CN109544508A - 一种吸气片外观检测方法 - Google Patents

Abstract

本发明的技术方案包括一种吸气片外观检测方法，用于实现：使用Otsu自动二值分割方法，将待测吸气片进行图像预处理并提取指定区域，将提取的指定区域，分别做纹理区域寻找、纹理片段提取以及纹理特征提取处理，得到正常纹理片段和缺陷纹理片段以及对应的纹理特征；将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，得到检测结果。本发明的有益效果为：具有运算量小，简单易实现，分割精度高的特点，是一种为吸气片检测任务量身定制的检测方法，另外，该算法具有很强的抗干扰能力，特别是针对不均匀照明，检测成功率可达到98％以上。

Description

一种吸气片外观检测方法

技术领域

本发明涉及一种吸气片外观检测方法，属于工业自动化检测技术领域。

背景技术

在吸气片的检测任务中，缺角缺料或油污沾粉的情况不易检测。

在目前已知的图像算法中，纹理分割主要是基于纹理的结构特征和纹理的统计特征。利用结构特征分割不同的纹理区域，需要提取纹理元，即最小的纹理结构，纹理区域是纹理元的重复排布。常用的结构特征为方向，几何特征，空间关系等。通过计算图像中每个像素邻域与纹理元的相似性，判定该像素属于哪种纹理。利用统计特征的纹理分割，更适用于纹理结构不规则排布的纹理，特别是一些材料的表面，比如沙子，石子，柏油路面等都呈现出这样的特征，纹理结构看似杂乱无章，但可以清晰分辨其不同。常用的统计特征为均值，标准差，直方图等。纹理的复杂性还不仅如此，纹理的结构性和随机性往往是同时存在的，因此纹理分割一直是图像分割中的难点。

对于吸气片缺陷检测而言，正常的吸气片表面具有晶体纹理，因为吸气片是由多种金属材料粉末压制而成，整体呈暗灰色，中间带有微小的随机分布的亮片斑点。当吸气片缺角缺料时，缺角部分的表面不再平整，光学反射减弱，呈现暗黑色，在图像中的亮度低于正常表面，且亮片斑点明显减少，但仍然存在。当吸气片被油污污染时，上述光学特征同样存在。基于统计特征的方法更适合于吸气片的表面检测。在技术选择上，需要考虑以下因素：

缺陷的面积是判断吸气片质量好坏的标准，而缺陷面积往往较小，因此分割的精度要求较高；

吸气片检测速度达到10片/秒，甚至更高，因此对算法效率要求较高；

吸气片分为带托和不带托两种类型，带托的吸气片结构复杂，干扰较多；

不均匀光照直接影响表面亮度和对比度，减弱纹理特征。

目前提取纹理特征的方法都具有各自的局限性，往往只能针对某种类型的纹理有效，其效率和分割精度也大不相同。传统的纹理分割算法追求描述纹理的结构特征，以及这种结构特征的空间分布。然而纹理结构在不同观察尺度下可能呈现完全不同的形态。因此描述纹理结构非常困难。而统计特征同样存在尺度问题，在多大的图像范围内统计纹理结构的分布状况，很大程度上取决于经验。传统算法在特征提取的尺度上具有随意性，尺度太小，特征描述不准确，容易导致误检，尺度太大，纹理分割的精度不够。传统算法的内在缺陷无法满足吸气片检测任务的要求。

发明内容

为解决上述问题，本发明的目的在于提供一种吸气片外观检测方法，使用Otsu自动二值分割方法，将待测吸气片进行图像预处理并提取指定区域，将提取的指定区域，分别做纹理区域寻找、纹理片段提取以及纹理特征提取处理，得到正常纹理片段和缺陷纹理片段以及对应的纹理特征；将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，得到检测结果。

本发明解决其问题所采用的技术方案是：一种吸气片外观检测方法，其特征在于，该方法包括以下步骤：使用Otsu自动二值分割方法，将待测吸气片进行图像预处理，区分吸气片类型并提取指定区域，其中所述吸气片类型为带托吸气片和不带托吸气片，所述指定区域为待测吸气片主体区域；将提取的指定区域，分别做纹理区域寻找、纹理片段提取以及纹理特征提取处理，得到正常纹理片段和缺陷纹理片段以及对应的纹理特征；将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，输出评判结果。

进一步的，所述使用Otsu自动二值分割方法，将待测吸气片进行图像预处理，区分吸气片类型并提取指定区域还包括以下步骤：将待测吸气片置于检测区域中，其中检测区域的图像背景为白色，待测吸气片在检测区域中呈灰色；通过Otsu的自动二值分割方法，将白色背景和灰色吸气片分割开，得到与白色背景对应的亮域和与灰色对应的暗域，即将背景和待测吸气片分割，根据亮域和暗域的亮度值，判断待测吸气片类型；提取暗域，得到待测吸气片主体区域。

进一步的，所述根据亮域和暗域的亮度值，判断待测吸气片类型包括以下步骤：定义基于亮度最小最大值的相对亮度特征，其计算公式为

相对亮度特征＝暗域中的亮度最小值/亮域中的亮度最大值

判断相对亮度特征是否小于预设门限值，若是，则该待测吸气片是带拖的吸气片，否则，该吸气片为不带拖的吸气片或检测区域中没有吸气片。

进一步的，所述该吸气片为不带拖的吸气片或检测区域中没有吸气片的进一步判断方法为：定义基于亮度平均值的相对亮度特征，其计算公式为

相对亮度特征＝暗域中的亮度均值/亮域中的亮度均值

判断相对亮度特征是否小于预设门限值，若是，则该吸气片为不带拖的吸气片，否则，该检测区域中没有吸气片。

进一步的，所述纹理区域寻找具体包括：将待测吸气片主体区域做极坐标变换；在极坐标图像中提取吸气片边缘，得到一条边缘线，将边缘线作为扫描线向吸气片内部扫描，在极坐标图片中即为扫描线向下平移一段距离，扫描线经过的区域即为纹理区域。

进一步的，所述扫描线向下平移一段距离中的距离小于1/2的吸气片半径。

进一步的，所述纹理片段提取具体包括：将待测吸气片主体区域划分成等角度的扇形区域，对应于极坐标图像为纹理区域被划分为等间距的矩形区域，其中所述角度可以自行设置；扫描线以像素点为单位进行向下平移，每平移一个单位得到一个纹理层；获取各个矩形区域中的各个纹理层中所有像素点的亮度均值，取亮度均值最高的一层为提取层；将提取层平均分为指定段数，获取各段中像素点的亮度均值，取亮度均值最高的一段，即为正常表面的纹理片段；获取各个矩形区域中的各个纹理层中所有像素点的亮度均值，取亮度均值最低的一层为提取层；将提取层平均分为指定段数，获取各段中像素点的亮度均值，取亮度均值最低的一段，即为缺陷表面的纹理片段。

进一步的，所述指定段数为两段。

进一步的，所述将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，输出评判结果具体包括：纹理特征获取步骤：统计正常纹理片段中像素点亮度值的值域分布，得到特征亮度数组A；统计缺陷纹理片段中像素点亮度值的值域分布，得到特征亮度数组B；相似性评判步骤：获取指定区域中的所有像素点亮度值，选取一像素点为参考像素点，获取参考像素点邻域内的亮度均值I，分别与特征亮度数组A和特征亮度数组B做差处理并取绝对值，得到结果数组A和结果数组B，其中邻域范围可自行设置；分别取结果数组A和结果数组B中的最小数值，得到A_min和B_min；将A_min和B_min做比对，若A_min大于B_min，则该像素点邻域对应的纹理表面为正常表面，A_min小于B_min，则该像素点邻域对应的纹理表面为缺陷表面。

进一步的，所述相似性评判步骤还包括以下步骤：建立计算模型，获取参考像素点邻域局部亮度门限值T，该模型为：

其中T(x，y)是在(x，y)处的参考像素点邻域局部亮度门限值，其中m(x，y)是在(x，y)处的参考像素点邻域内的亮度均值，其中s(x，y)是在(x，y)处的参考像素点邻域内的亮度标准差，其中k是自定义参数，其中R是亮度标准差的动态范围；将A_min和B_min与T分别做差并取绝对值；若|A_min-T|<|B_min-T|，则该像素点邻域对应的纹理表面为正常表面，若|A_min-T|>|B_min-T|，则该像素点邻域对应的纹理表面为缺陷表面。

本发明的有益效果是：本发明采用的一种吸气片外观检测方法，纹理区域寻找、纹理片段提取以及纹理特征提取处理等关键步骤，具有运算量小，简单易实现，分割精度高的特点，是一种为吸气片检测任务量身定制的检测方法，另外，该算法具有很强的抗干扰能力，特别是针对不均匀照明，检测成功率可达到98％以上。

附图说明

图1所示为吸气片外观检测方法流程示意图；

图2所示为不带拖吸气片示意图；

图3所示为带拖吸气片示意图；

图4所示为图像信号模型示意图；

图5所示为吸气片外观检测方法实施例一的方法示意图；

图6所示为提取后的指定区域示意图；

图7所示为指定区域极坐标变换后的示意图；

图8所示为吸气片外观检测方法实施例二的方法示意图；

图9所示为吸气片外观检测方法实施例三的方法示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

参照图1所示为吸气片外观检测方法流程示意图，

使用Otsu自动二值分割方法，将待测吸气片进行图像预处理，区分吸气片类型并提取指定区域，其中所述吸气片类型为带托吸气片和不带托吸气片，所述指定区域为待测吸气片主体区域；

图像预处理的任务包括区分吸气片的类型(即带托和不带托的吸气片，参照图2不带拖吸气片示意图、图3带拖吸气片示意图)和提取图像中吸气片的主题区域，参照图6提取后的指定区域示意图，预处理后，只保留包含吸气片的最小图像区域，从而减少随后的计算量。

将提取的指定区域，分别做纹理区域寻找、纹理片段提取以及纹理特征提取处理，得到正常纹理片段和缺陷纹理片段以及对应的纹理特征；

特征提取部分，应用了独创的自适应纹理模型。创建纹理模型的过程中，假设吸气片图像符合图4所示的信号模型，

参照图4的图像信号模型示意图，即图像信号是材料晶体纹理和缺陷区域的叠加，不均匀照明通过乘法关系影响吸气片的成像效果。

将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，输出评判结果。

根据纹理模型与每个图像像素邻域的匹配程度，将图像分割为缺陷区域和正常表面区域。如果缺陷区域的面积大于某个门限值，该吸气片将被检测为不合格。

首先，图像预处理的具体操作过程。在自定的光学系统下，图像背景为白色。如果有不带托的吸气片出现在图像中，可以通过Otsu的自动二值分割方法，将白色背景和灰色吸气片分割开。

Otsu算法假定该图像具有双模直方图(前景像素和背景像素)，于是计算能将两类分开的最佳阈值，使得它们的类内方差最小。

在这里，将背景部分称为亮域，吸气片部分称为暗域。如果图像中是带托的吸气片，Otsu方法将会把白色背景和金属托片一起分割为亮域，吸气片本身分割为暗域。所以带托和不带托的区别就在于图像亮域中的内容不同。据此，定义了一个基于亮度最小最大值(MIN-MAX)的相对亮度特征：

MIN-MAX相对亮度特征＝暗域中的亮度最小值/亮域中的亮度最大值，

将亮域中的亮度最大值作为分母，是为了将这个相对亮度值控制在0和1之间。另外，这个相对亮度特征不受乘性的不均匀照明的影响。当这个相对亮度特征小于一个门限值的时候，就可以判断图像中出现的是带托的吸气片。如果这个相对亮度特征不小于设定的门限值，仍存在两种可能，即图像中没有吸气片出现或者图像中出现的是不带托的吸气片。如果仍然采用Otsu方法分割图像的话，即使图像中没有吸气片，只是白色背景，图像也会被分割成暗域和亮域，这是由不均匀照明引起的。此时，存在和不存在吸气片区别在于图像暗域中的内容不同。值得注意的是，基于亮度最小最大值的相对亮度特征不能用于识别暗域中的图像内容。因为在分子部分两种情况的暗域最小亮度值可能很接近，而亮域中的最大亮度值基本是一样的。为了解决这个问题，给出了另外一个基于亮度均值(MEAN)的相对亮度特征：

MEAN相对亮度特征＝暗域中的亮度均值/亮域中的亮度均值，

如果图像中有吸气片出现，暗域的亮度均值相比没有吸气片时会明显降低。同样是通过设定门限，我们可以判定图像中是否有吸气片出现。如果有，那么暗域即是吸气片的所在区域。以上判定过程中所用到的多个门限值需要通过实验设定。门限值与图像采集时用到的光源亮度有关。只要光源亮度稳定，基于门限的判定结果也是稳定的。如果光源因长期使用，亮度明显下降，则门限值需要重新标定。但通常情况下，门限值对光源亮度的微小变化并不敏感，从而保证了检测的稳定性。

接下来将只关注不带托吸气片的暗域，这是真正感兴趣的区域。在这个区域内进一步定位哪里存在吸气片的晶体纹理。这个过程完全是自动的，不需要任何人工干预或是人工训练。因此提取出来的纹理特征被称为是自适应纹理模型。需要强调的是，所得纹理模型来自于每个吸气片本身，因此对于每个吸气片来说，得到的纹理模型是不同的，可以说是“量身定制”的。如果采用同一套纹理模型检测所有的吸气片，缺陷检测的稳定性风险很大。可能吸气片之间一点微小的成色差别，或者光学成像的微小变化，之前设定的纹理模型就会失效。即依次进行纹理区域寻找、纹理片段提取以及纹理特征提取这三个步骤。

参照图5所示为吸气片外观检测方法实施例一的方法示意图，

将待测吸气片主体区域划分成等角度的扇形区域，参照图6为提取后的指定区域示意图并做了等角度的扇形划分，对应于极坐标图像为纹理区域被划分为等间距的矩形区域，参照图7所示为指定区域极坐标变换后的示意图，其中所述角度可以自行设置；

扫描线以像素点为单位进行向下平移，每平移一个单位得到一个纹理层；

获取各个矩形区域中的各个纹理层中所有像素点的亮度均值，取亮度均值最高的一层为提取层；

将提取层平均分为指定段数，获取各段中像素点的亮度均值，取亮度均值最高的一段，即为正常表面的纹理片段；

获取各个矩形区域中的各个纹理层中所有像素点的亮度均值，取亮度均值最低的一层为提取层；

将提取层平均分为指定段数，获取各段中像素点的亮度均值，取亮度均值最低的一段，即为缺陷表面的纹理片段。

详细地说，对分割出的吸气片主体区域(即暗域参照图5)做极坐标变换(参照图6)，在极坐标图像中提取吸气片边缘，得到一条边缘线。以此为扫描线向吸气片内部扫描，在极坐标图片中即为向下平移，扫描线经过的地方就是我们要找的纹理区域(参照图6)。由于极坐标变换过程中，吸气片内部区域通过数值内插映射到极坐标图像内，所以越靠极坐标下部的图像，纹理的变形越大，不能反映真实的纹理特征。因此，扫描线平移的距离应小于1/2的吸气片半径。

将吸气片划分成等角度的扇形区域，对应于极坐标图像就是等间距的矩形区域(参照图6)。我们把极坐标图像中的扫描线每向下平移一个像素看作是一个纹理层。在每个矩形区域内，我们找到全局亮度均值最大的一层，在这一层中找到局部亮度均值最大的一段，我们称之为纹理片段。这里“全局”是指被矩形区域截取的一段纹理层上的全部像素，“局部”则是指在小于矩形区域宽度内包含的一部分纹理层像素，类似于用一个滑动窗口在矩形区域内横向平移，并截取纹理层上的像素。这个滑动窗口的宽度设定为矩形区域宽度的一半。这些纹理片段代表了吸气片正常表面的纹理。若在每个矩形区域内都取最小值，得到的纹理片段代表缺陷表面的纹理。这里需要解释的是，扫描线没有完整扫描吸气片的表面，如何保证一定能得到正常表面和缺陷表面的纹理片段。回答这个问题，我们基于一种假设：任何吸气片的边缘都不是完美的，总存在粗糙的类似缺料的边缘。这种假设是符合实际情况的。因此，极坐标图像中最上面的1到5个纹理层总是包含缺陷纹理。另外，如果吸气片表面全部损毁，将无法正确提取正常表面的纹理片段。针对这种情况，我们将采用对比度特征对每个吸气片进行预先筛选，即按以下公式计算吸气片主体区域内的对比度特征：

对比度特征＝亮度标准差/亮度均值，

如果吸气片主体区域的对比度低于某个门限，说明吸气片的晶体纹理已经不明显，可直接判定吸气片为不良品，无须进一步识别和定位表面缺陷。

参照图8所示为吸气片外观检测方法实施例二的方法示意图，首先提取正常表面的纹理特征，即在统计所有矩形区域内的正常表面纹理片段的值域分布。我们将得到一组有限数量的无重复的亮度值，称之为特征亮度数组A。然后提取缺陷表面的纹理特征。以相同的方式统计缺陷表面纹理片段的值域分布，我们可以得到一组新的亮度值，称之为特征亮度数组B。回到原图中的吸气片主体区域(即暗域)，比较每个像素邻域内亮度值分布与两组亮度值的相似性。根据相似性大小，归类每个像素是属于正常表面，还是缺陷表面。我们称这种决策方法为相对相似性准则。如何衡量亮度值分布的相似性是问题的关键。在吸气片原图的每个像素点上，其亮度为I，从特征亮度数组A中找到一个与该像素亮度最接近I的亮度值A_min。同理，也可以在特征亮度数组B中找到一个最接近I的亮度值B_min。

即

纹理特征获取步骤：

统计正常纹理片段中像素点亮度值的值域分布，得到特征亮度数组A；

统计缺陷纹理片段中像素点亮度值的值域分布，得到特征亮度数组B；

相似性评判步骤：

获取指定区域中的所有像素点亮度值，选取一像素点为参考像素点，获取参考像素点邻域内的亮度均值I，分别与特征亮度数组A和特征亮度数组B做差处理并取绝对值，得到结果数组A和结果数组B，其中邻域范围可自行设置；

分别取结果数组A和结果数组B中的最小数值，得到A_min和B_min；

将A_min和B_min做比对，若A_min大于B_min，则该像素点邻域对应的纹理表面为正常表面，A_min小于B_min，则该像素点邻域对应的纹理表面为缺陷表面。

理论上，A_min与I的差的绝对值和B_min与I的差的绝对值分别描述了I与A_min和B_min的一阶相似性。然而，I,A_min和B_min都不同程度受到了不均匀照明的影响，而且这三个值来自于不同的像素位置，因此图4模型中的乘性噪声无法通过求比例的方式消除。换一种方式，我们在原图中每个像素位置上采用Sauvola方法计算一个局部亮度门限值T，并把这个门限值T作为对不均匀照明亮度的估计。

参照图9所示为吸气片外观检测方法实施例三的方法示意图，

建立计算模型，获取参考像素点邻域局部亮度门限值T，该模型为：

其中T(x，y)是在(x，y)处的参考像素点邻域局部亮度门限值，

其中m(x，y)是在(x，y)处的参考像素点邻域内的亮度均值，

其中s(x，y)是在(x，y)处的参考像素点邻域内的亮度标准差，

其中k是自定义参数，

其中R是亮度标准差的动态范围；

将A_min和B_min与T分别做差并取绝对值；

若|A_min-T|<|B_min-T|，则该像素点邻域对应的纹理表面为正常表面，若|A_min-T>Bmin-T，则该像素点邻域对应的纹理表面为缺陷表面。

我们用|A_min-T|和|B_min-T|来抑制不均匀照明的影响。利用相对相似性准则，如果|A_min-T|>|B_min-T|，该像素与缺陷表面纹理更为相似，则将该像素归类为吸气片的表面缺陷。对吸气片主体区域中的每个像素进行相似性评判，就可以分割出表面缺陷所在的图像区域。如果表面缺陷的面积大于某个门限，则判定吸气片为不良品。该门限需要吸气片生产厂商根据产品质量要求自行设定。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种吸气片外观检测方法，其特征在于，该方法包括以下步骤：

使用Otsu自动二值分割方法，将待测吸气片进行图像预处理，区分吸气片类型并提取指定区域，其中所述吸气片类型为带托吸气片和不带托吸气片，所述指定区域为待测吸气片主体区域；

将提取的指定区域，分别做纹理区域寻找、纹理片段提取以及纹理特征提取处理，得到正常纹理片段和缺陷纹理片段以及对应的纹理特征；

将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，输出评判结果。

2.根据权利要求1所述的吸气片外观检测方法，其特征在于，所述使用Otsu自动二值分割方法，将待测吸气片进行图像预处理，区分吸气片类型并提取指定区域还包括以下步骤：

将待测吸气片置于检测区域中，其中检测区域的图像背景为白色，待测吸气片在检测区域中呈灰色；

通过Otsu的自动二值分割方法，将白色背景和灰色吸气片分割开，得到与白色背景对应的亮域和与灰色对应的暗域，即将背景和待测吸气片分割，根据亮域和暗域的亮度值，判断待测吸气片类型；

提取暗域，得到待测吸气片主体区域。

3.根据权利要求2所述的吸气片外观检测方法，其特征在于，所述根据亮域和暗域的亮度值，判断待测吸气片类型包括以下步骤：

定义基于亮度最小最大值的相对亮度特征，其计算公式为

相对亮度特征＝暗域中的亮度最小值/亮域中的亮度最大值

判断相对亮度特征是否小于预设门限值，若是，则该待测吸气片是带拖的吸气片，否则，该吸气片为不带拖的吸气片或检测区域中没有吸气片。

4.根据权利要求3所述的吸气片外观检测方法，其特征在于，所述该吸气片为不带拖的吸气片或检测区域中没有吸气片的进一步判断方法为：

定义基于亮度平均值的相对亮度特征，其计算公式为

相对亮度特征＝暗域中的亮度均值/亮域中的亮度均值

判断相对亮度特征是否小于预设门限值，若是，则该吸气片为不带拖的吸气片，否则，该检测区域中没有吸气片。

5.根据权利要求1所述的吸气片外观检测方法，其特征在于，所述纹理区域寻找具体包括：

将待测吸气片主体区域做极坐标变换；

在极坐标图像中提取吸气片边缘，得到一条边缘线，将边缘线作为扫描线向吸气片内部扫描，在极坐标图片中即为扫描线向下平移一段距离，扫描线经过的区域即为纹理区域。

6.根据权利要求5所述的吸气片外观检测方法，其特征在于，所述扫描线向下平移一段距离中的距离小于1/2的吸气片半径。

7.根据权利要求1所述的吸气片外观检测方法，其特征在于，所述纹理片段提取具体包括：

将待测吸气片主体区域划分成等角度的扇形区域，对应于极坐标图像为纹理区域被划分为等间距的矩形区域，其中所述角度可以自行设置；

扫描线以像素点为单位进行向下平移，每平移一个单位得到一个纹理层；

获取各个矩形区域中的各个纹理层中所有像素点的亮度均值，取亮度均值最高的一层为提取层；

将提取层平均分为指定段数，获取各段中像素点的亮度均值，取亮度均值最高的一段，即为正常表面的纹理片段；

获取各个矩形区域中的各个纹理层中所有像素点的亮度均值，取亮度均值最低的一层为提取层；

将提取层平均分为指定段数，获取各段中像素点的亮度均值，取亮度均值最低的一段，即为缺陷表面的纹理片段。

8.根据权利要求7所述的吸气片外观检测方法，其特征在于，所述指定段数为两段。

9.根据权利要求1所述的吸气片外观检测方法，其特征在于，所述将纹理片段对应的纹理特征与指定区域中的所有像素点进行相似性评判，输出评判结果具体包括：

纹理特征获取步骤：

统计正常纹理片段中像素点亮度值的值域分布，得到特征亮度数组A；

统计缺陷纹理片段中像素点亮度值的值域分布，得到特征亮度数组B；

相似性评判步骤：

获取指定区域中的所有像素点亮度值，选取一像素点为参考像素点，获取参考像素点邻域内的亮度均值I，分别与特征亮度数组A和特征亮度数组B做差处理并取绝对值，得到结果数组A和结果数组B，其中邻域范围可自行设置；

分别取结果数组A和结果数组B中的最小数值，得到A_min和B_min；

将A_min和B_min做比对，若A_min大于B_min，则该像素点邻域对应的纹理表面为正常表面，A_min小于B_min，则该像素点邻域对应的纹理表面为缺陷表面。

10.根据权利要求9所述的吸气片外观检测方法，其特征在于，所述相似性评判步骤还包括以下步骤：

建立计算模型，获取参考像素点邻域局部亮度门限值T，该模型为：

其中T(x，y)是在(x，y)处的参考像素点邻域局部亮度门限值，

其中m(x，y)是在(x，y)处的参考像素点邻域内的亮度均值，

其中s(x，y)是在(x，y)处的参考像素点邻域内的亮度标准差，

其中k是自定义参数，

其中R是亮度标准差的动态范围；

将A_min和B_min与T分别做差并取绝对值；

若|A_min-T|<|B_min-T|，则该像素点邻域对应的纹理表面为正常表面，若|A_min-T>Bmin-T，则该像素点邻域对应的纹理表面为缺陷表面。