CN108346138B - 一种基于图像处理的表面缺陷检测方法及系统 - Google Patents
一种基于图像处理的表面缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN108346138B CN108346138B CN201711261412.0A CN201711261412A CN108346138B CN 108346138 B CN108346138 B CN 108346138B CN 201711261412 A CN201711261412 A CN 201711261412A CN 108346138 B CN108346138 B CN 108346138B
- Authority
- CN
- China
- Prior art keywords
- image
- along
- points
- detection area
- scanning
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
Abstract
本发明公开了一种基于图像处理的表面缺陷检测方法及系统,方法包括:对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数;对图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,第一方向和第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向;从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在图像中划分出检测区域,以在划分出的检测区域内识别缺陷。本发明基于图像处理的表面缺陷检测方法及系统,与现有技术相比,能够更为准确地在获取图像中划分出检测区域。
Description
技术领域
本发明涉及图像处理应用技术领域,特别是涉及一种基于图像处理的表面缺陷检测方法及系统。
背景技术
现有技术中,请参考图1,应用图像处理方法对圆柱形金属工件的外表面进行缺陷检测,具体方法为:圆柱形金属工件在滚筒形成的传输线上传输,在传输过程中金属工件同时随滚筒转动会产生360度旋转,相机相应获取金属工件表面的图像;光源10发出的照明光以一定入射角照射到工件表面,处于工件另一侧的相机11拍摄工件表面图像,工件表面上无缺陷区域形成的反射光正好被相机11接收,相应在拍摄图像中表现为亮;而经缺陷(包括凹形缺陷或者凸形缺陷)形成的反射光则偏离相机11,在拍摄图像中表现为暗。对于获取的金属工件表面图像,首先在图像中将对应圆柱形工件表面的检测区域从背景中区分出,然后在划分出的检测区域内,基于图像呈现的灰度特征识别出缺陷。在传输过程中圆柱形金属工件可产生360度旋转,从而可以对工件整个圆柱外表面完成检测。
然而在上述方法中,在拍摄图像中划分出检测区域的方法是,使用无表面缺陷的金属工件作为模板拍摄其表面图像,以模板图像为根据,利用灰度特征或者几何特征匹配算法,在待检测工件表面图像中匹配划分出检测区域。但是在实际在线检测中,在传输线上每一金属工件的放置位置不固定,与模板工件位置可能有偏差,工件表面被照亮的区域不能与模板图像准确匹配,这样会导致在图像中划分对应工件表面的检测区域时容易出现错误,降低准确性。
发明内容
有鉴于此,本发明的目的是提供一种基于图像处理的表面缺陷检测方法及系统,与现有技术相比,能够更为准确地在获取图像中划分出对应工件表面的检测区域。
为实现上述目的,本发明提供如下技术方案:
一种基于图像处理的表面缺陷检测方法,包括:
对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数;
对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,所述第一方向和所述第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向;
从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域,以在划分出的检测区域内识别缺陷。
可选地,所述对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数之前,还包括:
将获取的所述图像中灰度值小于最低灰度阈值的像素点赋值为所述最低灰度阈值,将所述图像中灰度值大于最高灰度阈值的像素点赋值为所述最高灰度阈值,所述最低灰度阈值为图像中背景区域的灰度平均值,所述最高灰度阈值为图像中检测区域的灰度平均值。
可选地,所述对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数之前,还包括:采用膨胀算法对图像进行处理,并采用腐蚀算法对图像进行处理。
可选地,所述从获得的极大值点中选取出能够将检测区域划分出的若干点包括:
根据获得的极大值点,求取位于沿所述第一方向的同一行两极大值点之间的宽度,并求取沿所述第一方向所有行的平均宽度;
从所述图像沿所述第二方向的顶端开始逐行判断,寻找出根据极大值点确定的宽度与所述平均宽度相差预设数量像素的行,将该行的两极大值点分别作为检测区域上端的两顶点;
从所述图像沿所述第二方向的底端开始逐行判断,寻找出根据极大值点确定的宽度与所述平均宽度相差预设数量像素的行,将该行的两极大值点分别作为检测区域下端的两顶点。
可选地,所述对所述图像沿第二方向扫描包括:采用扫描窗口对所述图像沿所述第二方向扫描,所述扫描窗口沿所述第二方向的长度为第一预设数量像素。
可选地,所述对所述图像沿第二方向扫描包括:
在所述图像中从沿所述第二方向的第g1行开始扫描,到第m-g2行结束,所述图像沿所述第二方向共有m行,g1和g2根据在所述图像中对应工件表面的区域决定。
可选地,在划分出的检测区域内识别缺陷包括:
在划分出的所述检测区域中,对图像灰度求取沿所述第二方向的一阶导数;
对所述检测区域沿所述第一方向扫描,寻找出图像灰度沿所述第二方向的一阶导数的取值超出第一预设范围的像素,确定为缺陷像素。
可选地,所述对所述检测区域沿所述第一方向扫描包括:采用扫描窗口对所述检测区域沿第一方向扫描,所述扫描窗口沿所述第一方向的长度为第二预设数量像素。
可选地,在划分出的检测区域内识别缺陷包括:
在划分出的所述检测区域中寻找出灰度值超出第二预设范围的像素,求取由寻找出的像素构成的区域的最大内接矩形,根据所述最大内接矩形的长度、宽度或者面积判断是否为缺陷。
一种基于图像处理的表面缺陷检测系统,包括:
运算模块,用于对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数;
扫描模块,用于对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,所述第一方向和所述第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向;
划分模块,用于从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域,以在划分出的检测区域内识别缺陷。
由上述技术方案可知,本发明所提供的基于图像处理的表面缺陷检测方法及系统,首先对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数,通过对图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,即图像亮区域与暗区域的分界点,然后在获得的分界点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在图像中划分出检测区域,即对应于工件被照亮的表面区域,以进一步在检测区域内检测缺陷。
本发明基于图像处理的表面缺陷检测方法及系统,与现有技术相比不需要采用模板工件的图像来匹配找出检测区域,不会受工件放置位置或者照亮角度等因素影响,相比能够更为准确地在获取图像中划分出对应工件表面的检测区域。
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的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中获取圆柱形金属工件外侧表面图像的示意图;
图2为本发明实施例提供的一种基于图像处理的表面缺陷检测方法的流程图;
图3为本发明实施例中从获得的极大值点中选取检测区域顶点的方法流程图;
图4(a)为工件表面图像的灰度沿图像横向的一阶导数图;
图4(b)为工件表面图像二值化的结果;
图4(c)为原始获取的工件表面图像;
图5为本发明一种实施例中在检测区域中检测缺陷的方法流程图;
图6(a)为完成缺陷检测后工件表面图像二值化的图像;
图6(b)为完成缺陷检测后对应原始获取的工件表面图像;
图7为本发明实施例提供的一种基于图像处理的表面缺陷检测系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
请参考图2,本发明实施例提供的一种基于图像处理的表面缺陷检测方法,包括步骤:
S20:对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数。
首先说明的是,本方法中,第一方向和第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向。
本步骤中,对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数。
S21:对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点。
图像灰度的一阶导数的极大值点对应为图像亮区域和暗区域的分界点。
S22:从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域,以在划分出的检测区域内识别缺陷。
所述的检测区域即指图像中的亮区域,对应为金属工件被照亮的表面。
本步骤中,从获得的分界点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在图像中划分出对应工件表面的检测区域,以进一步在检测区域内识别缺陷。
可以看出,本实施例基于图像处理的表面缺陷检测方法,与现有技术相比不需要采用模板工件的图像来匹配定位检测区域,不会受工件放置位置或者照亮角度等因素影响,相比能够更为准确地在获取图像中划分出对应工件表面的检测区域。
下面结合具体实施方式对本基于图像处理的表面缺陷检测方法进行详细说明。
本实施例提供的基于图像处理的表面缺陷检测方法,包括以下步骤:
S20:对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数。
本方法中,第一方向和第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向。在实际应用中,可根据对被检测工件拍摄的图像中工件被照亮的表面形状,来具体确定第一方向和第二方向。本实施方式中以圆柱形金属工件为例说明,在拍摄图像中圆柱形金属工件的轴沿图像纵向,即圆柱形金属工件外侧表面的长度方向沿图像纵向,相应本方法中以第一方向为沿图像横向的方向,以第二方向为沿图像纵向的方向。
本步骤中,对获取到的工件表面图像,对图像灰度求取沿第一方向即沿图像横向的一阶导数。
S21:对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点。
本步骤中,对图像沿第二方向扫描即沿图像纵向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,即图像亮区域与暗区域的分界点。
在具体实施时,对图像沿第二方向扫描具体包括:采用扫描窗口对所述图像沿第二方向扫描,其中扫描窗口沿所述第二方向的长度为第一预设数量像素。
S22:从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域。
本步骤中,从获得的分界点中选取出能够将检测区域划分出的若干点,作为一种实施方式,可以从获得的分界点中选取出检测区域上端两个顶点以及下端两个顶点,请参考图3,可采用以下方法,具体包括步骤:
S220:根据获得的极大值点,求取位于沿所述第一方向的同一行两极大值点之间的宽度,并求取沿所述第一方向所有行的平均宽度。
同一行两极大值点之间的宽度是指两点之间间隔的像素数量。
在优选实施方式中,对获取图像沿第二方向扫描包括:在所述图像中从沿所述第二方向的第g1行开始扫描,到第m-g2行结束,所述图像沿所述第二方向共有m行,g1和g2根据在所述图像中对应工件表面的区域决定。其中,确定g1和g2的方法为图像第g1行至第m-g2行之外的部分表示图像中工件上下方可以忽略的部分。在实际应用中g1和g2由用户根据在图像中工件表面的位置相应确定,这样对图像可以忽略的部分则不进行扫描,可以提高效率。
本实施方式中,整幅图像共有m行,沿图像纵向从第g1行开始扫描,到第m-g2行结束,扫描窗口的长度为d1个像素,一共需要扫描s1行,每一行左端分界点表示为Dot1(x,ii),右端分界点表示为Dot2(x,ii),同一行两点之间的宽度表示为Width(ii),运算方法可表示如下:
s1=round[(m-g2-g1)÷d1] (1)
Dot1(x,ii)=max(▽binary Im age(x,ii)) (2)
Dot2(x,ii)=min(▽binary Im age(x,ii)) (3)
Width(ii)=sqrt(Dot1(x,ii)2-Dot2(x,ii)2),ii=g1,g1+d1,g1+2d1,g1+3d1……m-g2
(4)
并计算s1行的平均宽度,计算表示为:
在具体实施时,示例性的d1的取值可以是4。可以理解的是,在本方法其它具体实施例中可以灵活设定d1的取值。
S221:从所述图像沿所述第二方向的顶端开始逐行判断,寻找出根据极大值点确定的宽度与所述平均宽度相差预设数量像素的行,将该行的两极大值点分别作为检测区域上端的两顶点。
从整幅图像的最顶端开始向下逐行判断,寻找两端分界点间的宽度与平均宽度MeanWidt相差预设数量像素d的一行,作为检测区域上端两个顶点。运算方法表示如下:
ifabs(MeanWidth-Width(ii))<d;
then,Returnii,Dot1(xii,ii),Dot2(xii,ii),ii=g1,g1+d1,g1+2d1,g1+3d1……m-g2。
在具体实施时,示例性的d的取值可以是3。可以理解的是,在本方法其它具体实施例中可以灵活设定d的取值。
S222:从所述图像沿所述第二方向的底端开始逐行判断,寻找出根据极大值点确定的宽度与所述平均宽度相差预设数量像素的行,将该行的两极大值点分别作为检测区域下端的两顶点。
本步骤从整幅图像的最底端开始向上逐行判断,寻找两端分界点间的宽度与平均宽度MeanWidth相差预设数量像素d的一行,作为检测区域下端两个顶点。运算方法表示如下:
ifabs(MeanWidth-Width(ii))<d;
then,Returni,Dot1(xi,i),Dot2(xi,i),i=m-g2,m-g2-d1,m-g2-2d1,……g1。
在实际检测中,由于缺陷位置具有随机性,位置不固定,或者背景有可能框入检测区域,因此通过上述方法确定顶点,进行了优化。
通过上述过程确定出检测区域的四个顶点后,而后使用直线方程,在图像中将检测区域从背景中分割出来,运算方法可表示如下:
ii=g1,g1+d1,g1+2d1,g1+3d1……m-g2。
请参考图4(a)、图4(b)和图4(c),其中图4(a)上图表示工件表面图像的投影数据,下图表示沿图像横向的一阶投影数据,图4(b)表示工件表面图像二值化的结果,图4(c)表示原始获取的工件表面图像,在各图中使用直线划分出了检测区域,可以看出,采用本方法可以有效地、更为准确地在获取图像中将对应工件表面的检测区域划分出。
通过上述过程通过自适应区域分割,在获取图像中分割出检测区域,然后在划分出的检测区域中检测缺陷。
作为一种实施方式,请参考图5,可采用以下方法在检测区域中检测缺陷,具体包括以下步骤:
S230:在划分出的所述检测区域中,对图像灰度求取沿所述第二方向的一阶导数。
对应于上述实施方式中以圆柱形金属工件为例说明,在拍摄图像中圆柱形金属工件的轴沿图像纵向,以第一方向为沿图像横向的方向,以第二方向为沿图像纵向的方向。相应本步骤中在检测区域内,对图像灰度求取沿图像纵向的一阶导数。
S231:对所述检测区域沿所述第一方向扫描,寻找出图像灰度沿所述第二方向的一阶导数的取值超出第一预设范围的像素,确定为缺陷像素。
在具体实施时,对图像检测区域沿第一方向扫描具体包括:采用扫描窗口对所述图像沿第一方向扫描,所述扫描窗口沿所述第一方向的长度为第二预设数量像素。
本实施方式中,从划分出的检测区域的左边线开始,使用扫描窗口沿图像横向扫描,扫描窗口的长度为d2个像素,一共检测s2次,运算方法可表示如下:
Dot(jj,y)=abs(▽binaryImage(jj,y)); (7)
jj=LeftLineCenterx,LeftLineCenterx+d2,LeftLineCenterx+2d2,……math.Min(x2R,x1R);
其中,x2R、x1R分别表示划分出的检测区域右边线上下两交点的横坐标,LeftLineCente表示划分出的检测区域的左边线中点的横坐标。
在具体实施时,示例性的d2的取值可以是2。可以理解的是,在本方法其它具体实施例中可以灵活设定d2的取值。
将确定出的缺陷像素标记红色框。请参考图6(a)和图6(b),其中图6(a)表示完成缺陷检测后工件表面图像二值化的图像,图6(b)表示完成缺陷检测后对应原始获取的工件表面图像,其中标记区域为缺陷。可以看出,采用本方法可以有效地、更为准确地在检测区域识别出缺陷。
在另一种实施方式中,可采用以下方法从检测区域中检测缺陷,具体包括:在划分出的所述检测区域中寻找出灰度值超出第二预设范围的像素,求取由寻找出的像素构成的区域的最大内接矩形,根据所述最大内接矩形的长度、宽度或者面积判断是否为缺陷。
在检测区域中寻找灰度值超出第二预设范围的点或者块,然后根据点或者块的最大内接矩形的长度、宽度或者面积判断是否为缺陷。“灰度值超出第二预设范围的像素点或者块”是根据缺陷轮廓分布的,一个像素在图像中也就是一个方块,缺陷轮廓就是由一个个方块构成的多边形,在合理评估缺陷大小时,首先在这些方块构成的多边形中找出最大内接矩形,然后由该内接矩形的长度、宽度、面积等特征值作为缺陷判定条件。
本方法与上一实施方式所述的检测缺陷方法,对光线变化不够稳健,当光线变化时整体灰度值会发生变化。会影响缺陷检测。而上一实施方式所述方法在光照光线变化时缺陷位置灰度值突边量不会变化,因而提高了对环境光线变化的抗干扰能力,使检测更为准确。
进一步的,在以上实施例描述的方法中,在步骤S20之前先对获取图像进行预处理,具体包括以下步骤:
S30:将获取的所述图像中灰度值小于最低灰度阈值的像素点赋值为所述最低灰度阈值,将所述图像中灰度值大于最高灰度阈值的像素点赋值为所述最高灰度阈值;所述最低灰度阈值为图像中背景区域的灰度平均值,所述最高灰度阈值为图像中检测区域的灰度平均值。
在具体实施时,最低灰度阈值和最高灰度阈值根据已知图像计算得到,具体方法为:初始时在获取图像中手动划分出背景区域和检测区域,并分别求取背景区域的灰度平均值和检测区域的灰度平均值;后续每隔预设数量次(比如10万次),从合格品的图像中划分出背景区域和检测区域,并求取灰度平均值,并重新赋值一次。通过这种方法增强了预处理的鲁棒性。
通过本步骤有助于消除背景中灰度值过暗点与检测区域中过曝点,使背景与检测区域灰度均匀化。
S31:采用膨胀算法对图像进行处理,并采用腐蚀算法对图像进行处理。通过本步骤快速消除边缘噪声点对图像的影响。
相应的,请参考图7,本发明实施例还提供一种基于图像处理的表面缺陷检测系统,包括:
运算模块40,用于对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数;
扫描模块41,用于对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,所述第一方向和所述第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向;
划分模块42,用于从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域,以在划分出的检测区域内识别缺陷。
可以看出,本实施例基于图像处理的表面缺陷检测系统,首先对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数,通过对图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,即图像亮区域与暗区域的分界点,然后在获得的分界点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在图像中划分出检测区域,即对应于工件被照亮的表面区域,以进一步在检测区域内检测缺陷。
本实施例基于图像处理的表面缺陷检测系统,与现有技术相比不需要采用模板工件的图像来匹配找出检测区域,不会受工件放置位置或者照亮角度等因素影响,相比能够更为准确地在获取图像中划分出对应工件表面的检测区域。
本实施例基于图像处理的表面缺陷检测系统中,各模块对图像的具体处理过程及方法均可参考上述基于图像处理的表面缺陷检测方法的实施例描述内容,在此不再赘述。
以上对本发明所提供的一种基于图像处理的表面缺陷检测方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于图像处理的表面缺陷检测方法,其特征在于,包括:
对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数;
对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,所述第一方向和所述第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向;
从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域,以在划分出的检测区域内识别缺陷。
2.根据权利要求1所述的基于图像处理的表面缺陷检测方法,其特征在于,所述对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数之前,还包括:
将获取的所述图像中灰度值小于最低灰度阈值的像素点赋值为所述最低灰度阈值,将所述图像中灰度值大于最高灰度阈值的像素点赋值为所述最高灰度阈值,所述最低灰度阈值为图像中背景区域的灰度平均值,所述最高灰度阈值为图像中检测区域的灰度平均值。
3.根据权利要求2所述的基于图像处理的表面缺陷检测方法,其特征在于,所述对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数之前,还包括:采用膨胀算法对图像进行处理,并采用腐蚀算法对图像进行处理。
4.根据权利要求1所述的基于图像处理的表面缺陷检测方法,其特征在于,所述从获得的极大值点中选取出能够将检测区域划分出的若干点包括:
根据获得的极大值点,求取位于沿所述第一方向的同一行两极大值点之间的宽度,并求取沿所述第一方向所有行的平均宽度;
从所述图像沿所述第二方向的顶端开始逐行判断,寻找出根据极大值点确定的宽度与所述平均宽度相差预设数量像素的行,将该行的两极大值点分别作为检测区域上端的两顶点;
从所述图像沿所述第二方向的底端开始逐行判断,寻找出根据极大值点确定的宽度与所述平均宽度相差预设数量像素的行,将该行的两极大值点分别作为检测区域下端的两顶点。
5.根据权利要求4所述的基于图像处理的表面缺陷检测方法,其特征在于,所述对所述图像沿第二方向扫描包括:采用扫描窗口对所述图像沿所述第二方向扫描,所述扫描窗口沿所述第二方向的长度为第一预设数量像素。
6.根据权利要求4所述的基于图像处理的表面缺陷检测方法,其特征在于,所述对所述图像沿第二方向扫描包括:
在所述图像中从沿所述第二方向的第g1行开始扫描,到第m-g2行结束,所述图像沿所述第二方向共有m行,g1和g2根据在所述图像中对应工件表面的区域决定。
7.根据权利要求1-6任一项所述的基于图像处理的表面缺陷检测方法,其特征在于,在划分出的检测区域内识别缺陷包括:
在划分出的所述检测区域中,对图像灰度求取沿所述第二方向的一阶导数;
对所述检测区域沿所述第一方向扫描,寻找出图像灰度沿所述第二方向的一阶导数的取值超出第一预设范围的像素,确定为缺陷像素。
8.根据权利要求7所述的基于图像处理的表面缺陷检测方法,其特征在于,所述对所述检测区域沿所述第一方向扫描包括:采用扫描窗口对所述检测区域沿第一方向扫描,所述扫描窗口沿所述第一方向的长度为第二预设数量像素。
9.根据权利要求1-6任一项所述的基于图像处理的表面缺陷检测方法,其特征在于,在划分出的检测区域内识别缺陷包括:
在划分出的所述检测区域中寻找出灰度值超出第二预设范围的像素,求取由寻找出的像素构成的区域的最大内接矩形,根据所述最大内接矩形的长度、宽度或者面积判断是否为缺陷。
10.一种基于图像处理的表面缺陷检测系统,其特征在于,包括:
运算模块,用于对获取到的工件的表面图像,对图像灰度求取沿第一方向的一阶导数;
扫描模块,用于对所述图像沿第二方向扫描,寻找出图像灰度沿第一方向的一阶导数的极大值点,所述第一方向和所述第二方向中的一个为沿图像横向的方向,另一个为沿图像纵向的方向;
划分模块,用于从获得的极大值点中选取出能够将检测区域划分出的若干点,基于选取出的若干点使用直线在所述图像中划分出检测区域,以在划分出的检测区域内识别缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711261412.0A CN108346138B (zh) | 2017-12-04 | 2017-12-04 | 一种基于图像处理的表面缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711261412.0A CN108346138B (zh) | 2017-12-04 | 2017-12-04 | 一种基于图像处理的表面缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108346138A CN108346138A (zh) | 2018-07-31 |
CN108346138B true CN108346138B (zh) | 2021-04-09 |
Family
ID=62962143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711261412.0A Active CN108346138B (zh) | 2017-12-04 | 2017-12-04 | 一种基于图像处理的表面缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108346138B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915581B (zh) * | 2020-07-27 | 2021-07-13 | 青岛大学 | 一种金属光滑弧面缺陷检测方法 |
CN113298803B (zh) * | 2021-06-15 | 2022-07-22 | 歌尔光学科技有限公司 | 一种磁铁片检测方法、系统、设备及计算机可读存储介质 |
CN116012330B (zh) * | 2022-12-28 | 2023-10-20 | 广州市易鸿智能装备有限公司 | 一种极片的缺陷检测方法、装置、设备和计算机存储介质 |
CN117541585B (zh) * | 2024-01-09 | 2024-04-16 | 浙江双元科技股份有限公司 | 一种锂电池极片露箔缺陷检测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08178863A (ja) * | 1994-12-26 | 1996-07-12 | Dainippon Printing Co Ltd | レンチキュラーレンズシートの欠陥検査方法 |
JP2007263852A (ja) * | 2006-03-29 | 2007-10-11 | Dainippon Printing Co Ltd | 欠陥検出装置、欠陥検出方法、及び欠陥検出処理プログラム |
CN101825582A (zh) * | 2010-05-19 | 2010-09-08 | 山东明佳包装检测科技有限公司 | 一种检测圆柱体透明瓶壁的方法和装置 |
CN103324920A (zh) * | 2013-06-27 | 2013-09-25 | 华南理工大学 | 基于车辆正面图像与模板匹配的车型自动识别方法 |
CN103927751A (zh) * | 2014-04-18 | 2014-07-16 | 哈尔滨工程大学 | 基于梯度信息融合的水面光视觉图像目标区域检测方法 |
CN104121852A (zh) * | 2013-04-26 | 2014-10-29 | 株式会社三丰 | 利用鲁棒边缘判别余量的边缘测量视频工具 |
CN107238605A (zh) * | 2017-06-08 | 2017-10-10 | 广东嘉铭智能科技有限公司 | 一种圆柱状工件外表面缺陷检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7245326B2 (en) * | 2001-11-19 | 2007-07-17 | Matsushita Electric Industrial Co. Ltd. | Method of edge based interpolation |
-
2017
- 2017-12-04 CN CN201711261412.0A patent/CN108346138B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08178863A (ja) * | 1994-12-26 | 1996-07-12 | Dainippon Printing Co Ltd | レンチキュラーレンズシートの欠陥検査方法 |
JP2007263852A (ja) * | 2006-03-29 | 2007-10-11 | Dainippon Printing Co Ltd | 欠陥検出装置、欠陥検出方法、及び欠陥検出処理プログラム |
CN101825582A (zh) * | 2010-05-19 | 2010-09-08 | 山东明佳包装检测科技有限公司 | 一种检测圆柱体透明瓶壁的方法和装置 |
CN104121852A (zh) * | 2013-04-26 | 2014-10-29 | 株式会社三丰 | 利用鲁棒边缘判别余量的边缘测量视频工具 |
CN103324920A (zh) * | 2013-06-27 | 2013-09-25 | 华南理工大学 | 基于车辆正面图像与模板匹配的车型自动识别方法 |
CN103927751A (zh) * | 2014-04-18 | 2014-07-16 | 哈尔滨工程大学 | 基于梯度信息融合的水面光视觉图像目标区域检测方法 |
CN107238605A (zh) * | 2017-06-08 | 2017-10-10 | 广东嘉铭智能科技有限公司 | 一种圆柱状工件外表面缺陷检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108346138A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108346138B (zh) | 一种基于图像处理的表面缺陷检测方法及系统 | |
CN108445007B (zh) | 一种基于图像融合的检测方法及其检测装置 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
US6970606B2 (en) | Automatic image quality evaluation and correction technique for digitized and thresholded document images | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
JP4150390B2 (ja) | 外観検査方法及び外観検査装置 | |
CN111583216A (zh) | Pcba电路板的缺陷检测方法 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
CN113019973A (zh) | 一种易拉罐制造缺陷在线视觉检测方法 | |
JP2014020926A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
JP4322230B2 (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
CN114092682A (zh) | 基于机器学习的小金具类缺陷检测算法 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
JP3890844B2 (ja) | 外観検査方法 | |
CN115018829A (zh) | 一种玻璃瑕疵定位方法及装置 | |
KR101637977B1 (ko) | 레이저 비전 시스템을 이용한 용접 조인트의 특징점 검출 방법 | |
KR101675532B1 (ko) | 후판 표면 결함 탐상 장치 및 방법 | |
JP4349960B2 (ja) | 表面欠陥検査装置 | |
CN108335296B (zh) | 一种极板识别装置及方法 | |
CA2997335C (en) | Automatically generating image datasets for use in image recognition and detection | |
JP4364773B2 (ja) | 印刷物の検査方法 | |
CN117495846B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN117078665B (zh) | 产品表面缺陷检测方法、装置、存储介质和电子设备 |
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 |