CN116740065B - 基于大数据的人造板瑕疵品快速溯源方法及系统 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于大数据的人造板瑕疵品快速溯源方法及系统，通过获取待检测人造板的表面图像的灰度图像以及标准人造板表面图像的标准灰度图像，将灰度图像与标准灰度图像进行比对，确定差分图像，进而确定表面图像中的疑似噪声像素点和正常像素点。将表面图像划分为多个图像块，根据每个图像块及其在灰度图像和差分图像中相同位置的区域，进行相应的图像处理，确定每个图像块的精准窗口尺寸调整系数，进而确定每个图像块的去噪窗口尺寸。根据该去噪窗口尺寸，对表面图像中的各个图像块进行去噪处理，并根据去噪处理后的表面图像进行瑕疵溯源。本发明有效解决了现有人造板瑕疵品的溯源效率较低的问题。

Description

基于大数据的人造板瑕疵品快速溯源方法及系统

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于大数据的人造板瑕疵品快速溯源方法及系统。

背景技术

人造板是一种由木材或其他植物纤维经加工和压制而成的板材，具有广泛的应用领域。基于大数据的人造板瑕疵品快速溯源方法主要是通过各种智能设备实时采集人造板生产过程中的关键数据，再识别生产过程中出现的瑕疵品，进而对发现的瑕疵品则通过系统记录的相关数据信息，快速确定其来源和制造过程中的具体节点，进行追溯和排查。

人造板表面瑕疵检测是人造板瑕疵品检测中的重要内容，在人造板表面瑕疵检测的过程中，是采用工业相机采集人造板的表面图像，并对该表面图像进行相应的图像处理，最终实现人造板表面瑕疵检测。但是由于工业相机的性能、工作环境中的感光颗粒干扰、光电转换、图像传输等原因，工业相机在采集图像的过程中很容易产生噪声，导致人造板瑕疵检测不确性，从而导致人造板瑕疵品的检测结果不够精准，进而影响后续的瑕疵品溯源。

双边滤波作为一种常见的图像滤波方法，该方法是根据窗口内像素点之间的距离和灰度值差异赋予各像素点权值，然后对各像素点进行加权平均，最终滤除噪声，能够在保持边缘信息的前提下有效地去除图像中的噪声。但是由于双边滤波过程中的窗口尺寸通常是根据经验选取的固定尺寸，而窗口尺寸选取的大小往往会影响到滤波效果和计算复杂度。当窗口尺寸选取的较大时，滤波更加平滑，能够去除更多的噪声，但也会导致图像细节损失过多，边缘模糊等问题，且计算复杂度也会相应增加；而当窗口尺寸较小时，能够更好地保留图像细节，且计算复杂度较小，但是去噪效果较差。考虑到人造板表面花纹种类繁多、纹理复杂，以及受到随机瑕疵特征的影响，直接采用双边滤波对人造板表面图像进行去噪时，会存在去噪效果不理想的现象，从而导致人造板瑕疵品检测不准确，最终影响到后续人造板瑕疵品的溯源效率。

发明内容

本发明的目的在于提供一种基于大数据的人造板瑕疵品快速溯源方法及系统，用于解决现有对人造板表面图像的去噪效果较差，从而导致人造板瑕疵品的溯源效率较低的问题。

为解决上述技术问题，本发明提供了一种基于大数据的人造板瑕疵品快速溯源方法，包括以下步骤：

获取待检测人造板的表面图像的灰度图像以及标准人造板表面图像的标准灰度图像；

将所述灰度图像与标准灰度图像进行比对，确定差分图像，并根据所述差分图像中各个像素点的灰度值，确定所述表面图像中的疑似噪声像素点和正常像素点；

将所述表面图像划分为至少两个图像块，根据所述图像块以及所述图像块在所述灰度图像和差分图像中相同位置的区域，对所述图像块中的疑似噪声特征和纹理特征进行分析，确定所述图像块的初始窗口尺寸调整系数；

根据所述表面图像中的疑似噪声像素点和正常像素点，确定所述表面图像中的各个疑似瑕疵连通域，并根据所述疑似瑕疵连通域中各个疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度梯度，确定所述疑似瑕疵连通域中各个疑似瑕疵像素点的灰度梯度指标值；

根据所述图像块中所述疑似瑕疵像素点的灰度梯度指标值，所述疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度值，以及所述疑似瑕疵连通域中疑似瑕疵像素点的分布特征，对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数；

根据所述图像块的精准窗口尺寸调整系数，确定所述图像块的去噪窗口尺寸，并根据所述去噪窗口尺寸，对所述图像块进行去噪处理，得到去噪处理后的表面图像，并根据去噪处理后的表面图像进行瑕疵溯源。

进一步的，确定所述图像块的初始窗口尺寸调整系数，包括：

根据所述图像块中所述正常像素点在所述灰度图像中相同位置的像素点的灰度值，确定所述图像块对应的灰度信息熵；

根据所述图像块中所述疑似噪声像素点在所述差分图像中相同位置的像素点的灰度值，计算所有所述疑似噪声像素点对应的灰度值的平均值，从而得到所述图像块对应的灰度值均值；

根据所述图像块中所述疑似噪声像素点与其相邻的其他疑似噪声像素点之间的距离，确定所述图像块中所述疑似噪声像素点对应的最小距离，并计算所述图像块对应的所有最小距离的平均值，对所述平均值进行归一化，从而得到所述图像块对应的距离归一化值；

根据所述图像块对应的距离归一化值、所述图像块中所述疑似噪声像素点的数目以及所述图像块的大小，确定所述图像块对应的疑似噪声像素点密度指标值；

根据所述灰度信息熵、灰度值均值和疑似噪声像素点密度指标值，确定所述图像块的初始窗口尺寸调整系数，所述初始窗口尺寸调整系数与所述灰度信息熵成正相关关系，且与所述疑似噪声像素点密度指标值和灰度值均值均成负相关关系。

进一步的，在确定所述图像块的初始窗口尺寸调整系数之前，还包括：判断所述图像块中所述疑似噪声像素点的数量是否大于第一数量设定值，若不大于所述第一数量设定值，则将所述图像块的初始窗口尺寸调整系数设置为第一设定窗口尺寸调整系数。

进一步的，在得到所述图像块对应的灰度值均值之后，还包括：判断所述图像块中所述疑似瑕疵像素点的数量是否大于第二数量设定值，若不大于所述第二数量设定值，则根据所述图像块中所述疑似噪声像素点的数目以及所述图像块的大小，确定所述图像块对应的疑似噪声像素点密度指标值，所述第二数量设定值大于所述第一数量设定值。

进一步的，对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数，包括：

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的灰度梯度指标值，计算所有所述疑似瑕疵像素点的灰度梯度指标值的平均值，从而得到所述图像块中每个疑似瑕疵连通域对应的灰度梯度指标值均值；

对所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的灰度梯度指标值进行负相关归一化，并将归一化结果确定为对应所述疑似瑕疵像素点对应的权重值；

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点对应的权重值以及所述疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度值，确定所述图像块中每个疑似瑕疵连通域对应的加权后的像素点灰度值方差；

根据所述图像块中每个疑似瑕疵连通域对应的灰度梯度指标值均值的负相关归一化结果和加权后的像素点灰度值方差，确定所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值，所述灰度梯度指标值均值的负相关归一化结果和加权后的像素点灰度值方差均与所述灰度梯度特征值成正相关关系；

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的数量以及所述图像块中每个疑似瑕疵连通域的所有疑似瑕疵像素点的总数目，确定所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值的加权值；

根据所述加权值，对所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值进行加权求和，并将加权求和的归一化值确定为所述图像块对应的疑似瑕疵特征值；

根据所述图像块中疑似瑕疵像素点的数目、疑似噪声像素点的数量以及疑似瑕疵特征值，确定所述图像块对应的初始窗口尺寸调整系数的校正系数；

将所述图像块对应的初始窗口尺寸调整系数与其校正系数的乘积值确定为所述图像块的初始的精准窗口尺寸调整系数，对所述初始的精准窗口尺寸调整系数进行归一化处理，从而得到所述图像块的最终的精准窗口尺寸调整系数。

进一步的，在对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数之前，还包括：

判断所述图像块中所述疑似噪声像素点的数量是否大于第一数量设定值，若不大于所述第一数量设定值，则将所述图像块对应的初始窗口尺寸调整系数的校正系数设置为第一设定校正系数；

若所述图像块中所述疑似噪声像素点的数量大于第一数量设定值，判断所述图像块中所述疑似瑕疵像素点的数量是否大于第三数量设定值，若不大于所述第三数量设定值，则将所述图像块对应的初始窗口尺寸调整系数的校正系数设置为第二设定校正系数。

进一步的，确定所述疑似瑕疵连通域中各个疑似瑕疵像素点的灰度梯度指标值，包括：

根据所述疑似瑕疵连通域中各个疑似瑕疵像素点对应的灰度梯度，确定所述疑似瑕疵连通域中每个疑似瑕疵像素点的灰度梯度方向上且位于所述疑似瑕疵连通域中的其他各个疑似瑕疵像素点，进而确定所述每个疑似瑕疵像素点的灰度梯度方向所在直线分别与对应的所述其他各个疑似瑕疵像素点的灰度梯度方向所在直线的夹角；

计算所述疑似瑕疵连通域中每个疑似瑕疵像素点对应的所有所述夹角的平均值，从而得到夹角平均值，并将所述夹角平均值确定为所述疑似瑕疵连通域中对应疑似瑕疵像素点的灰度梯度指标值。

进一步的，确定所述表面图像中的各个疑似瑕疵连通域，包括：

根据所述表面图像中的疑似噪声像素点和正常像素点，将所述表面图像中疑似噪声像素点的像素值设置为第一设定值，且将正常像素点的像素值设置为第二设定值，从而得到所述表面图像对应的二值图像；

对所述二值图像进行形态学开运算，并对开运算后的二值图像中像素值为第一设定值的像素点进行连通域检测，将检测到的连通域在所述表面图像中相同位置的区域确定为所述表面图像中的各个疑似瑕疵连通域。

进一步的，确定所述图像块的去噪窗口尺寸，包括：

计算所述图像块的精准窗口尺寸调整系数与设定窗口长度的乘积值，并确定所述乘积值的向下取整值；

设置为奇数的最小的去噪窗口尺寸，若所述乘积值的向下取整值为奇数，则将所述最小的去噪窗口尺寸、所述乘积值的向下取整值和数值1的相加值确定为所述图像块的去噪窗口尺寸；若所述乘积值的向下取整值为偶数，则将所述最小的去噪窗口尺寸和所述乘积值的向下取整值的相加值确定为所述图像块的去噪窗口尺寸。

为解决上述技术问题，本发明还提供了一种基于大数据的人造板瑕疵品快速溯源系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现上述任一项所述的一种基于大数据的人造板瑕疵品快速溯源方法的步骤。

本发明具有如下有益效果：通过将待检测人造板的表面图像的灰度图像与标准人造板表面图像的标准灰度图像进行灰度值比较，确定差分图像，由于表面图像中疑似噪声像素点的灰度值与标准人造板表面图像中相同位置的像素点的灰度值会有明显差异，因此通过对差分图像进行分析，可以识别出表面图像中的疑似噪声像素点和正常像素点。对于表面图像划分成的每个图像块，结合该图像块在灰度图像和差分图像中相同位置的区域，对图像块中的疑似噪声特征和纹理特征进行分析，根据图像块的纹理复杂度以及受到噪声影响的程度，自适应确定每个图像块的初始窗口尺寸调整系数。由于人造板的表面可能会随机存在一些微小瑕疵，这些微小瑕疵会被误认为疑似噪声像素点，从而导致所确定的初始窗口尺寸调整系数存在误差。因此对表面图像中的疑似瑕疵连通域进行识别，并结合每个图像块中疑似瑕疵像素点在灰度图像中相同位置的像素点的灰度值和灰度梯度，以及每个图像块中疑似瑕疵连通域中疑似瑕疵像素点的分布特征，对该图像块的初始窗口尺寸调整系数进行修正，从而得到精准窗口尺寸调整系数。根据每个图像块的精准窗口尺寸调整系数，自适应确定每个图像块的去噪窗口尺寸，并结合该去噪窗口尺寸对表面图像进行去噪处理，从而得到高质量的表面图像。基于该高质量的表面图像，可以精准识别出人造板表面的瑕疵，并对发现的瑕疵品进行快速溯源，避免对无瑕疵的人造板进行溯源处理，有效解决了现有对人造板表面图像的去噪效果较差，从而导致人造板瑕疵品的溯源效率较低的问题。

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为本发明实施例的基于大数据的人造板瑕疵品快速溯源方法的流程图。

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技术方案的具体实施方式、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。另外，本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。

本实施例提供了一种基于大数据的人造板瑕疵品快速溯源方法，该方法对应的流程图如图1所示，包括以下步骤：

步骤S1：获取待检测人造板的表面图像的灰度图像以及标准人造板表面图像的标准灰度图像。

为了实现人造板表面瑕疵的准确检测，进而准确确定人造板瑕疵品，并最终实现人造板瑕疵品的快速溯源，利用工业相机俯视采集人造板的表面图像。由于相机的性能、工作环境中的感光颗粒干扰、光电转换、图像传输等原因，工业相机采集的表面图像中通常存在有噪声，会导致人造板瑕疵检测不确性，进而影响到后续的瑕疵品溯源，因此需要对采集到的人造板的表面图像进行高效的去噪处理。

为了便于后续对采集到的人造板的表面图像进行高效的去噪处理，对该表面图像进行灰度处理，获取该表面图像的灰度图像。同时，由于人造板表面的花纹通常是通过模具制作的，因此同一批次的人造板表面花纹通常是相同的，故可通过人工设定的制作模具样式，获取当前采集的人造板的表面图像的标准人造板表面图像。该标准人造板表面图像与人造板的表面图像的尺寸大小一致。对该标准人造板表面图像同样进行灰度化处理，从而得到标准人造板表面图像的标准灰度图像。

步骤S2：将所述灰度图像与标准灰度图像进行比对，确定差分图像，并根据所述差分图像中各个像素点的灰度值，确定所述表面图像中的疑似噪声像素点和正常像素点。

将待检测人造板的灰度图像与标准人造板表面图像的标准灰度图像进行灰度值差分，确定差分图像。在该差分图像中，各像素点的灰度值的确定方式为：

其中，为差分图像中位置处的像素点的灰度值，x为横坐标，y为纵坐 标，为灰度图像中位置处的像素点的灰度值，为标准灰度图像中位置处的像素点的灰度值，| |为取绝对值符号。

由于灰度图像与标准灰度图像中灰度差异较大的像素点最可能为疑似噪声像素点，因此在确定差分图像之后，在该差分图像中灰度值较大的像素点最可能为疑似噪声像素点。为了确定差分图像中的疑似噪声像素点，利用大津算法求取该差分图像的最佳分割阈值T，并将差分图像内灰度值大于该最佳分割阈值T的像素点确定为疑似噪声像素点，将灰度值小于或者等于该最佳分割阈值T的像素点确定为正常像素点。然后根据这些疑似噪声像素点和正常像素点在差分图像中的位置，可以确定灰度图像中的疑似噪声像素点和正常像素点，相应地也可以确定表面图像中的疑似噪声像素点和正常像素点。

步骤S3：将所述表面图像划分为至少两个图像块，根据所述图像块以及所述图像块在所述灰度图像和差分图像中相同位置的区域，对所述图像块中的疑似噪声特征和纹理特征进行分析，确定所述图像块的初始窗口尺寸调整系数。

由于人造板表面花纹种类繁多、纹理复杂以及随机分布的瑕疵的特征影响，为了便于后续对采集到的人造板的表面图像进行高效的去噪处理，需要对表面图像的不同小区域采用不同的窗口尺寸进行去噪，以保证在去噪的同时保留人造板表面的纹理和瑕疵的细节信息，从而便于后续瑕疵品的准确识别，并对发现的瑕疵品进行快速溯源。

考虑到人造板表面各局部区域的花纹和瑕疵细节信息不同，可以先对表面图像进行分块处理，再根据各图像块内的疑似噪声特征和纹理信息，计算每个图像块的初始窗口尺寸调整系数，进而识别疑似噪声像素点内的瑕疵特征，计算校正系数，并利用该校正系数对始窗口尺寸调整系数进行校正，从而获取每个图像块的精准窗口尺寸调整系数，进而自适应确定不同图像块的窗口尺寸，对噪声影响严重的图像块赋予较大的窗口尺寸，以提高去噪效果，对花纹复杂、瑕疵信息较多的图像块赋予较小的窗口尺寸，以保护图像块内的花纹和瑕疵细节信息，提高后续瑕疵识别的准确性。

基于上述分析，对表面图像进行分块处理，将表面图像划分成多个图像块。由于部 分人造板表面会存在一些微小瑕疵，在对表面图像进行分块处理时，需保证分割的图像块 的尺寸远大于微小瑕疵的尺寸，以防止后续对各图像块进行处理时，瑕疵影响较大。本实施 例是将表面图像分割成不重叠的大小为的图像块，此时可以将表面图像分割成不重 叠的100个图像块，其中N和M分别表示表面图像的纵向长度和横向长度。实施者可在符合上 述要求的情况下自行设定图像块大小，从而将表面图像划分为至少两个图像块。同时，对待 检测人造板的表面图像的灰度图像以及差分图像进行相同方式的分割，将灰度图像和差分 图像也划分成多个图像块。表面图像、灰度图像和差分图像中相同位置的图像块，均对应人 造板表面的同一块区域。

通过对每个图像块以及该图像块在灰度图像和差分图像中相同位置的区域中的疑似噪声特征和纹理信息进行分析，可以确定表面图像中任意一个图像块的初始窗口尺寸调整系数，实现步骤包括：

根据所述图像块中所述正常像素点在所述灰度图像中相同位置的像素点的灰度值，确定所述图像块对应的灰度信息熵；

根据所述图像块中所述疑似噪声像素点在所述差分图像中相同位置的像素点的灰度值，计算所有所述疑似噪声像素点对应的灰度值的平均值，从而得到所述图像块对应的灰度值均值；

根据所述图像块中所述疑似噪声像素点与其相邻的其他疑似噪声像素点之间的距离，确定所述图像块中所述疑似噪声像素点对应的最小距离，并计算所述图像块对应的所有最小距离的平均值，对所述平均值进行归一化，从而得到所述图像块对应的距离归一化值；

根据所述图像块对应的距离归一化值、所述图像块中所述疑似噪声像素点的数目以及所述图像块的大小，确定所述图像块对应的疑似噪声像素点密度指标值；

根据所述灰度信息熵、灰度值均值和疑似噪声像素点密度指标值，确定所述图像块的初始窗口尺寸调整系数，所述初始窗口尺寸调整系数与所述灰度信息熵成正相关关系，且与所述疑似噪声像素点密度指标值和灰度值均值均成负相关关系。

应当说明的是，在通过上述方式确定任意一个图像块的初始窗口尺寸调整系数之前，还包括：判断所述图像块中所述疑似噪声像素点的数量是否大于第一数量设定值，若不大于所述第一数量设定值，则将所述图像块的初始窗口尺寸调整系数设置为第一设定窗口尺寸调整系数。也就是说，在确定任意一个图像块的初始窗口尺寸调整系数时，首先会判断该图像块中疑似噪声像素点的数量是否大于第一数量设定值，当不大于第一数量设定值时，则直接将该图像块的初始窗口尺寸调整系数设置为第一设定窗口尺寸调整系数，只有当大于第一数量设定值时，才按照上述的方式确定任意一个图像块的初始窗口尺寸调整系数。

另外，在通过上述的方式确定任意一个图像块的初始窗口尺寸调整系数的过程中，在得到该图像块对应的灰度值均值之后，还包括：判断所述图像块中所述疑似瑕疵像素点的数量是否大于第二数量设定值，若不大于所述第二数量设定值，则根据所述图像块中所述疑似噪声像素点的数目以及所述图像块的大小，确定所述图像块对应的疑似噪声像素点密度指标值，所述第二数量设定值大于所述第一数量设定值。也就是说，在通过上述的方式确定任意一个图像块的初始窗口尺寸调整系数的过程中，在得到图像块对应的灰度值均值之后且在确定图像块对应的疑似噪声像素点密度指标值之前，还需要判断该图像块中疑似瑕疵像素点的数量是否大于第二数量设定值，若不大于第二数量设定值，则根据图像块中疑似噪声像素点的数目以及该图像块的大小，来确定该图像块对应的疑似噪声像素点密度指标值，只有当大于第二数量设定值时，才按照上述的方式确定该图像块对应的疑似噪声像素点密度指标值。

为了便于理解，对于表面图像所划分成的任意一个图像块C，结合该图像块在差分 图像中相同位置的图像块和在灰度图像中相同位置的图像块，可以确定该图像块C的 初始窗口尺寸调整系数，对应的计算公式为：

其中，D为表面图像所划分成的任意一个图像块C的初始窗口尺寸调整系数，H为根 据表面图像所划分成的任意一个图像块C中所有正常像素点在灰度图像的图像块中的 相同位置的像素点的灰度值所确定的灰度信息熵，e为自然常数，k为调整系数，m为表面图 像所划分成的任意一个图像块C中疑似噪声像素点的数量，为表面图像所划分成的任意 一个图像块C中第j个疑似噪声像素点在差分图像的图像块中的相同位置的像素点的灰 度值，D0为第一设定窗口尺寸调整系数，为表面图像所划分成的任意一个图像块C对应的 疑似噪声像素点密度指标值，为表面图像所划分成的任意一个图像块C中各疑似噪声 像素点与其最近的疑似像素点的欧式距离的平均值，也就是图像块C中各个疑似噪声像素 点与其相邻的其他疑似噪声像素点之间的最小距离的平均值，G为表面图像所划分成的任 意一个图像块C中最远的两个像素点之间的距离，a为表面图像所划分成的任意一个图像块 C的纵向长度和横向长度，m0为第一数量设定值，m1为第二数量设定值。

在上述的表面图像所划分成的任意一个图像块C的初始窗口尺寸调整系数D的计 算公式中，已知当图像块内的噪声密度越大、噪声对像素点灰度值的改变越大，需要越大的 窗口尺寸，以提高去噪效果。因此，本实施例设置第一数量设定值m0的取值为0，当图像块C 中疑似噪声像素点的数量m小于或者等于第一数量设定值m0，即m=0时，说明该图像块内无 噪声像素点，此时设置噪声影响程度也就是初始窗口尺寸调整系数为第一设定窗口尺寸调 整系数D0，本实施例设置该第一设定窗口尺寸调整系数D0的取值为0。当图像块C中疑似噪 声像素点的数量m大于第一数量设定值m0，即m>0时，图像块C内疑似噪声像素点的数量m越 大、位置分布越集中时，噪声密度越大。因此，本实施例设置第二数量设定值m1的取值为1， 当图像块C内疑似噪声像素点的数量m小于或者等于第二数量设定值m1，即m=1时，说明图像 块C内只有一个疑似噪声像素点，此时则直接设置图像块C中疑似噪声像素点的密度特征为 1，当图像块C内疑似噪声像素点的数量m大于第二数量设定值m1，即m>1时，最小距离的平均 值越大，说明该图像块C内疑似噪声像素点之间的离散性越大，此时需要越小的窗口尺 寸，因此设置图像块C中疑似噪声像素点的密度特征为，为归一化处理结果，由 于本实施中图像块C为矩形，因此G为图像块C的对角线长度，用于对最小距离的平均值 进行归一化。利用图像块C的尺寸大小即对图像块C中疑似噪声像素点的密度特 征和疑似噪声像素点的数量m的乘积值进行归一化处理，从而得到图像块C对应的疑似噪声 像素点密度指标值F。灰度值均值表示该图像块C内疑似噪声像素点的灰度值改 变大小，故用疑似噪声像素点密度指标值F作为的调整值，则两者的乘积表示该 图像块C内疑似噪声像素点的影响程度。而当该图像块C内本身的纹理细节信息量越多，则 正常像素点的灰度信息熵H越大，此时需要越小的窗口尺寸，以保护图像细节，因此对灰度 信息熵H进行负相关归一化，得到负相关归一化结果，调整系数k的作用是防止过 早趋于0，可以根据需要进行合理设置，本实施例设置k的取值为0.1。将灰度信息熵H的负相 关归一化结果作为的调整值，最终得到图像块C的初始窗口尺寸调整系 数。

按照上述相同的方式，可以确定表面图像所划分成的每个图像块的初始窗口尺寸 调整系数，从而得到初始窗口尺寸调整系数集合，表示表面图像所 划分成的第i个图像块的初始窗口尺寸调整系数，q为表面图像所划分成的图像块的总数 目，由于本实施是将表面图像分割成不重叠的100个图像块，因此q=100。

步骤S4：根据所述表面图像中的疑似噪声像素点和正常像素点，确定所述表面图像中的各个疑似瑕疵连通域，并根据所述疑似瑕疵连通域中各个疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度梯度，确定所述疑似瑕疵连通域中各个疑似瑕疵像素点的灰度梯度指标值。

由于人造板的表面可能会随机存在一些微小瑕疵，这些瑕疵区域像素点在差分图像内的灰度值也较大，因此上述步骤S2中通过阈值分割确定的疑似噪声像素点中会存在瑕疵像素点，导致上述存在瑕疵的图像块所求取的初始窗口尺寸调整系数D存在误差。因此，需要对图像块内的瑕疵特征进行分析，以对初始窗口尺寸调整系数D进行校正，从而获取各图像块的精准窗口尺寸调整系数。

基于表面图像中的疑似噪声像素点和正常像素点，确定表面图像中的各个疑似瑕疵连通域，实现步骤包括：

根据所述表面图像中的疑似噪声像素点和正常像素点，将所述表面图像中疑似噪声像素点的像素值设置为第一设定值，且将正常像素点的像素值设置为第二设定值，从而得到所述表面图像对应的二值图像；

对所述二值图像进行形态学开运算，并对开运算后的二值图像中像素值为第一设定值的像素点进行连通域检测，将检测到的连通域在所述表面图像中相同位置的区域确定为所述表面图像中的各个疑似瑕疵连通域。

具体的，根据所确定的表面图像中的疑似噪声像素点和正常像素点，将疑似噪声像素点的像素值设置为第一设定值1，并将正常像素点的像素值设置为第二设定值0，从而获取二值图像。再利用3×3结构元素对该二值图像进行形态学开运算，获取一个新的二值图像。已知噪声在图像上常表现为引起较强视觉效果的孤立像素点，因此形态学开运算会滤除二值图像内的孤立噪声点，则新二值图像内像素值为1的像素点为疑似瑕疵像素点，疑似瑕疵像素点构成的连通域为疑似瑕疵连通域。因此对新二值图像内中像素值为1的像素点进行连通域检测，从而得到各个疑似瑕疵连通域。然后根据各个疑似瑕疵连通域的位置，确定表面图像中相同位置的区域，这些相同位置的区域即为表面图像中的各个疑似瑕疵连通域。由于此时疑似瑕疵连通域内仍存在噪声点，且受到形态学开运算的影响，使得此时的瑕疵识别并不准确，后续还需要进行图像去噪以精准识别瑕疵。

由于人造板表面最常见的瑕疵为凹坑和裂纹，因此在对人造板的表面图像进行去噪处理时，也主要是针对这两种瑕疵特征进行图像去噪处理，并在进行图像去噪处理时保护这两种瑕疵的细节特征，以确保后续瑕疵识别的准确性。此时对于表面图像中的任意一个疑似瑕疵连通域的各个疑似瑕疵像素点，结合灰度图像，确定各个疑似瑕疵像素点对应的灰度梯度，进而确定该疑似瑕疵连通域中各个疑似瑕疵像素点的灰度梯度指标值，实现步骤包括：

根据所述疑似瑕疵连通域中各个疑似瑕疵像素点对应的灰度梯度，确定所述疑似瑕疵连通域中每个疑似瑕疵像素点的灰度梯度方向上且位于所述疑似瑕疵连通域中的其他各个疑似瑕疵像素点，进而确定所述每个疑似瑕疵像素点的灰度梯度方向所在直线分别与对应的所述其他各个疑似瑕疵像素点的灰度梯度方向所在直线的夹角；

计算所述疑似瑕疵连通域中每个疑似瑕疵像素点对应的所有所述夹角的平均值，从而得到夹角平均值，并将所述夹角平均值确定为所述疑似瑕疵连通域中对应疑似瑕疵像素点的灰度梯度指标值。

具体的，对于表面图像中的任意一个疑似瑕疵连通域的任意一个疑似瑕疵像素 点，计算该疑似瑕疵像素点对应的灰度梯度方向所处直线分别与其梯度方向所处直线上的 其他疑似瑕疵像素点对应的灰度梯度方向所处直线的夹角，其他疑似瑕疵像素点与该疑似 瑕疵像素点位于同一个疑似瑕疵连通域，取这些夹角的均值，并将该均值确定为该疑似瑕 疵像素点的灰度梯度指标值。按照相同的方式，可以确定该疑似瑕疵连通域中各个疑似瑕 疵像素点的灰度梯度指标值，从而得到灰度梯度指标值集合，其中表 示该疑似瑕疵连通域内的第j个疑似瑕疵像素点的灰度梯度指标值，z表示该疑似瑕疵连通 域内的疑似瑕疵像素点的数量。按照相同的方式，可以确定表面图像中其他疑似瑕疵连通 域内各疑似瑕疵像素点对应的灰度梯度指标值，从而得到对应的灰度梯度指标值集合。

根据人造板表面凹坑和裂纹的形状特征可知，凹坑沿其边缘向中心点的方向深度 逐渐变大，裂纹沿其边缘向中心线的方向深度也逐渐变大，因此瑕疵像素点的灰度梯度方 向应与其所处直线上各像素点梯度方向平行，故对应的灰度梯度指标值较小，而噪声会破 坏这种特征，令灰度梯度指标值较大。后续可参考这一特征，对图像块的初始窗口尺寸调 整系数进行修正，从而得到该图像块的精准窗口尺寸调整系数。

步骤S5：根据所述图像块中所述疑似瑕疵像素点的灰度梯度指标值，所述疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度值，以及所述疑似瑕疵连通域中疑似瑕疵像素点的分布特征，对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数。

在上述步骤的基础上，对灰表面图像所划分成的每个图像块进行分析，并根据分析结果对该图像块的初始窗口尺寸调整系数进行修正，从而得到该图像块的精准窗口尺寸调整系数，实现步骤包括：

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的灰度梯度指标值，计算所有所述疑似瑕疵像素点的灰度梯度指标值的平均值，从而得到所述图像块中每个疑似瑕疵连通域对应的灰度梯度指标值均值；

对所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的灰度梯度指标值进行负相关归一化，并将归一化结果确定为对应所述疑似瑕疵像素点对应的权重值；

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点对应的权重值以及所述疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度值，确定所述图像块中每个疑似瑕疵连通域对应的加权后的像素点灰度值方差；

根据所述图像块中每个疑似瑕疵连通域对应的灰度梯度指标值均值的负相关归一化结果和加权后的像素点灰度值方差，确定所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值，所述灰度梯度指标值均值的负相关归一化结果和加权后的像素点灰度值方差均与所述灰度梯度特征值成正相关关系；

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的数量以及所述图像块中每个疑似瑕疵连通域的所有疑似瑕疵像素点的总数目，确定所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值的加权值；

根据所述加权值，对所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值进行加权求和，并将加权求和的归一化值确定为所述图像块对应的疑似瑕疵特征值；

根据所述图像块中疑似瑕疵像素点的数目、疑似噪声像素点的数量以及疑似瑕疵特征值，确定所述图像块对应的初始窗口尺寸调整系数的校正系数；

将所述图像块对应的初始窗口尺寸调整系数与其校正系数的乘积值确定为所述图像块的初始的精准窗口尺寸调整系数，对所述初始的精准窗口尺寸调整系数进行归一化处理，从而得到所述图像块的最终的精准窗口尺寸调整系数。

应当说明的是，在对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数之前，还包括：

判断所述图像块中所述疑似噪声像素点的数量是否大于第一数量设定值，若不大于所述第一数量设定值，则将所述图像块对应的初始窗口尺寸调整系数的校正系数设置为第一设定校正系数；

若所述图像块中所述疑似噪声像素点的数量大于第一数量设定值，判断所述图像块中所述疑似瑕疵像素点的数量是否大于第三数量设定值，若不大于所述第三数量设定值，则将所述图像块对应的初始窗口尺寸调整系数的校正系数设置为第二设定校正系数。

为了便于理解，同样对于表面图像所划分成的任意一个图像块C，对该图像块C的初始窗口尺寸调整系数进行修正，从而得到该图像块G的初始的精准窗口尺寸调整系数对应的计算那公式为：

其中，为表面图像所划分成的任意一个图像块C的初始的精准窗口尺寸调整系 数，为表面图像所划分成的任意一个图像块C对应的初始窗口尺寸调整系数的校正系数，D 为表面图像所划分成的任意一个图像块C的初始窗口尺寸调整系数，为第一设定校正系 数，为第二设定校正系数，为表面图像所划分成的任意一个图像块C中疑似瑕疵像 素点的数量，m为表面图像所划分成的任意一个图像块C中疑似噪声像素点的数量，w为表面 图像所划分成的任意一个图像块C的疑似瑕疵特征值，为表面图像所划分成的任意一个 图像块C中第x个疑似瑕疵连通域的位于图像块C中的疑似瑕疵像素点的数量，为表面图 像所划分成的任意一个图像块C中第x个疑似瑕疵连通域的所有疑似瑕疵像素点的总数目，为表面图像所划分成的任意一个图像块C中第x个疑似瑕疵连通域的灰度梯度特征值， 为表面图像所划分成的任意一个图像块C中疑似瑕疵连通域的总数目，为归一化 函数，为表面图像所划分成的任意一个图像块C中第x个疑似瑕疵连通域的位于图像块 C中的所有疑似瑕疵像素点的灰度梯度指标值的平均值，也就是图像块C中第x个疑似瑕疵 连通域对应的灰度梯度指标值均值，为两直线夹角最大值，为表面图像所划分成的 任意一个图像块C中第x个疑似瑕疵连通域的位于图像块C中的第g个疑似瑕疵像素点的灰 度梯度指标值，为表面图像所划分成的任意一个图像块C中第x个疑似瑕疵连通域的位 于图像块C中的第g个疑似瑕疵像素点的灰度值，为表面图像所划分成的任意一个图像 块C中第x个疑似瑕疵连通域的位于图像块C中的所有疑似瑕疵像素点的灰度值的平均值，为表面图像所划分成的任意一个图像块C中第x个疑似瑕疵连通域的位于图像块C中的所 有疑似瑕疵像素点的总数目，m0为第一数量设定值，d0为第三数量设定值，为第一设定校 正系数，为第二设定校正系数。

在上述的表面图像所划分成的任意一个图像块C的精准窗口尺寸调整系数的计 算公式中，当图像块C中疑似噪声像素点的数量m不大于第一数量设定值0，即m=0时，说明该 图像块C内无噪声，故将该图像块C对应的初始窗口尺寸调整系数的校正系数设置为第一设 定校正系数，本实施例设置该第一设定校正系数的取值为0，此时该图像块C的初始的 精准窗口尺寸调整系数的取值为0。当图像块C中疑似噪声像素点的数量m大于第一数量 设定值0，即m>0时，说明该图像块C内存在噪声，而当图像块C中疑似瑕疵像素点的数量不大于第三数量设定值，本实施例设置第三数量设定值的取值为0，也就是当时，说明该图像块C内无瑕疵，故将该图像块C对应的初始窗口尺寸调整系数的校 正系数设置为第二设定校正系数，本实施例设置该第二设定校正系数的取值为1。当图 像块C中疑似瑕疵像素点的数量大于第三数量设定值，即时，说明该图像 块C内部存在疑似瑕疵像素点，其疑似瑕疵像素点的数量越多，会造成求取的初始窗口尺寸 调整系数D越偏大，此时需要越小的校正系数。但由于疑似瑕疵连通域内的细节特征不同， 且其内部也会存在噪声，故需要对疑似瑕疵像素点的数量进行校正。已知疑似瑕疵连 通域内疑似瑕疵像素点对应的灰度梯度指标值越大，该疑似瑕疵像素点为疑似瑕疵连通域 内噪声像素点的概率越大，且两直线的夹角的大小取值范围为[0,90]，此时两直线夹角最 大值的取值大小为90，由此利用两直线夹角的最大值的取值90对疑似瑕疵连通域内 疑似瑕疵像素点对应的灰度梯度指标值进行反比归一化得到权重值，进而获取该疑 似瑕疵连通域内加权后的像素点灰度值方差，即赋予为噪声概率大的 像素点较小的权值，以去除噪声影响，保障灰度值方差表示该疑似瑕疵连通域内实际的灰 度变换的剧烈程度。当灰度值方差越大时，说明该瑕疵细节信息越多，需要较小的窗口尺 寸，则需要调小校正系数。而疑似瑕疵连通域的所有疑似瑕疵像素点的灰度值的平均值越大，说明该疑似瑕疵连通域内存在的噪声越多，则该疑似瑕疵连通域对图像块求取 的初始窗口尺寸调整系数D的影响越小，需要调大校正系数。因此利用两直线夹角最大值90 对平均值进行反比归一化得到加权后的像素点灰度值方差的调整 值，并将两者的乘积作为该疑似瑕疵连通域对应的灰度梯度特征值。由此根据该疑似瑕疵 连通域在该图像块C内部的像素点数量的占比，将该占比作为灰度梯度特征值的加 权值，从而获取图像块C内部该疑似瑕疵连通域的特征值，再对其进行求和归一化， 获取图像块C的疑似瑕疵特征值w，并将该疑似瑕疵特征值w作为图像块C中疑似瑕疵像素点 的数量的调整值，同时利用图像块C中疑似噪声像素点的数量m对疑似瑕疵像素点的 数量进行归一化，由此获取时，初始窗口尺寸调整系数D的校正系数为，并最终获得该图像块C的初始的精准窗口尺寸调整系数。

按照上述同样的方式，可以确定表面图像所划分成的每个图像块的初始的精准窗 口尺寸调整系数，从而得到初始的精准窗口尺寸调整系数集合，为 表面图像所划分成的第i个图像块的初始的精准窗口尺寸调整系数，q为表面图像所划分成 的图像块的总数目，本实施中q=100。再对该初始的精准窗口尺寸调整系数集合进行归一化 操作，即用集合中各数值除以集合中数值的最大值，获得归一化后的集合，该归一化后的集合中的各个数值即为表面图像所划分成的每个图 像块的最终的精准窗口尺寸调整系数，表示表面图像所划分成的第i个图像块的最终的 精准窗口尺寸调整系数。

步骤S6：根据所述图像块的精准窗口尺寸调整系数，确定所述图像块的去噪窗口尺寸，并根据所述去噪窗口尺寸，对所述图像块进行去噪处理，得到去噪处理后的表面图像，并根据去噪处理后的表面图像进行瑕疵溯源。

在确定表面图像所划分成的每个图像块的最终的精准窗口尺寸调整系数之后，基于该最终的精准窗口尺寸调整系数，确定表面图像所划分成的每个图像块的去噪窗口尺寸，实现步骤包括：

计算所述图像块的精准窗口尺寸调整系数与设定窗口长度的乘积值，并确定所述乘积值的向下取整值；

设置为奇数的最小的去噪窗口尺寸，若所述乘积值的向下取整值为奇数，则将所述最小的去噪窗口尺寸、所述乘积值的向下取整值和数值1的相加值确定为所述图像块的去噪窗口尺寸；若所述乘积值的向下取整值为偶数，则将所述最小的去噪窗口尺寸和所述乘积值的向下取整值的相加值确定为所述图像块的去噪窗口尺寸。

为了便于理解，本实施例设置去噪窗口的形状为正方形，并设置最小的去噪窗口 尺寸为3且最大的去噪窗口尺寸为9，实施者可根据实际需求自行设置最小的去 噪窗口尺寸和最大的去噪窗口尺寸。此时同样对于表面图像所划分成的任意一 个图像块，基于其最终的精准窗口尺寸调整系数，确定其对应的去噪窗口尺寸的计算公式 为：

其中，为表面图像所划分成的第i个图像块的去噪窗口尺寸，为最小的去噪 窗口尺寸，为设定窗口长度，本实施例设置的取值为6，为表面图像所划分成的第i个 图像块的最终的精准窗口尺寸调整系数，为向下取整符号。

按照上述同样的方式，可以确定表面图像所划分成的每个图像块的去噪窗口尺寸。然后基于表面图像所划分成的每个图像块的去噪窗口尺寸，利用双边滤波算法对表面图像进行去噪处理，从而获取去噪处理后的表面图像，也就是高品质的人造板表面图像。由于利用双边滤波算法对表面图像进行去噪处理的具体实现过程属于现有技术，此处不再赘述。基于该高品质的人造板表面图像进行人造板表面的瑕疵检测，并对检测出的人造板瑕疵品进行溯源。由于对人造板瑕疵品进行溯源的具体实现过程属于现有技术，而本方案的重点在于自适应确定每个人造板的表面图像所划分成的图像块的去噪窗口尺寸，从而可以实现人造板瑕疵品的准确检测，避免对无瑕疵人造板的无效溯源，最终提高人造板瑕疵品的溯源效率，此处对该具体溯源的具体过程不再赘述。

本实施例还提供了一种基于大数据的人造板瑕疵品快速溯源系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现上述的一种基于大数据的人造板瑕疵品快速溯源方法的步骤。由于该系统的核心在于实现上述的基于大数据的人造板瑕疵品快速溯源方法的步骤，而该方法已经在上述内容中进行了详细介绍，此处对该系统不再做赘述。

本发明通过分析人造板表面的纹理特征、噪声特征和存在的随机瑕疵特征，自适应确定人造板表面图像中不同小区域的去噪窗口尺寸，并利用双边滤波进行高效去噪，最终可以获取到高品质的表面图像。然后基于该高品质的表面图像识别人造板表面瑕疵，并对发现的人造板瑕疵品进行快速溯源，有效解决了现有对人造板表面图像的去噪效果较差，从而导致人造板瑕疵品的溯源效率较低的问题。

需要说明的是：以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种基于大数据的人造板瑕疵品快速溯源方法，其特征在于，包括以下步骤：

获取待检测人造板的表面图像的灰度图像以及标准人造板表面图像的标准灰度图像；

将所述灰度图像与标准灰度图像进行比对，确定差分图像，并根据所述差分图像中各个像素点的灰度值，确定所述表面图像中的疑似噪声像素点和正常像素点；

将所述表面图像划分为至少两个图像块，根据所述图像块以及所述图像块在所述灰度图像和差分图像中相同位置的区域，对所述图像块中的疑似噪声特征和纹理特征进行分析，确定所述图像块的初始窗口尺寸调整系数；

根据所述表面图像中的疑似噪声像素点和正常像素点，确定所述表面图像中的各个疑似瑕疵连通域，并根据所述疑似瑕疵连通域中各个疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度梯度，确定所述疑似瑕疵连通域中各个疑似瑕疵像素点的灰度梯度指标值；

根据所述图像块中所述疑似瑕疵像素点的灰度梯度指标值，所述疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度值，以及所述疑似瑕疵连通域中疑似瑕疵像素点的分布特征，对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数；

根据所述图像块的精准窗口尺寸调整系数，确定所述图像块的去噪窗口尺寸，并根据所述去噪窗口尺寸，对所述图像块进行去噪处理，得到去噪处理后的表面图像，并根据去噪处理后的表面图像进行瑕疵溯源；

确定所述图像块的初始窗口尺寸调整系数，包括：

根据所述图像块中所述正常像素点在所述灰度图像中相同位置的像素点的灰度值，确定所述图像块对应的灰度信息熵；

根据所述图像块中所述疑似噪声像素点在所述差分图像中相同位置的像素点的灰度值，计算所有所述疑似噪声像素点对应的灰度值的平均值，从而得到所述图像块对应的灰度值均值；

根据所述图像块中所述疑似噪声像素点与其相邻的其他疑似噪声像素点之间的距离，确定所述图像块中所述疑似噪声像素点对应的最小距离，并计算所述图像块对应的所有最小距离的平均值，对所述平均值进行归一化，从而得到所述图像块对应的距离归一化值；

根据所述图像块对应的距离归一化值、所述图像块中所述疑似噪声像素点的数目以及所述图像块的大小，确定所述图像块对应的疑似噪声像素点密度指标值；

根据所述灰度信息熵、灰度值均值和疑似噪声像素点密度指标值，确定所述图像块的初始窗口尺寸调整系数，所述初始窗口尺寸调整系数与所述灰度信息熵成正相关关系，且与所述疑似噪声像素点密度指标值和灰度值均值均成负相关关系；

在确定所述图像块的初始窗口尺寸调整系数之前，还包括：判断所述图像块中所述疑似噪声像素点的数量是否大于第一数量设定值，若不大于所述第一数量设定值，则将所述图像块的初始窗口尺寸调整系数设置为第一设定窗口尺寸调整系数；

对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数，包括：

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的灰度梯度指标值，计算所有所述疑似瑕疵像素点的灰度梯度指标值的平均值，从而得到所述图像块中每个疑似瑕疵连通域对应的灰度梯度指标值均值；

对所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的灰度梯度指标值进行负相关归一化，并将归一化结果确定为对应所述疑似瑕疵像素点对应的权重值；

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点对应的权重值以及所述疑似瑕疵像素点在所述灰度图像中相同位置的像素点的灰度值，确定所述图像块中每个疑似瑕疵连通域对应的加权后的像素点灰度值方差；

根据所述图像块中每个疑似瑕疵连通域对应的灰度梯度指标值均值的负相关归一化结果和加权后的像素点灰度值方差，确定所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值，所述灰度梯度指标值均值的负相关归一化结果和加权后的像素点灰度值方差均与所述灰度梯度特征值成正相关关系；

根据所述图像块中每个疑似瑕疵连通域的位于对应所述图像块中的所述疑似瑕疵像素点的数量以及所述图像块中每个疑似瑕疵连通域的所有疑似瑕疵像素点的总数目，确定所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值的加权值；

根据所述加权值，对所述图像块中每个疑似瑕疵连通域对应的灰度梯度特征值进行加权求和，并将加权求和的归一化值确定为所述图像块对应的疑似瑕疵特征值；

根据所述图像块中疑似瑕疵像素点的数目、疑似噪声像素点的数量以及疑似瑕疵特征值，确定所述图像块对应的初始窗口尺寸调整系数的校正系数；

将所述图像块对应的初始窗口尺寸调整系数与其校正系数的乘积值确定为所述图像块的初始的精准窗口尺寸调整系数，对所述初始的精准窗口尺寸调整系数进行归一化处理，从而得到所述图像块的最终的精准窗口尺寸调整系数；

在对所述图像块的初始窗口尺寸调整系数进行修正，得到所述图像块的精准窗口尺寸调整系数之前，还包括：

判断所述图像块中所述疑似噪声像素点的数量是否大于第一数量设定值，若不大于所述第一数量设定值，则将所述图像块对应的初始窗口尺寸调整系数的校正系数设置为第一设定校正系数；

若所述图像块中所述疑似噪声像素点的数量大于第一数量设定值，判断所述图像块中所述疑似瑕疵像素点的数量是否大于第三数量设定值，若不大于所述第三数量设定值，则将所述图像块对应的初始窗口尺寸调整系数的校正系数设置为第二设定校正系数。

2.根据权利要求1所述的一种基于大数据的人造板瑕疵品快速溯源方法，其特征在于，在得到所述图像块对应的灰度值均值之后，还包括：判断所述图像块中所述疑似瑕疵像素点的数量是否大于第二数量设定值，若不大于所述第二数量设定值，则根据所述图像块中所述疑似噪声像素点的数目以及所述图像块的大小，确定所述图像块对应的疑似噪声像素点密度指标值，所述第二数量设定值大于所述第一数量设定值。

3.根据权利要求1所述的一种基于大数据的人造板瑕疵品快速溯源方法，其特征在于，确定所述疑似瑕疵连通域中各个疑似瑕疵像素点的灰度梯度指标值，包括：

根据所述疑似瑕疵连通域中各个疑似瑕疵像素点对应的灰度梯度，确定所述疑似瑕疵连通域中每个疑似瑕疵像素点的灰度梯度方向上且位于所述疑似瑕疵连通域中的其他各个疑似瑕疵像素点，进而确定所述每个疑似瑕疵像素点的灰度梯度方向所在直线分别与对应的所述其他各个疑似瑕疵像素点的灰度梯度方向所在直线的夹角；

计算所述疑似瑕疵连通域中每个疑似瑕疵像素点对应的所有所述夹角的平均值，从而得到夹角平均值，并将所述夹角平均值确定为所述疑似瑕疵连通域中对应疑似瑕疵像素点的灰度梯度指标值。

4.根据权利要求1所述的一种基于大数据的人造板瑕疵品快速溯源方法，其特征在于，确定所述表面图像中的各个疑似瑕疵连通域，包括：

根据所述表面图像中的疑似噪声像素点和正常像素点，将所述表面图像中疑似噪声像素点的像素值设置为第一设定值，且将正常像素点的像素值设置为第二设定值，从而得到所述表面图像对应的二值图像；

对所述二值图像进行形态学开运算，并对开运算后的二值图像中像素值为第一设定值的像素点进行连通域检测，将检测到的连通域在所述表面图像中相同位置的区域确定为所述表面图像中的各个疑似瑕疵连通域。

5.根据权利要求1所述的一种基于大数据的人造板瑕疵品快速溯源方法，其特征在于，确定所述图像块的去噪窗口尺寸，包括：

计算所述图像块的精准窗口尺寸调整系数与设定窗口长度的乘积值，并确定所述乘积值的向下取整值；

设置为奇数的最小的去噪窗口尺寸，若所述乘积值的向下取整值为奇数，则将所述最小的去噪窗口尺寸、所述乘积值的向下取整值和数值1的相加值确定为所述图像块的去噪窗口尺寸；若所述乘积值的向下取整值为偶数，则将所述最小的去噪窗口尺寸和所述乘积值的向下取整值的相加值确定为所述图像块的去噪窗口尺寸。

6.一种基于大数据的人造板瑕疵品快速溯源系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现如权利要求1-5中任一项所述的一种基于大数据的人造板瑕疵品快速溯源方法的步骤。