CN107192716A - 一种基于轮廓特征的工件缺陷快速检测方法 - Google Patents

Abstract

本发明涉及五金工件领域，公开了一种基于轮廓特征的工件缺陷快速检测方法，包括：1)预存模板工件图像的信息，在所述模板工件图像中选取两个轮廓；2)用cvFindContours函数求被检测工件图像的各个轮廓的位置信息；3)读取所述被检测工件图像的信息，选取两个与所述模板工件图像中相同的轮廓，找出被选取的两个轮廓对应的中心点，求出被选取的两个轮廓中心点连线的斜率；4)以所述斜率作为所述被检测工件图像的旋转基准，使所述被检测工件图像与所述模板工件图像对齐；5)利用图像差法，对所述被检测工件图像与所述模板工件图像进行匹配，检测出工件是否有缺陷。采用该方案可以快速找到被检测工件上的缺陷，有效提高检测速度。

Description

一种基于轮廓特征的工件缺陷快速检测方法

技术领域

本发明涉及五金工件领域，特别涉及一种基于轮廓特征的工件缺陷快速检测方法。

背景技术

在工业生产中，由于传送带在运动过程中，难免会出现被检测工件与模板工件之间位置误差。为了提高检测的准确性，必须对被检测工件进行位置调整，让被检测工件与模板工件位置对齐，然后再利用图像差法进行图像匹配，识别出及格工件和不及格工件。

图像对齐的一种方法是找到工件中两个轮廓中心的连线，以这条连线的斜率为标准，将被检测工件与模板工件进行旋转，让被检测工件与模板工件都在同一角度，然后放在图像中同一个位置进行匹配。

在图像处理技术中，霍夫变换是图像处理中常用的识别几何轮廓的基本方法之一，应用很广泛。主要的过程为图像二值化后，进行边缘检测，的到边缘轮廓图像后再利用霍夫变换算法将图像中分离出具有某种相同特征的几何形状(如，直线，圆等)。对于图像中的一条直线而言，利用直角坐标系，可以表示为：y＝kx+b的形式。该直线上任意一点(x,y)变换到k-b参数空间将变成一个“点”。也就是说，将图像空间中所有的像素历遍，并且转换到k-b参数空间，那么它们将聚焦在一个点上。参数空间中的一个局部峰值点就很有可能对应着原图像空间中的一条直线。在ρ-θ极坐标系中，直线可以表述为以下形式：ρ＝xcos(θ)+ysin(θ)，x和y是对应的是图像中的边缘轮廓上的点，ρ-θ分别是直线的极径和斜率。霍夫变换检测圆的数学原理：寻找图像中的圆的方法跟寻找直线的方法也是类似，确定圆的个数和直径后，历遍图像中所有边缘像素点(x₀,y₀)，代入极坐标方程统计一个峰值，得到圆心坐标(x,y)。

霍夫变换是将整个图像的像素点都搜索一遍，每个边缘像素点代入方程计算，而且每一组数据都要历遍图像的每个像素，当图像的分辨率非常高的时候，这个方法的计算量将会非常大，计算机的运算时间将会增加。霍夫变换检测圆需要在开始时就要设定要找的圆的个数和半径，但是，圆的半径在图像中很难确定的，会受相机的高度、焦距的影响半径的大小，这样将大大降低了霍夫变换在检测五金工件轮廓上实用性。而且当图像中有多个轮廓，或者当前检测的圆形边缘与另外的圆形边缘可能会存在相互干扰，检测过程将会更加复杂，检测结果准确度将下降。

当遇到高分辨的图像时，霍夫变换检测轮廓(如直线、圆、矩形等轮廓)的计算量会很大，而且检测多个边缘轮廓时，不仅计算过程将更加复杂，而且很容易出现边缘轮廓之间的干涉，影响检测结果精度。另外一面，在传送带运动过程中存在着被检测工件与模板工件在图像中的位置误差，这个误差将会影响五金工件检测的准确性。

图像对齐的另一种方法是计算模板图像与被检测图像同一个轮廓的质心位置，并利用轮廓质心作为图像对齐的基准是一种图像对齐的方法。轮廓质心计算公式：其中I(i,j)是灰度图像像素点的集合，在实际检测过程中，由于五金工件表面可能存在反光、阴影与轮廓边缘连接等现象，会直接影响由像素点计算出来的轮廓质心位置准确度，造成模板与被检测图像之间对齐存在着误差。另一方面，当图像分辨率很高的时候，轮廓在图像中的数据量就会增加，从而使轮廓质心的计算量增大，检测速度就会下降。

发明内容

鉴于上述问题，本发明实施例的目的在于提供一种基于轮廓特征的工件缺陷快速检测方法，可以快速准确找到被检测工件上的缺陷，有效提高检测速度。

本发明实施例提供的一种基于轮廓特征的工件缺陷快速检测方法，包括：

1)预存模板工件图像的信息，根据所述模板工件的特征，在所述模板工件图像中选取两个轮廓；

2)用cvFindContours函数求被检测工件图像的各个轮廓的位置信息，对所有轮廓信息进行分类，并将所述被检测工件每个轮廓的位置信息以链表形式保存；

3)读取经过处理的所述被检测工件图像的信息，选取两个与所述模板工件图像中相同的轮廓，找出所述被检测工件图像中被选取的两个轮廓对应的中心点，求出所述被检测工件图像中被选取的两个轮廓中心点连线的斜率；

4)以所述斜率作为所述被检测工件图像的旋转基准，旋转所述被检测工件图像，通过所述被检测工件图像旋转和位置矫正后使所述被检测工件图像与所述模板工件图像位置对齐；

5)利用图像差法，对所述被检测工件图像与所述模板工件图像进行匹配，检测出工件是否有缺陷、缺陷位置及缺陷大小。

可选地，步骤4具体为：把求出的所述斜率转换成角度，利用双线性插值法将所述被检测工件图像旋转所述角度，并把旋转后的所述被检测工件图像放新图中，与所述模板工件图像旋转后放在新图的位置相一致。

可选地，步骤5具体为：读入已经进行过位置旋转矫正处理的所述模板工件图像，与处理完的所述被检测工件图像进行差值计算，预设一个合适阈值和允许误差范围，如果所述被检测工件图像与所述模板工件图像某些部分的图像差值大于阈值的面积，判断该面积是否大于允许误差范围，若大于允许误差范围则认定该处为缺陷，若小于等于允许误差范围则认定不是缺陷。

可选地，使用cvMinAreaRect2函数求得所述被检测工件图像中两个轮廓中心点位置。

可选地，在步骤2之前还包括，对所述被检测工件图像的以下处理：

1)对所述被检测工件图像进行灰度化；

2)使用滤波算法对所述被检测工件图像进行噪声消除；

3)对所述被检测工件图像进行二值化处理；

4)使用高斯-拉普拉斯算子对所述被检测工件图像进行边缘检测。

可选地，在步骤1之前还包括，对所述模板工件图像的以下处理：

通过软件触发控制工业照相机对一个完好的工件表面进行拍照作为模板工件图像，并保存到电脑磁盘里以便后面程序调用，根据所述模板工件的特征，在所述模板工件图像中选取两个易识别的轮廓。

由上可见，应用本实施例技术方案，由于利用opencv提供的cvFindContours()函数可以有效快速找到图像中所有轮廓的位置信息，提高了检测图像中轮廓位置信息的速度，进而可以快速准确找到被检测工件上的缺陷，有效提高检测速度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基于轮廓特征的工件缺陷快速检测方法流程图；

图2为本发明提供的另一种基于轮廓特征的工件缺陷快速检测方法流程图；

图3为本发明提供的一种被检测工件图像示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

本实施例提供一种基于轮廓特征的工件缺陷快速检测方法，它能实现高分辨率图像多个轮廓的工件表面缺陷快速检测，如图1所示，其主要过程包括：

1)预存模板工件图像的信息，根据所述模板工件的特征，在所述模板工件图像中选取两个轮廓；

2)用cvFindContours函数求被检测工件图像的各个轮廓的位置信息，对所有轮廓信息进行分类，并将所述被检测工件每个轮廓的位置信息以链表形式保存；

3)读取经过处理的所述被检测工件图像的信息，选取两个与所述模板工件图像中相同的轮廓，找出所述被检测工件图像中被选取的两个轮廓对应的中心点，求出所述被检测工件图像中被选取的两个轮廓中心点连线的斜率；可以但不限于，使用cvMinAreaRect2函数求得所述被检测工件图像中两个轮廓中心点位置。

4)以所述斜率作为所述被检测工件图像的旋转基准，旋转所述被检测工件图像，通过所述被检测工件图像旋转和位置矫正后使所述被检测工件图像与所述模板工件图像位置对齐；可以但不限于步骤4具体为：把求出的所述斜率转换成角度，利用双线性插值法将所述被检测工件图像旋转所述角度，并把旋转后的所述被检测工件图像放新图中，与所述模板工件图像旋转后放在新图的位置相一致。

5)利用图像差法，对所述被检测工件图像与所述模板工件图像进行匹配，检测出工件是否有缺陷、缺陷位置及缺陷大小。可以但不限于步骤5具体为：读入已经进行过位置旋转矫正处理的所述模板工件图像，与处理完的所述被检测工件图像进行差值计算，设定一个合适阈值，像素差大于阈值的点置白(设为255)，小于阈值置为黑(设为0)。为了减低误检率，设定一个合适的允许误差范围，如5*5个像素、3*3个像素。如果所述被检测工件图像与所述模板工件图像某些部分的图像差值大于阈值的面积，判断该面积是否大于允许误差范围，若大于允许误差范围则认定该处为缺陷，若小于等于允许误差范围则认定不是缺陷。

可以但不限于，在步骤2之前还包括，对所述被检测工件图像的以下处理，如图2所示：

1)对所述被检测工件图像进行灰度化；

2)使用适合的滤波算法对所述被检测工件图像进行噪声消除；

3)对所述被检测工件图像进行二值化处理；

4)使用高斯-拉普拉斯算子对所述被检测工件图像进行边缘检测。

可以但不限于，在步骤1之前还包括，对所述模板工件图像的以下处理：

电脑通过软件触发控制工业照相机对一个完好的工件表面进行拍照作为模板工件图像，并保存到电脑磁盘里以便后面程序调用，根据所述模板工件的特征，在所述模板工件图像中选取两个易识别的轮廓。

本发明系统中所用到的软件程序是基于Visual C++2010编译系统的C\C++以及opencv编程语言编写的，软件程序功能包括图像预处理、高斯-拉普拉斯算子边缘检测程序、轮廓信息分类、求设定的两个轮廓中心点连线斜率、图像旋转对齐、图像匹配等。其中，图像预处理包括：从计算机读取图像、图像灰度化处理、图像滤波、二值化。高斯-拉普拉斯算子边缘检测程序：高斯-拉普拉斯算子边缘检测的优势在于首先进行高斯平滑以抑制噪声，然后利用二阶梯度算子检测边缘，这方法能较好保留有效边缘。

如图3所示，所述被检测工件图像中有A、B、C三个圆形轮廓、一个矩形D轮廓和一个工件E轮廓，cvFindContours()函数可以确定图像中所有轮廓的位置信息，其位置信息包括左上角坐标(x,y)，轮廓最小包围宽度和高度。利用简单的几何分类算法对所有轮廓进行分类，提取需要的轮廓信息，建立以工件内所有轮廓信息的一个链表。明显可以看出工件E轮廓是面积最大的，如果根据面积最大的原则可以确定工件E轮廓的位置信息，当确定工件E轮廓的位置信息后，就可以寻找到工件E轮廓内的其他轮廓的位置信息，其中圆A面积最大，圆B是距离它最近的一个圆，则可以选定圆A和圆B的中心点，求这两个中心点的连线的斜率，当然，也可以选择距离圆A最远的圆C或者距离圆A最近的矩形D，只要被检测工件是选择与模板工件相同的两个轮廓中心点就可以。再使用cvMinAreaRect2()求得两个轮廓的中心点的位置，求出两个中心点连线的斜率，程序中的斜率变量应该为双精度浮点变量类型，以保证图像对齐的准确度。

可见，利用opencv提供的cvFindContours()函数可以有效快速找到图像中所有轮廓位置信息，提高了检测轮廓的效率，利用图像差法快速准确找到被检测工件上的缺陷，有效提高工件缺陷检测速度。并且可以在高分辨率的二值化图像中快速检测出多个轮廓的位置信息，二值化图像可以有效降低工件表面反光和边缘阴影的影响。

以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等，均应包含在该技术方案的保护范围之内。

Claims (6)

1.一种基于轮廓特征的工件缺陷快速检测方法，其特征在于，包括：

1)预存模板工件图像的信息，根据所述模板工件的特征，在所述模板工件图像中选取两个轮廓；

2)用cvFindContours函数求被检测工件图像的各个轮廓的位置信息，对所有轮廓信息进行分类，并将所述被检测工件每个轮廓的位置信息以链表形式保存；

3)读取经过处理的所述被检测工件图像的信息，选取两个与所述模板工件图像中相同的轮廓，找出所述被检测工件图像中被选取的两个轮廓对应的中心点，求出所述被检测工件图像中被选取的两个轮廓中心点连线的斜率；

4)以所述斜率作为所述被检测工件图像的旋转基准，旋转所述被检测工件图像，通过所述被检测工件图像旋转和位置矫正后使所述被检测工件图像与所述模板工件图像位置对齐；

5)利用图像差法，对所述被检测工件图像与所述模板工件图像进行匹配，检测出工件是否有缺陷、缺陷位置及缺陷大小。

2.如权利要求1所述的一种基于轮廓特征的工件缺陷快速检测方法，其特征在于，步骤4具体为：

把求出的所述斜率转换成角度，利用双线性插值法将所述被检测工件图像旋转所述角度，并把旋转后的所述被检测工件图像放新图中，与所述模板工件图像旋转后放在新图的位置相一致。

3.如权利要求2所述的一种基于轮廓特征的工件缺陷快速检测方法，其特征在于，步骤5具体为：

读入已经进行过位置旋转矫正处理的所述模板工件图像，与处理完的所述被检测工件图像进行差值计算，预设一个阈值和允许误差范围，如果所述被检测工件图像与所述模板工件图像某些部分的图像差值大于阈值的面积，判断该面积是否大于允许误差范围，若大于允许误差范围则认定该处为缺陷，若小于等于允许误差范围则认定不是缺陷。

4.如权利要求3所述的一种基于轮廓特征的工件缺陷快速检测方法，其特征在于，使用cvMinAreaRect2函数求得所述被检测工件图像中两个轮廓中心点位置。

5.如权利要求4所述的一种基于轮廓特征的工件缺陷快速检测方法，其特征在于，在步骤2之前还包括，对所述被检测工件图像的以下处理：

1)对所述被检测工件图像进行灰度化；

2)使用滤波算法对所述被检测工件图像进行噪声消除；

3)对所述被检测工件图像进行二值化处理；

4)使用高斯-拉普拉斯算子对所述被检测工件图像进行边缘检测。

6.如权利要求1至5中任一所述的一种基于轮廓特征的工件缺陷快速检测方法，其特征在于，在步骤1之前还包括，对所述模板工件图像的以下处理：

通过软件触发控制工业照相机对一个完好的工件表面进行拍照作为模板工件图像，并保存到电脑磁盘里以便后面程序调用，根据所述模板工件的特征，在所述模板工件图像中选取两个易识别的轮廓。