CN115761017A - 一种醇酸类树脂油漆颜色的视觉测定方法 - Google Patents

一种醇酸类树脂油漆颜色的视觉测定方法 Download PDF

Info

Publication number
CN115761017A
CN115761017A CN202310016874.5A CN202310016874A CN115761017A CN 115761017 A CN115761017 A CN 115761017A CN 202310016874 A CN202310016874 A CN 202310016874A CN 115761017 A CN115761017 A CN 115761017A
Authority
CN
China
Prior art keywords
detected
difference value
color
paint
color difference
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
CN202310016874.5A
Other languages
English (en)
Other versions
CN115761017B (zh
Inventor
陈高峰
柯春彦
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.)
Weifang Yabei Coatings Co ltd
Original Assignee
Weifang Yabei Coatings 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 Weifang Yabei Coatings Co ltd filed Critical Weifang Yabei Coatings Co ltd
Priority to CN202310016874.5A priority Critical patent/CN115761017B/zh
Publication of CN115761017A publication Critical patent/CN115761017A/zh
Application granted granted Critical
Publication of CN115761017B publication Critical patent/CN115761017B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Spectrometry And Color Measurement (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种醇酸类树脂油漆颜色的视觉测定方法，该方法包括：获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值，获取待检测区域的颜色散乱系数，构建三维空间坐标系，并获取每个像素点的特征向量，获取离散强度系数，并获取半径－离散强度系数的直方图，获取最终颜色差异值，并判断待测油漆表面是否颜色异常。本发明实现了对待检测油漆表面图像对应的油漆的颜色进行准确测定。

Description

一种醇酸类树脂油漆颜色的视觉测定方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种醇酸类树脂油漆颜色的视觉测定方法。
背景技术
醇酸类树脂油漆是一种性能十分优秀的油漆涂料，由于，醇酸类树脂油漆的价格相对便宜、用料施工简单、对施工工作环境要求不高、涂膜丰满坚硬、耐久性、保护性和装饰性都较好的特点而受到相关不同产业的青睐，使得醇酸类树脂油漆成为国内生产量最大的一批涂料。在实际应用中，醇酸类数值油漆被广泛应用于汽车工业装饰、铁道车辆装饰、建筑行业的外墙和内墙的装修装饰，以及一些木器加工后为了对其进行美化修饰也会选择相应的醇酸类树脂油漆涂料作为装饰。
然而，醇酸类树脂油漆的生产工艺流程相对复杂，在调色过程中会由于操作不当或者机械老化等不可避免的随机因素造成最终生产得到的醇酸类树脂油漆出现颜色差异，醇酸类树脂油漆还可能存在杂质从而形成色块缺陷与周围形成明显差异对比，故，需要对醇酸类树脂油漆的颜色进行检测，以避免出现颜色异常缺陷。
现有技术中，主要是通过阈值分割技术对颜色异常进行检测，但最终检测结果依赖于相关技术人员的阈值设定，尤其是对于颜色差异不大的情况或者场景中出现多个不同区域颜色差异的情况，单阈值分割算法又不能较好的处理，故导致检测结果不准确。
发明内容
本发明提供一种醇酸类树脂油漆颜色的视觉测定方法，以解决现有的阈值分割技术，检测结果不准确的问题。
本发明的一种醇酸类树脂油漆颜色的视觉测定方法采用如下技术方案：
获取待测油漆表面图像和标准油漆表面图像对应的灰度图像；
对待测油漆表面图像的灰度图像进行超像素分割得到多个待检测区域，获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值；
根据每个待检测区域内的最大颜色差异值获取颜色差异值区间，根据颜色差异值区间获取待检测区域内的目标像素点，根据待检测区域内每个目标像素点与最大颜色差异值对应的像素点的欧氏距离，获取待检测区域的颜色散乱系数；
获取待检测区域与标准油漆表面图像在相同位置的像素点之间的水平梯度差异值和竖直梯度差异值，根据水平梯度差异值、竖直梯度差异值及颜色差异值构建待检测区域对应的三维空间坐标系，并根据水平梯度差异值、竖直梯度差异值及颜色差异值获取每个像素点的特征向量；
以三维空间坐标系的原点为球心，将三维空间坐标系中不同半径下对应的球面上的像素点作为特征点，并根据球面上所有特征点对应的特征向量及球面的面积，获取不同半径对应的球面上特征点的离散强度系数，获取每个待检测区域对应的半径－离散强度系数的直方图；
根据每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径和离散强度系数获取待测油漆表面图像与标准油漆表面图像的最终颜色差异值，根据最终颜色差异值判断待测油漆表面是否颜色异常。
优选的，获取待检测区域的颜色散乱系数包括：
获取待检测区域内所有目标像素点与最大颜色差异值对应的像素点的欧氏距离的和值；
将待检测区域内所有目标像素点与最大颜色差异值对应的像素点的欧氏距离的和值，与目标像素点的总数量乘积作为待检测区域的颜色散乱系数。
优选的，获取每个不同半径对应的球面上特征点的离散强度系数包括：
获取每个球面上每两个特征点对应的特征向量的余弦相似度；
获取每个球面上特征点的总数量；
根据每个球面的面积、球面上特征点的总数量及球面上每两个特征点对应的特征向量的余弦相似度，获取每个不同半径对应的球面上特征点的离散强度系数。
优选的，获取待测油漆表面图像与标准油漆表面图像的最终颜色差异值包括：
获取每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径及最大波峰对应的离散强度系数的乘积；
对待测油漆表面图像中所有待测区域对应的乘积求和，并对求和后的值进行归一化得到待测油漆表面图像与标准油漆表面图像的最终颜色差异值。
优选的，获取待检测区域内的目标像素点包括：
将最大颜色差异值与预设的颜色差异值阈值的差值作为颜色差异值区间的最小值；
将最大颜色差异值作为颜色差异值区间的最大值，得到颜色差异值区间；
将颜色差异值属于颜色差异值区间的待检测区域内的像素点作为目标像素点。
优选的，获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值包括：
获取LAB颜色空间下每个待检测区域中的像素点与标准油漆表面图像中对应的像素点的欧氏距离；
根据欧氏距离得到待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值。
优选的，获取像素点的特征向量包括：
将每个像素点对应的颜色差异值、水平梯度差异值、竖直梯度差异值分别作为特征向量中的元素值，得到每个像素点对应的特征向量。
优选的，构建待检测区域对应的三维空间坐标系包括：
以待检测区域对应的水平梯度差异值为x轴的坐标值，待检测区域对应的竖直梯度差异值为y轴的坐标值，待检测区域对应的颜色差异值为z轴的坐标值得到三维空间坐标系。
优选的，当最终颜色差异值大于预设的最终颜色差异值阈值时，则待测油漆表面的颜色异常；当最终颜色差异值小于或者等于预设的最终颜色差异值阈值时，则待测油漆表面的颜色正常。
本发明的一种醇酸类树脂油漆颜色的视觉测定方法的有益效果是：
通过先对待检测油漆表面图像进行超像素分割，实现将颜色相似的分割为一个待检测区域，对于每个待检测区域，若其内部存在颜色异常，则待检测区域内部会存在与标准油漆表面图像相同位置的像素点存在颜色差异，故为了精确衡量每个像素点的颜色差异，获取每个待检测区域与标准油漆表面图像中对应的像素点的颜色差异值，以颜色差异值来表征待检测区域的每个像素点对应的颜色差异；由于醇酸类树脂油漆发生颜色差异时，会以像素块形式出现从而形成不同颜色的差异色块，故本发明中从待检测区域中获取具有明显颜色差异的目标像素点，基于目标像素点与最大颜色差异值对应的像素点的欧氏距离来获得每个待检测区域的颜色散乱系数，以颜色散乱系数反映待检测区域颜色混乱程度，然后基于水平梯度差异值、竖直梯度差异值及颜色差异值构建待检测区域对应的三维空间坐标系，并根据水平梯度差异值、竖直梯度差异值及颜色差异值获取每个像素点的特征向量，利用不同半径对应的球面将每个待检测区域对应的三维空间坐标系中的像素点的特征向量进行量化，然后基于不同半径下对应的离散强度系数得到半径－离散强度系数的直方图，以直方图来明确反映离散强度系数的分布情况，由于直方图中最大波峰对应的半径和离散强度系数越大，反映的是颜色差异越大，故根据每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径和离散强度系数确定最终颜色差异值，然后根据最终颜色差异值判断待测油漆表面是否颜色异常，从而实现了对待检测油漆表面图像对应的颜色进行准确测定。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种醇酸类树脂油漆颜色的视觉测定方法的实施例的结构示意图；
图2为本发明的一种醇酸类树脂油漆颜色的视觉测定方法的实施例的三维空间坐标系。
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。
本发明的一种醇酸类树脂油漆颜色的视觉测定方法的实施例，如图1所示，本实施例具体包括：
S1、获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值；
具体的，获取待测油漆表面图像和标准油漆表面图像对应的灰度图像；对待测油漆表面图像的灰度图像进行超像素分割得到多个待检测区域，获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值。
首先，采集待测油漆表面图像，为了避免由于图像采集设备选择不当导致拍摄采集得到的醇酸类树脂的待测油漆表面图像质量不高、成像不清晰，进而避免导致对最终醇酸类树脂油漆的颜色的测定造成较大的影响。常用的图像采集设备主要有CMOS相机和CCD相机，由于CCD相机相较CMOS相机具有成像质量较高，图像细节保留较好，颜色鲜艳清晰的特点，故本实施例使用CCD相机对醇酸类树脂的待测油漆进行拍摄采集得到RGB颜色空间下的醇酸类树脂的待测油漆表面图像，然后获取该种油漆对应的标准油漆表面图像，为了减少计算，提高实时性测定效果将RGB颜色空间下的待测油漆表面图像转换成灰度图像，即得到待测油漆表面图像和标准油漆表面图像对应的灰度图像。
其中，在获取多个待检测区域时，由于，拍摄采集工作环境中可能存在一些随机自然噪声，这些随机自然噪声会对后续醇酸类树脂油漆颜色的测定的准确程度造成一定的影响，为了消除或者减弱这种随机自然噪声对后续醇酸类树脂油漆颜色测定的干扰，使用高斯滤波方法对醇酸类树脂油漆灰度图像进行处理，将滤波处理后的灰度图像作为后续步骤的灰度图像。
考虑到在生产醇酸类树脂油漆过程中，由于其复杂的工艺流程或者生产过程中操作不当可能导致油漆涂料中出现杂质影响最终颜色成形效果，这些杂质所在的像素点构成的区域会与周围正常的像素点构成的区域产生一定的差异，故先使用超像素分割（SLIC）算法对醇酸类树脂待测油漆表面图像的灰度图像进行处理，得到多个不同的待检测区域，其中，超像素分割（SLIC）是一种根据不同像素点特征的相似程度将整个图像中相似程度高的像素点划分成一个更具有代表性区域的快速分割算法，其为现有技术，本实施例不再赘述。
其中，在获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值时，为了便于对醇酸类树脂油漆进行颜色测定将RGB颜色空间下的醇酸类树脂的待测油漆表面图像及对应的标准油漆表面图像转化到LAB颜色空间，得到LAB颜色空间下对应的待检测图像的待检测LAB图像和标准油漆表面图像的标准LAB图像，然后获取LAB颜色空间下的待检测LAB图像中每个待检测区域中的像素点与标准油漆表面图像的标准LAB图像中对应的像素点的欧氏距离，根据欧氏距离得到待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值，其中，待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值的计算公式为：
Figure 17555DEST_PATH_IMAGE001
式中，
Figure 118366DEST_PATH_IMAGE002
表示某个待检测区域与标准油漆表面图像中相同位置像素点
Figure 84442DEST_PATH_IMAGE003
的欧氏 距离，即颜色差异值；
Figure 67441DEST_PATH_IMAGE004
表示某个待检测区域的像素点
Figure 915180DEST_PATH_IMAGE003
在对应的待检测LAB图像中的L通道的通道值；
Figure 401657DEST_PATH_IMAGE005
表示某个待检测区域的像素点
Figure 676649DEST_PATH_IMAGE003
在对应的待检测LAB图像中的A通道的通道值；
Figure 881365DEST_PATH_IMAGE006
表示某个待检测区域的像素点
Figure 1637DEST_PATH_IMAGE003
在对应的待检测LAB图像中的B通道的通道值；
Figure 608199DEST_PATH_IMAGE007
表示标准LAB图像中与待检测区域的像素点
Figure 57022DEST_PATH_IMAGE003
位置对应的像素点的L通道的通道 值；
Figure 483455DEST_PATH_IMAGE008
表示标准LAB图像中与待检测区域的像素点
Figure 938576DEST_PATH_IMAGE003
位置对应的像素点的A通道的通道 值；
Figure 399645DEST_PATH_IMAGE009
表示标准LAB图像中与待检测区域的像素点
Figure 750861DEST_PATH_IMAGE003
位置对应的像素点的B通道的通道 值；
需要说明的是，通过颜色差异值的计算公式，能得到每个待检测区域内的像素点与标准油漆表面图像中相同位置的像素点的颜色差异值，当计算颜色差异值越大时，说明此时待检测区域内的像素点与标准油漆表面图像中相同位置像素点的颜色差异越大，即待测油漆发生颜色差异缺陷的可能性越高，其次，颜色差异值的计算公式为欧氏距离计算公式，故本实施例不再赘述。
S2、获取待检测区域的颜色散乱系数；
具体的，根据每个待检测区域内的最大颜色差异值获取颜色差异值区间，根据颜色差异值区间获取待检测区域内的目标像素点，根据待检测区域内每个目标像素点与最大颜色差异值对应的像素点的欧氏距离，获取待检测区域的颜色散乱系数。
其中，基于S1步骤得到了每个待检测区域内的像素点与标准油漆表面图像中相同 位置的像素点的颜色差异值，那么在待检测区域内的每个像素点对应的颜色差异值中可以 得到每个待检测区域内的像素点对应的最大颜色差异值，若最大颜色差异值对应的像素点 有多个，则取任意一个作为后续最大颜色差异值对应的像素点，将最大颜色差异值记为
Figure 930169DEST_PATH_IMAGE010
，考虑到醇酸类树脂的油漆发生颜色差异时，会以像素块形式出现从而形成不同颜 色的差异色块，故，根据每个待检测区域内的最大颜色差异值获取颜色差异值区间，具体 的，将最大颜色差异值与预设的颜色差异值阈值的差值作为颜色差异值区间的最小值；将 最大颜色差异值作为颜色差异值区间的最大值，其中，本实施例设定颜色差异值阈值为32， 那么得到颜色差异值区间即为
Figure 923402DEST_PATH_IMAGE011
。
其中，基于获取的颜色差异值区间，对颜色差异值区间对应的待检测区域中的像素点进行标记，本实施例认为将颜色差异值属于颜色差异值区间的待检测区域内的像素点作为目标像素点；并这些目标像素点存在较为明显的颜色差异。
其中，获取待检测区域的颜色散乱系数包括：获取待检测区域内所有目标像素点与最大颜色差异值对应的像素点的欧氏距离的和值；将待检测区域内所有目标像素点与最大颜色差异值对应的像素点的欧氏距离的和值，与目标像素点的总数量乘积作为待检测区域的颜色散乱系数，具体的，颜色散乱系数的计算公式为：
Figure 238977DEST_PATH_IMAGE012
式中，
Figure 29603DEST_PATH_IMAGE013
表示第
Figure 430628DEST_PATH_IMAGE014
个待检测区域的颜色散乱系数；
Figure 978284DEST_PATH_IMAGE015
表示第
Figure 663212DEST_PATH_IMAGE014
个待检测区域中目标像素点的总数量；
Figure 372542DEST_PATH_IMAGE016
表示第
Figure 775711DEST_PATH_IMAGE014
个待检测区域中第
Figure 595899DEST_PATH_IMAGE017
个目标像素点的坐标；
Figure 135334DEST_PATH_IMAGE018
表示第
Figure 15565DEST_PATH_IMAGE014
个待检测区域中所有像素点的颜色差异值中最大颜色差 异值对应的像素点的坐标；
Figure 897240DEST_PATH_IMAGE019
表示求欧氏距离；
需要说明的是，待检测区域中目标像素点的数量越多，同时这些目标像素点与最大颜色差异值对应的像素点的欧氏距离越大，则对应的待检测区域的颜色散乱系数越大，基于颜色散乱系数反应不同像素点的颜色差异的分布散乱情况，该数值越大，则对应的待检测区域的颜色分布越散乱，对应的颜色异常越严重。
S3、构建三维空间坐标系，并获取每个像素点的特征向量；
具体的，获取待检测区域与标准油漆表面图像在相同位置的像素点之间的水平梯度差异值和竖直梯度差异值，根据水平梯度差异值、竖直梯度差异值及颜色差异值构建待检测区域对应的三维空间坐标系，并根据水平梯度差异值、竖直梯度差异值及颜色差异值获取每个像素点的特征向量。
其中，构建待检测区域对应的三维空间坐标系包括：由于，当醇酸树脂类的油漆表面出现杂质，会使得该油漆出现颜色不一致，从而形成较为明显的色块，故需要对这种情况进行分析，即先获取待检测区域与标准油漆表面图像在相同位置的像素点之间的水平梯度差异值和竖直梯度差异值，具体的，水平梯度差异值为待检测区域与标准油漆表面图像在相同位置的像素点在水平方向的梯度值的差值，竖直梯度差异值为待检测区域与标准油漆表面图像在相同位置的像素点在竖直方向的梯度值的差值，其中，梯度值的计算方法为现有技术，本实施例不再赘述然后结合水平梯度差异值、竖直梯度差异值及颜色差异值构建待检测区域对应的三维空间坐标系，即本实施例以待检测区域对应的水平梯度差异值为x轴的坐标值，待检测区域对应的竖直梯度差异值为y轴的坐标值，待检测区域对应的颜色差异值为z轴的坐标值得到三维空间坐标系，三维空间坐标系如图2所示。
其中，获取每个像素点的特征向量包括：基于得到的三维空间坐标系，三维空间坐 标系内每个像素点都对应一个水平梯度差异值、竖直梯度差异值及颜色差异值，故将每个 像素点对应的颜色差异值、水平梯度差异值、竖直梯度差异值分别作为特征向量中的元素 值，得到每个像素点对应的特征向量，例如，第
Figure 521120DEST_PATH_IMAGE020
个像素点对应的特征向量
Figure 649482DEST_PATH_IMAGE021
，其中，
Figure 966194DEST_PATH_IMAGE022
表示颜色差异值，
Figure 547216DEST_PATH_IMAGE023
表示水平梯度差异值，
Figure 709208DEST_PATH_IMAGE024
表示 竖直梯度差异值。
S4、获取离散强度系数，并获取半径－离散强度系数的直方图；
具体的，以三维空间坐标系的原点为球心，将三维空间坐标系中不同半径下对应的球面上的像素点作为特征点，并根据球面上所有特征点对应的特征向量及球面的面积，获取不同半径对应的球面上特征点的离散强度系数，获取每个待检测区域对应的半径－离散强度系数的直方图。
由于，颜色差异值恒大于零，而水平梯度差异值与竖直梯度差异值的取值则为全体实数，故以三维空间坐标系的原点为球心得到的球面为一个半球面，获取三维空间坐标系中不同半径下对应的球面上的特征点，具体的，以三维空间坐标系的原点为球心，设定一个初始半径，然后每次以步长为0.5进行半径增长得到多个不同半径，基于不同半径，获取每个半径下对应的半球，然后将球面上的像素点作为特征点，为了防止步长过大导致大量像素点不能落在球面上，则半径增长的步长应尽量小，本实施例选择步长为0.5，目的是只取大部分像素点，然后只利用前面上的像素点作为特征点进行后续的计算，从而减少计算量。
其中，获取不同半径对应的球面上特征点的离散强度系数，具体的，获取每个球面上每两个特征点对应的特征向量的余弦相似度；获取每个球面上特征点的总数量；根据每个球面的面积、球面上特征点的总数量及球面上每两个特征点对应的特征向量的余弦相似度，获取每个不同半径对应的球面上特征点的离散强度系数，其中，离散强度系数的计算公式为：
Figure 488814DEST_PATH_IMAGE025
式中，
Figure 710847DEST_PATH_IMAGE026
表示以半径
Figure 313255DEST_PATH_IMAGE027
得到的球面上特征点的离散强度系数；
Figure 278937DEST_PATH_IMAGE028
表示以半径
Figure 663782DEST_PATH_IMAGE027
得到的球面的面积；
Figure 571564DEST_PATH_IMAGE029
表示以半径
Figure 409070DEST_PATH_IMAGE027
得到的球面的上特征点的总数量；
Figure 427710DEST_PATH_IMAGE030
表示半径
Figure 401482DEST_PATH_IMAGE027
得到的球面的上第
Figure 480166DEST_PATH_IMAGE017
个特征点对应的特征向量；
Figure 804968DEST_PATH_IMAGE031
表示半径
Figure 112452DEST_PATH_IMAGE027
得到的球面的上第
Figure 724087DEST_PATH_IMAGE032
个特征点对应的特征向量；
Figure 458825DEST_PATH_IMAGE033
表示内积运算符号；
Figure 520190DEST_PATH_IMAGE034
表示对特征向量求模长；
需要说明的是，
Figure 631366DEST_PATH_IMAGE035
表示球面的上第
Figure 845309DEST_PATH_IMAGE017
个特征点对应的特征向量与第
Figure 216DEST_PATH_IMAGE032
个特征点对应的特征向量的内积，
Figure 17720DEST_PATH_IMAGE036
表示第
Figure 667007DEST_PATH_IMAGE017
个特征点对应的特征向量与第
Figure 1036DEST_PATH_IMAGE032
个特征点对应的特征向量的余弦相似度，当每两个特征点对应的特征向量之间的余弦相似 度越高，说明对应的特征向量之间差距越小，则该半径
Figure 329774DEST_PATH_IMAGE027
下的醇酸类树脂油漆颜色和梯度 差异越相似，即越统一集中，离散强度系数越小，故余弦相似度与离散强度系数成反比例关 系，当球面上的特征点的分布个数N越多，说明特征点在三维空间中分布越离散，即离散强 度系数越大，故表明球面上的特征点的总数量与离散强度系数成正比例关系，故根据离散 强度系数的计算公式计算每个半径对应的球面上的特征点的离散强度系数。
其中，获取每个待检测区域对应的半径－离散强度系数的直方图，在获得每个半径下对应的球面上的特征点的离散强度系数后，以每个半径为横坐标，每个半径对应的离散强度系数为纵坐标，构建每个待检测区域对应的半径－离散强度系数的直方图，无颜色异常缺陷差异时，不同半径下计算得到的离散强度系数在大小上具有一致性，即分布均匀，颜色异常缺陷严重时，不同半径下计算得到离散强度系数在大小上不统一，且会出现明显的波峰，故其离散强度在直方图中分布不均匀，故，后续处理中依据此对颜色异常检测。
S5、获取最终颜色差异值，并判断待测油漆表面是否颜色异常；
具体的，根据每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径和离散强度系数获取待测油漆表面图像与标准油漆表面图像的最终颜色差异值，根据最终颜色差异值判断待测油漆表面是否颜色异常。
对步骤S4得到的每个待检测区域对应的直方图进行分析，若整个直方图中的离散强度系数分布均匀且对应半径较小的数据，则在待检测油漆与标准油漆颜色差异较小；反之，若待检测区域对应的整个直方图的离散强度系数分布不均匀，且在半径较大位置具有明显的波峰突起，说明此时待检测油漆与标准油漆颜色较大，故先获取直方图中最大波峰对应的半径和离散强度系数，基于每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径和离散强度系数获取待测油漆表面图像与标准油漆表面图像的最终颜色差异值，具体的，获取每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径及最大波峰对应的离散强度系数的乘积；对待测油漆表面图像中所有待测区域对应的乘积求和，并对求和后的值进行归一化得到待测油漆表面图像与标准油漆表面图像的最终颜色差异值，其中，本实施例采用极差归一化算法，具体的，最终颜色差异值的计算公式为：
Figure 850885DEST_PATH_IMAGE037
式中，
Figure 818710DEST_PATH_IMAGE038
表示待测油漆表面图像与标准油漆表面图像的最终颜色差异值；
Figure 741666DEST_PATH_IMAGE039
表示归一化函数；
Figure 503955DEST_PATH_IMAGE040
表示第
Figure 246783DEST_PATH_IMAGE041
个待检测区域对应的直方图中最大波峰对应的半径；
Figure 221561DEST_PATH_IMAGE042
表示第
Figure 264604DEST_PATH_IMAGE041
个待检测区域对应的直方图中最大波峰对应的离散强度系数；
Figure 948526DEST_PATH_IMAGE043
表示待测油漆表面图像中第
Figure 973724DEST_PATH_IMAGE041
个待检测区域的颜色散乱系数；
Figure 502926DEST_PATH_IMAGE044
表示待测油漆表面图像中待检测区域的总数；
需要说明的是，若待检测区域对应的整个直方图中的离散强度系数分布不均匀，且在半径较大位置具有明显的波峰突起，说明此时待检测油漆与标准油漆颜色较大，即本实施例认为直方图中最大波峰对应的离散强度系数越大，且其对应的半径越大时，待检测油漆中的每个待检测区域与标准油漆颜色较大，即每个待检测区域与标准油漆的最终颜色差异值大，同时，在每个待检测区域对应的颜色散乱系数越大时，由于颜色散乱系数反映的是每个待检测区域的颜色混乱程度，故本实施例认为颜色越混乱，则对应的待检测区域与标准油漆的最终颜色差异值大。
其中，根据最终颜色差异值判断待测油漆表面是否颜色异常包括：由于在最终颜色差异值的计算公式中进行了归一化操作，目的是为了将最终颜色差异值限定在0到1范围内，以便于设定阈值，故，本实施例中，设定最终颜色差异值阈值为0.6，即当最终颜色差异值大于预设的最终颜色差异值阈值时，则待测油漆表面的颜色异常；当最终颜色差异值小于或者等于预设的最终颜色差异值阈值时，则待测油漆表面的颜色正常。
本发明的一种醇酸类树脂油漆颜色的视觉测定方法，通过先对待检测油漆表面图像进行超像素分割，实现将颜色相似的分割为一个待检测区域，对于每个待检测区域，若其内部存在颜色异常，则待检测区域内部会存在与标准油漆表面图像相同位置的像素点存在颜色差异，故为了精确衡量每个像素点的颜色差异，获取每个待检测区域与标准油漆表面图像中对应的像素点的颜色差异值，以颜色差异值来表征待检测区域的每个像素点对应的颜色差异；由于醇酸类树脂油漆发生颜色差异时，会以像素块形式出现从而形成不同颜色的差异色块，故本发明中依据待检测区域的最大颜色差异值来获取颜色差异值区间，从而依据颜色差异值区间确定待检测区域中明显颜色差异的目标像素点，基于目标像素点与最大颜色差异值对应的像素点的欧氏距离来获得表征每个待检测区域颜色混乱程度的颜色散乱系数，然后基于水平梯度差异值、竖直梯度差异值及颜色差异值构建待检测区域对应的三维空间坐标系，并根据水平梯度差异值、竖直梯度差异值及颜色差异值获取每个像素点的特征向量，利用不同半径对应的球面将每个待检测区域对应的三维空间坐标系中的像素点的特征向量进行不同的量化，然后基于不同半径下对应的离散强度系数得到半径－离散强度系数的直方图，以直方图来明确反映离散强度系数的分布情况，由于直方图中最大波峰对应的半径和离散强度系数越大，反映的是颜色差异越大，故根据每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径和离散强度系数确定最终颜色差异值，然后根据最终颜色差异值判断待测油漆表面是否颜色异常，从而实现了对待检测油漆表面图像对应的颜色进行准确测定。
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 (9)

1.一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，包括：
获取待测油漆表面图像和标准油漆表面图像对应的灰度图像；
对待测油漆表面图像的灰度图像进行超像素分割得到多个待检测区域，获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值；
获取待检测区域内的目标像素点，根据待检测区域内每个目标像素点与最大颜色差异值对应的像素点的欧氏距离，获取待检测区域的颜色散乱系数；
获取待检测区域与标准油漆表面图像在相同位置的像素点之间的水平梯度差异值和竖直梯度差异值，根据水平梯度差异值、竖直梯度差异值及颜色差异值构建待检测区域对应的三维空间坐标系，并根据水平梯度差异值、竖直梯度差异值及颜色差异值获取每个像素点的特征向量；
以三维空间坐标系的原点为球心，将三维空间坐标系中不同半径下对应的球面上的像素点作为特征点，并根据球面上所有特征点对应的特征向量及球面的面积，获取不同半径对应的球面上特征点的离散强度系数，获取每个待检测区域对应的半径－离散强度系数的直方图；
根据每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径和离散强度系数获取待测油漆表面图像与标准油漆表面图像的最终颜色差异值，根据最终颜色差异值判断待测油漆表面是否颜色异常。
2.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，获取待检测区域的颜色散乱系数包括：
获取待检测区域内所有目标像素点与最大颜色差异值对应的像素点的欧氏距离的和值；
将待检测区域内所有目标像素点与最大颜色差异值对应的像素点的欧氏距离的和值，与目标像素点的总数量乘积作为待检测区域的颜色散乱系数。
3.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，获取每个不同半径对应的球面上特征点的离散强度系数包括：
获取每个球面上每两个特征点对应的特征向量的余弦相似度；
获取每个球面上特征点的总数量；
根据每个球面的面积、球面上特征点的总数量及球面上每两个特征点对应的特征向量的余弦相似度，获取每个不同半径对应的球面上特征点的离散强度系数。
4.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，获取待测油漆表面图像与标准油漆表面图像的最终颜色差异值包括：
获取每个待检测区域对应的颜色散乱系数、直方图中最大波峰对应的半径及最大波峰对应的离散强度系数的乘积；
对待测油漆表面图像中所有待测区域对应的乘积求和，并对求和后的值进行归一化得到待测油漆表面图像与标准油漆表面图像的最终颜色差异值。
5.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，获取待检测区域内的目标像素点包括：
将最大颜色差异值与预设的颜色差异值阈值的差值作为颜色差异值区间的最小值；
将最大颜色差异值作为颜色差异值区间的最大值，得到颜色差异值区间；
将颜色差异值属于颜色差异值区间的待检测区域内的像素点作为目标像素点。
6.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，获取待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值包括：
获取LAB颜色空间下每个待检测区域中的像素点与标准油漆表面图像中对应的像素点的欧氏距离；
根据欧氏距离得到待检测区域与标准油漆表面图像中相同位置的像素点的颜色差异值。
7.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，获取像素点的特征向量包括：
将每个像素点对应的颜色差异值、水平梯度差异值、竖直梯度差异值分别作为特征向量中的元素值，得到每个像素点对应的特征向量。
8.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，构建待检测区域对应的三维空间坐标系包括：
以待检测区域对应的水平梯度差异值为x轴的坐标值，待检测区域对应的竖直梯度差异值为y轴的坐标值，待检测区域对应的颜色差异值为z轴的坐标值得到三维空间坐标系。
9.根据权利要求1所述的一种醇酸类树脂油漆颜色的视觉测定方法，其特征在于，当最终颜色差异值大于预设的最终颜色差异值阈值时，则待测油漆表面的颜色异常；当最终颜色差异值小于或者等于预设的最终颜色差异值阈值时，则待测油漆表面的颜色正常。
CN202310016874.5A 2023-01-06 2023-01-06 一种醇酸类树脂油漆颜色的视觉测定方法 Active CN115761017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310016874.5A CN115761017B (zh) 2023-01-06 2023-01-06 一种醇酸类树脂油漆颜色的视觉测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310016874.5A CN115761017B (zh) 2023-01-06 2023-01-06 一种醇酸类树脂油漆颜色的视觉测定方法

Publications (2)

Publication Number Publication Date
CN115761017A true CN115761017A (zh) 2023-03-07
CN115761017B CN115761017B (zh) 2023-04-25

Family

ID=85348389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310016874.5A Active CN115761017B (zh) 2023-01-06 2023-01-06 一种醇酸类树脂油漆颜色的视觉测定方法

Country Status (1)

Country Link
CN (1) CN115761017B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004198403A (ja) * 2002-12-06 2004-07-15 Daihatsu Motor Co Ltd 塗装面の検査装置
JP2010172789A (ja) * 2009-01-27 2010-08-12 Fujitsu Advanced Engineering Ltd 検査装置、および検査プログラム
US20110123093A1 (en) * 2009-11-25 2011-05-26 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for detecting defects in coatings utilizing color-based thermal mismatch
CN108580215A (zh) * 2018-05-16 2018-09-28 延锋彼欧（沈阳）汽车外饰系统有限公司 油漆的喷涂方法及装置、存储介质及终端
CN114782562A (zh) * 2022-06-18 2022-07-22 南通寝尚纺织品有限公司 基于数据识别的服装布料浸染监测方法及人工智能系统
CN115311299A (zh) * 2022-10-12 2022-11-08 如皋市金轶纺织有限公司 一种基于多光源角度的纺织品染色异常检测方法
CN115415135A (zh) * 2022-08-29 2022-12-02 一汽丰田汽车有限公司 一种喷涂方法、装置、设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004198403A (ja) * 2002-12-06 2004-07-15 Daihatsu Motor Co Ltd 塗装面の検査装置
JP2010172789A (ja) * 2009-01-27 2010-08-12 Fujitsu Advanced Engineering Ltd 検査装置、および検査プログラム
US20110123093A1 (en) * 2009-11-25 2011-05-26 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for detecting defects in coatings utilizing color-based thermal mismatch
CN108580215A (zh) * 2018-05-16 2018-09-28 延锋彼欧（沈阳）汽车外饰系统有限公司 油漆的喷涂方法及装置、存储介质及终端
CN114782562A (zh) * 2022-06-18 2022-07-22 南通寝尚纺织品有限公司 基于数据识别的服装布料浸染监测方法及人工智能系统
CN115415135A (zh) * 2022-08-29 2022-12-02 一汽丰田汽车有限公司 一种喷涂方法、装置、设备及介质
CN115311299A (zh) * 2022-10-12 2022-11-08 如皋市金轶纺织有限公司 一种基于多光源角度的纺织品染色异常检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUEYUAN ZHANG ET AL: "Detecting and correlating bacterial populations to visual color change of polydiacetylene-coated filters" *
李雪烽: "基于机器视觉的喷涂注塑件光学成像与图像处理研究" *

Also Published As

Publication number Publication date
CN115761017B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN116385448B (zh) 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法
CN115829883B (zh) 一种异性金属结构件表面图像去噪方法
CN111383209B (zh) 一种基于全卷积自编码器网络的无监督瑕疵检测方法
CN115082467A (zh) 基于计算机视觉的建材焊接表面缺陷检测方法
CN109612888B (zh) 基于图像技术的粉体混合均匀性检测方法
CN114998198A (zh) 一种注塑件表面缺陷识别方法
CN115619793B (zh) 基于计算机视觉的电源适配器外观质量检测方法
CN107742307A (zh) 基于改进帧差法的输电线路舞动特征提取及参数分析方法
CN113935992A (zh) 基于图像处理的抗油污干扰的齿轮裂纹检测方法与系统
CN116758077B (zh) 一种冲浪板表面平整度在线检测方法及系统
CN116030060B (zh) 一种塑料颗粒质量检测方法
CN116542972B (zh) 基于人工智能的墙板表面缺陷快速检测方法
CN115331119B (zh) 一种固体废弃物识别方法
CN116205919A (zh) 基于人工智能的五金零件生产质量检测方法及系统
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN115797473B (zh) 一种土建工程用混凝土成型评估方法
CN117152180B (zh) 基于人工智能的矿物铸件缺陷检测方法
CN116091504A (zh) 基于图像处理的连接管连接头质量检测方法
CN116402810B (zh) 基于图像处理的润滑油抗磨粒质量检测方法
CN115100510B (zh) 一种轮胎磨损度识别方法
CN111724376B (zh) 一种基于纹理特征分析的纸病检测方法
CN109961432A (zh) 一种滤布破损的检测方法和系统
CN115272336A (zh) 基于梯度向量的金属零件缺陷精准检测方法
CN116071363A (zh) 一种自动化型钢智能生产监测系统
CN116664584B (zh) 一种薄壁类锌合金压铸模具生产智能反馈调节系统

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Visual Measurement Method for the Color of Alcoholic Resin Paints

Effective date of registration: 20230712

Granted publication date: 20230425

Pledgee: Changyi Sub-branch of Postal Savings Bank of China Ltd.

Pledgor: Weifang Yabei Coatings Co.,Ltd.

Registration number: Y2023980048112