CN116228747A - 一种金属柜加工质量监测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种金属柜加工质量监测方法。方法包括：对金属柜体板材焊缝的灰度图像进行边缘检测获得初始边缘线；根据灰度图像中各像素点与其邻域内像素点之间的相对位置、各像素点及其邻域内像素点的梯度分布，得到各像素点对应的梯度空间特征值；根据各初始边缘点及其邻域内像素点对应的梯度空间特征值、各初始边缘点及其邻域内像素点的灰度分布，确定目标边缘线；对目标边缘线上的像素点和标准金属柜体板材焊缝的图像中的边缘线上的像素点进行匹配，进而判断金属柜的质量是否合格。本发明提高了金属柜加工质量的检测精度。

Description

一种金属柜加工质量监测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种金属柜加工质量监测方法。

背景技术

金属柜是一种常见的储物家具，通常由金属板材制成，用于存放各种物品。随着工业技术的不断发展，金属柜的制造和设计也在不断改进和创新。在金属柜的生产过程中，冷轧钢板是金属柜的主要原料，后期对切割处理完成的冷轧钢板进行焊接以组成柜体，焊接过程是决定金属柜质量和结构完整性的关键工艺之一。常规焊接工艺的检测方法有X射线检测、涡流检测等，但这些检测方法或多或少都存在缺陷，X射线检测设备成本高且需要专业技术人员操作，涡流检测对材质导电性要求高。因此基于图像处理的金属柜加工质量检测方法被广泛应用，该方法一般基于传统的边缘检测算法对获取到的金属柜体板材焊缝的表面图像进行边缘提取，进而与标准图像进行对比，根据对比结果对金属柜的加工质量进行评价，但是传统的边缘检测算法是通过设定阈值的方法来完成对金属柜体板材焊缝的表面图像中的边缘线的提取，边缘的提取效果不佳，进而导致金属柜加工质量的检测精度较低。

发明内容

为了解决现有方法对金属柜体板材焊缝的表面图像进行边缘提取时存在的提取效果不佳，导致金属柜加工质量的检测精度较低的问题，本发明的目的在于提供一种金属柜加工质量监测方法，所采用的技术方案具体如下：

本发明提供了一种金属柜加工质量监测方法，该方法包括以下步骤：

获取待检测金属柜体板材焊缝的灰度图像；

对所述灰度图像进行边缘检测获得初始边缘线；根据所述灰度图像中各像素点与其邻域内像素点之间的相对位置、各像素点及其邻域内像素点的梯度分布，得到所述灰度图像中各像素点对应的梯度空间特征值；

将所述初始边缘线上的像素点记为初始边缘点；根据各初始边缘点及其邻域内像素点对应的梯度空间特征值、各初始边缘点及其邻域内像素点的灰度分布，得到各初始边缘点的邻域内像素点的能量值；基于所述能量值以及初始边缘线确定所述灰度图像中的目标边缘线；

对所述灰度图像中的目标边缘线上的像素点和标准金属柜体板材焊缝的图像中的边缘线上的像素点进行匹配，基于匹配结果判断待检测金属柜的质量是否合格。

优选的，所述根据所述灰度图像中各像素点与其邻域内像素点之间的相对位置、各像素点及其邻域内像素点的梯度分布，得到所述灰度图像中各像素点对应的梯度空间特征值，包括：

将所述灰度图像中任一像素点记为待处理像素点，将所述待处理像素点的邻域内的像素点记为邻域像素点；计算待处理像素点与各邻域像素点之间的距离，将所述距离的倒数作为对应邻域像素点的距离权值；

根据待处理像素点的梯度分布和各邻域像素点的梯度分布，分别得到各邻域像素点的梯度幅值差异度和各邻域像素点的梯度方向差异度；根据待处理像素点和各邻域像素点之间的相对位置，确定对应邻域像素点的方向特征指标；

根据各邻域像素点的距离权值、各邻域像素点的梯度幅值差异度、各邻域像素点的方向特征指标、各邻域像素点的梯度方向差异度，得到待处理像素点的梯度空间特征值；所述距离权值、所述梯度幅值差异度、所述方向特征指标和所述梯度方向差异度均与所述梯度空间特征值呈正相关关系。

优选的，根据待处理像素点的梯度分布和各邻域像素点的梯度分布，分别得到各邻域像素点的梯度幅值差异度和各邻域像素点的梯度方向差异度，包括：

计算各邻域像素点与待处理像素点之间的梯度幅值的差值的平方，将所述梯度幅值的差值的平方作为对应邻域像素点的梯度幅值差异度；

计算待处理像素点的梯度方向与各邻域像素点的梯度方向的差值的绝对值，对所述梯度方向的差值的绝对值进行归一化处理，获得对应邻域像素点的梯度方向差异度。

优选的，根据待处理像素点和各邻域像素点之间的相对位置，确定对应邻域像素点的方向特征指标，包括：

将由待处理像素点指向各邻域像素点的方向与水平向右方向之间的夹角，确定为待处理像素点与对应邻域像素点的特征角度，对所述特征角度进行归一化处理，将归一化后的特征角度作为对应邻域像素点的方向特征指标。

优选的，根据各初始边缘点及其邻域内像素点对应的梯度空间特征值、各初始边缘点及其邻域内像素点的灰度分布，得到各初始边缘点的邻域内像素点的能量值，包括：

对于任一初始边缘点：

根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的灰度分布、初始边缘点及其邻域内像素点的梯度幅值，得到初始像素点的邻域内像素点对应的能量差异度；

根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的梯度幅值，得到初始边缘点的邻域内像素点对应的复杂度；

将所述能量差异度与所述复杂度的和值作为对应像素点的能量值。

优选的，根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的灰度分布、初始边缘点及其邻域内像素点的梯度幅值，得到初始像素点的邻域内像素点对应的能量差异度，包括：

将初始边缘点的各邻域像素点对应的梯度空间特征值与初始边缘点对应的梯度空间特征值之间的差异记为第一差异；

将初始边缘点的各邻域像素点的灰度值与对应的梯度幅值的比值记为第一比值，将初始边缘点的灰度值与其对应的梯度幅值的比值记为第二比值；将所述第一比值与所述第二比值之间的差异记为第二差异；

根据所述第一差异和所述第二差异，得到初始边缘点的各邻域像素点对应的能量差异度；所述第一差异和所述第二差异均与所述能量差异度呈正相关关系。

优选的，根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的梯度幅值，得到初始边缘点的邻域内像素点对应的复杂度，包括：

计算初始边缘点的所有邻域像素点的特征角度的归一化值的均值；计算初始边缘点的各邻域像素点与初始边缘点的梯度幅值的差值的平方，将初始边缘点的所有邻域像素点与初始边缘点的梯度幅值的差值的平方的均值记为第一平均值；

将初始边缘点的邻域内第i个像素点对应的梯度空间特征值对所述特征角度的归一化值的均值的二阶偏导值，确定为第一特征值；将初始边缘点的邻域内第i个像素点对应的梯度空间特征值对所述第一平均值的二阶偏导值，确定为第二特征值；

根据所述第一特征值和所述第二特征值，得到初始边缘点的各邻域像素点对应的复杂度；所述第一特征值和所述第二特征值均与所述复杂度呈正相关关系。

优选的，所述基于所述能量值以及初始边缘线确定所述灰度图像中的目标边缘线，包括：

在初始边缘线上任意选取一个初始边缘点，若该初始边缘点的邻域内所有像素点的最小能量值小于预设能量阈值，则将最小能量值对应的像素点作为新的边缘点，获取新的边缘点的邻域内所有像素点的最小能量值，若新的边缘点的邻域内所有像素点的最小能量值小于预设能量阈值，则继续将最小能量值对应的像素点作为新的边缘点，以此类推，直到边缘点的邻域内所有像素点的最小能量值大于预设能量阈值时为止，将所有边缘点构成的边缘线作为目标边缘线。

优选的，所述基于匹配结果判断待检测金属柜的质量是否合格，包括：

统计所述灰度图像中的目标边缘线上匹配成功的像素点的数量，将所述匹配成功的像素点的数量与所述灰度图像中的目标边缘线上像素点的总数量的比值，确定为匹配成功率；

判断所述匹配成功率是否大于预设成功率阈值，若大于，则判定待检测金属柜的质量合格；若小于或等于，则判定待检测金属柜的质量不合格。

本发明至少具有如下有益效果：

本发明考虑到现有的边缘检测算法是通过设定阈值的方法来完成对待检测金属柜体板材焊缝的灰度图像中的边缘线的提取，边缘的提取效果不佳，进而导致待检测金属柜加工质量的检测精度较低，本发明首先采用现有的边缘检测算法对待检测金属柜体板材焊缝的灰度图像进行边缘提取，获得了初始边缘线，为了提高边缘线的提取精度，本发明通过计算像素点对应的梯度空间特征值，改善原边缘检测算法在确定边缘点时只基于灰度值特性的情况，又结合初始边缘点及其邻域内像素点的灰度分布信息，得到了初始边缘点的邻域内像素点的能量值，能量值能够反映邻域内像素点与初始边缘点的特征差异情况，能量值越小，说明对应邻域像素点与初始边缘点的特征越相似，对应邻域像素点越可能为边缘点，本发明综合初始边缘点及其周围像素点的多个指标对初始边缘点的邻域内像素点的能量值进行了评估，全面地对初始边缘点及其邻域内像素点的特征进行了分析，评估结果准确度较高，进而能够提高后续目标边缘线的提取精度，本发明提供的方法使得最终确定的边缘点更加符合场景特征，目标边缘线的提取精度更高，从而提高了待检测金属柜的质量检测精度。

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为本发明实施例所提供的一种金属柜加工质量监测方法的流程图；

图2为Canny边缘检测算法通过非极大值抑制产生的边缘点的示意图。

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金属柜加工质量监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金属柜加工质量监测方法的具体方案。

一种金属柜加工质量监测方法实施例：

本实施例提出了一种金属柜加工质量监测方法，如图1所示，本实施例的一种金属柜加工质量监测方法包括以下步骤：

步骤S1，获取待检测金属柜体板材焊缝的灰度图像。

本实施例所针对的具体场景为：金属柜加工完成后需要对其加工质量进行检测，利用相机采集待检测金属柜体板材焊缝的表面图像，对采集到的表面图像进行处理，准确地提取图像中的目标边缘线，将目标边缘线上的像素点与标准金属柜体板材焊缝的灰度图像中的边缘线上的像素点进行匹配，基于匹配结果对待检测金属柜的加工质量进行评估。

本实施例首先在金属柜加工流程中焊接工艺之后布置LED泛光灯以及高清工业微距相机，利用高清工业微距相机采集待检测金属柜体板材焊缝的表面图像，采集到的待检测金属柜体板材焊缝的表面图像为RGB图像，对待检测金属柜体板材焊缝的表面图像进行灰度化处理，本实施例采用最大值算法灰度化RGB图像，使得最终灰度化图像整体亮度较高；然后对灰度化处理后的图像使用双边滤波去噪，达到图像整体降噪效果，同时保留更多的边缘信息。将去噪处理后的图像记为待检测金属柜体板材焊缝的灰度图像。图像灰度化处理和双边滤波去噪均为现有技术，此处不再过多赘述。

至此，获取了待检测金属柜体板材焊缝的灰度图像。

步骤S2，对所述灰度图像进行边缘检测获得初始边缘线；根据所述灰度图像中各像素点与其邻域内像素点之间的相对位置、各像素点及其邻域内像素点的梯度分布，得到所述灰度图像中各像素点对应的梯度空间特征值。

对于工艺比较标准的焊缝来说，其本身存在着类似于鱼鳞状的结构，也就是说其边缘区域存在一定的相似度。传统的Canny边缘检测算法中使用非极大值抑制的方法确定边缘点，如图2所示，该图中黑色阴影部分为Canny边缘检测算法通过非极大值抑制产生的边缘点，图中的数字和箭头的方向分别表示像素点的梯度幅值和梯度方向。其中，Canny是一种多阶段边缘检测的算法。

本实施例在步骤S1中获取了待检测金属柜体板材焊缝的灰度图像，接下来采用Canny边缘检测算法对待检测金属柜体板材焊缝的灰度图像进行边缘检测，Canny边缘检测算法首先对待检测金属柜体板材焊缝的灰度图像计算梯度幅值与梯度方向，然后结合梯度幅值与梯度方向实现非极大值抑制，使边缘细化，最终使用双阈值算法确定边缘，该算法中对于边缘点的选取仅通过灰度值的一些特性来确定，在实际场景中，焊缝的每条边缘具有更多的语义信息，因此将基于Canny边缘检测算法提取到的待检测金属柜体板材焊缝的灰度图像中的边缘线记为初始边缘线，后续将对边缘线进行优化处理，以确定符合实际场景的最优边缘线。

通过sobel算子获取待检测金属柜体板材焊缝的灰度图像中每个像素点的梯度方向和梯度幅值，sobel为索贝尔，sobel算子为现有技术，此处不再过多赘述。本实施例获取的待检测金属柜体板材焊缝的灰度图像为矩形图像，因此以待检测金属柜体板材焊缝的灰度图像的左下角顶点处的像素点为直角坐标系的原点，以待检测金属柜体板材焊缝的灰度图像的下边缘线为直角坐标系的X轴，以待检测金属柜体板材焊缝的灰度图像的左边缘线为直角坐标系的Y轴，构建直角坐标系；本实施例构建直角坐标系是为了获取图像中像素点之间的相对位置；作为其它实施方式，可根据具体情况构建直角坐标系，例如可以将待检测金属柜体板材焊缝的灰度图像的左上角顶点处的像素点作为直角坐标系的原点。获取待检测金属柜体板材焊缝的灰度图像中每个像素点的位置，其中位置包括横坐标和纵坐标。

Canny边缘检测算法结合像素点的梯度特征对图像中的边缘点进行了提取，为了提高边缘提取结果的准确度，本实施例将再结合图像中像素点之间的相对空间关系对边缘点特征值进行描述。考虑到若某一像素点与其周围像素点的梯度特征差异越大，则说明该像素点的特征越显著，与该像素点的距离越近，对该像素点的影响越大。基于此，本实施例将结合像素点的梯度幅值、梯度方向以及像素点之间的相对位置，对待检测金属柜体板材焊缝的灰度图像中每个像素点在图像中呈现的梯度特征进行分析。

具体的，本实施例接下来将以待检测金属柜体板材焊缝的灰度图像中的一个像素点为例进行说明，将待检测金属柜体板材焊缝的灰度图像中任一像素点记为待处理像素点，将所述待处理像素点的邻域内的像素点记为邻域像素点；计算待处理像素点与各邻域像素点之间的距离，将所述距离的倒数作为对应邻域像素点的距离权值；计算各邻域像素点与待处理像素点之间的梯度幅值的差值的平方，将所述梯度幅值的差值的平方作为对应邻域像素点的梯度幅值差异度；计算待处理像素点的梯度方向与各邻域像素点的梯度方向的差值的绝对值，对所述梯度方向的差值的绝对值进行归一化处理，获得对应邻域像素点的梯度方向差异度。将由待处理像素点指向各邻域像素点的方向与水平向右方向之间的夹角，确定为待处理像素点与对应邻域像素点的特征角度，对所述特征角度进行归一化处理，将归一化后的特征角度作为对应邻域像素点的方向特征指标；根据各邻域像素点的距离权值、待处理像素点与各邻域像素点的梯度幅值差异度、待处理像素点与各邻域像素点的方向特征指标、待处理像素点与各邻域像素点的梯度方向差异度，得到待处理像素点的梯度空间特征值；所述距离权值、所述梯度幅值差异度、所述方向特征指标和所述梯度方向差异度均与所述梯度空间特征值呈正相关关系。其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定。本实施例的邻域大小为5*5，在具体应用中，实施者可根据具体情况设置邻域的大小。作为一个实施方式，给出待处理像素点的梯度空间特征值的具体计算公式，待处理像素点的梯度空间特征值的计算公式为：

其中，

为待处理像素点的梯度空间特征值，n为待处理像素点的邻域内像素点的 数量，

为待处理像素点的邻域内第i个像素点的距离权值，

为待处理像素点与其邻域内 第i个像素点的梯度方向的差异，

为待处理像素点与其邻域内第i个像素点的特征角度，

为待处理像素点的邻域内第i个像素点的梯度幅值，

为待处理像素点的梯度幅值，

为圆 周率。

待处理像素点的邻域内第i个像素点的距离权值反映邻域像素点与中心像素点之 间的相对距离，当待处理像素点与其邻域内第i个像素点之间的距离越近时，第i个像素点 的距离权值越大，说明第i个像素点对待处理像素点的影响程度越大。

为待处理像素点的 梯度方向与其邻域内第i个像素点的梯度方向的差值的绝对值，也即表征待处理像素点与 其邻域内第i个像素点的梯度方向的差异，

表示待处理像素点的邻域内第i个像素点的梯 度方向差异度；

为待处理像素点与其邻域内第i个像素点的特征角度，

表示待处理像素 点的邻域内第i个像素点的方向特征指标，

表示待处理像素点的邻域内第i个像素 点的梯度幅值差异度；第i个像素点的梯度幅值差异度和梯度方向差异度越大，说明第i个 像素点与待处理像素点之间的梯度信息差异越大。当待处理像素点的邻域内的像素点的距 离权值越大、待处理像素点的邻域内的像素点的梯度幅值差异度越大、待处理像素点的邻 域内的像素点的梯度方向差异度越大、待处理像素点的邻域内的像素点的方向特征指标越 大时，说明待处理像素点的特征越明显，待处理像素点的梯度空间特征值越大；当待处理像 素点的邻域内的像素点的距离权值越小、待处理像素点的邻域内的像素点的梯度幅值差异 度越小、待处理像素点的邻域内的像素点的梯度方向差异度越小、待处理像素点的邻域内 的像素点的方向特征指标越小时，说明待处理像素点的特征越不明显，待处理像素点的梯 度空间特征值越小。

采用上述方法，能够获得待检测金属柜体板材焊缝的灰度图像中每个像素点对应的梯度空间特征值，本实施例综合梯度幅值差异度、梯度方向差异度、方向特征指标和距离权值，获得了待处理像素点的梯度空间特征值，梯度空间特征值更能准确地反映出待检测金属柜体板材焊缝的灰度图像中的边缘特征，为后续目标边缘线的提取提供可靠的依据。

步骤S3，将所述初始边缘线上的像素点记为初始边缘点；根据各初始边缘点及其邻域内像素点对应的梯度空间特征值、各初始边缘点及其邻域内像素点的灰度分布，得到各初始边缘点的邻域内像素点的能量值；基于所述能量值以及初始边缘线确定所述灰度图像中的目标边缘线。

待检测金属柜体板材焊缝的灰度图像中每个像素点的特征都可以用其对应的梯度空间特征值来表示。初始边缘线上存在多个边缘点，接下来本实施例将结合任意一个边缘点的邻域内像素点的特征选取新的边缘点，以获取准确的边缘线。考虑到在某个边缘点的邻域内搜寻与其相邻的其他边缘点的过程可看作消耗能量的过程，也就是说邻域内除中心点外其余每个像素点都有与其对应的能量值，表示从中心像素点到该像素点的能量，当某个像素点的能量值最小时，可判定其与中心像素点相似度最高，中心像素点为初始边缘线上的像素点时，那么与中心像素点相似度最高的像素点也为边缘像素点。本实施例将使用能量函数计算中心像素点的邻域内像素点的能量值，当某个像素点的能量最低时，确定该像素点为邻域内的另一边缘点，也即获得新的边缘点，再以新的边缘点为中心像素点进行后续边缘点的确定，依次类推直到边缘点的邻域内不再存在其他边缘点时为止，获得新的边缘线。

本实施例在步骤S2中提取到了初始边缘线，将初始边缘线上的像素点记为初始边缘点。

对于任一初始边缘点：

将初始边缘点的各邻域像素点对应的梯度空间特征值与初始边缘点对应的梯度空间特征值之间的差异记为第一差异；将初始边缘点的各邻域像素点的灰度值与对应的梯度幅值的比值记为第一比值，将初始边缘点的灰度值与其对应的梯度幅值的比值记为第二比值；将所述第一比值与所述第二比值之间的差异记为第二差异；根据所述第一差异和所述第二差异，得到初始边缘点的各邻域像素点对应的能量差异度；所述第一差异和所述第二差异均与所述能量差异度呈正相关关系。其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定。作为一个实施方式，给出能量差异度的具体计算公式，初始边缘点的邻域内第i个像素点对应的能量差异度的计算公式为：

其中，

为初始边缘点的邻域内第i个像素点对应的能量差异度，

为初始边 缘点的邻域内第i个像素点对应的梯度空间特征值，

为初始边缘点对应的梯度空间特征 值，

为初始边缘点的邻域内第i个像素点的灰度值，

为初始边缘点的灰度值，

为初 始边缘点的邻域内第i个像素点的梯度幅值，

为初始边缘点的梯度幅值。

表示第一差异，反映初始边缘点与其邻域内第i个像素点的梯度空间 特征差异情况。

表示第一比值，也即初始边缘点的邻域内第i个像素点的灰度值与第i个 像素点的梯度幅值的比值，该比值表征第i个像素点在梯度方向上的响应值，也即第i个像 素点对应的纹理复杂度。

表示第二比值，也即初始边缘点的灰度值与初始边缘点的梯度 幅值的比值，该比值表征初始边缘点在梯度方向上的响应值，也即初始边缘点对应的纹理 复杂度。

表示第二差异，反映初始边缘点与其邻域内第i个像素点对应的纹理复 杂度的差异情况。

相当于能量函数中的数据项，其形式为损失函数的形式，用以度量除 中心像素点外其他像素点与中心像素点之间的差距，该值越大，从中心像素点到其他像素 点损耗的能量越多。当初始边缘点与其邻域内第i个像素点的梯度空间特征差异越大、初始 边缘点与其邻域内第i个像素点对应的纹理复杂度的差异越大时，说明初始边缘点与其邻 域内第i个像素点越不相似，也即初始边缘点的邻域内第i个像素点对应的能量差异度越 大。当初始边缘点与其邻域内第i个像素点的梯度空间特征差异越小、初始边缘点与其邻域 内第i个像素点对应的纹理复杂度的差异越小时，说明初始边缘点与其邻域内第i个像素点 越相似，也即初始边缘点的邻域内第i个像素点对应的能量差异度越小。

计算初始边缘点的所有邻域像素点的特征角度的归一化值的均值；计算初始边缘点的各邻域像素点与初始边缘点的梯度幅值的差值的平方，将初始边缘点的所有邻域像素点与初始边缘点的梯度幅值的差值的平方的均值记为第一平均值；将初始边缘点的邻域内第i个像素点对应的梯度空间特征值对所述特征角度的均值的二阶偏导值，确定为第一特征值；将初始边缘点的邻域内第i个像素点对应的梯度空间特征值对所述第一平均值的二阶偏导值，确定为第二特征值；根据所述第一特征值和所述第二特征值，得到初始边缘点的各邻域像素点对应的复杂度；所述第一特征值和所述第二特征值均与所述复杂度呈正相关关系。其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定。作为一个实施方式，给出复杂度的具体计算公式，初始边缘点的邻域内第i个像素点对应的复杂度的计算公式为：

其中，

为初始边缘点的邻域内第i个像素点对应的复杂度，

为二阶偏导符 号，

为初始边缘点的邻域内第i个像素点对应的梯度空间特征值，

为初始边缘点的邻域 内的像素点的特征角度，

为初始边缘点的邻域内的像素点的梯度幅值，

为初始边缘点 的所有邻域像素点的特征角度的归一化值的均值，

为初始边缘点的所有邻域像素 点与初始边缘点的梯度幅值的差值的平方的均值，

为初始边缘点的梯度幅值。

表示第一平均值，

表示第一特征值，

表示第二特征值。复 杂度

相当于能量函数中的正则项，也即为拉普拉斯形式的算子。

和

分别表示 像素点之间梯度与相对空间位置这两个度量的散度，体现了能量函数模型的复杂度。当第 一特征值越大、第二特征值越大时，正则项越大，说明能量函数模型的复杂度越高，即初始 边缘点的邻域内第i个像素点对应的复杂度越大。

至此，获得了初始边缘点的邻域内第i个像素点对应的能量差异度和复杂度，将第i个像素点对应的能量差异度与复杂度的和值作为初始边缘点的邻域内第i个像素点的能量值，也即本实施例根据能量函数的数据项和正则项，获得了能量函数。初始边缘点的邻域内第i个像素点的能量值的具体计算公式为：

，

其中，

为初始边缘点的邻域内第i个像素点的能量值，

也表示能量函数。

采用上述方法，能够获得每个初始边缘点的邻域内每个像素点的能量值。当某个像素点的能量值最小时，可判定其与中心像素点相似度最高，中心像素点为初始边缘线上的像素点时，那么与中心像素点相似度最高的像素点也为边缘点。本实施例使用能量函数计算中心像素点的邻域内每个像素点的能量值，当某一像素点的能量最低时，确定该像素点为邻域内的另一边缘点，也即获得新的边缘点，再以新的边缘点为中心像素点进行后续边缘点的确定，依次类推直到边缘点的邻域内不再存在其他边缘点时为止，获得新的边缘线。

具体的，在初始边缘线上任意选取一个初始边缘点，获取该初始边缘点的邻域内所有像素点的最小能量值，若该初始边缘点的邻域内所有像素点的最小能量值大于或等于预设能量阈值，则判定该初始边缘点的邻域内不存在新的边缘点；若该初始边缘点的邻域内所有像素点的最小能量值小于预设能量阈值，则将最小能量值对应的像素点作为新的边缘点，获取新的边缘点的邻域内所有像素点的最小能量值，若新的边缘点的邻域内所有像素点的最小能量值小于预设能量阈值，则继续将最小能量值对应的像素点作为新的边缘点，以此类推，直到边缘点的邻域内所有像素点的最小能量值大于或等于预设能量阈值时为止，将最终获得的所有边缘点构成的边缘线作为目标边缘线。本实施例中的预设能量阈值为0.15，在具体应用中，实施者根据具体情况进行设置。

至此，获得了待检测金属柜体板材焊缝的灰度图像中的目标边缘线，目标边缘线相较于初始边缘线准确度更高。

步骤S4，对所述灰度图像中的目标边缘线上的像素点和标准金属柜体板材焊缝的图像中的边缘线上的像素点进行匹配，基于匹配结果判断待检测金属柜的质量是否合格。

采用NCC图像匹配算法，对待检测金属柜体板材焊缝的灰度图像中的目标边缘线上的像素点和标准金属柜体板材焊缝的图像中的边缘线上的像素点进行匹配，获取匹配结果；其中，NCC为归一化互相关匹配法。需要说明的是：标准金属柜体板材焊缝的图像也为灰度图像。NCC图像匹配算法为现有技术，此处不再过多赘述。统计待检测金属柜体板材焊缝的灰度图像中的目标边缘线上匹配成功的像素点的数量，将所述匹配成功的像素点的数量与待检测金属柜体板材焊缝的灰度图像中的目标边缘线上像素点的总数量的比值，确定为匹配成功率；判断所述匹配成功率是否大于预设成功率阈值，若大于，则判定待检测金属柜的质量合格；若小于或等于，则判定待检测金属柜的质量不合格，需要对待检测金属柜返修或销毁，以提高产品的合格率。本实施例中预设成功率阈值为95%，在具体应用中，实施者可根据具体情况进行设置。

至此，采用本实施例提供的方法完成了对待检测金属柜的质量的评估。

Claims (9)

1.一种金属柜加工质量监测方法，其特征在于，该方法包括以下步骤：

获取待检测金属柜体板材焊缝的灰度图像；

对所述灰度图像进行边缘检测获得初始边缘线；根据所述灰度图像中各像素点与其邻域内像素点之间的相对位置、各像素点及其邻域内像素点的梯度分布，得到所述灰度图像中各像素点对应的梯度空间特征值；

将所述初始边缘线上的像素点记为初始边缘点；根据各初始边缘点及其邻域内像素点对应的梯度空间特征值、各初始边缘点及其邻域内像素点的灰度分布，得到各初始边缘点的邻域内像素点的能量值；基于所述能量值以及初始边缘线确定所述灰度图像中的目标边缘线；

对所述灰度图像中的目标边缘线上的像素点和标准金属柜体板材焊缝的图像中的边缘线上的像素点进行匹配，基于匹配结果判断待检测金属柜的质量是否合格。

2.根据权利要求1所述的一种金属柜加工质量监测方法，其特征在于，所述根据所述灰度图像中各像素点与其邻域内像素点之间的相对位置、各像素点及其邻域内像素点的梯度分布，得到所述灰度图像中各像素点对应的梯度空间特征值，包括：

将所述灰度图像中任一像素点记为待处理像素点，将所述待处理像素点的邻域内的像素点记为邻域像素点；计算待处理像素点与各邻域像素点之间的距离，将所述距离的倒数作为对应邻域像素点的距离权值；

根据待处理像素点的梯度分布和各邻域像素点的梯度分布，分别得到各邻域像素点的梯度幅值差异度和各邻域像素点的梯度方向差异度；根据待处理像素点和各邻域像素点之间的相对位置，确定对应邻域像素点的方向特征指标；

根据各邻域像素点的距离权值、各邻域像素点的梯度幅值差异度、各邻域像素点的方向特征指标、各邻域像素点的梯度方向差异度，得到待处理像素点的梯度空间特征值；所述距离权值、所述梯度幅值差异度、所述方向特征指标和所述梯度方向差异度均与所述梯度空间特征值呈正相关关系。

3.根据权利要求2所述的一种金属柜加工质量监测方法，其特征在于，根据待处理像素点的梯度分布和各邻域像素点的梯度分布，分别得到各邻域像素点的梯度幅值差异度和各邻域像素点的梯度方向差异度，包括：

计算各邻域像素点与待处理像素点之间的梯度幅值的差值的平方，将所述梯度幅值的差值的平方作为对应邻域像素点的梯度幅值差异度；

计算待处理像素点的梯度方向与各邻域像素点的梯度方向的差值的绝对值，对所述梯度方向的差值的绝对值进行归一化处理，获得对应邻域像素点的梯度方向差异度。

4.根据权利要求2所述的一种金属柜加工质量监测方法，其特征在于，根据待处理像素点和各邻域像素点之间的相对位置，确定对应邻域像素点的方向特征指标，包括：

将由待处理像素点指向各邻域像素点的方向与水平向右方向之间的夹角，确定为待处理像素点与对应邻域像素点的特征角度，对所述特征角度进行归一化处理，将归一化后的特征角度作为对应邻域像素点的方向特征指标。

5.根据权利要求2所述的一种金属柜加工质量监测方法，其特征在于，根据各初始边缘点及其邻域内像素点对应的梯度空间特征值、各初始边缘点及其邻域内像素点的灰度分布，得到各初始边缘点的邻域内像素点的能量值，包括：

对于任一初始边缘点：

根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的灰度分布、初始边缘点及其邻域内像素点的梯度幅值，得到初始像素点的邻域内像素点对应的能量差异度；

根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的梯度幅值，得到初始边缘点的邻域内像素点对应的复杂度；

将所述能量差异度与所述复杂度的和值作为对应像素点的能量值。

6.根据权利要求5所述的一种金属柜加工质量监测方法，其特征在于，根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的灰度分布、初始边缘点及其邻域内像素点的梯度幅值，得到初始像素点的邻域内像素点对应的能量差异度，包括：

将初始边缘点的各邻域像素点对应的梯度空间特征值与初始边缘点对应的梯度空间特征值之间的差异记为第一差异；

将初始边缘点的各邻域像素点的灰度值与对应的梯度幅值的比值记为第一比值，将初始边缘点的灰度值与其对应的梯度幅值的比值记为第二比值；将所述第一比值与所述第二比值之间的差异记为第二差异；

根据所述第一差异和所述第二差异，得到初始边缘点的各邻域像素点对应的能量差异度；所述第一差异和所述第二差异均与所述能量差异度呈正相关关系。

7.根据权利要求5所述的一种金属柜加工质量监测方法，其特征在于，根据初始边缘点及其邻域内像素点对应的梯度空间特征值、初始边缘点及其邻域内像素点的梯度幅值，得到初始边缘点的邻域内像素点对应的复杂度，包括：

计算初始边缘点的所有邻域像素点的特征角度的归一化值的均值；计算初始边缘点的各邻域像素点与初始边缘点的梯度幅值的差值的平方，将初始边缘点的所有邻域像素点与初始边缘点的梯度幅值的差值的平方的均值记为第一平均值；

将初始边缘点的邻域内第i个像素点对应的梯度空间特征值对所述特征角度的归一化值的均值的二阶偏导值，确定为第一特征值；将初始边缘点的邻域内第i个像素点对应的梯度空间特征值对所述第一平均值的二阶偏导值，确定为第二特征值；

根据所述第一特征值和所述第二特征值，得到初始边缘点的各邻域像素点对应的复杂度；所述第一特征值和所述第二特征值均与所述复杂度呈正相关关系。

8.根据权利要求1所述的一种金属柜加工质量监测方法，其特征在于，所述基于所述能量值以及初始边缘线确定所述灰度图像中的目标边缘线，包括：

在初始边缘线上任意选取一个初始边缘点，若该初始边缘点的邻域内所有像素点的最小能量值小于预设能量阈值，则将最小能量值对应的像素点作为新的边缘点，获取新的边缘点的邻域内所有像素点的最小能量值，若新的边缘点的邻域内所有像素点的最小能量值小于预设能量阈值，则继续将最小能量值对应的像素点作为新的边缘点，以此类推，直到边缘点的邻域内所有像素点的最小能量值大于预设能量阈值时为止，将所有边缘点构成的边缘线作为目标边缘线。

9.根据权利要求1所述的一种金属柜加工质量监测方法，其特征在于，所述基于匹配结果判断待检测金属柜的质量是否合格，包括：

统计所述灰度图像中的目标边缘线上匹配成功的像素点的数量，将所述匹配成功的像素点的数量与所述灰度图像中的目标边缘线上像素点的总数量的比值，确定为匹配成功率；

判断所述匹配成功率是否大于预设成功率阈值，若大于，则判定待检测金属柜的质量合格；若小于或等于，则判定待检测金属柜的质量不合格。

Images