所述
其中,所述2≤m≤M,1≤n≤N;所述M为图像总行数,所述N为图像总列数。
在本实施例中,所述图像采集模块1采集的图像为显微镜图像;所述工件合格品判定模块6,还包括灰度波动阈值设定单元;所述灰度波动阈值设定单元,被配置为:根据显微镜的放大倍数β设定像素灰度波动阈值ETH;所述ETH=0.01β;所述0.01≤β≤12000。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (9)
1.基于水平自校准的抛光表面检测方法,其特征在于,包括如下步骤:
步骤S1、采集包含目标物体表面的原始图像;
步骤S2、根据所述原始图像的灰度值,对所得原始图像进行水平校准;
步骤S3、设定I个灰度阈值区间Φi,将经步骤S2处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
步骤S4、采集经步骤S3处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经步骤S3处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经步骤S3处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;
步骤S5、获取灰度平均波动幅值F,所述所述Grayj为经步骤S3处理后图像的各像素点灰度值;所述为经步骤S3处理后图像的平均灰度值;所述j满足1≤j≤Sum;
步骤S6、获取像素灰度波动值E,若E>ETH,则发出声光报警;所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值;
所述步骤S2包括:
步骤S21、将所述原始图像划分为若干区域Ωk,获取所述原始图像的全局灰度平均值以及各个所述区域Ωk的局部灰度平均值
所述Ωk为所述原始图像划分的第k个区域像素集合,所述k为正整数;
所述所述YSum为所述原始图像的总像素点,所述YSum为正整数,所述l满足1≤l≤YSum;
S22、根据所述全局灰度平均值和各个所述区域的局部灰度平均值比值,对所述原始图像的各个灰度值GYTl进行归一化处理,获得水平校准处理后的灰度值GJZl;所述
2.如权利要求1所述的基于水平自校准的抛光表面检测方法,其特征在于,
所述采集横向像素灰度上升个数Hup的步骤包括:
步骤S411:采集第m行中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m,n-1)的单行横向像素上升个数Hup_m;
步骤S412:对各行的所述单行横向像素上升个数Hup_m求和,获取横向像素灰度上升个数Hup;所述
所述采集横向像素灰度下降个数Hdown的步骤包括:
步骤S421:采集第m行中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m,n-1)的单行横向像素下降个数Hdown_m;
步骤S422:对各行的所述单行横向像素下降个数Hdown_m求和,获取横向像素灰度下降个数Hdown;所述
其中,所述1≤m≤M,2≤n≤N;所述M为图像总行数,所述N为图像总列数。
3.如权利要求1所述的基于水平自校准的抛光表面检测方法,其特征在于,
所述采集纵向像素灰度上升个数Zup的步骤包括:
步骤S431:采集第n列中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m-1,n)的单列纵向像素上升个数Zup_n;
步骤S432:对各列的所述单列纵向像素上升个数Zup_n求和,获取纵向像素灰度上升个数Zup;所述
所述采集纵向像素灰度下降个数Zdown的步骤包括:
步骤S441:采集第n列中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m-1,n)的单列纵向像素下降个数Zdown_n;
步骤S442:对各列的所述单列纵向像素下降个数Zdown_n求和,获取纵向像素灰度下降个数Zdown;所述
其中,所述2≤m≤M,1≤n≤N;所述M为图像总行数,所述N为图像总列数。
4.如权利要求1所述的基于水平自校准的抛光表面检测方法,其特征在于:
在所述步骤S1中,所述包含目标物体表面的原始图像为显微镜图像;
在所述步骤S6中,根据显微镜的放大倍数β设定像素灰度波动阈值ETH;所述ETH=0.01β;0.01≤β≤12000。
5.基于水平自校准的抛光表面检测系统,其特征在于,包括:
图像采集模块,用于采集包含目标物体表面的原始图像;
水平校准模块,用于根据所述原始图像的灰度值,对所得原始图像进行水平校准;
灰度变换模块,用于设定I个灰度阈值区间Φi,将经所述图像分区模块处理后图像的各像素点灰度分别替换为各个灰度阈值区间Φi对应的灰度设定值其中,所述I为正整数,所述i满足1≤i≤I;
图像灰度变化采集模块,用于采集经所述灰度变换模块处理后图像的横向像素灰度上升个数Hup、横向像素灰度下降个数Hdown;采集经所述灰度变换模块处理后图像的纵向像素灰度上升个数Zup、纵向像素灰度下降个数Zdown以及经所述灰度变换模块处理后图像像素总个数Sum;所述Sum为正整数;所述Hup、Hdown、Zup、Zdown为自然数;
图像灰度波动求解模块,用于获取灰度平均波动幅值F,所述所述Grayj为经所述灰度变换模块处理后图像的各像素点灰度值;所述为经所述灰度变换模块处理后图像的平均灰度值;所述j满足1≤j≤Sum;
工件合格品判定模块,用于获取像素灰度波动值E,若E>ETH,则发出声光报警;所述所述ETH取值范围为0.01≤ETH≤10;所述ETH为像素灰度波动阈值;
所述水平校准模块,被配置为:
将所述原始图像划分为若干区域Ωk,获取所述原始图像的全局灰度平均值以及各个所述区域Ωk的局部灰度平均值所述Ωk为所述原始图像划分的第k个区域像素集合,所述k为正整数;所述所述YSum为所述原始图像的总像素点,所述YSum为正整数,所述l满足1≤l≤YSum;
根据所述全局灰度平均值和各个所述区域的局部灰度平均值比值,对所述原始图像的各个灰度值GYTl进行归一化处理,获得水平校准处理后的灰度值GJZl;所述
6.如权利要求5所述的基于水平自校准的抛光表面检测系统,其特征在于,所述图像灰度变化采集模块,包括:横向灰度上升个数求解单元、横向灰度下降个数求解单元、纵向灰度上升个数求解单元以及纵向灰度下降个数求解单元。
7.如权利要求6所述的基于水平自校准的抛光表面检测系统,其特征在于,所述横向灰度上升个数求解单元,被配置为:
采集第m行中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m,n-1)的单行横向像素上升个数Hup_m;
对各行的所述单行横向像素上升个数Hup_m求和,获取横向像素灰度上升个数Hup;所述
所述横向灰度下降个数求解单元,被配置为:
采集第m行中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m,n-1)的单行横向像素下降个数Hdown_m;
对各行的所述单行横向像素下降个数Hdown_m求和,获取横向像素灰度下降个数Hdown;所述
其中,所述1≤m≤M,2≤n≤N;所述M为图像总行数,所述N为图像总列数。
8.如权利要求6所述的基于水平自校准的抛光表面检测系统,其特征在于,所述纵向灰度上升个数求解单元,被配置为:
采集第n列中,后一个像素点灰度值Gray(m,n)大于前一个像素点灰度值Gray(m-1,n)的单列纵向像素上升个数Zup_n;
对各列的所述单列纵向像素上升个数Zup_n求和,获取纵向像素灰度上升个数Zup;所述
所述纵向灰度下降个数求解单元,被配置为:
采集第n列中,后一个像素点灰度值Gray(m,n)小于前一个像素点灰度值Gray(m-1,n)的单列纵向像素下降个数Zdown_n;
对各列的所述单列纵向像素下降个数Zdown_n求和,获取纵向像素灰度下降个数Zdown;所述
其中,所述2≤m≤M,1≤n≤N;所述M为图像总行数,所述N为图像总列数。
9.如权利要求5所述的基于水平自校准的抛光表面检测系统,其特征在于:所述图像采集模块采集的图像为显微镜图像;所述工件合格品判定模块,还包括灰度波动阈值设定单元;所述灰度波动阈值设定单元,被配置为:根据显微镜的放大倍数β设定像素灰度波动阈值ETH;所述ETH=0.01β;0.01≤β≤12000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610963407.3A CN106546197B (zh) | 2016-10-28 | 2016-10-28 | 基于水平自校准的抛光表面检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610963407.3A CN106546197B (zh) | 2016-10-28 | 2016-10-28 | 基于水平自校准的抛光表面检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106546197A CN106546197A (zh) | 2017-03-29 |
CN106546197B true CN106546197B (zh) | 2019-03-01 |
Family
ID=58394129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610963407.3A Expired - Fee Related CN106546197B (zh) | 2016-10-28 | 2016-10-28 | 基于水平自校准的抛光表面检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106546197B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164123A (zh) * | 2017-06-29 | 2019-01-08 | 宝山钢铁股份有限公司 | X荧光光谱仪的样品预检方法及装置 |
CN108255129B (zh) * | 2018-01-15 | 2020-08-28 | 中国工程物理研究院机械制造工艺研究所 | 一种工件抛光检测方法 |
CN112749893B (zh) * | 2021-01-08 | 2021-09-24 | 上海大学 | 一种基于云计算的数据挖掘服务平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002005846A (ja) * | 2000-06-20 | 2002-01-09 | Tokimec Inc | 欠陥検査装置 |
JP2004177170A (ja) * | 2002-11-25 | 2004-06-24 | Tani Electronics Corp | 画像認識による不良検査方法 |
CN101561262A (zh) * | 2009-05-31 | 2009-10-21 | 东南大学 | 一种不确定环境下表面粗糙度在线测量方法 |
CN103871047A (zh) * | 2013-12-31 | 2014-06-18 | 江南大学 | 光照不均匀图像的灰度波动阈值分割方法 |
-
2016
- 2016-10-28 CN CN201610963407.3A patent/CN106546197B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002005846A (ja) * | 2000-06-20 | 2002-01-09 | Tokimec Inc | 欠陥検査装置 |
JP2004177170A (ja) * | 2002-11-25 | 2004-06-24 | Tani Electronics Corp | 画像認識による不良検査方法 |
CN101561262A (zh) * | 2009-05-31 | 2009-10-21 | 东南大学 | 一种不确定环境下表面粗糙度在线测量方法 |
CN103871047A (zh) * | 2013-12-31 | 2014-06-18 | 江南大学 | 光照不均匀图像的灰度波动阈值分割方法 |
Non-Patent Citations (1)
Title |
---|
机械加工表面粗糙度的图像检测方法;吴春亚 等;《机械加工表面粗糙度的图像检测方法》;20070630;第12卷(第3期);148-151 |
Also Published As
Publication number | Publication date |
---|---|
CN106546197A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530291B (zh) | 一种基于图像处理的抛光表面检测方法及其系统 | |
CN106546197B (zh) | 基于水平自校准的抛光表面检测方法及其系统 | |
CN103345755B (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
EP2594918B1 (en) | Hardness tester and hardness test method | |
CN115222733A (zh) | 基于图像识别的金属构件表面缺陷检测方法 | |
CN101619964A (zh) | 一种基于工艺匹配的微小型结构件快速显微检测方法及装置 | |
CN103389310A (zh) | 一种基于辐射标定的亚像素光学元件损伤在线检测方法 | |
CN110428463A (zh) | 非球面光学元件离焦模糊定中图像自动提取中心的方法 | |
CN108921819A (zh) | 一种基于机器视觉的验布装置及方法 | |
CN115063620B (zh) | 一种基于比特分层罗茨风机轴承磨损检测方法 | |
CN114998308A (zh) | 一种基于光度立体的缺陷检测方法及系统 | |
CN104200215A (zh) | 一种大口径光学元件表面灰尘与麻点识别方法 | |
CN110766683B (zh) | 一种珍珠光洁度等级检测方法及系统 | |
CN111338051A (zh) | 一种基于tft液晶面板自动对焦方法和系统 | |
CN106548471A (zh) | 粗精调焦的医学显微图像清晰度评价方法 | |
CN105300302A (zh) | 布氏硬度压痕圆直径的测量方法 | |
CN113808104B (zh) | 一种基于分块的金属表面缺陷检测方法及系统 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测系统及方法 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN109426013B (zh) | 一种彩膜基板缺陷的分析方法、检测修复方法及装置 | |
CN113781393A (zh) | 屏幕缺陷检测方法、装置、设备及存储介质 | |
CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
KR20170066729A (ko) | 이물질 검출 시스템 | |
WO2019176614A1 (ja) | 画像処理装置、画像処理方法、およびコンピュータプログラム | |
CN107154041B (zh) | 一种用于显示面板缺陷分类的学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190301 Termination date: 20191028 |
|
CF01 | Termination of patent right due to non-payment of annual fee |