CN116363133B - 基于机器视觉的照明器配件缺陷检测方法 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种基于机器视觉的照明器配件缺陷检测方法。该方法获取LED注胶部位的灰度图像；在灰度图像中设定滤波窗口；根据滤波窗口中像素点的灰度值，获取像素点的噪声影响程度；以中心像素点为中心，根据预设方向获取灰度变化值；根据灰度变化值和噪声影响程度，获取中心像素点为边缘像素点的置信度；根据置信度与噪声影响程度获得去噪灰度图像，对去噪灰度图像进行缺陷检测。本发明根据滤波权值和置信度自适应获取中心像素点的滤波灰度值，使得去噪灰度图像中的边缘细节信息清晰准确，避免了噪声对缺陷检测的干扰。进而对去噪灰度图像的缺陷检测更准确。

Description

基于机器视觉的照明器配件缺陷检测方法

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种基于机器视觉的照明器配件缺陷检测方法。

背景技术

照明配件的制造一直是一个热门领域，其中LED的制造在整个照明配件的制造中尤其重要。LED在出厂前需要进行基于机器视觉的产品质量的检测，在工厂复杂的环境中，所拍摄的LED图像会存在一定的噪声，一般为高斯噪声，对于LED的某些缺陷检测，例如注胶部位的气泡检测有着十分严重的影响，所以需要对注胶部位图像进行去噪处理，以便于提高后续检测缺陷的准确性。

现有技术中通过改进的加权均值滤波对注胶部位图像进行去噪处理，现有技术中改进的加权均值滤波仅考虑到了预设邻域内像素点的灰度值的变化，没有考虑到中心像素点为边缘像素点的情况，进而边缘像素的滤波灰度值不准确，使得注胶部位图像中的边缘细节信息丢失，导致图像的缺陷检测不准确。

发明内容

为了解决边缘像素的滤波灰度值不准确，导致图像中的缺陷检测不准确的技术问题，本发明的目的在于提供一种基于机器视觉的照明器配件缺陷检测方法，所采用的技术方案具体如下：

本发明提出了一种基于机器视觉的照明器配件缺陷检测方法，方法包括：

获取LED注胶部位的灰度图像；

在所述灰度图像中以每个像素点为中心设定预设大小的滤波窗口；根据所述滤波窗口中每个像素点的灰度值和在预设邻域内的灰度值的变化，获取所述滤波窗口中每个像素点的噪声影响程度；

以所述滤波窗口的中心像素点为中心，根据不同预设方向上的所述滤波窗口中的相邻像素点之间的灰度差异，获取对应所述预设方向上的灰度变化值；根据所有所述预设方向上的所述灰度变化值获取所述中心像素点的整体变化值；根据所述整体变化值和所述噪声影响程度，获取所述中心像素点为边缘像素点的置信度；

根据所述置信度与所述噪声影响程度获取所述滤波窗口中每个像素点的滤波权值；

根据所述滤波窗口中每个像素点的所述滤波权值与所述灰度值获取所述中心像素点的滤波灰度值；

获得所述灰度图像中每个像素点的滤波灰度值，获得去噪灰度图像；对所述去噪灰度图像进行缺陷检测；

所述噪声影响程度的获取方法，包括：

选取所述滤波窗口中的任意一个像素点作为目标像素点，获取所述目标像素点与预设邻域内的邻域像素点之间的灰度值的方差作为邻域方差；

获取所述目标像素点的预设邻域中的邻域像素点的灰度值的均值作为第一值；获取所述目标像素点的预设邻域中的所有像素点的灰度值的均值作为第二值；将所述第一值与所述第二值的比值作为差异度；将所述差异度与常数1的差值绝对值作为所述目标像素点的特别度；

将所述邻域方差与所述特别度的乘积进行归一化处理的结果，作为所述目标像素点的邻域影响值；

获取所述目标像素点的灰度值在所述灰度图像中出现的占比作为参考影响度；

将所述参考影响度与所述邻域影响值的乘积作为所述目标像素点的噪声影响程度。

进一步地，所述灰度变化值的获取方法，包括：

获取所述预设方向上的所述滤波窗口中的每个像素点与相邻下一像素点之间的灰度值差值的均值作为所述预设方向的灰度变化值。

进一步地，所述整体变化值的获取方法，包括：

将所述中心像素点的所有所述预设方向的灰度变化值的绝对值的均值作为所述中心像素点的整体变化值。

进一步地，所述置信度的获取方法，包括：

将所述整体变化值进行负相关且归一化的结果作为方向变化值；

将归一化的所述噪声影响程度进行负相关且归一化的结果作为参考参数；

根据所述参考参数与所述方向变化值获得所述中心像素点为边缘像素点的置信度，所述参考参数和所述方向变化值均与所述置信度为正相关的关系。

进一步地，所述滤波权值的获取方法，包括：

计算常数1与所述中心像素点的所述置信度之间的差值作为所述滤波窗口的分配权重；

将归一化的所述噪声影响程度进行负相关映射且归一化的结果作为所述像素点的参与值；

根据所述分配权重与所述参与值获得所述像素点的滤波权值，所述分配权重和所述参与值均与所述滤波权值为正相关的关系。

进一步地，所述滤波灰度值的获取方法，包括：

以每个滤波窗口内的所述滤波权值的范围为基础，将对应滤波窗口内的每个所述滤波权值进行归一化，获得归一化滤波权值；

将所述滤波窗口中每个像素点的所述归一化滤波权值与所述灰度值的乘积进行累加的结果，作为所述滤波窗口的所述中心像素点的滤波灰度值。

本发明具有如下有益效果：

获取LED注胶部位的灰度图像，提高了对LED注胶部位的缺陷检测，避免了非注胶部位对注胶部位的缺陷检测的干扰；根据滤波窗口中每个像素点的灰度值和在预设邻域内的灰度值的变化，获取滤波窗口中每个像素点的噪声影响程度，确定滤波窗口中的每个像素点对中心像素点的滤波影响程度；以滤波窗口的中心像素点为中心，根据不同预设方向上的滤波窗口中的相邻像素点之间的灰度差异，获取对应预设方向上的灰度变化值，预判中心像素点为边缘像素点的可能性，进而根据灰度变化值获取中心像素点的整体变化值，降低预设方向发生误差带来的影响，使得根据灰度变化值、整体变化值和噪声影响程度，获取中心像素点为边缘像素点的置信度更准确；根据置信度与噪声影响程度获取滤波窗口中每个像素点的滤波权值，考虑到了中心像素点是否为边缘像素点以及每个像素点受到的噪声干扰程度，自适应获取每个像素点的滤波权值，使得滤波权值更准确；根据滤波窗口中每个像素点的滤波权值与灰度值获取中心像素点的滤波灰度值，进而保留了边缘细节信息；根据滤波灰度值对灰度图像进行去噪，使得获得的去噪灰度图像更清晰，对去噪灰度图像进行缺陷检测更精确，更能准确的检测出缺陷。

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为本发明一个实施例所提供的一种基于机器视觉的照明器配件缺陷检测方法的流程示意图。

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机器视觉的照明器配件缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

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机器视觉的照明器配件缺陷检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于机器视觉的照明器配件缺陷检测方法的流程示意图，该方法包括以下步骤：

步骤S1：获取LED注胶部位的灰度图像。

具体的，本发明实施例主要是利用计算机视觉对LED注胶部分进行缺陷检测，利用工业相机对流水线上的LED进行采集，获得LED对应的RGB图像，为了提高对LED注胶部分检测的效率，同时，避免非注胶部分对注胶部分的图像识别的影响，本发明实施例通过神经网络对LED对应的RGB图像进行处理，确定LED注胶部位的图像，对LED注胶部位的图像进行灰度化处理，获得LED注胶部位的灰度图像，减少了图像的通道，进而减少了对注胶部分进行缺陷检测即气泡识别的计算量。其中，神经网络以及灰度化处理为现有技术，在此不再进行赘述。

本发明实施例的目的是对LED注胶部位的灰度图像进行去噪处理，获得去噪后的灰度图像，对去噪后的灰度图像进行Canny边缘检测，获取去噪后的灰度图像中疑似为注胶气泡的边缘，然后对疑似注胶气泡区域进行分析，提高LED注胶气泡缺陷检测准确性。在本发明另一个实施例中可采用阈值分割等其他图像分割的方法，获取疑似注胶气泡区域，在此不进行限定。其中，Canny边缘检测以及阈值分割为公知技术，不在进行过多赘述。

对LED注胶部分的灰度图像进行缺陷检测之前，因为灰度图像中会混入不等量的高斯白噪声，因此，需要对灰度图像进行滤波处理，以便提高后续缺陷检测的准确性，现有方法主要使用均值滤波算法对LED注胶部分的灰度图像进行滤波，但是均值滤波算法对LED注胶部分的灰度图像进行滤波去噪时会损失大量边缘细节信息，使得后续对灰度图像的缺陷检测的准确率下降，所以本发明实施例在均值滤波的基础上，根据均值滤波窗口中的像素点的灰度值进行相应的滤波权值计算，进而对LED注胶部分的灰度图像进行滤波处理，使得灰度图像在滤除噪声的同时保留更多的边缘细节，实现LED注胶部分缺陷检测的准确性。其中，均值滤波算法为公知技术，在此不再进行赘述。

步骤S2：在灰度图像中以每个像素点为中心设定预设大小的滤波窗口；根据滤波窗口中每个像素点的灰度值和在预设邻域内的灰度值的变化，获取滤波窗口中每个像素点的噪声影响程度。

具体的，利用均值滤波算法对LED注胶部位的灰度图像进行滤波处理，是将滤波窗口中的像素点的灰度值的均值作为滤波窗口的中心像素点的灰度值，因为无法明确滤波窗口中的像素点受到的噪声影响程度，在进行滤波时会导致一部分受到噪声影响程度较小的像素点被周围受噪声影响程度较大的像素点影响，例如，当中心像素点的灰度值受到的噪声影响程度比较小，中心像素点周围的其他像素点受到的噪声影响程度较大时，利用均值滤波算法会使得中心像素点的灰度值受到的噪声影响程度增大，进而导致中心像素点的灰度值更偏离实际灰度值，滤波去噪结果反而更差，可能使得灰度图像中的细节丢失、边缘不清楚。所以本发明实施例对灰度图像中不同的灰度值进行分析，确定滤波窗口中每个像素点受到的噪声影响程度，进而使得滤波后的中心像素点的灰度值更真实。

需要说明的是，当灰度图像中像素点的滤波窗口中的像素点不在灰度图像中时，对该像素点的滤波窗口中缺失的像素点用0进行补位。

优选的，获取噪声影响程度的方法为：选取滤波窗口中的任意一个像素点作为目标像素点，获取目标像素点与预设邻域内的邻域像素点之间的灰度值的方差作为邻域方差；获取目标像素点的预设邻域中的邻域像素点的灰度值的均值作为第一值；获取目标像素点的预设邻域中的所有像素点的灰度值的均值作为第二值；将第一值与第二值的比值作为差异度；将差异度与常数1的差值绝对值作为目标像素点的特别度；将邻域方差与特别度的乘积进行归一化处理的结果，作为目标像素点的邻域影响值；目标像素点的灰度值在灰度图像中出现的占比作为参考影响度；将参考影响度与邻域影响值的乘积作为目标像素点的噪声影响程度。

作为一个示例，本发明实施例设定滤波窗口的大小为，实施者可根据实际情 况设定滤波窗口的大小，在此不做限定。选取第i个滤波窗口中的第n个像素点作为目标像 素点，以第n个像素点为中心设定的预设邻域大小，实施者可根据实际情况设定预设 邻域的大小，在此不做限定。若第n个像素点在灰度图像的边界，则第n个像素点对应的预设 邻域内会出现不存在像素点的位置，为了使得第n个像素点对应的预设邻域能够参与运算， 本发明实施例使用padding填充，对预设邻域内的像素点进行补齐。其中，padding填充为现 有技术，在此不进行赘述。计算第n个像素点与的预设邻域内的8个邻域像素点之间的 灰度值的方差即第n个像素点的邻域方差；计算第n个像素点的的预设邻域内的8个邻 域像素点的灰度值的均值即第一值；计算第n个像素点的的预设邻域内的所有像素点 的灰度值的均值即第二值，获取第一值与第二值的比值即第n个像素点的差异度；获取第n 个像素点的差异度与常数1的差值绝对值即第n个像素点的特别度；获取第n个像素点的邻 域方差与特别度的乘积进行归一化的结果，作为第n个像素点的邻域影响值；其中，归一化 的方法有多种，例如函数转化、最大最小规范化、Sigmoid函数等归一化方法，实施者根据实 际情况设定，在此不做限定。获取第n个像素点的灰度值在灰度图像中出现的占比即第n个 像素点的参考影响度，其中第n个像素点的参考影响度的具体获取方法为：获取灰度图像中 与第n个像素点的灰度值相同的所有像素点的数量作为第一数量，将第一数量与灰度图像 中所有像素点总数量的比值作为第n个像素点的参考影响度。根据邻域影响值与参考影响 度获取第n个像素点的噪声影响程度的公式为：

式中，为第n个像素点的噪声影响程度；为灰度图像中与第n个像素点的灰度 值相同的所有像素点的数量即第一数量；J为灰度图像中所有像素点的总数量；为第n个 像素点的邻域方差；为第n个像素点的的预设邻域内的第个邻域像素点的灰度 值；为第n个像素点的灰度值；e为自热常数；为绝对值函数。

需要说明的是，灰度图像中的每个像素点受到的噪声干扰是随机的，不可能被预 测，本发明实施例通过第n个像素点的灰度值在灰度图像中的占比，以及在预设邻域内的灰 度值变化情况，自适应获取第个像素点受到的噪声影响程度，使得获取的第个像素点的 噪声影响程度更准确。其中，参考影响度越大，说明与第n个像素点的灰度值相同的像素 点越多，高斯噪声对灰度图像中的像素点的影响是随机的，出现的次数越多，越容易受到 噪声的干扰，说明第个像素点被噪声影响的可能性就越大，越大。越大，说明第n个像 素点与预设邻域内的邻域像素点的灰度值的差异越大，第n个像素点越可能受到噪声的干 扰；差异度越接近1，说明第一值与第二值之间的差异越小，第n个像素点与预设邻域内的邻域像素点的灰度值 越接近，第n个像素点受到噪声的干扰程度越小，特别度越接近0；若 第n个像素点受到噪声的干扰，则差异度越远离1，第一值与 第二值之间的差异越大，特别度越远离0即越 大；因此，当第n个像素点受到噪声干扰时，越大，特别度越大，越大，邻域影响值越大，越大。因 此，越大，第n个像素点受到的噪声干扰程度越大。

根据获取第n个像素点的噪声影响程度的方法，获取灰度图像中每个像素点的噪声影响程度。

步骤S3：以滤波窗口的中心像素点为中心，根据不同预设方向上的滤波窗口中的相邻像素点之间的灰度差异，获取对应预设方向上的灰度变化值；根据所有预设方向上的灰度变化值获取中心像素点的整体变化值；根据整体变化值和噪声影响程度，获取中心像素点为边缘像素点的置信度。

具体的，现有算法中对灰度图像进行均值滤波时，没有考虑到滤波窗口的中心像素点是否为边缘像素点的情况，因此，导致滤波之后的灰度图像的边缘不清晰，本发明实施例基于噪声影响程度的基础上进行中心像素点为边缘像素点的置信度的计算，利用置信度来调整中心像素点的滤波灰度值，使得中心像素点为边缘像素点时，能够保留更多的边缘细节。获取中心像素点为边缘像素点的置信度的具体方法如下：

（1）获取灰度变化值。

当滤波窗口的中心像素点为边缘像素点时，在不为边缘线所在的方向上，滤波窗口中的像素点的灰度值均会发现明显变化。因此，滤波窗口的某一方向上像素点的灰度值变化越大，越能凸显中心像素点为边缘像素点。

优选的，获取灰度变化值的方法为：获取预设方向上的滤波窗口中的每个像素点与相邻下一像素点之间的灰度值差值的均值作为预设方向的灰度变化值。

作为一个示例，以第i个滤波窗口的中心像素点为例，对中心像素点设定8个预设 方向，分别为，实施者可以根据实际情况 设定中心像素点的预设方向的数量与角度，在此不进行限定。获取每个预设方向上的第i个 滤波窗口中的每个像素点与相邻下一像素点之间的灰度差值，每个预设方向上的第i个滤 波窗口中的最后一个像素点不计算与相邻下一像素点之间的灰度差值。以第i个滤波窗口 中的第f个预设方向为例，因为本发明一个实施例中设置的滤波窗口设置为5*5，因此一个 预设方向下会存在五个像素点，获取第i个滤波窗口中的第f个预设方向的灰度变化值 的公式为：

式中，为第i个滤波窗口中的第f个预设方向的灰度变化值；为第f个预设方 向上的第i个滤波窗口中的第一个像素点的灰度值；为第f个预设方向上的第i个滤波窗 口中的第二个像素点的灰度值；为第i个滤波窗口的中心像素点的灰度值即第f个预设方 向上的第i个滤波窗口中的第三个像素点的灰度值；为第f个预设方向上的第i个滤波窗 口中的第四个像素点的灰度值；为第f个预设方向上的第i个滤波窗口中的第五个像素 点的灰度值。

需要说明的是，当中心像素点为边缘像素点时，若第f个预设方向为边缘线所在的 方向，则越接近0；若第f个预设方向不为边缘线所在的方向，则距离0的位置越远， 因为设定的8个预设方向为两两相对，其中，与的方向相对，与的方向 相对，与的方向相对，与的方向相对，方向相对的两个预设方向的灰 度变化值互为相反数；因此，第f个预设方向上像素点的灰度变化值越大，中心像素点越可 能为边缘像素点。

（2）获取整体变化值。

为了更能确定中心像素点为边缘像素点，避免某一预设方向存在误差，导致中心像素点为边缘像素点的置信度获取不准确，进而将中心像素点的所有预设方向的灰度变化值的绝对值的均值作为中心像素点的整体变化值，降低了某一预设方向的误差带来的影响。

作为一个示例，以（1）获取灰度变化值中的第i个滤波窗口的中心像素点为例，获取中心像素点的整体变化值的公式为：

式中，为第i个滤波窗口的中心像素点的整体变化值；为第i个滤波窗口中 的第f个预设方向的灰度变化值；num为第i个滤波窗口中划分的预设方向的数量，本发明实 施例中为8；为绝对值函数。

需要说明的是，越大，越大，第i个滤波窗口中的中心像素点越可能为边缘 像素点。

（3）获取置信度。

获取中心像素点为边缘像素点的置信度，在对中心像素点进行滤波处理时，会调整对中心像素点的调节程度，使得中心像素点滤波后的灰度值更符合实际情况。

优选的，获取置信度的方法为：将整体变化值进行负相关且归一化的结果作为方向变化值；将归一化的噪声影响程度进行负相关且归一化的结果作为参考参数；根据参考参数与方向变化值获得中心像素点为边缘像素点的置信度，参考参数和方向变化值均与置信度为正相关的关系。

作为一个示例，以（1）获取灰度变化值中的第i个滤波窗口的中心像素点为例，获 取第i个滤波窗口的中心像素点的置信度的公式为：

式中，为第i个滤波窗口的中心像素点的置信度；为第i个滤波窗口的中心像素 点的归一化后的噪声影响程度；为第i个滤波窗口中的预设方向的最大的灰度变 化值；为第i个滤波窗口的中心像素点的整体变化值；为取最大值函数。

需要说明的是，方向变化值越大，越小即越小，越大， 中心像素点越可能为边缘像素点，越大；当中心像素点为边缘像素点时，除了边缘线上的 预设方向，其余预设方向上的灰度变化值都比较大，本发明实施例选取最大的灰度变化值 获取中心像素点的置信度，使得中心像素点为边缘像素点的特征更明显，获取的置信度更 贴合实际；方向变化值的取值范围为0到1，实质是对进行负相关且归一化处 理，在本发明其他实施例中也可选择其他对进行负相关且归一化的方法，例如等负 相关且归一化方法，在此不做限定。参考参数越大，越小，中心像素点受到的噪声 影响程度越小，中心像素点的灰度值越可信，中心像素点为边缘像素点的置信度越大，越 大；因此，越大，第i个滤波窗口的中心像素点越可能为边缘像素点。本发明实施例将参考 参数与方向变化值的乘积作为置信度，在本发明另一个实施例中可以将参考参数与方向变 化值的和作为置信度，使得参考参数与方向变化值始终均与置信度保持正相关的关系，在 本发明其他实施例中可选择其他基础数学运算构成正相关关系在此不做限定。

根据获取第i个滤波窗口的中心像素点的置信度的方法，获取每个滤波窗口的中心像素点的置信度。

步骤S4：根据置信度与噪声影响程度获取滤波窗口中每个像素点的滤波权值。

具体的，根据滤波窗口的中心像素点为边缘像素点的置信度，确定滤波窗口中的每个像素点对中心像素点的影响程度，进而确定滤波窗口中每个像素点的滤波权值。

优选的，获取滤波权值的方法为：计算常数1与中心像素点的置信度之间的差值作为滤波窗口的分配权重；将归一化的噪声影响程度进行负相关映射且归一化的结果作为像素点的参与值；根据分配权重与参与值获得像素点的滤波权值，分配权重和参与值均与滤波权值为正相关的关系。

作为一个示例，以步骤S3的第i个滤波窗口为例，获取第i个滤波窗口中的第q个像 素点的滤波权值的公式为：

式中，为第i个滤波窗口中的第q个像素点的滤波权值；为第i个滤波窗口的中 心像素点的置信度；为第i个滤波窗口中的第q个像素点的归一化的噪声影响程度；e为自 然常数。

需要说明的是，分配权重越大，越小，第i个滤波窗口的中心像素点越不 可能为边缘像素点，滤波窗口中的其他像素点对中心像素点的滤波影响程度越大，越大； 参与值越大，越小，第i个滤波窗口中的第q个像素点受到的噪声影响程度越小，因 此，参与对中心像素点的调节越大，越大；因此，越大，对中心像素点的滤波影响越大。 本发明实施例将分配权重与参与值的乘积作为滤波权值，在本发明另一个实施例中可以将 分配权重与参与值的和作为滤波权值，使得分配权重与参与值始终均与滤波权值保持正相 关的关系，在本发明其他实施例中可选择其他基础数学运算构成正相关关系在此不做限 定。

根据获取第i个滤波窗口中的第q个像素点的滤波权值的方法，获取每个滤波窗口中的每个像素点的滤波权值。

步骤S5：根据滤波窗口中每个像素点的滤波权值与灰度值获取中心像素点的滤波灰度值。

具体的，根据滤波窗口中每个像素点的滤波权值和灰度值确定滤波窗口中的中心像素点的滤波后的灰度值即滤波灰度值。

优选的，获取滤波灰度值的方法为：以每个滤波窗口内的滤波权值的范围为基础，将对应滤波窗口内的每个滤波权值进行归一化，获得归一化滤波权值,即一个滤波窗口内的归一化滤波权值的累加和为1；将滤波窗口中每个像素点的归一化滤波权值与灰度值的乘积进行累加的结果，作为滤波窗口的中心像素点的滤波灰度值。

作为一个示例，以步骤S3的第i个滤波窗口为例，获取第i个滤波窗口的中心像素 点的滤波灰度值的公式为：

式中，为第i个滤波窗口的中心像素点的滤波灰度值；为第i个滤波窗口中 的第m个像素点归一化滤波权值；为第i个滤波窗口中的第m个像素点的灰度值；M为第i 个滤波窗口中的像素点的总数量。

需要说明的是，越大，第i个滤波窗口中的第m个像素点的灰度值对中心像素点 的滤波灰度值的影响越大，越大；越大，对中心像素点的滤波灰度值的影响越大，越大；因此，根据滤波窗口中每个像素点的灰度值与滤波权值自适应获取滤波窗口的 中心像素点的滤波灰度值，使得滤波灰度值更准确。

根据获取第i个滤波窗口的中心像素点的滤波灰度值的方法，获取每个滤波窗口的中心像素点的滤波灰度值。

步骤S6：获得灰度图像中每个像素点的滤波灰度值，获得去噪灰度图像；对去噪灰度图像进行缺陷检测。

根据获取的滤波灰度值，完成对灰度图像的滤波处理，获得去噪灰度图像，对去噪灰度图像进行缺陷检测，使得LED注胶部位的缺陷检测的更准确。在现有技术中，缺陷检测的方法很多，本发明实施例采用显著性检测算法对去噪灰度图像进行缺陷区域分割提取，本发明另一个实施例可以采用神经网络对去噪灰度图像进行缺陷检测，缺陷检测算法在现有技术中有多种，实施者可根据实际情况确定使用的缺陷检测算法，在此不进行限定。其中，显著性检测算法以及神经网络为公知技术，在此不进行赘述。

至此，本发明完成。

综上所述，本发明实施例获取LED注胶部位的灰度图像；在灰度图像中设定滤波窗口；根据滤波窗口中像素点的灰度值，获取像素点的噪声影响程度；以滤波窗口的中心像素点为中心，根据不同预设方向上的滤波窗口中的相邻像素点之间的灰度差异，获取对应预设方向上的灰度变化值；根据灰度变化值和噪声影响程度，获取中心像素点为边缘像素点的置信度；根据置信度与噪声影响程度获取像素点的滤波权值；根据滤波权值获取中心像素点的滤波灰度值；根据滤波灰度值获得去噪灰度图像，对去噪灰度图像进行缺陷检测。本发明根据滤波权值和置信度自适应获取中心像素点的滤波灰度值，使得去噪灰度图像中的边缘清晰准确，进而对去噪灰度图像的缺陷检测更准确。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (6)

1.一种基于机器视觉的照明器配件缺陷检测方法，其特征在于，该方法包括以下步骤：

获取LED注胶部位的灰度图像；

在所述灰度图像中以每个像素点为中心设定预设大小的滤波窗口；根据所述滤波窗口中每个像素点的灰度值和在预设邻域内的灰度值的变化，获取所述滤波窗口中每个像素点的噪声影响程度；

以所述滤波窗口的中心像素点为中心，根据不同预设方向上的所述滤波窗口中的相邻像素点之间的灰度差异，获取对应所述预设方向上的灰度变化值；根据所有所述预设方向上的所述灰度变化值获取所述中心像素点的整体变化值；根据所述整体变化值和所述噪声影响程度，获取所述中心像素点为边缘像素点的置信度；

根据所述置信度与所述噪声影响程度获取所述滤波窗口中每个像素点的滤波权值；

根据所述滤波窗口中每个像素点的所述滤波权值与所述灰度值获取所述中心像素点的滤波灰度值；

获得所述灰度图像中每个像素点的滤波灰度值，获得去噪灰度图像；对所述去噪灰度图像进行缺陷检测；

所述噪声影响程度的获取方法，包括：

选取所述滤波窗口中的任意一个像素点作为目标像素点，获取所述目标像素点与预设邻域内的邻域像素点之间的灰度值的方差作为邻域方差；

获取所述目标像素点的预设邻域中的邻域像素点的灰度值的均值作为第一值；获取所述目标像素点的预设邻域中的所有像素点的灰度值的均值作为第二值；将所述第一值与所述第二值的比值作为差异度；将所述差异度与常数1的差值绝对值作为所述目标像素点的特别度；

将所述邻域方差与所述特别度的乘积进行归一化处理的结果，作为所述目标像素点的邻域影响值；

获取所述目标像素点的灰度值在所述灰度图像中出现的占比作为参考影响度；

将所述参考影响度与所述邻域影响值的乘积作为所述目标像素点的噪声影响程度。

2.如权利要求1所述的一种基于机器视觉的照明器配件缺陷检测方法，其特征在于，所述灰度变化值的获取方法，包括：

获取所述预设方向上的所述滤波窗口中的每个像素点与相邻下一像素点之间的灰度值差值的均值作为所述预设方向的灰度变化值。

3.如权利要求1所述的一种基于机器视觉的照明器配件缺陷检测方法，其特征在于，所述整体变化值的获取方法，包括：

将所述中心像素点的所有所述预设方向的灰度变化值的绝对值的均值作为所述中心像素点的整体变化值。

4.如权利要求1所述的一种基于机器视觉的照明器配件缺陷检测方法，其特征在于，所述置信度的获取方法，包括：

将所述整体变化值进行负相关且归一化的结果作为方向变化值；

将归一化的所述噪声影响程度进行负相关且归一化的结果作为参考参数；

根据所述参考参数与所述方向变化值获得所述中心像素点为边缘像素点的置信度，所述参考参数和所述方向变化值均与所述置信度为正相关的关系。

5.如权利要求1所述的一种基于机器视觉的照明器配件缺陷检测方法，其特征在于，所述滤波权值的获取方法，包括：

计算常数1与所述中心像素点的所述置信度之间的差值作为所述滤波窗口的分配权重；

将归一化的所述噪声影响程度进行负相关映射且归一化的结果作为所述像素点的参与值；

根据所述分配权重与所述参与值获得所述像素点的滤波权值，所述分配权重和所述参与值均与所述滤波权值为正相关的关系。

6.如权利要求1所述的一种基于机器视觉的照明器配件缺陷检测方法，其特征在于，所述滤波灰度值的获取方法，包括：

以每个滤波窗口内的所述滤波权值的范围为基础，将对应滤波窗口内的每个所述滤波权值进行归一化，获得归一化滤波权值；

将所述滤波窗口中每个像素点的所述归一化滤波权值与所述灰度值的乘积进行累加的结果，作为所述滤波窗口的所述中心像素点的滤波灰度值。