CN114359267A - 基于直方图的金属货架的钣金漆面鼓包识别方法及系统 - Google Patents

基于直方图的金属货架的钣金漆面鼓包识别方法及系统 Download PDF

Info

Publication number
CN114359267A
CN114359267A CN202210216900.4A CN202210216900A CN114359267A CN 114359267 A CN114359267 A CN 114359267A CN 202210216900 A CN202210216900 A CN 202210216900A CN 114359267 A CN114359267 A CN 114359267A
Authority
CN
China
Prior art keywords
gray
probability
neighborhood
histogram
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.)
Granted
Application number
CN202210216900.4A
Other languages
English (en)
Other versions
CN114359267B (zh
Inventor
丁华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Libili Metal Products Co ltd
Original Assignee
Wuhan Libili Metal Products Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Libili Metal Products Co ltd filed Critical Wuhan Libili Metal Products Co ltd
Priority to CN202210216900.4A priority Critical patent/CN114359267B/zh
Publication of CN114359267A publication Critical patent/CN114359267A/zh
Application granted granted Critical
Publication of CN114359267B publication Critical patent/CN114359267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于直方图的金属货架的钣金漆面鼓包识别方法及系统。该方法通过像素点本身灰度值获得灰度直方图，根据灰度直方图的信息结合高斯拟合获得每个灰度值属于背景的第一概率。通过设定多个邻域范围，获得多个二维灰度直方图，根据二维灰度直方图获得每个灰度值对应的邻域灰度直方图，根据邻域灰度直方图的信息结合高斯拟合获得在一个灰度值下每个邻域范围内每个邻域灰度均值属于背景的第二概率。根据第一概率和第二概率确定像素点属于背景的第三概率，通过第三概率确定像素点的类别，获得鼓包区域。本发明通过分析像素点本身灰度信息和邻域范围内的灰度信息对像素类别进行判断，实现对鼓包区域准确识别。

Description

基于直方图的金属货架的钣金漆面鼓包识别方法及系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于直方图的金属货架的钣金漆面鼓包识别方法及系统。
背景技术
钣金是针对金属薄板的一种综合冷加工工艺，包括剪、冲、切、复合、折、铆接、拼接、成型等操作。钣金产品具有重量轻，强度高、成本低的特点。钣金结构件为最常见的一种钣金产品。钣金结构件广泛的运用于各种产品之上，常常利用钣金结构件作为产品的拼接结构，其中金属货架为常见的钣金结构件拼装产品。为了对金属货架这种长期暴露在空气中的产品进行外观设计和产品保护的，需要在钣金上进行喷漆工艺。
对于使用时间过久的钣金产品，尽管存在漆面保护，仍会出现部分生锈的问题。此时为了延长产品使用寿命，会继续进行喷漆工艺，但是因为产品生锈带来的部分区域粗糙不均匀，使得生锈区域在原本的漆面上形成了鼓包。为了保证产品质量，需要对鼓包区域进行预处理后再执行新的喷漆工艺。
为了实现自动化的产品保护，需要快速的将鼓包区域识别出来。机器视觉可分析钣金产品图像中的像素值，通过阈值分割方法对鼓包区域进行分割。但是鼓包区域因为是在原本漆面上的鼓包，因此与周围正常漆面的像素特征差别不大，且阈值分割无法提供一个准确的阈值，容易造成误检。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于直方图的金属货架的钣金漆面鼓包识别方法及系统，所采用的技术方案具体如下：
本发明提出了一种基于直方图的金属货架的钣金漆面鼓包识别方法，所述方法包括：
获得钣金产品图像；所述钣金产品图像为灰度图；根据像素点的灰度值差异去除所述钣金产品图像中的生锈区域，获得产品漆面图像；
统计所述产品漆面图像的像素点，获得灰度直方图；根据所述灰度直方图中像素值的第一频率进行高斯模型拟合，获得第一高斯模型；根据所述第一高斯模型获得每个灰度值属于背景的第一概率；
统计所述产品漆面图像的每个像素点在多个预设邻域范围内的邻域灰度均值；根据像素点的灰度值结合所述邻域灰度均值获得多个二维灰度直方图；根据所述二维灰度直方图获得每个灰度值对应的邻域灰度直方图；所述邻域灰度直方图的横轴为所述邻域灰度均值，纵轴为频数；根据所述邻域灰度直方图中的第二频率进行高斯模型拟合，获得第二高斯模型；根据所述第二高斯模型获得每个所述邻域范围下每个所述邻域灰度均值属于背景的第二概率；
根据每个像素点的灰度值的所述第一概率和所有所述邻域范围内的所述灰度均值的所述第二概率获得每个像素点属于背景的第三概率；根据所述第三概率确定像素点的类别；根据所述类别对所述产品漆面图像进行分割，获得鼓包区域。
进一步地，所述根据像素点的灰度值差异去除所述钣金产品图像中的生锈区域包括：
通过大津阈值算法将所述钣金产品图像二值化，获得产品漆面二值图；根据所述产品漆面二值图获得遮罩；利用所述遮罩将所述钣金产品图像中的生锈区域去除，获得所述产品漆面图像。
进一步地，所述根据所述灰度直方图中像素值的频数进行高斯模型拟合包括：
根据每个灰度值及其对应的第一频率获得整体灰度均值；
根据每个灰度值的所述第一频率获得最大的所述第一频率对应的灰度值到所述整体灰度均值之间的灰度均值作为第一拟合灰度均值；
根据每个灰度值的所述第一频率获得最大的所述第一频率对应的灰度值到所述整体灰度均值之间的灰度方差作为第一拟合灰度方差；
根据所述第一拟合灰度均值和所述第一拟合灰度方差进行高斯模型拟合，获得所述第一高斯模型。
进一步地，所述第一高斯模型包括：
Figure 300309DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为灰度值为
Figure 903329DEST_PATH_IMAGE004
属于背景的所述第一概率，
Figure 100002_DEST_PATH_IMAGE005
为所述第一灰度拟合灰度均值，
Figure 15641DEST_PATH_IMAGE006
为第一拟合灰度方差。
进一步地，所述根据所述邻域灰度直方图中的频数进行高斯模型拟合包括：
以所述邻域灰度直方图对应的灰度值作为第二拟合灰度均值；根据所述第二拟合灰度均值获得所述邻域灰度直方图的第二拟合灰度方差；
根据所述第二拟合灰度均值和所述第二拟合灰度方差进行高斯模型拟合，获得所述第二高斯模型。
进一步地，所述第二高斯模型包括：
Figure 944283DEST_PATH_IMAGE008
其中，
Figure 100002_DEST_PATH_IMAGE009
为所述邻域灰度均值为
Figure 142046DEST_PATH_IMAGE010
属于背景的所述第二概率，
Figure 100002_DEST_PATH_IMAGE011
为所述第二拟合灰度均值，
Figure 814336DEST_PATH_IMAGE012
为所述第二拟合灰度方差。
进一步地，所述根据每个像素点的灰度值和所有所述邻域范围内的所述灰度均值的所述第一概率和所述第二概率获得每个像素点属于背景的第三概率包括：
根据第三概率模型获得所述第三概率；所述第三概率模型包括：
Figure 781155DEST_PATH_IMAGE014
其中，
Figure 100002_DEST_PATH_IMAGE015
为灰度值为
Figure 152137DEST_PATH_IMAGE004
且所述邻域灰度均值为
Figure 571617DEST_PATH_IMAGE010
属于背景的所述第三概率；
Figure 313177DEST_PATH_IMAGE003
为灰度值为
Figure 400081DEST_PATH_IMAGE004
属于背景的所述第一概率，
Figure 77050DEST_PATH_IMAGE016
为在第
Figure 100002_DEST_PATH_IMAGE017
种尺寸的所述邻域范围下的所述邻域灰度均值为
Figure 108460DEST_PATH_IMAGE010
属于背景的所述第二概率，
Figure 997919DEST_PATH_IMAGE018
为所述邻域范围的尺寸种类数量，
Figure 100002_DEST_PATH_IMAGE019
为预设第一概率阈值。
进一步地，所述根据所述第三概率确定像素点的类别包括：
以所述第三概率大于预设第二概率阈值的像素点作为背景像素点，其他像素点作为鼓包像素点。
本发明还提出了一种基于直方图的金属货架的钣金漆面鼓包识别系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于直方图的金属货架的钣金漆面鼓包识别方法的步骤。
本发明具有如下有益效果：
本发明实施例结合灰度直方图和二维灰度直方图从像素点的灰度值和所处邻域范围内的灰度均值进行分析，考虑了像素点的本身信息和与邻域范围内的空间信息，通过第一概率和第三概率的结合获得准确表示背景概率的第三概率。通过第三概率分析像素点的类别，避免了仅分析像素值差异造成的误检，实现准确快速的识别鼓包区域。
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和优点，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的介绍，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它附图。
图1为本发明一个实施例所提供的一种基于直方图的金属货架的钣金漆面鼓包识别方法流程图；
图2为本发明一个实施例所提供的一个钣金产品局部区域示意图；
图3为本发明一个实施例所提供的一个灰度直方图示意图；
图4为本发明一个实施例所提供的一个二维灰度直方图示意图；
图5为本发明一个实施例所提供的一个邻域灰度直方图示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于直方图的金属货架的钣金漆面鼓包识别方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于直方图的金属货架的钣金漆面鼓包识别方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于直方图的金属货架的钣金漆面鼓包识别方法流程图，该方法包括：
步骤S1：获得钣金产品图像；钣金产品图像为灰度图；根据像素点的灰度值差异去除钣金产品图像中的生锈区域，获得产品漆面图像。
部署相机拍摄正视角下的钣金产品，需要说明的是钣金产品为应用于金属货架上的钣金结构件，比如：金属货架的层板、托盘等等。保证钣金产品图像信息完整且清晰。将钣金产品图像进行灰度化处理，请参阅图2，其示出了本发明一个实施例所提供的一个钣金产品局部区域示意图，其中图2的黑色部分即生锈区域，生锈区域会因为金属的氧化导致表面粗糙变形，使得原始漆面脱落，造成生锈区域与其他区域的颜色存在明显区别。生锈区域会导致邻近区域存在漆面鼓包，即鼓包区域。鼓包区域为本发明实施例所需要的检测目标，因此除鼓包区域外都是背景区域，因为生锈区域与普通漆面区域和鼓包区域都存在较大的灰度值差异，因此可根据像素点的灰度值差异去除钣金产品图像中的生锈区域，具体包括：
大津阈值又称最大类间方差法，可根据图像中较大的像素值差异自适应的进行阈值分割，通过大津阈值算法将钣金产品图像二值化，获得产品漆面二值图，产品漆面二值图中生锈区域像素值为0，其他区域像素值为1。根据产品漆面二值图获得遮罩。将遮罩与钣金产品图像相乘，利用遮罩将钣金产品图像中的生锈区域去除，获得产品漆面图像。
产品漆面图像中去除了生锈区域，仅剩鼓包区域和普通漆面区域，以普通漆面区域作为背景，可对产品漆面图像进行具体分析。
步骤S2：统计产品漆面图像的像素点，获得灰度直方图；根据灰度直方图中像素值的第一频率进行高斯模型拟合，获得第一高斯模型；根据第一高斯模型获得每个灰度值属于背景的第一概率。
鼓包区域与背景的像素值差异并没有太大差距，因此无法直接利用像素值阈值分割的方法将鼓包区域分割出来。
因为鼓包区域是因为生锈导致的漆面鼓包，生锈区域在产品表面的占比较小，因此鼓包区域的占比也较小，可根据像素值对产品漆面图中的像素点进行统计，构建灰度直方图，进行概率分析，具体包括：
请参阅图3，其示出了本发明一个实施例所提供的一个灰度直方图示意图，灰度直方图的横轴为灰度值，取值区间为[0,255]，纵轴为灰度值出现频数。可根据纵轴信息获得每个灰度值的第一频率
Figure 63964DEST_PATH_IMAGE020
，即：
Figure 911834DEST_PATH_IMAGE022
其中，
Figure 305906DEST_PATH_IMAGE004
为像素值大小，
Figure DEST_PATH_IMAGE023
为像素值为
Figure 123690DEST_PATH_IMAGE004
对应的频数，
Figure 919607DEST_PATH_IMAGE024
为产品漆面图像中的像素点总数。
因为背景像素点占比较多且像素值均匀，鼓包区域与其相反，因此可认为背景区域的像素点灰度值分布在频数最大灰度值与灰度值均值之间，因此可在高斯分布上进行分析。将第一频率进行高斯模型拟合，获得第一高斯模型，根据第一高斯模型获得每个灰度值属于背景的第一概率，具体包括：
根据每个灰度值及其对应的第一频率获得整体灰度均值
Figure DEST_PATH_IMAGE025
，即
Figure 531854DEST_PATH_IMAGE026
。
根据每个灰度值的第一频率获得最大的第一频率对应的灰度值到整体灰度均值之间的灰度均值作为第一拟合灰度均值
Figure 678802DEST_PATH_IMAGE005
，即
Figure DEST_PATH_IMAGE027
，其中
Figure 300276DEST_PATH_IMAGE028
为最大的第一频率对应的灰度值。
根据每个灰度值的第一频率获得最大的第一频率对应的灰度值到整体灰度均值之间的灰度方差作为第一拟合灰度方差
Figure 950700DEST_PATH_IMAGE006
，即
Figure DEST_PATH_IMAGE029
。
根据第一拟合灰度均值和第一拟合灰度方差进行高斯模型拟合，获得第一高斯模型。
因为背景像素点分布占卜较大，因此在第一高斯模型中，对于属于背景的像素点，其灰度值落在
Figure 733848DEST_PATH_IMAGE030
属于小概率事件，认为不可能发生。则第一高斯模型包括：
Figure 368092DEST_PATH_IMAGE002
其中，
Figure 668623DEST_PATH_IMAGE003
为灰度值为
Figure 563767DEST_PATH_IMAGE004
属于背景的第一概率，
Figure 658762DEST_PATH_IMAGE005
为第一灰度拟合灰度均值，
Figure 780302DEST_PATH_IMAGE006
为第一拟合灰度方差。
根据第一高斯模型即可获得每个灰度值属于背景的第一概率。
步骤S3：统计产品漆面图像的每个像素点多个预设邻域范围内的邻域灰度均值；根据像素点的灰度值结合邻域灰度均值获得多个二维灰度直方图；根据二维灰度直方图获得每个灰度值对应的邻域灰度直方图；根据邻域灰度直方图中的第二频率进行高斯模型拟合，获得第二高斯模型；根据第二高斯模型获得每个邻域范围下每个邻域灰度均值属于背景的第二概率。
灰度直方图仅为一维的图像，仅包括灰度值本身的概率信息，对于背景像素而言，因为背景像素灰度值均匀，其邻域范围内的灰度均值也应保持一致，因此可利用二维灰度直方图反映出像素点与邻域范围内的空间相关信息，具体包括：
不同结构元构建的二维灰度直方图有不同的效果，结构元即邻域范围的尺寸，在本发明实施例中，二维灰度直方图的结构元尺寸为3、5、7、9，即邻域范围的尺寸选用3*3、5*5、7*7、9*9四种不同尺寸的邻域范围。
统计产品漆面图像中每个像素点预设邻域范围内的邻域灰度均值。像素点的灰度值结合邻域灰度均值获得二维灰度直方图。请参阅图4，其示出了本发明一个实施例所提供的一个二维灰度直方图示意图。二维灰度直方图中，x轴表示像素点的灰度值，取值区间为[0,255]；y轴表示邻域灰度均值，取值区间为[0,255]；z轴为频数。在本发明实施例中，选用了四个邻域范围，即生成四个二维灰度直方图，为了方便描述，后续说明过程仅以一个邻域范围下的二维灰度直方图进行说明。
在二维灰度直方图上根据灰度值大小进行切片，可以获得每个灰度值对应的邻域灰度直方图。在邻域灰度直方图上，横轴为邻域灰度均值，纵轴为频数。根据邻域灰度直方图可获得每个灰度值对应的每个邻域灰度均值的第二频率
Figure DEST_PATH_IMAGE031
，即：
Figure DEST_PATH_IMAGE033
其中，
Figure 212420DEST_PATH_IMAGE031
为灰度值为
Figure 837437DEST_PATH_IMAGE004
邻域灰度均值为
Figure 493546DEST_PATH_IMAGE010
的第二频率，
Figure 836803DEST_PATH_IMAGE024
为产品漆面图像的像素点总数，
Figure 744716DEST_PATH_IMAGE034
为灰度值为
Figure 348872DEST_PATH_IMAGE004
邻域灰度均值为
Figure 51249DEST_PATH_IMAGE010
的频数。
因为背景区域的像素点邻域灰度均值越接近该像素点的灰度值，则该像素点属于背景的概率越大。因此根据邻域灰度直方图中的第二频率进行高斯模型拟合，获得第二高斯模型包括：
以邻域灰度直方图对应的灰度值
Figure 881802DEST_PATH_IMAGE004
作为第二拟合灰度均值
Figure 327827DEST_PATH_IMAGE011
。根据第二拟合灰度均值获得邻域灰度直方图的第二拟合灰度方差
Figure 52069DEST_PATH_IMAGE012
，即：
Figure 659768DEST_PATH_IMAGE036
其中，
Figure 977617DEST_PATH_IMAGE010
为邻域灰度均值大小。
根据第二拟合灰度均值和第二拟合灰度方差进行高斯模型拟合，获得第二高斯模型。与第一高斯模型相似的，对于属于背景的像素点，其邻域灰度均值
Figure 86387DEST_PATH_IMAGE010
落在
Figure DEST_PATH_IMAGE037
外的属于小概率事件，认为不可能发生。对于落在
Figure 540502DEST_PATH_IMAGE037
区间的灰度值存在属于背景的概率，具体包括：
第二高斯模型包括：
Figure 584682DEST_PATH_IMAGE008
其中，
Figure 248881DEST_PATH_IMAGE009
为邻域灰度均值为
Figure 36709DEST_PATH_IMAGE010
属于背景的所述第二概率，
Figure 610909DEST_PATH_IMAGE011
为所述第二拟合灰度均值，
Figure 950624DEST_PATH_IMAGE012
为所述第二拟合灰度方差。
需要说明的是，在进行邻域灰度直方图统计时，仅统计灰度值
Figure 977486DEST_PATH_IMAGE004
在
Figure 569004DEST_PATH_IMAGE030
区间内的邻域灰度直方图即可，因为其他灰度值都为小概率事件，认为属于背景的概率为0，可以避免无关数据的过多分析，减少计算量。
步骤S4：根据每个像素点的灰度值的第一概率和所有邻域范围内的灰度均值的第二概率获得每个像素点属于背景的第三概率；根据第三概率确定像素点的类别；根据类别对产品漆面图像进行分割，获得鼓包区域。
结合第一高斯模型的第一概率和所有邻域范围下的第二高斯模型的第二概率可以在像素点的本身灰度值和邻域范围内的灰度值进行共同分析属于背景的概率，即获得每个像素点属于背景的第三概率，具体包括：
根据第三概率模型获得第三概率；第三概率模型包括：
Figure 997711DEST_PATH_IMAGE014
其中，
Figure 260326DEST_PATH_IMAGE015
为灰度值为
Figure 40063DEST_PATH_IMAGE004
且邻域灰度均值为
Figure 169693DEST_PATH_IMAGE010
属于背景的第三概率；
Figure 577541DEST_PATH_IMAGE003
为灰度值为
Figure 400003DEST_PATH_IMAGE004
属于背景的第一概率，
Figure 401457DEST_PATH_IMAGE016
为在第
Figure 193833DEST_PATH_IMAGE017
种尺寸的邻域范围下的邻域灰度均值为
Figure 331553DEST_PATH_IMAGE010
属于背景的第二概率，
Figure 324917DEST_PATH_IMAGE018
为邻域范围的尺寸种类数量，
Figure 813667DEST_PATH_IMAGE019
为预设第一概率阈值。在本发明实施例中邻域范围选用了四种，即
Figure 409734DEST_PATH_IMAGE038
。
在第三概率模型中认为小于等于预设第一概率阈值的第二概率不属于背景，即第三概率为0。在第二概率大于第一概率阈值的情况下以第一概率和第二概率均值的乘积将第一概率和第二概率结合起来，获得第三概率。
在本发明实施例中，第一概率阈值设置为0.8。
以第三概率大于预设第二概率阈值的像素点作为背景像素点，其他像素点作为鼓包像素点。在本发明实施例中，第二概率阈值设置为0.8。
根据像素点的类别对产品漆面图像进行分割，获得鼓包区域。可在后续维护过程中，控制机器对鼓包部位进行打磨处理，做防锈工艺，然后填补原子灰，待原子灰彻底干透，打磨平整，最后喷漆，完成补漆过程。
综上所述，本发明实施例通过像素点本身灰度值获得灰度直方图，根据灰度直方图的信息结合高斯拟合获得每个灰度值属于背景的第一概率。通过设定多个邻域范围，获得多个二维灰度直方图，根据二维灰度直方图获得每个灰度值对应的邻域灰度直方图，根据邻域灰度直方图的信息结合高斯拟合获得在一个灰度值下每个邻域范围内每个邻域灰度均值属于背景的第二概率。根据第一概率和第二概率确定像素点属于背景的第三概率，通过第三概率确定像素点的类别，获得鼓包区域。本发明实施例通过分析像素点本身灰度信息和邻域范围内的灰度信息对像素类别进行判断，实现对鼓包区域准确识别。
本发明还提出了一种基于直方图的金属货架的钣金漆面鼓包识别系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现任意一项一种基于直方图的金属货架的钣金漆面鼓包识别方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述方法包括：
获得钣金产品图像；所述钣金产品图像为灰度图；根据像素点的灰度值差异去除所述钣金产品图像中的生锈区域，获得产品漆面图像；
统计所述产品漆面图像的像素点，获得灰度直方图；根据所述灰度直方图中像素值的第一频率进行高斯模型拟合，获得第一高斯模型；根据所述第一高斯模型获得每个灰度值属于背景的第一概率；
统计所述产品漆面图像的每个像素点在多个预设邻域范围内的邻域灰度均值；根据像素点的灰度值结合所述邻域灰度均值获得多个二维灰度直方图；根据所述二维灰度直方图获得每个灰度值对应的邻域灰度直方图；所述邻域灰度直方图的横轴为所述邻域灰度均值，纵轴为频数；根据所述邻域灰度直方图中的第二频率进行高斯模型拟合，获得第二高斯模型；根据所述第二高斯模型获得每个所述邻域范围下每个所述邻域灰度均值属于背景的第二概率；
根据每个像素点的灰度值的所述第一概率和所有所述邻域范围内的所述灰度均值的所述第二概率获得每个像素点属于背景的第三概率；根据所述第三概率确定像素点的类别；根据所述类别对所述产品漆面图像进行分割，获得鼓包区域。
2.根据权利要求1所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述根据像素点的灰度值差异去除所述钣金产品图像中的生锈区域包括：
通过大津阈值算法将所述钣金产品图像二值化，获得产品漆面二值图；根据所述产品漆面二值图获得遮罩；利用所述遮罩将所述钣金产品图像中的生锈区域去除，获得所述产品漆面图像。
3.根据权利要求1所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述根据所述灰度直方图中像素值的频数进行高斯模型拟合包括：
根据每个灰度值及其对应的第一频率获得整体灰度均值；
根据每个灰度值的所述第一频率获得最大的所述第一频率对应的灰度值到所述整体灰度均值之间的灰度均值作为第一拟合灰度均值；
根据每个灰度值的所述第一频率获得最大的所述第一频率对应的灰度值到所述整体灰度均值之间的灰度方差作为第一拟合灰度方差；
根据所述第一拟合灰度均值和所述第一拟合灰度方差进行高斯模型拟合，获得所述第一高斯模型。
4.根据权利要求3所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述第一高斯模型包括：
Figure 357174DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为灰度值为
Figure 602211DEST_PATH_IMAGE004
属于背景的所述第一概率，
Figure DEST_PATH_IMAGE005
为所述第一灰度拟合灰度均值，
Figure 709844DEST_PATH_IMAGE006
为第一拟合灰度方差。
5.根据权利要求1所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述根据所述邻域灰度直方图中的频数进行高斯模型拟合包括：
以所述邻域灰度直方图对应的灰度值作为第二拟合灰度均值；根据所述第二拟合灰度均值获得所述邻域灰度直方图的第二拟合灰度方差；
根据所述第二拟合灰度均值和所述第二拟合灰度方差进行高斯模型拟合，获得所述第二高斯模型。
6.根据权利要求1所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述第二高斯模型包括：
Figure 839474DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为所述邻域灰度均值为
Figure 122688DEST_PATH_IMAGE010
属于背景的所述第二概率，
Figure DEST_PATH_IMAGE011
为所述第二拟合灰度均值，
Figure 538626DEST_PATH_IMAGE012
为所述第二拟合灰度方差。
7.根据权利要求1所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述根据每个像素点的灰度值和所有所述邻域范围内的所述灰度均值的所述第一概率和所述第二概率获得每个像素点属于背景的第三概率包括：
根据第三概率模型获得所述第三概率；所述第三概率模型包括：
Figure 540080DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE015
为灰度值为
Figure 66876DEST_PATH_IMAGE004
且所述邻域灰度均值为
Figure 470175DEST_PATH_IMAGE010
属于背景的所述第三概率；
Figure 197960DEST_PATH_IMAGE003
为灰度值为
Figure 811344DEST_PATH_IMAGE004
属于背景的所述第一概率，
Figure 282777DEST_PATH_IMAGE016
为在第
Figure DEST_PATH_IMAGE017
种尺寸的所述邻域范围下的所述邻域灰度均值为
Figure 134058DEST_PATH_IMAGE010
属于背景的所述第二概率，
Figure 298323DEST_PATH_IMAGE018
为所述邻域范围的尺寸种类数量，
Figure DEST_PATH_IMAGE019
为预设第一概率阈值。
8.根据权利要求1所述的一种基于直方图的金属货架的钣金漆面鼓包识别方法，其特征在于，所述根据所述第三概率确定像素点的类别包括：
以所述第三概率大于预设第二概率阈值的像素点作为背景像素点，其他像素点作为鼓包像素点。
9.一种基于直方图的金属货架的钣金漆面鼓包识别系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
CN202210216900.4A 2022-03-07 2022-03-07 基于直方图的金属货架的钣金漆面鼓包识别方法及系统 Active CN114359267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210216900.4A CN114359267B (zh) 2022-03-07 2022-03-07 基于直方图的金属货架的钣金漆面鼓包识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210216900.4A CN114359267B (zh) 2022-03-07 2022-03-07 基于直方图的金属货架的钣金漆面鼓包识别方法及系统

Publications (2)

Publication Number Publication Date
CN114359267A true CN114359267A (zh) 2022-04-15
CN114359267B CN114359267B (zh) 2022-06-24

Family

ID=81095059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210216900.4A Active CN114359267B (zh) 2022-03-07 2022-03-07 基于直方图的金属货架的钣金漆面鼓包识别方法及系统

Country Status (1)

Country Link
CN (1) CN114359267B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100174A (zh) * 2022-07-14 2022-09-23 上海群乐船舶附件启东有限公司 一种船舶钣金件漆面缺陷检测方法
CN115311479A (zh) * 2022-09-30 2022-11-08 南通鑫生派智能科技有限公司 一种汽车工件装配图像识别方法及系统
CN116237205A (zh) * 2023-01-30 2023-06-09 南通市金月亮新材料科技发展有限公司 一种门窗喷涂调节方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6028953A (en) * 1995-08-22 2000-02-22 Kabushiki Kaisha Toshiba Mask defect repair system and method which controls a dose of a particle beam
CN101706959A (zh) * 2009-10-21 2010-05-12 苏州有色金属研究院有限公司 基于二维信息熵金属板带表面缺陷提取方法
CN109461148A (zh) * 2018-10-30 2019-03-12 兰州交通大学 基于二维Otsu的钢轨缺陷分割自适应快速算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6028953A (en) * 1995-08-22 2000-02-22 Kabushiki Kaisha Toshiba Mask defect repair system and method which controls a dose of a particle beam
CN101706959A (zh) * 2009-10-21 2010-05-12 苏州有色金属研究院有限公司 基于二维信息熵金属板带表面缺陷提取方法
CN109461148A (zh) * 2018-10-30 2019-03-12 兰州交通大学 基于二维Otsu的钢轨缺陷分割自适应快速算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张弘等: "应用最小方差滤波的图像分割方法", 《计算机工程与应用》 *
赵凤等: "融合灰度和非局部空间灰度特征的二维Otsu法", 《西安邮电学院学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100174A (zh) * 2022-07-14 2022-09-23 上海群乐船舶附件启东有限公司 一种船舶钣金件漆面缺陷检测方法
CN115311479A (zh) * 2022-09-30 2022-11-08 南通鑫生派智能科技有限公司 一种汽车工件装配图像识别方法及系统
CN116237205A (zh) * 2023-01-30 2023-06-09 南通市金月亮新材料科技发展有限公司 一种门窗喷涂调节方法及系统
CN116237205B (zh) * 2023-01-30 2023-11-24 南通市金月亮新材料科技发展有限公司 一种门窗喷涂调节方法及系统

Also Published As

Publication number Publication date
CN114359267B (zh) 2022-06-24

Similar Documents

Publication Publication Date Title
CN114359267B (zh) 基于直方图的金属货架的钣金漆面鼓包识别方法及系统
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
Yan et al. A multistage adaptive thresholding method
CN101489121B (zh) 一种基于视频监控的背景模型初始化和更新方法
Neogi et al. Defect detection of steel surfaces with global adaptive percentile thresholding of gradient image
US20120213440A1 (en) Systems and Methods for Automatically Identifying Shadows in Images
CN114235758A (zh) 缺陷检测方法、装置、设备及存储介质
CN103455994A (zh) 图像模糊度的确定方法和设备
US20070127817A1 (en) Change region detection device and change region detecting method
US20230014823A1 (en) Defect detection in image space
CN108846802A (zh) 一种去除染色体g显带中期灰度图像噪声方法
CN111598801B (zh) 一种用于微弱Mura缺陷的识别方法
CN114240888A (zh) 一种基于图像处理的家具组件喷漆缺陷修复方法及系统
Xiang et al. Moving object detection and shadow removing under changing illumination condition
CN112200826B (zh) 一种工业弱缺陷分割方法
CN115760820A (zh) 一种塑料件缺陷图像识别方法及应用
CN101625722B (zh) 载物识别图像的分类方法
CN114782330A (zh) 基于人工智能的炉排异常检测方法及系统
CN115171218A (zh) 一种基于图像识别技术的物资送样异常行为识别系统
Vargas et al. A shadow removal algorithm for vehicle detection based on reflectance ratio and edge density
CN116523901B (zh) 一种基于计算机视觉的冲切模具检测方法
CN116187718B (zh) 基于计算机视觉的智慧货物识别分拣方法及系统
CN115115622B (zh) 一种冲压端子视觉检测装置
CN113496476A (zh) 花屏图像判断方法、设备及计算机存储介质
CN111242121B (zh) 一种基于svm的对联智能分拣方法及存储介质

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