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 PDF

Info

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
Application number
CN202211050654.6A
Other languages
English (en)
Other versions
CN115115646A (zh
Inventor
吴松花
朱小亮
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.)
Nantong Yanlu Enterprise Management Consulting Co ltd
Original Assignee
Qidong Gude Waterproof Fabric 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 Qidong Gude Waterproof Fabric Co ltd filed Critical Qidong Gude Waterproof Fabric Co ltd
Priority to CN202211050654.6A priority Critical patent/CN115115646B/zh
Publication of CN115115646A publication Critical patent/CN115115646A/zh
Application granted granted Critical
Publication of CN115115646B publication Critical patent/CN115115646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

一种基于图像处理的防水布涂层质量评价方法
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：
Figure DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
，
Figure 594814DEST_PATH_IMAGE003
为第
Figure DEST_PATH_IMAGE004
个目标像素点
Figure 698906DEST_PATH_IMAGE005
的纹理邻域像素点集合中第
Figure DEST_PATH_IMAGE006
个像素点
Figure 416326DEST_PATH_IMAGE007
与目标像素点
Figure 968792DEST_PATH_IMAGE005
的相似度，
Figure DEST_PATH_IMAGE008
为目标像素点
Figure 720848DEST_PATH_IMAGE005
的纹理邻域像素点集合中第
Figure 74468DEST_PATH_IMAGE006
个像素点
Figure 75923DEST_PATH_IMAGE007
的梯度幅值
Figure 930615DEST_PATH_IMAGE009
和目标像素点
Figure 130652DEST_PATH_IMAGE005
的梯度幅值
Figure DEST_PATH_IMAGE010
的差，
Figure 327278DEST_PATH_IMAGE011
为目标像素点
Figure 970356DEST_PATH_IMAGE005
的纹理邻域像素点集合中第
Figure 504105DEST_PATH_IMAGE006
个像素点
Figure 434015DEST_PATH_IMAGE007
的梯度方向
Figure DEST_PATH_IMAGE012
和目标像素点
Figure 50810DEST_PATH_IMAGE005
的梯度方向
Figure 823594DEST_PATH_IMAGE013
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：
对于目标像素点
Figure 505242DEST_PATH_IMAGE005
的纹理邻域像素点集合中第
Figure 679872DEST_PATH_IMAGE006
个像素点
Figure 749459DEST_PATH_IMAGE007
，将
Figure 635638DEST_PATH_IMAGE007
与
Figure 245610DEST_PATH_IMAGE005
的欧式距离的倒数作为
Figure 150113DEST_PATH_IMAGE007
相对于
Figure 452918DEST_PATH_IMAGE005
的位置参考值
Figure DEST_PATH_IMAGE014
，将
Figure 590507DEST_PATH_IMAGE007
的灰度值
Figure 145116DEST_PATH_IMAGE015
和
Figure 28759DEST_PATH_IMAGE005
的灰度值
Figure DEST_PATH_IMAGE016
的差
Figure 656793DEST_PATH_IMAGE017
的绝对值作为
Figure 501252DEST_PATH_IMAGE007
相对于
Figure 453027DEST_PATH_IMAGE005
的灰度参考值。
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：
Figure DEST_PATH_IMAGE018
式中，
Figure 100002_DEST_PATH_IMAGE019
为目标像素点
Figure 846969DEST_PATH_IMAGE005
的纹理邻域像素点集合中第
Figure 366943DEST_PATH_IMAGE006
个像素点
Figure 823332DEST_PATH_IMAGE007
相对于
Figure 204897DEST_PATH_IMAGE005
的参考权重。
所述目标像素点的易剥离程度的计算方法如下：
Figure DEST_PATH_IMAGE020
式中，
Figure 469656DEST_PATH_IMAGE021
为目标像素点
Figure 19586DEST_PATH_IMAGE005
的易剥离程度。
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；
对易剥离特征图中每个点的易剥离程度进行分级，得到
Figure DEST_PATH_IMAGE022
个级别；
将易剥离特征图中每个点的易剥离程度级别
Figure 884643DEST_PATH_IMAGE023
和该点的八邻域点的易剥离程度均值的易剥离程度级别
Figure DEST_PATH_IMAGE024
组成二元组
Figure 850325DEST_PATH_IMAGE025
；
根据二元组计算出易剥离特征图的图像二维熵
Figure DEST_PATH_IMAGE026
：
Figure 717393DEST_PATH_IMAGE027
式中，
Figure DEST_PATH_IMAGE028
为每个二元组
Figure 844749DEST_PATH_IMAGE025
在易剥离特征图中所有二元组中出现的概率；
利用易剥离特征图的图像二维熵和图中所有点的易剥离程度均值得到防水布表面涂层的质量系数
Figure 478993DEST_PATH_IMAGE029
：
Figure DEST_PATH_IMAGE030
式中，
Figure 232054DEST_PATH_IMAGE029
为防水布表面涂层的质量系数，
Figure 940247DEST_PATH_IMAGE031
为易剥离特征图中所有点的易剥离程度均值；
若防水布表面涂层的质量系数
Figure 831980DEST_PATH_IMAGE029
大于等于0.7则防水布涂层质量合格，否则不合格。
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：
Figure DEST_PATH_IMAGE032
其中，
Figure 907514DEST_PATH_IMAGE033
，
Figure DEST_PATH_IMAGE034
分别为sobel算子计算出的图像上第
Figure 214999DEST_PATH_IMAGE004
个点
Figure 761387DEST_PATH_IMAGE035
，
Figure DEST_PATH_IMAGE036
方向的梯度幅值，则
Figure 761704DEST_PATH_IMAGE010
为图像上第
Figure 901698DEST_PATH_IMAGE004
个点的梯度幅值。
图像上第
Figure 100002_DEST_PATH_IMAGE037
个点的梯度方向
Figure 760676DEST_PATH_IMAGE013
如图2所示：
Figure DEST_PATH_IMAGE038
此梯度方向为径向，即
Figure 709041DEST_PATH_IMAGE039
。
至此，获得灰度图像上各个点的梯度方向以及梯度幅值，构成梯度图。所述梯度图与原灰度图大小相等，即对于图像上第
Figure 411418DEST_PATH_IMAGE004
个点其均对应三个量分别为：灰度值
Figure 960079DEST_PATH_IMAGE016
、梯度幅值
Figure 78208DEST_PATH_IMAGE010
、梯度方向
Figure 474554DEST_PATH_IMAGE013
。
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
Figure 347833DEST_PATH_IMAGE004
个点，以
Figure 88518DEST_PATH_IMAGE005
表示，将其作为目标像素点，其位置为
Figure DEST_PATH_IMAGE040
，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
Figure 275917DEST_PATH_IMAGE005
的纹理邻域如图3所示：
中间标记颜色的点为目标像素点
Figure 792349DEST_PATH_IMAGE005
，此邻域的设定规则为，先设定邻域个数
Figure 757899DEST_PATH_IMAGE041
（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
Figure 359782DEST_PATH_IMAGE041
个。这
Figure 819713DEST_PATH_IMAGE041
个点称为目标像素点
Figure 456231DEST_PATH_IMAGE005
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：
（1）对于目标像素点
Figure 114656DEST_PATH_IMAGE005
的纹理邻域像素点集合中第
Figure 938255DEST_PATH_IMAGE006
个像素点
Figure 201878DEST_PATH_IMAGE007
（
Figure DEST_PATH_IMAGE042
M），
Figure 83115DEST_PATH_IMAGE041
为纹理邻域像素点集合中像素点个数，计算其与目标像素点
Figure 265834DEST_PATH_IMAGE005
的梯度幅值差：
Figure 100002_DEST_PATH_IMAGE043
其中，
Figure 248834DEST_PATH_IMAGE010
表示
Figure 801300DEST_PATH_IMAGE005
的梯度幅值，
Figure 84514DEST_PATH_IMAGE009
表示
Figure 703714DEST_PATH_IMAGE005
的纹理邻域像素点内第
Figure 377272DEST_PATH_IMAGE006
个像素点
Figure 107331DEST_PATH_IMAGE007
的梯度幅值。
Figure 166423DEST_PATH_IMAGE008
表示
Figure 956524DEST_PATH_IMAGE005
的梯度幅值与其纹理邻域像素点内第
Figure 117378DEST_PATH_IMAGE006
个像素点的梯度幅值之差的绝对值的归一化结果。
（2）对于
Figure 651128DEST_PATH_IMAGE005
的纹理邻域像素点集合内的一个像素点
Figure 328840DEST_PATH_IMAGE007
，计算其与点
Figure 289843DEST_PATH_IMAGE005
的梯度方向差：
Figure DEST_PATH_IMAGE044
Figure 203572DEST_PATH_IMAGE013
为
Figure 400067DEST_PATH_IMAGE005
的梯度方向，
Figure 777959DEST_PATH_IMAGE007
的梯度方向为
Figure 316388DEST_PATH_IMAGE012
。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[
Figure 100002_DEST_PATH_IMAGE045
]之间。
至此，以
Figure 733725DEST_PATH_IMAGE011
表示
Figure 546960DEST_PATH_IMAGE005
的梯度方向
Figure 248200DEST_PATH_IMAGE013
与
Figure 285426DEST_PATH_IMAGE007
的梯度方向
Figure 157436DEST_PATH_IMAGE012
之归一化差异，称为梯度方向差。
（3）根据点
Figure 571100DEST_PATH_IMAGE007
与点
Figure 330108DEST_PATH_IMAGE005
的梯度幅值差和梯度方向差得到点
Figure 7077DEST_PATH_IMAGE007
与点
Figure 396077DEST_PATH_IMAGE005
的相似度
Figure 347852DEST_PATH_IMAGE003
：
Figure 226947DEST_PATH_IMAGE001
其中，
Figure 809238DEST_PATH_IMAGE003
表示
Figure 186998DEST_PATH_IMAGE005
与其纹理邻域像素点集合内一点
Figure 145727DEST_PATH_IMAGE007
的相似度，其为0-1之间的数。
至此，对于
Figure 676066DEST_PATH_IMAGE005
的纹理邻域像素点集合内一点
Figure 491575DEST_PATH_IMAGE007
，都可按照上述方式计算出其与
Figure 61359DEST_PATH_IMAGE005
的相似度为
Figure 558199DEST_PATH_IMAGE003
。
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
Figure 270940DEST_PATH_IMAGE005
的纹理邻域像素点集合内一点
Figure 929455DEST_PATH_IMAGE007
，其与
Figure 563698DEST_PATH_IMAGE005
的相似度仅考虑该纹理邻域内点本身特征与
Figure 785601DEST_PATH_IMAGE005
的相似程度，但此纹理邻域内点
Figure 352849DEST_PATH_IMAGE007
对于评价
Figure 385527DEST_PATH_IMAGE005
的易剥离程度的重要性无法评价，即
Figure 303804DEST_PATH_IMAGE005
的纹理邻域像素点集合内不同的像素点对于评价
Figure 562354DEST_PATH_IMAGE005
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：
（1）根据
Figure 921791DEST_PATH_IMAGE005
的纹理邻域像素点集合内的像素点相对于
Figure 453267DEST_PATH_IMAGE005
的位置关系，设定位置参考值，方式为对于
Figure 593261DEST_PATH_IMAGE005
纹理邻域像素点集合内的一点
Figure 422545DEST_PATH_IMAGE007
，以其与
Figure 964385DEST_PATH_IMAGE005
的欧式距离的倒数作为其相对于
Figure 338866DEST_PATH_IMAGE005
的位置参考值，以
Figure 966156DEST_PATH_IMAGE014
表示。
（2）根据
Figure 569438DEST_PATH_IMAGE005
纹理邻域内的邻域像素点相对于
Figure 231364DEST_PATH_IMAGE005
的灰度值差异，设定灰度参考值，方式为，对于
Figure 776746DEST_PATH_IMAGE005
纹理邻域像素点集合内的一点
Figure 891332DEST_PATH_IMAGE007
，以其与
Figure 796840DEST_PATH_IMAGE005
的归一化灰度差绝对值作为其相对于
Figure 313272DEST_PATH_IMAGE005
的灰度参考值，公式如下：
Figure DEST_PATH_IMAGE046
式中，
Figure 826293DEST_PATH_IMAGE017
为
Figure 51345DEST_PATH_IMAGE005
纹理邻域像素点集合内的像素点
Figure 635910DEST_PATH_IMAGE007
相对于
Figure 882214DEST_PATH_IMAGE005
的灰度参考值，
Figure 97295DEST_PATH_IMAGE016
为
Figure 920895DEST_PATH_IMAGE005
的灰度值，
Figure 433784DEST_PATH_IMAGE015
为
Figure 659229DEST_PATH_IMAGE007
的灰度值；
至此，获得
Figure 717315DEST_PATH_IMAGE007
相对于
Figure 293790DEST_PATH_IMAGE005
的位置参考值
Figure 846256DEST_PATH_IMAGE014
以及灰度参考值
Figure 926208DEST_PATH_IMAGE017
。
（3）结合两种参考值得到纹理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，即计算
Figure 686354DEST_PATH_IMAGE005
纹理邻域内的邻域像素点
Figure 484545DEST_PATH_IMAGE007
相对于
Figure 73658DEST_PATH_IMAGE005
的参考权重
Figure 273696DEST_PATH_IMAGE019
，公式如下：
Figure 939163DEST_PATH_IMAGE047
其中，
Figure 959072DEST_PATH_IMAGE019
为
Figure 115990DEST_PATH_IMAGE007
相对于
Figure 170534DEST_PATH_IMAGE005
的参考权重
Figure 741324DEST_PATH_IMAGE019
且
Figure DEST_PATH_IMAGE048
。
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；
该步骤的目的是根据步骤三、步骤四计算出的纹理邻域像素点集合中每个像素点和目标像素点的相似度
Figure 248529DEST_PATH_IMAGE003
和参考权重
Figure 445024DEST_PATH_IMAGE019
得到每个目标像素点的易剥离程度。
其中，每个目标像素点
Figure 354074DEST_PATH_IMAGE049
的易剥离程度的易剥离程度计算方法如下：
Figure DEST_PATH_IMAGE050
其中，
Figure 158082DEST_PATH_IMAGE021
表示
Figure 778681DEST_PATH_IMAGE005
的易剥离程度，为0-1之间的数，
Figure 654233DEST_PATH_IMAGE021
越大表示
Figure 558735DEST_PATH_IMAGE005
的易剥离程度越大，该点处的涂层与布坯的溶合越差。
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：
（1）根据前述步骤，可获得图像上各点的易剥离程度
Figure 595961DEST_PATH_IMAGE021
，以其为特征可获得一张与原图大小相等的易剥离特征图
Figure DEST_PATH_IMAGE051
；
（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。
（3）对于特征图
Figure 999130DEST_PATH_IMAGE051
上的一点，以其易剥离程度级别及其周围八邻域内各点的易剥离程度均值的级别组成二元组
Figure 288160DEST_PATH_IMAGE025
。计算特征图
Figure 375065DEST_PATH_IMAGE051
的图像二维熵
Figure 583192DEST_PATH_IMAGE026
。公式如下：
Figure DEST_PATH_IMAGE052
其中，
Figure 706612DEST_PATH_IMAGE028
为图像中每个二元组
Figure 799333DEST_PATH_IMAGE025
在所有二元组中出现的概率，
Figure 537482DEST_PATH_IMAGE026
为0-1之间的数。
（4）则防水布涂层质量系数
Figure 306724DEST_PATH_IMAGE029
的计算方式如下：
Figure 763113DEST_PATH_IMAGE030
其中，
Figure 393946DEST_PATH_IMAGE029
为防水布涂层质量系数，其为归一化结果。
Figure 252180DEST_PATH_IMAGE031
（0-1之间的数）为整张图像上所有点的易剥离程度的均值。
进一步的，根据防水布涂层质量系数
Figure 693788DEST_PATH_IMAGE029
对防水布涂层质量进行判断，具体方法如下：
根据防水布涂层质量系数进行涂层质量评价，
Figure 371894DEST_PATH_IMAGE029
越大说明涂层质量越好，可以人为设定一个0-1之间的判断阈值（推荐值为0.7）成品的质量评价系数大于等于阈值为合格品，小于阈值为不合格品。
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：
Figure 546996DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
，
Figure 228425DEST_PATH_IMAGE004
为第
Figure DEST_PATH_IMAGE005
个目标像素点
Figure 277414DEST_PATH_IMAGE006
的纹理邻域像素点集合中第
Figure DEST_PATH_IMAGE007
个像素点
Figure 726850DEST_PATH_IMAGE008
与目标像素点
Figure 893389DEST_PATH_IMAGE006
的相似度，
Figure DEST_PATH_IMAGE009
为目标像素点
Figure 594105DEST_PATH_IMAGE006
的纹理邻域像素点集合中第
Figure 486100DEST_PATH_IMAGE007
个像素点
Figure 626094DEST_PATH_IMAGE008
的梯度幅值
Figure 924220DEST_PATH_IMAGE010
和目标像素点
Figure 575648DEST_PATH_IMAGE006
的梯度幅值
Figure DEST_PATH_IMAGE011
的差，
Figure 497599DEST_PATH_IMAGE012
为目标像素点
Figure 718365DEST_PATH_IMAGE006
的纹理邻域像素点集合中第
Figure 226707DEST_PATH_IMAGE007
个像素点
Figure 449484DEST_PATH_IMAGE008
的梯度方向
Figure DEST_PATH_IMAGE013
和目标像素点
Figure 463708DEST_PATH_IMAGE006
的梯度方向
Figure 535219DEST_PATH_IMAGE014
的差；
所述
Figure 145454DEST_PATH_IMAGE009
的计算方法为：
Figure 865148DEST_PATH_IMAGE016
式中，
Figure 971645DEST_PATH_IMAGE011
表示
Figure 635844DEST_PATH_IMAGE006
的梯度幅值，
Figure 158092DEST_PATH_IMAGE010
表示
Figure 856927DEST_PATH_IMAGE006
的纹理邻域像素点内第
Figure 806428DEST_PATH_IMAGE007
个像素点
Figure 394142DEST_PATH_IMAGE008
的梯度幅值；
所述
Figure 110294DEST_PATH_IMAGE012
的计算方法为：
Figure DEST_PATH_IMAGE017
式中，
Figure 758576DEST_PATH_IMAGE014
为
Figure 269191DEST_PATH_IMAGE006
的梯度方向，
Figure 376825DEST_PATH_IMAGE008
的梯度方向为
Figure 795868DEST_PATH_IMAGE013
；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；
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：
对于目标像素点
Figure 734874DEST_PATH_IMAGE006
的纹理邻域像素点集合中第
Figure 150812DEST_PATH_IMAGE007
个像素点
Figure 621108DEST_PATH_IMAGE008
，将
Figure 914948DEST_PATH_IMAGE008
与
Figure 787089DEST_PATH_IMAGE006
的欧式距离的倒数作为
Figure 311611DEST_PATH_IMAGE008
相对于
Figure 659416DEST_PATH_IMAGE006
的位置参考值
Figure 865269DEST_PATH_IMAGE018
，将
Figure 933195DEST_PATH_IMAGE008
的灰度值
Figure DEST_PATH_IMAGE019
和
Figure 222094DEST_PATH_IMAGE006
的灰度值
Figure 496343DEST_PATH_IMAGE020
的差
Figure DEST_PATH_IMAGE021
的绝对值作为
Figure 99362DEST_PATH_IMAGE008
相对于
Figure 211675DEST_PATH_IMAGE006
的灰度参考值；
所述
Figure 140317DEST_PATH_IMAGE022
的计算方法为：
Figure 134817DEST_PATH_IMAGE024
式中，
Figure DEST_PATH_IMAGE025
为
Figure 479211DEST_PATH_IMAGE026
的灰度值，
Figure DEST_PATH_IMAGE027
为
Figure 543900DEST_PATH_IMAGE028
的灰度值；
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；
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：
Figure 643443DEST_PATH_IMAGE030
式中，
Figure DEST_PATH_IMAGE031
为目标像素点
Figure 921978DEST_PATH_IMAGE006
的纹理邻域像素点集合中第
Figure 273324DEST_PATH_IMAGE007
个像素点
Figure 219284DEST_PATH_IMAGE008
相对于
Figure 630674DEST_PATH_IMAGE006
的参考权重，M为纹理邻域像素点集合中的像素点个数；
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：
Figure DEST_PATH_IMAGE033
式中，
Figure 429128DEST_PATH_IMAGE034
为目标像素点
Figure 318586DEST_PATH_IMAGE006
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；
对易剥离特征图中每个点的易剥离程度进行分级，得到
Figure DEST_PATH_IMAGE035
个级别；
将易剥离特征图中每个点的易剥离程度级别
Figure 181369DEST_PATH_IMAGE036
和该点的八邻域点的易剥离程度均值的易剥离程度级别
Figure DEST_PATH_IMAGE037
组成二元组
Figure 763660DEST_PATH_IMAGE038
；
根据二元组计算出易剥离特征图的图像二维熵
Figure DEST_PATH_IMAGE039
：
Figure DEST_PATH_IMAGE041
式中，
Figure 843218DEST_PATH_IMAGE042
为每个二元组
Figure 536367DEST_PATH_IMAGE038
在易剥离特征图中所有二元组中出现的概率；
利用易剥离特征图的图像二维熵和图中所有点的易剥离程度均值得到防水布表面涂层的质量系数
Figure DEST_PATH_IMAGE043
：
Figure DEST_PATH_IMAGE045
式中，
Figure 519236DEST_PATH_IMAGE043
为防水布表面涂层的质量系数，
Figure 272428DEST_PATH_IMAGE046
为易剥离特征图中所有点的易剥离程度均值；
若防水布表面涂层的质量系数
Figure DEST_PATH_IMAGE047
大于等于0.7则防水布涂层质量合格，否则不合格。
CN202211050654.6A 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 Active CN115115646B (zh)

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)

* Cited by examiner, † Cited by third party
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

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