CN115330758A - 基于去噪处理的焊接质量检测方法 - Google Patents
基于去噪处理的焊接质量检测方法 Download PDFInfo
- Publication number
- CN115330758A CN115330758A CN202211240032.XA CN202211240032A CN115330758A CN 115330758 A CN115330758 A CN 115330758A CN 202211240032 A CN202211240032 A CN 202211240032A CN 115330758 A CN115330758 A CN 115330758A
- Authority
- CN
- China
- Prior art keywords
- sliding window
- point
- pixel
- target point
- window area
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 11
- 230000007547 defect Effects 0.000 description 6
- 229910000679 solder Inorganic materials 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000005476 soldering Methods 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30152—Solder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及基于去噪处理的焊接质量检测方法。该方法采用图形识别设备识别图形获取焊点区域的灰度图像,然后对获取到的焊点区域的灰度图像进行数据处理,对各特征像素点进行初次中值滤波,获得目标点;计算各目标点对应的第一滑窗区域的离散程度和对应的第二滑窗区域的离散程度,基于各目标点对应的第一滑窗区域的离散程度和对应的第二滑窗区域的离散程度,判断各目标点是否进行二次滤波,若是,则进行二次中值滤波,进而判断焊接质量。本发明提供的方法采用图形识别的方式,并进行相关的数据处理,对焊接质量进行了检测,提高了焊接质量的检测精度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于去噪处理的焊接质量检测方法。
背景技术
焊接工艺是制造业常用的技术,但是焊接过程中往往会出现各种各样的焊接缺陷,例如虚焊、假焊、焊料堆积、桥接、拉尖等,有些缺陷较明显、易分辨,但有些缺陷例如虚焊和假焊区别不大,分辨起来较为困难。除了缺陷本身不易被区分之外,图像采集过程的椒盐噪声等对于图像的真实性和清晰度都有影响,这就导致后续基于采集的图像检测焊接质量时检测精度较低,为了提高焊接质量的检测精度,需要对采集的图像进行去噪处理。
目前常用的图像去噪方法有高斯滤波降噪和均值滤波降噪等,但是常规的滤波技术中规定了滤波时滑动窗口的大小,固定尺寸的窗口不一定适合于所有像素点邻域去噪,因为不同像素点邻域的噪声点的灰度分布不尽相同,若滑动窗口太大,则会将某些细小的边缘也模糊掉;若滑动窗口太小,则可能去除不了较大的噪声点,因此根据图像局部特征设定一个自适应变化尺寸的滑动窗口很重要。
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去噪处理的焊接质量检测方法,所采用的技术方案具体如下:
本发明提供了一种基于去噪处理的焊接质量检测方法,该方法包括以下步骤:
获取焊点区域的灰度图像;
以灰度图像中的各像素点为滑窗的中心点,建立第一滑窗和第二滑窗,获得灰度图像中各像素点对应的第一滑窗区域和第二滑窗区域;基于灰度图像中各像素点对应的第一滑窗区域中像素点的梯度值,获得边缘像素点,将灰度图像中除边缘像素点外的其它像素点记为特征像素点;
基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,若是,则基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波;若否,则将对应特征像素点记为第一像素点,基于第一像素点对应的第一滑窗区域中像素点的灰度值,对第一像素点进行中值滤波,将中值滤波后的第一像素点记为目标点;基于各目标点对应的第一滑窗区域中像素点的梯度值,计算各目标点对应的第一滑窗区域的离散程度;基于各目标点对应的第二滑窗区域中像素点的梯度值,计算各目标点对应的第二滑窗区域的离散程度;
基于各目标点对应的第一滑窗区域的离散程度和各目标点对应的第二滑窗区域的离散程度,判断各目标点是否进行二次滤波,若是,则将对应目标点记为待二次滤波的目标点;基于各待二次滤波的目标点对应的第二滑窗区域中像素点的灰度值,对各待二次滤波的目标点进行二次中值滤波,获得滤波后的灰度图像;基于所述滤波后的灰度图像判断焊接质量。
优选的,所述第一滑窗的大小为3*3,所述第二滑窗的大小为5*5。
优选的,所述基于灰度图像中各像素点对应的第一滑窗区域中像素点的梯度值,获得边缘像素点,包括:
对于灰度图像中的任一像素点:
判断该像素点是否属于该像素点对应的第一滑窗区域内梯度值最大的三个像素点中的一个像素点,若是,则判定该像素点为边缘像素点,若否,则判定该像素点不为边缘像素点。
优选的,所述基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,包括:
对于任一特征像素点对应的第一滑窗区域:
基于该第一滑窗区域中所有像素点的灰度值,获得该第一滑窗区域灰度值中的中值灰度值以及中值灰度值对应的像素点,获取该第一滑窗区域内所有像素点的灰度最大值和灰度最小值;
当该第一滑窗区域的中值灰度值对应的像素点的灰度值小于所述灰度最大值且大于所述灰度最小值时,判定该第一滑窗区域中灰度中值点不为噪声点;当该第一滑窗区域的中值灰度值对应的像素点的灰度值等于所述灰度最大值或等于所述灰度最小值时,判定该第一滑窗区域中灰度中值点为噪声点。
优选的,所述基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波,包括:
对于任一对应特征像素点:获取该特征像素点对应的第二滑窗区域中像素点的灰度值中的中值灰度值;将所述中值灰度值赋给该特征像素点。
优选的,所述基于各目标点对应的第一滑窗区域中像素点的梯度值,计算各目标点对应的第一滑窗区域的离散程度;基于各目标点对应的第二滑窗区域中像素点的梯度值,计算各目标点对应的第二滑窗区域的离散程度,包括:
对于任一目标点:
获取该目标点对应的第一滑窗区域中各像素点的梯度值,基于所述第一滑窗区域中各像素点的梯度值获得该目标点对应的第一滑窗对应的梯度直方图;基于所述第一滑窗对应的梯度直方图,计算该目标点对应的第一滑窗区域的离散程度;
获取该目标点对应的第二滑窗区域中各像素点的梯度值,基于所述第二滑窗区域中各像素点的梯度值获得该目标点对应的第二滑窗对应的梯度直方图;基于所述第二滑窗对应的梯度直方图,计算该目标点对应的第二滑窗区域的离散程度。
优选的,采用如下公式计算该目标点对应的第一滑窗区域的离散程度:
优选的,所述基于各目标点对应的第一滑窗区域的离散程度和各目标点对应的第二滑窗区域的离散程度,判断各目标点是否进行二次滤波,包括:
对于任一目标点:
当该目标点对应的第二滑窗区域的离散程度大于该目标点对应的第一滑窗区域的离散程度时,判定该目标点进行二次滤波;当该目标点对应的第二滑窗区域的离散程度小于等于该目标点对应的第一滑窗区域的离散程度时,判定该目标点不进行二次滤波。
本发明具有如下有益效果:
本发明考虑到焊点区域的灰度图像中不同像素点邻域的噪声点的灰度分布不尽相同,因此若利用传统的固定尺寸的滑窗对图像中的像素点进行中值滤波,不一定适合图像中所有像素点,又考虑到若对图像中所有像素点进行滤波,会导致图像中的边缘变得模糊,进而会影响后续焊接质量的检测精度;因此本发明将灰度图像中除边缘像素点外的其它像素点记为特征像素点,对图像中的特征像素点进行中值滤波时,若特征像素点对应的滑窗内的灰度中值点为噪声点,则不能利用该灰度中值点对特征像素点进行滤波,否则会增加图像中噪声点的数量;因此本发明基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,若是,则基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波;若否,则将对应特征像素点记为第一像素点,基于第一像素点对应的第一滑窗区域中像素点的灰度值,对第一像素点进行中值滤波,将中值滤波后的第一像素点记为目标点;计算各目标点对应的第一滑窗区域的离散程度和对应的第二滑窗区域的离散程度,进而判断各目标点是否需要利用第二滑窗进行二次滤波,最终基于滤波后的灰度图像判断焊接质量;本发明提供的方法相较于传统固定尺寸的滑窗对图像进行中值滤波来说,能够自适应的调整每个特征像素点对应的滑窗尺寸,更好的适应每个像素点的特征,获得去噪效果更好的灰度图像,提高焊接质量的检测精度。
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为本发明提供的一种基于去噪处理的焊接质量检测方法的流程图;
图2为第一滑窗和第二滑窗的示意图。
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去噪处理的焊接质量检测方法进行详细说明如下。
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去噪处理的焊接质量检测方法的具体方案。
基于去噪处理的焊接质量检测方法实施例:
本实施例提出了基于去噪处理的焊接质量检测方法,如图1所示,本实施例的基于去噪处理的焊接质量检测方法包括以下步骤:
步骤S1,获取焊点区域的灰度图像。
本实施例首先采集焊接完成的焊点区域的图像,然后对采集的图像进行中值滤波去噪处理,获得更加清晰的焊点区域图像,辅助后续焊接质量的检测,使得检测结果更加准确。
在焊接结束后的生产线上方设置CCD相机,对每个焊接区域都进行一次图像采集,对采集到的整个图像进行语义分割,语义分割的目的是将每一个焊点单独提取出来作为一张焊点区域图像,每个焊点对应一张焊点区域图像,分别对每张焊点区域的图像进行灰度化处理,得到焊点区域的灰度图像,本实施例接下来以一张焊点区域的灰度图像为例进行说明,对于其它焊点区域的灰度图像,均可采用本实施例提供的方法进行处理。语义分割和灰度化处理均为现有技术,此处不再赘述。
至此,采用上述方法,获得了焊点区域的灰度图像。
步骤S2,以灰度图像中的各像素点为滑窗的中心点,建立第一滑窗和第二滑窗,获得灰度图像中各像素点对应的第一滑窗区域和第二滑窗区域;基于灰度图像中各像素点对应的第一滑窗区域中像素点的梯度值,获得边缘像素点,将灰度图像中除边缘像素点外的其它像素点记为特征像素点。
本实施例在上述步骤中获得了焊点区域的灰度图像,接下来需要对获取的焊点区域的灰度图像进行去噪处理,考虑到在图像采集和图像传输过程中会受到一些脉冲噪声等因素的影响,为了提高去噪的效率与效果,设置两个滑动窗口协同去噪,构建评价模型,对初次滤波后的效果进行评价,进而控制二次滤波。
本实施例设定两个不同大小的滑动窗口,大小分别为3*3和5*5,这两个滑窗结构上有互补效果,将大小为3*3的滑动窗口记为第一滑窗,将大小为5*5的滑动窗口记为第二滑窗;第一滑窗与第二滑窗在滑动过程中始终保持大滑动窗口将小滑动窗口包裹住的结构,并且两个滑动窗口的中心点始终为同一个位置的点,具体的嵌套结构图如图2所示,图中灰色区域为第一滑窗,图中的整个区域为第二滑窗,二者始终保持这种嵌套结构。
由于任何一个滤波器都会将图像中的边缘变的模糊,为了使得图像中边缘区域不被模糊,本实施例设置滤波器进行滤波前先分析当前区域是否为边缘区域,即当前滑窗中心点是否为边缘像素点,若是,则不进行滤波。
边缘像素点作为滑窗的中心像素点时会存在一种特有的像素风格,即中心像素点八邻域内会存在两个与中心像素点梯度十分相近的像素点,这三点的梯度值是中心像素点八邻域内梯度值最大的三点,故从中心像素点八邻域内选取梯度值最大的三点,即从中心像素点对应的第一滑窗区域内选取梯度值最大的三点,判断该滑窗区域的中心像素点是否为这三点中的一点,如果中心像素点的梯度值不属于最大的三点集合中的一点,那么中心像素点不是边缘像素点,当前滑窗区域也不是边缘区域;反之,如果中心像素点与其余两个像素点属于第一滑窗区域内梯度值最大的三点,那么中心像素点为边缘像素点,当前第一滑窗区域为边缘区域。
如果某一像素点对应的第一滑窗区域为边缘区域,即该像素点为边缘像素点,则后续滤波处理时,不对该滑窗区域进行滤波,保留其原本的灰度值;反之,如果某一像素点对应的第一滑窗区域是非边缘区域,则说明该像素点需要使用滤波器进行滤波处理,将灰度图像中除边缘像素点外的其它像素点记为特征像素点。
步骤S3,基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,若是,则基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波;若否,则将对应特征像素点记为第一像素点,基于第一像素点对应的第一滑窗区域中像素点的灰度值,对第一像素点进行中值滤波,将中值滤波后的第一像素点记为目标点;基于各目标点对应的第一滑窗区域中像素点的梯度值,计算各目标点对应的第一滑窗区域的离散程度;基于各目标点对应的第二滑窗区域中像素点的梯度值,计算各目标点对应的第二滑窗区域的离散程度。
对于焊点区域来说,如果采集的图像中不存在噪声点,那么该区域的灰度值较为均匀,如果出现噪声就会出现突变,使得图像整体看起来较杂乱,因此需要进行滤波处理,增强图像的清晰度。椒盐噪声为暗色区域的白点或亮色区域的黑点,故滑窗区域内的灰度极大值点与灰度极小值点为噪声点的概率较大,由此分析滑窗区域内的灰度中值点是否为灰度极大值点或灰度极小值点从而确定是否为噪声点。
对于任一特征像素点对应的第一滑窗区域:
获取该第一滑窗区域中所有像素点的灰度值,基于该第一滑窗区域中所有像素点的灰度值,获得该第一滑窗区域灰度值中的中值灰度值以及中值灰度值对应的像素点,提取该第一滑窗区域内所有像素点的灰度最值和,其中,为该第一滑窗区域内像素点的灰度最小值,为该第一滑窗区域内像素点的灰度最大值;当时,说明当前中值点不是噪声点,可以使用这个中值点进行中值滤波,将该特征像素点记为第一像素点;反之,当或时,说明当前中值点为噪声点,需要扩大滑窗尺寸,选用5*5的滑窗进行滤波,即对于任一第一滑窗区域,若该第一滑窗区域的灰度中值点为噪声点,则不再选用第一滑窗进行中值滤波,直接选用第二滑窗进行中值滤波,否则不仅没有去噪,反而增加了噪声点的数量,利用第二滑窗对这类特征像素点进行中值滤波时,将第一滑窗区域内的所有像素点的灰度值按从小到大的顺序排列,选取中间值,即相对于5*5窗口,选取排列顺序中的第13个数值作为中值点,将中值点对应的灰度值赋值给中心像素点,完成对灰度图像中该类像素点的滤波处理。
本实施例接下来对所有的第一像素点进行滤波处理,对于任一第一像素点:将该第一像素点对应的第一滑窗区域内的所有像素点的灰度值按从小到大的顺序排列,选取中间值,即相对于3*3窗口,选取排列顺序中的第5个数值作为中值点,将中值点对应的灰度值赋值给中心像素点,至此,对该第一像素点完成了一次中值滤波,将完成一次中值滤波的噪声点记为目标点。
一次滤波后改变了滑窗内中心像素点(第一像素点)的灰度值,但是是否有效的平滑了中心像素点周围的像素点的灰度值,还需要根据滑窗内像素点的梯度直方图的变化来进行评价,即在使用第一滑窗进行中值滤波后,具体的滤波效果是否达到要求,需要根据第二滑窗的梯度直方图,构建效果评价模型,根据评价模型的结果确定是否需要使用第二滑窗进行二次中值滤波来达到更好的去噪效果。
对于任一目标点:
由于对像素点对应的窗口内的像素点进行滤波后,该窗口内像素点的梯度值的种类会减少,设置梯度级数量会减少。因此,获取该目标点对应的第一滑窗区域中各像素点的梯度值,基于该目标点对应的第一滑窗内各像素点的梯度值,获得该目标点对应的第一滑窗对应的梯度直方图,梯度直方图的横坐标为梯度值,纵坐标为频数;然后获取该目标点对应的第二滑窗区域中各像素点的梯度值,基于该目标点对应的第二滑窗内各像素点的梯度值,获得该目标点对应的第二滑窗对应的梯度直方图,梯度直方图的横坐标为梯度值,纵坐标为频数。像素点的梯度值的获取方法为现有技术,此处不再赘述。
经过一次滤波后,第一滑窗区域的中心像素点的灰度值被窗口中值点的灰度值代替,因此第一滑窗区域的梯度直方图相较于未滤波前会变得更加平滑和集中,整个第一滑窗区域像素点的灰度值变得更加均匀,但是经过一次小窗口的滤波可能并未平滑掉小窗口附近的噪声点,这样会使后续还需要进行多次滑动窗口,再进行中值滤波,大大增加了计算量,但是如果在小窗口刚滤波结束就分析滤波效果并及时调整滑窗尺寸,然后再对当前目标点进行一次滤波,就能很大程度上加快滤波速度。因此,本实施例首先基于各目标点对应的第一滑窗区域对应的梯度直方图,计算各目标点对应的第一滑窗区域的离散程度;然后基于各目标点对应的第二滑窗区域对应的梯度直方图,计算各目标点对应的第二滑窗区域的离散程度;接着比较各目标点对应的第一滑窗区域的离散程度和第二滑窗区域的离散程度的大小关系,进而判断各目标像素点是否需要二次滤波。
对于任一目标点;
该目标点对应的第一滑窗区域的离散程度的计算公式为:
其中,为该目标点对应的第一滑窗区域的离散程度,为该目标点对应的第一滑窗对应的梯度直方图中第i个梯度级上的像素频数,n为该目标点对应的第一滑窗对应的梯度直方图中梯度级的数量;表征该目标点对应的第一滑窗对应的整个梯度直方图的平均频数,为第i个梯度级上的像素频数相较于平均频数的偏离程度;由于初次滤波后,第一窗口区域内像素点的灰度更加集中,因此各梯度级频数相较于平均频数的偏离程度会比滤波之前小很多;当第一滑窗对应的梯度直方图中所有梯度级频数相较于平均频数的偏离程度均较小时,说明该目标点利用第一滑窗进行中值滤波后的平滑度较好;当第一滑窗对应的梯度直方图中所有梯度级频数相较于平均频数的偏离程度均较大时,说明该目标点利用第一滑窗进行中值滤波后的平滑度较差。
该目标点对应的第二滑窗区域的离散程度的计算公式为:
其中,为该目标点对应的第二滑窗区域的离散程度,为该目标点对应的第二滑窗对应的梯度直方图中第j个梯度级上的像素频数,m为该目标点对应的第二滑窗对应的梯度直方图中梯度级的数量;表征该目标点对应的第二滑窗对应的整个梯度直方图的平均频数,||为第j个梯度级上的像素频数相较于平均频数的偏离程度,该偏离程度越大,说明若该目标点利用第二滑窗进行滤波,滤波后的平滑度越差;当第二滑窗对应的梯度直方图中所有梯度级频数相较于平均频数的偏离程度均较小时,说明该目标点若利用第二滑窗进行中值滤波,则滤波后的平滑度较好;当第二滑窗对应的梯度直方图中所有梯度级频数相较于平均频数的偏离程度均较大时,说明若该目标点利用第二滑窗进行中值滤波,则滤波后的平滑度较差。
至此,采用上述方法,能够得到所有目标点对应的第一滑窗区域的离散程度和对应的第二滑窗区域的离散程度。
步骤S4,基于各目标点对应的第一滑窗区域的离散程度和各目标点对应的第二滑窗区域的离散程度,判断各目标点是否进行二次滤波,若是,则将对应目标点记为待二次滤波的目标点;基于各待二次滤波的目标点对应的第二滑窗区域中像素点的灰度值,对各待二次滤波的目标点进行二次中值滤波,获得滤波后的灰度图像;基于所述滤波后的灰度图像判断焊接质量。
由于目标点基于小窗口进行了滤波,滤波后的平滑度变得更好,扩大到大窗口后,如果除小窗口之外的大窗口区域内有噪声点,那么大窗口的平滑度会变差;反之,如果除小窗口之外的大窗口区域内无噪声点,那么大窗口的平滑度会较好。离散程度表征目标点利用对应的滑窗进行滤波的滤波效果。
因此,对于任一目标点:当该目标点对应的第二滑窗区域的离散程度大于该目标点对应的第一滑窗区域的离散程度时,即时,说明该目标点对应的小窗口(第一滑窗)的邻域内还存在噪声点没有被去除,需要使用大窗口(第二滑窗)再进行一次滤波处理,将需要进行二次滤波的目标点记为待二次滤波的目标点,此时,使用第二滑窗对待二次滤波的目标点对应的第二滑窗区域进行中值滤波,滤波方法同上述第一滑窗滤波相同,将第二滑窗滤波后的中心像素点的灰度值作为最终结果赋给中心像素点,然后将第一滑窗和第二滑窗滑到下一目标点,滑动步长为1,重新进行上述判断并确定是否需要进行二次中值滤波;反之,当该目标点对应的第二滑窗区域的离散程度小于等于该目标点对应的第一滑窗区域的离散程度时,即时,说明该目标点利用小窗口(第一滑窗)进行中值滤波达到了较好的效果,第一滑窗区域的邻域内不存在其它噪声点,此时不需要大窗口(第二滑窗)再进行一次滤波处理,直接将第一滑窗和第二滑窗滑到下一目标点,滑动步长为1,并重新判断是否需要进行中值滤波。
至此,采用上述方法,对焊点区域的灰度图像中除边缘像素点外的所有像素点进行了中值滤波处理,得到滤波后的灰度图像,滤波后的灰度图像变得更加清晰和明显,因此对滤波后的灰度图像进行边缘识别时,边缘识别的效率也会更高,边缘识别的结果更加清晰明了,并且识别的结果更加准确,能够更加真实的反映出焊点表面的所有不平滑区域的边缘信息。当边缘识别图像中出现一些边缘时,认为焊点表面存在缺陷,并且边缘识别出的区域面积和真实缺陷区域的大小更加相近。
本实施例考虑到焊点区域的灰度图像中不同像素点邻域的噪声点的灰度分布不尽相同,因此若利用传统的固定尺寸的滑窗对图像中的像素点进行中值滤波,不一定适合图像中所有像素点,又考虑到若对图像中所有像素点进行滤波,会导致图像中的边缘变得模糊,进而会影响后续焊接质量的检测精度;因此本实施例将灰度图像中除边缘像素点外的其它像素点记为特征像素点,对图像中的特征像素点进行中值滤波时,若特征像素点对应的滑窗内的灰度中值点为噪声点,则不能利用该灰度中值点对特征像素点进行滤波,否则会增加图像中噪声点的数量;因此本实施例基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,若是,则基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波;若否,则将对应特征像素点记为第一像素点,基于第一像素点对应的第一滑窗区域中像素点的灰度值,对第一像素点进行中值滤波,将中值滤波后的第一像素点记为目标点;计算各目标点对应的第一滑窗区域的离散程度和对应的第二滑窗区域的离散程度,进而判断各目标点是否需要利用第二滑窗进行二次滤波,最终基于滤波后的灰度图像判断焊接质量;本实施例提供的方法相较于传统固定尺寸的滑窗对图像进行中值滤波来说,能够自适应的调整每个特征像素点对应的滑窗尺寸,更好的适应每个像素点的特征,获得去噪效果更好的灰度图像,提高焊接质量的检测精度。
需要说明的是: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 (8)
1.一种基于去噪处理的焊接质量检测方法,其特征在于,该方法包括以下步骤:
获取焊点区域的灰度图像;
以灰度图像中的各像素点为滑窗的中心点,建立第一滑窗和第二滑窗,获得灰度图像中各像素点对应的第一滑窗区域和第二滑窗区域;基于灰度图像中各像素点对应的第一滑窗区域中像素点的梯度值,获得边缘像素点,将灰度图像中除边缘像素点外的其它像素点记为特征像素点;
基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,若是,则基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波;若否,则将对应特征像素点记为第一像素点,基于第一像素点对应的第一滑窗区域中像素点的灰度值,对第一像素点进行中值滤波,将中值滤波后的第一像素点记为目标点;基于各目标点对应的第一滑窗区域中像素点的梯度值,计算各目标点对应的第一滑窗区域的离散程度;基于各目标点对应的第二滑窗区域中像素点的梯度值,计算各目标点对应的第二滑窗区域的离散程度;
基于各目标点对应的第一滑窗区域的离散程度和各目标点对应的第二滑窗区域的离散程度,判断各目标点是否进行二次滤波,若是,则将对应目标点记为待二次滤波的目标点;基于各待二次滤波的目标点对应的第二滑窗区域中像素点的灰度值,对各待二次滤波的目标点进行二次中值滤波,获得滤波后的灰度图像;基于所述滤波后的灰度图像判断焊接质量。
2.根据权利要求1所述的基于去噪处理的焊接质量检测方法,其特征在于,所述第一滑窗的大小为3*3,所述第二滑窗的大小为5*5。
3.根据权利要求1所述的基于去噪处理的焊接质量检测方法,其特征在于,所述基于灰度图像中各像素点对应的第一滑窗区域中像素点的梯度值,获得边缘像素点,包括:
对于灰度图像中的任一像素点:
判断该像素点是否属于该像素点对应的第一滑窗区域内梯度值最大的三个像素点中的一个像素点,若是,则判定该像素点为边缘像素点,若否,则判定该像素点不为边缘像素点。
4.根据权利要求1所述的基于去噪处理的焊接质量检测方法,其特征在于,所述基于各特征像素点对应的第一滑窗区域中像素点的灰度值,判断各特征像素点对应的第一滑窗区域中灰度中值点是否为噪声点,包括:
对于任一特征像素点对应的第一滑窗区域:
基于该第一滑窗区域中所有像素点的灰度值,获得该第一滑窗区域灰度值中的中值灰度值以及中值灰度值对应的像素点,获取该第一滑窗区域内所有像素点的灰度最大值和灰度最小值;
当该第一滑窗区域的中值灰度值对应的像素点的灰度值小于所述灰度最大值且大于所述灰度最小值时,判定该第一滑窗区域中灰度中值点不为噪声点;当该第一滑窗区域的中值灰度值对应的像素点的灰度值等于所述灰度最大值或等于所述灰度最小值时,判定该第一滑窗区域中灰度中值点为噪声点。
5.根据权利要求1所述的基于去噪处理的焊接质量检测方法,其特征在于,所述基于对应特征像素点对应的第二滑窗区域中像素点的灰度值,对特征像素点进行中值滤波,包括:
对于任一对应特征像素点:获取该特征像素点对应的第二滑窗区域中像素点的灰度值中的中值灰度值;将所述中值灰度值赋给该特征像素点。
6.根据权利要求1所述的基于去噪处理的焊接质量检测方法,其特征在于,所述基于各目标点对应的第一滑窗区域中像素点的梯度值,计算各目标点对应的第一滑窗区域的离散程度;基于各目标点对应的第二滑窗区域中像素点的梯度值,计算各目标点对应的第二滑窗区域的离散程度,包括:
对于任一目标点:
获取该目标点对应的第一滑窗区域中各像素点的梯度值,基于所述第一滑窗区域中各像素点的梯度值获得该目标点对应的第一滑窗对应的梯度直方图;基于所述第一滑窗对应的梯度直方图,计算该目标点对应的第一滑窗区域的离散程度;
获取该目标点对应的第二滑窗区域中各像素点的梯度值,基于所述第二滑窗区域中各像素点的梯度值获得该目标点对应的第二滑窗对应的梯度直方图;基于所述第二滑窗对应的梯度直方图,计算该目标点对应的第二滑窗区域的离散程度。
8.根据权利要求1所述的基于去噪处理的焊接质量检测方法,其特征在于,所述基于各目标点对应的第一滑窗区域的离散程度和各目标点对应的第二滑窗区域的离散程度,判断各目标点是否进行二次滤波,包括:
对于任一目标点:
当该目标点对应的第二滑窗区域的离散程度大于该目标点对应的第一滑窗区域的离散程度时,判定该目标点进行二次滤波;当该目标点对应的第二滑窗区域的离散程度小于等于该目标点对应的第一滑窗区域的离散程度时,判定该目标点不进行二次滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211240032.XA CN115330758B (zh) | 2022-10-11 | 2022-10-11 | 基于去噪处理的焊接质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211240032.XA CN115330758B (zh) | 2022-10-11 | 2022-10-11 | 基于去噪处理的焊接质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330758A true CN115330758A (zh) | 2022-11-11 |
CN115330758B CN115330758B (zh) | 2023-12-22 |
Family
ID=83914450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211240032.XA Active CN115330758B (zh) | 2022-10-11 | 2022-10-11 | 基于去噪处理的焊接质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330758B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342610A (zh) * | 2023-05-31 | 2023-06-27 | 山东恒海钢结构有限公司 | 一种钢结构装配式建筑焊接异常检测方法 |
CN116363126A (zh) * | 2023-05-30 | 2023-06-30 | 东莞市立时电子有限公司 | 一种数据线usb插头焊接质量检测方法 |
CN116778263A (zh) * | 2023-08-22 | 2023-09-19 | 四川坤鸿电子科技有限公司 | 分拣设备控制方法、电子设备和计算机可读介质 |
CN117689574A (zh) * | 2024-02-04 | 2024-03-12 | 大连锦辉盛世科技有限公司 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060841A (ja) * | 2005-09-01 | 2006-03-02 | Texas Instr Inc <Ti> | 画像データのノイズ除去方法及びその装置 |
CN114862852A (zh) * | 2022-07-07 | 2022-08-05 | 山东意吉希精密制造有限公司 | 一种用于汽车零部件加工的智能控制方法 |
CN115100196A (zh) * | 2022-08-24 | 2022-09-23 | 聊城市洛溪信息科技有限公司 | 一种基于图像分割的冲压件除锈效果评估方法 |
CN115131351A (zh) * | 2022-08-31 | 2022-09-30 | 微山宏捷机械有限公司 | 基于红外图像的机油散热器检测方法 |
-
2022
- 2022-10-11 CN CN202211240032.XA patent/CN115330758B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060841A (ja) * | 2005-09-01 | 2006-03-02 | Texas Instr Inc <Ti> | 画像データのノイズ除去方法及びその装置 |
CN114862852A (zh) * | 2022-07-07 | 2022-08-05 | 山东意吉希精密制造有限公司 | 一种用于汽车零部件加工的智能控制方法 |
CN115100196A (zh) * | 2022-08-24 | 2022-09-23 | 聊城市洛溪信息科技有限公司 | 一种基于图像分割的冲压件除锈效果评估方法 |
CN115131351A (zh) * | 2022-08-31 | 2022-09-30 | 微山宏捷机械有限公司 | 基于红外图像的机油散热器检测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363126A (zh) * | 2023-05-30 | 2023-06-30 | 东莞市立时电子有限公司 | 一种数据线usb插头焊接质量检测方法 |
CN116363126B (zh) * | 2023-05-30 | 2023-08-22 | 东莞市立时电子有限公司 | 一种数据线usb插头焊接质量检测方法 |
CN116342610A (zh) * | 2023-05-31 | 2023-06-27 | 山东恒海钢结构有限公司 | 一种钢结构装配式建筑焊接异常检测方法 |
CN116342610B (zh) * | 2023-05-31 | 2023-08-15 | 山东恒海钢结构有限公司 | 一种钢结构装配式建筑焊接异常检测方法 |
CN116778263A (zh) * | 2023-08-22 | 2023-09-19 | 四川坤鸿电子科技有限公司 | 分拣设备控制方法、电子设备和计算机可读介质 |
CN116778263B (zh) * | 2023-08-22 | 2023-11-14 | 四川坤鸿电子科技有限公司 | 分拣设备控制方法、电子设备和计算机可读介质 |
CN117689574A (zh) * | 2024-02-04 | 2024-03-12 | 大连锦辉盛世科技有限公司 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
CN117689574B (zh) * | 2024-02-04 | 2024-04-26 | 大连锦辉盛世科技有限公司 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115330758B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115330758B (zh) | 基于去噪处理的焊接质量检测方法 | |
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN116310360B (zh) | 一种电抗器表面缺陷检测方法 | |
CN115049835B (zh) | 基于压铸模具缺陷识别的数据预处理方法 | |
CN117557571B (zh) | 基于图像增强的合金电阻焊接缺陷视觉检测方法及系统 | |
CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
CN113963042B (zh) | 基于图像处理的金属零件缺陷程度评估方法 | |
CN114359270A (zh) | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 | |
CN115330645B (zh) | 一种焊接图像增强方法 | |
CN115330767B (zh) | 一种腐蚀箔生产异常识别方法 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN112614062A (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN116993731A (zh) | 基于图像的盾构机刀头缺陷检测方法 | |
CN115330772A (zh) | 一种在线焊点质量检测方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN115359044A (zh) | 一种基于图像增强的金属件表面划痕检测方法 | |
CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
CN117392066B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN115311289A (zh) | 一种素色布匹油渍缺陷检测方法 | |
CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
CN117422712A (zh) | 基于图像滤波处理的塑料母粒视觉检测方法及系统 | |
CN117237245B (zh) | 一种基于人工智能与物联网的工业物料质量监测方法 | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
Tao | Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment | |
CN115254674B (zh) | 一种轴承缺陷分选方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231129 Address after: 266300 No. 22 Zhejiang Road, Beiguan Industrial Park, Jiaobei Street Office, Jiaozhou City, Qingdao City, Shandong Province Applicant after: Qingdao Xinhe Steel Structure Co.,Ltd. Address before: 226000 62 Central Road, Nantong economic and Technological Development Zone, Jiangsu Applicant before: KINERGE EMS (NANTONG) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |