CN115115646B - 一种基于图像处理的防水布涂层质量评价方法 - Google Patents
一种基于图像处理的防水布涂层质量评价方法 Download PDFInfo
- Publication number
- CN115115646B CN115115646B CN202211050654.6A CN202211050654A CN115115646B CN 115115646 B CN115115646 B CN 115115646B CN 202211050654 A CN202211050654 A CN 202211050654A CN 115115646 B CN115115646 B CN 115115646B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- target pixel
- gradient
- easy
- texture
- 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
- 239000011248 coating agent Substances 0.000 title claims abstract description 67
- 238000000576 coating method Methods 0.000 title claims abstract description 67
- 239000004744 fabric Substances 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 18
- 150000001875 compounds Chemical class 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 3
- 238000011156 evaluation Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 239000000084 colloidal system Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000004078 waterproofing Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Abstract
本发明涉及一种基于图像处理的防水布涂层质量评价方法,通过获取防水布表面涂层灰度图对应的梯度图,根据梯度图中每个像素点的纹理邻域像素点集合中每个像素点的梯度特征得到每个像素点与目标像素点的相似度,然后通过每个像素点与目标像素点的距离和灰度值差异分别获得每个像素点相对于目标像素点的位置参考值和灰度参考值,进一步得到每个像素点相对于目标像素点的参考权重,利用每个像素点相对于目标像素点的参考权重和每个像素点与目标像素点的相似度得到每个目标像素点的易剥离程度,根据每个目标像素点的易剥离程度计算出防水布表面涂层的质量系数并对防水布涂层质量进行判断,方法智能、精准。
Description
技术领域
本申请涉及机器视觉领域,具体涉及一种基于图像处理的防水布涂层质量评价方法。
背景技术
防水帆布作为防水材料重要的下属产品之一,其在农业、工业、交通运输业是必不可少的工具,例如各种养殖场卷帘、农作物露天隐瞒用保温盖货帆布、车站码头海港飞机场的露天库房堆积物用防水帆布、工棚帆布等等。由于其用途广泛,在防水布生产过程中,对其质量的评价就尤为重要。
防水布的生产过程为在布坯上涂上一层具有防水效果的涂料。这个过程称为涂层整理,因此防水布防水效果的好坏主要取决于涂层整理工序结束后其表面涂层的质量,防水效果直接影响到防水帆布的质量。这就需要通过对防水布涂层质量进行准确评价来判断生产的防水布质量。一个重要的评价标准为涂层的易剥离程度。劣质的防水布表面涂层厚,表面光滑,胶质少石粉多,容易刮掉表面露出布坯;优质的防水布由于涂层胶质与布坯溶合好,成品表面能体现更多的布坯纹理,布坯纹理清晰,因此更难刮去表面胶质。现有技术中一般利用阈值分割等技术来评价涂料是否均匀,但此种方式仅能评价涂料是否均匀,无法准确评价防水布涂层的纹理清晰程度以及规律性,即无法准确评价涂层的易剥离程度。因此需要一种可以通过防水布表面涂层纹理特征来评价其涂层易剥离程度的方法,并进一步的判断防水布涂层的质量。
发明内容
本发明提供一种基于图像处理的防水布涂层质量评价方法,解决无法准确评价涂层的易剥离程度的问题,采用如下技术方案:
获取防水布表面涂层灰度图,根据灰度图中每个像素点的梯度方向和梯度幅值得到对应的梯度图;
以梯度图中每个像素点为目标像素点,将目标像素点的梯度方向的垂线上经过的所有像素点作为目标像素点的纹理邻域像素点集合;
根据纹理邻域像素点集合中每个像素点与对应目标像素点的梯度幅值差和梯度方向差得到纹理邻域像素点集合中每个像素点与对应目标像素点的相似度;
利用纹理邻域像素点集合中每个像素点与对应目标像素点的距离和灰度值差异获得纹理邻域像素点集合中每个像素点相对于对应目标像素点的位置参考值和灰度参考值;
根据纹理邻域像素点集合中每个像素点与对应目标像素点的位置参考值和灰度参考值得到纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重;
根据纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重和相似度计算目标像素点的易剥离程度;
利用每个目标像素点的易剥离程度对防水布涂层质量进行判断。
所述纹理邻域像素点集合中每个像素点与对应目标像素点的相似度的计算方法为:
,为第个目标像素点的纹理邻域像素点集合中第个像素点与目标像素点的相似度,为目标像素点的纹理邻域像素点集合中第个像素点的梯度幅值和目标像素点的梯度幅值的差,为目标像素点的纹理邻域像素点集合中第个像素点的梯度方向和目标像素点的梯度方向的差。
所述纹理邻域像素点集合中每个像素点相对于对应目标像素点的位置参考值和灰度参考值的获取方法如下:
所述纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重的计算方法为:
所述目标像素点的易剥离程度的计算方法如下:
所述对防水布涂层质量进行判断的方法为:
根据每个目标像素点的易剥离程度得到灰度图对应的易剥离特征图;
本发明的有益效果是:基于图像处理,通过分析防水布表面涂层的纹理清晰性和规律性,计算出防水布表面涂层的易剥离程度,根据易剥离程度对防水布表面涂层的质量进行更精准的分析和判断。
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是本发明的一种基于图像处理的防水布涂层质量评价方法的流程示意图;
图2是本发明的一种基于图像处理的防水布涂层质量评价方法的梯度图和梯度方向的示意图;
图3是本发明的一种基于图像处理的防水布涂层质量评价方法的纹理邻域像素点示意图。
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做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。
本发明的一种基于图像处理的防水布涂层质量评价方法的实施例,如图1所示,包括:
步骤一:获取防水布表面涂层灰度图,根据灰度图中每个像素点的梯度方向和梯度幅值得到对应的梯度图;
该步骤的目的是获取到防水布涂层的图像并进行灰度处理,并进一步得到梯度图,具体方法如下:
利用工业相机获得防水布涂层后成品表面图像并将其灰度化,获得灰度图。利用sobel算子对其进行处理获得梯度图像。获得各点的梯度方向,以及梯度幅值。所述梯度幅值如下:
步骤二:以梯度图中每个像素点为目标像素点,将目标像素点的梯度方向的垂线上经过的所有像素点作为目标像素点的纹理邻域像素点集合;
该步骤的目的是根据梯度图上各点梯度方向确定各点纹理邻域像素点集合。
其中,每个目标像素点的纹理邻域像素点集合获取方法如下:
将对于灰度图像上第个点,以表示,将其作为目标像素点,其位置为,图像上一点处纹理方向与该点处的梯度方向为垂直关系,由于布坯的纹理为平直的,则判断布坯纹理在涂层后是否清晰平直就是判定涂层质量的重要依据。以此逻辑为基础,确定点的纹理邻域如图3所示:
中间标记颜色的点为目标像素点,此邻域的设定规则为,先设定邻域个数(一般为偶数,图中示例为12)。邻域选择的方向为目标像素点梯度方向的垂线。这条线经过的所有点,按照与目标像素点的欧式距离大小选定最小的前个。这个点称为目标像素点的纹理邻域像素点集合。
步骤三:根据纹理邻域像素点集合中每个像素点与对应目标像素点的梯度幅值差和梯度方向差得到纹理邻域像素点集合中每个像素点与对应目标像素点的相似度;
该步骤的目的是根据每个目标像素点的纹理邻域像素点集合内的像素点的梯度大小和方向特征,计算出其与目标像素点的相似度。
其中,目标像素点的纹理邻域像素点集合中每个像素点与目标像素点的相似度的计算步骤如下:
为的梯度方向,的梯度方向为。此梯度方向为径向,因此计算两个径向之夹角时,以两个径向夹角的锐角表示方向的差异,则若以其方向角度之差绝对值来表示此锐角时绝对值之差有时为钝角,因此有上述公式中的两种情况。此差值处于[]之间。
步骤四:利用纹理邻域像素点集合中每个像素点与对应目标像素点的距离和灰度值差异获得纹理邻域像素点集合中每个像素点相对于对应目标像素点的位置参考值和灰度参考值;根据纹理邻域像素点集合中每个像素点与对应目标像素点的位置参考值和灰度参考值得到纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重;
该步骤的目的是分析每个目标像素点的邻域像素点集合中每个像素点对于评价目标像素点的权重。
需要说明的是对于的纹理邻域像素点集合内一点,其与的相似度仅考虑该纹理邻域内点本身特征与的相似程度,但此纹理邻域内点对于评价的易剥离程度的重要性无法评价,即的纹理邻域像素点集合内不同的像素点对于评价的易剥离程度的参考权重是不同的,因此进行以下操作。
其中,每个目标像素点的邻域像素点集合中每个像素点相对于目标像素点的参考权重的获取步骤如下:
步骤五:根据纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重和相似度计算目标像素点的易剥离程度;
步骤六:利用每个目标像素点的易剥离程度对防水布涂层质量进行判断。
该步骤的目的是根据各点的易剥离程度得到易剥离特征图,并根据易剥离特征图得到防水布表面涂层的质量系数,根据防水布表面涂层的质量系数对防水布涂层质量进行判断。
其中,防水布表面涂层的质量系数的获取步骤如下:
(2)将特征图上各点值进行分级,由于易剥离程度为0-1之间的数,则将其按取值进行分级,本实施例中将取值均分为10个级别,即[0,0.1]为级别1,(0.1,0.2]为级别2,...,(0.9,1]为级别10。
以上所述仅为本发明的较佳实施例而已,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 (1)
1.一种基于图像处理的防水布涂层质量评价方法,其特征在于,包括:
获取防水布表面涂层灰度图,根据灰度图中每个像素点的梯度方向和梯度幅值得到对应的梯度图;
以梯度图中每个像素点为目标像素点,将目标像素点的梯度方向的垂线上经过的所有像素点作为目标像素点的纹理邻域像素点集合;
根据纹理邻域像素点集合中每个像素点与对应目标像素点的梯度幅值差和梯度方向差得到纹理邻域像素点集合中每个像素点与对应目标像素点的相似度;
所述纹理邻域像素点集合中每个像素点与对应目标像素点的相似度的计算方法为:
,为第个目标像素点的纹理邻域像素点集合中第个像素点与目标像素点的相似度,为目标像素点的纹理邻域像素点集合中第个像素点的梯度幅值和目标像素点的梯度幅值的差,为目标像素点的纹理邻域像素点集合中第个像素点的梯度方向和目标像素点的梯度方向的差;
所述纹理邻域像素点集合中每个像素点相对于对应目标像素点的位置参考值和灰度参考值的获取方法如下:
根据纹理邻域像素点集合中每个像素点与对应目标像素点的位置参考值和灰度参考值得到纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重;
所述纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重的计算方法为:
根据纹理邻域像素点集合中每个像素点相对于对应目标像素点的参考权重和相似度计算目标像素点的易剥离程度;
所述目标像素点的易剥离程度的计算方法如下:
利用每个目标像素点的易剥离程度对防水布涂层质量进行判断;
所述对防水布涂层质量进行判断的方法为:
根据每个目标像素点的易剥离程度得到灰度图对应的易剥离特征图;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050654.6A CN115115646B (zh) | 2022-08-30 | 2022-08-30 | 一种基于图像处理的防水布涂层质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050654.6A CN115115646B (zh) | 2022-08-30 | 2022-08-30 | 一种基于图像处理的防水布涂层质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115115646A CN115115646A (zh) | 2022-09-27 |
CN115115646B true CN115115646B (zh) | 2022-11-18 |
Family
ID=83335502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211050654.6A Active CN115115646B (zh) | 2022-08-30 | 2022-08-30 | 一种基于图像处理的防水布涂层质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115646B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445438B (zh) * | 2020-02-26 | 2022-03-15 | 长安大学 | 一种双邻域的磨痕角自动检测方法 |
CN114235783A (zh) * | 2021-11-01 | 2022-03-25 | 宋进周 | 移动式喷泡机涂层检验系统及方法 |
CN114219794B (zh) * | 2021-12-17 | 2023-01-20 | 沭阳县桐盛木业制品厂(普通合伙) | 基于机器视觉的刨花板表面质量评估方法及系统 |
CN114332089B (zh) * | 2022-03-15 | 2022-06-10 | 武汉市鑫山河塑业有限公司 | 基于图像处理的塑料护套生产质量控制方法、装置及系统 |
-
2022
- 2022-08-30 CN CN202211050654.6A patent/CN115115646B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115115646A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757949B (zh) | 基于计算机视觉的电线电缆缺陷检测方法及系统 | |
CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
CN109993800B (zh) | 一种工件尺寸的检测方法、装置及存储介质 | |
CN110230978A (zh) | 一种耐火砖几何尺寸测量方法 | |
CN109523505B (zh) | 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法 | |
CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN114926839B (zh) | 基于rpa和ai的图像识别方法及电子设备 | |
CN111145228A (zh) | 基于局部轮廓点与形状特征融合的异源图像配准方法 | |
CN115797354B (zh) | 用于检测激光焊接焊缝外观缺陷的方法 | |
CN113689429B (zh) | 一种基于计算机视觉的木板缺陷检测方法 | |
CN115331119B (zh) | 一种固体废弃物识别方法 | |
CN114820773A (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
CN114862855B (zh) | 基于模板匹配的纺织品缺陷检测方法及系统 | |
CN103940708A (zh) | 一种钢材全形态晶粒的快速测量、精细分类方法 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN114219794A (zh) | 基于机器视觉的刨花板表面质量评估方法及系统 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
CN113506246A (zh) | 基于机器视觉的混凝土3d打印构件精细检测方法 | |
CN114881965A (zh) | 一种基于人工智能和图像处理的木板节子检测方法 | |
CN115330646A (zh) | 一种用于健身器材喷漆工艺的金属构件检查方法 | |
CN115115646B (zh) | 一种基于图像处理的防水布涂层质量评价方法 | |
CN117152180B (zh) | 基于人工智能的矿物铸件缺陷检测方法 | |
CN115100116A (zh) | 一种基于三维点云的板材缺陷检测方法 | |
CN108805896B (zh) | 一种应用于城市环境的距离图像分割方法 | |
CN116485832A (zh) | 用于废硅片回收的不均布流体杂质边缘精准检测方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231221 Address after: Room 3414, Building 33, Zhongnan Century City, Chongchuan District, Nantong City, Jiangsu Province, 226000 Patentee after: Nantong Yanlu Enterprise Management Consulting Co.,Ltd. Address before: 226200 No.7 Jinggong Road, Qidong Economic Development Zone, Nantong City, Jiangsu Province Patentee before: Qidong Gude waterproof fabric Co.,Ltd. |
|
TR01 | Transfer of patent right |