CN117455915A - 基于机器视觉的三轴转台缺陷检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及基于机器视觉的三轴转台缺陷检测方法。方法包括：获取三轴转台的表面图像，根据表面图像中每个像素点在R通道的值和每个像素点与其邻域内像素点的灰度差异，得到缺陷可能性指标，进而筛选待滤波点；根据待滤波点与其对应的窗口内像素点的灰度分布，得到待滤波点的噪声强度评价值；根据待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值，获得待滤波点的噪声水平评价值，进而确定待滤波点的扩展系数；基于扩展系数对获得待滤波点对应的目标窗口，进而对待滤波点进行滤波，基于处理后的图像判断三轴转台是否存在缺陷。本发明提高了三轴转台缺陷检测结果的准确度。

Description

基于机器视觉的三轴转台缺陷检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及基于机器视觉的三轴转台缺陷检测方法。

背景技术

三轴转台是一种工程设备或机械系统，用于实现物体的旋转和定位，具有高度精确的控制，可以精确地控制物体在其上方进行旋转。三轴转台的应用领域广泛，其工作场景众多，三轴转台其自身材质以及防护措施不同，在三轴转台表面可能出现锈蚀的情况。通过滤波的手段对三轴转台表面图像进行处理，结合其锈蚀区域的特征实现对表面锈蚀区域的增强，实现对其缺陷的检测。

利用非局部均值滤波对三轴转台表面锈蚀缺陷进行处理时，构建图像中的像素点对应的窗口的过程中，像素点周围存在噪声等影响因素，使得不同像素点对应的窗口中存在不同的噪声水平，进而导致缺陷检测过程中出现误差，使得三轴转台的缺陷检测结果的准确度较低。

发明内容

为了解决现有方法在对三轴转台进行缺陷检测时缺陷检测结果准确度较低的问题，本发明的目的在于提供一种基于机器视觉的三轴转台缺陷检测方法，所采用的技术方案具体如下：

本发明提供了一种基于机器视觉的三轴转台缺陷检测方法，该方法包括以下步骤：

获取待检测三轴转台的表面图像；

根据所述表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，得到每个像素点的缺陷可能性指标；基于所述缺陷可能性指标筛选待滤波点；分别以每个待滤波点为中心点，构建每个待滤波点对应的窗口；根据每个待滤波点与其对应的窗口内像素点的灰度分布，得到每个待滤波点的噪声强度评价值；

根据每个待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值，获得每个待滤波点的噪声水平评价值；根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标，得到每个待滤波点对缺陷的表现程度值；基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数；

基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口，基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像，基于所述处理后的图像判断待检测三轴转台是否存在缺陷。

优选的，所述根据所述表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，得到每个像素点的缺陷可能性指标，包括：

对于所述表面图像中的第a个像素点：

将第a个像素点的灰度值与其预设邻域内每个像素点的灰度值之间的差值绝对值，作为第a个像素点的预设邻域内每个像素点对应的第一差异；

根据第a个像素点的预设邻域内所有像素点对应的第一差异、第a个像素点的灰度值和第a个像素点在R通道的值，获得第a个像素点的缺陷可能性指标，所述第一差异和所述第a个像素点的灰度值均与所述缺陷可能性指标呈负相关关系，第a个像素点在R通道的值与所述缺陷可能性指标呈正相关关系。

优选的，所述根据每个待滤波点与其对应的窗口内像素点的灰度分布，得到每个待滤波点的噪声强度评价值，包括：

对于第b个待滤波点：

将第b个待滤波点对应的窗口内灰度值大于预设灰度阈值的像素点记为第一像素点；将第b个待滤波点与其对应的窗口内每个第一像素点之间的距离记为每个第一像素点对应的距离差异；

根据第b个待滤波点的灰度值和第b个待滤波点对应的窗口内所有第一像素点对应的距离差异的方差，获得第b个待滤波点的噪声强度评价值，所述第b个待滤波点的灰度值和所述方差均与所述噪声强度评价值呈正相关关系。

优选的，采用如下公式计算第b个待滤波点的噪声水平评价值：

其中，为第b个待滤波点的噪声水平评价值，/>为第b个待滤波点对应的窗口内像素点的总数量，/>为第b个待滤波点对应的窗口内待滤波点的数量，/>为第b个待滤波点对应的窗口内第i个待滤波点的噪声强度评价值，/>为第b个待滤波点对应的窗口内的第二像素点的数量，/>为第b个待滤波点对应的窗口内第j个第二像素点的横坐标，/>为第b个待滤波点的横坐标，/>为第b个待滤波点对应的窗口内第j个第二像素点的纵坐标，/>为第b个待滤波点的纵坐标，/>为预设第二调整参数，/>大于0；

第b个待滤波点对应的窗口内的第二像素点的获取过程为：将第b个待滤波点对应的窗口内噪声强度评价值大于预设噪声强度阈值的待滤波点确定为第b个待滤波点对应的窗口内的第二像素点。

优选的，所述根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标，得到每个待滤波点对缺陷的表现程度值，包括：

对于第b个待滤波点：

将第b个待滤波点对应的窗口内梯度值大于预设梯度阈值的待滤波点确定为第三像素点；

对于第b个待滤波点对应的窗口内第t个第三像素点：在第t个第三像素点对应的窗口内，将第t个第三像素点的梯度方向的垂直方向上的像素点作为第t个第三像素点的参考像素点；分别将第t个第三像素点与其每个参考像素点之间的梯度值的差值绝对值，记为第t个第三像素点的每个参考像素点的梯度差异；根据第t个第三像素点与其每个参考像素点之间的距离、第t个第三像素点的每个参考像素点的梯度差异和第t个第三像素点的噪声强度评价值，得到第t个第三像素点的梯度评价指标，所述梯度差异与所述梯度评价指标呈正相关关系，所述第t个第三像素点与其每个参考像素点之间的距离以及第t个第三像素点的噪声强度评价值均与所述梯度评价指标呈负相关关系；

根据第b个待滤波点对应的窗口内第三像素点的数量占比、第b个待滤波点对应的窗口内每个第三像素点的梯度评价指标、第b个待滤波点对应的窗口内每个第三像素点的梯度值、第b个待滤波点对应的窗口内每个像素点的缺陷可能性指标，得到第b个待滤波点对缺陷的表现程度值。

优选的，采用如下公式计算第b个待滤波点对缺陷的表现程度值：

其中，为第b个待滤波点对缺陷的表现程度值，/>为第b个待滤波点对应的窗口内像素点的总数量，/>为第b个待滤波点对应的窗口内第三像素点的数量，/>为第b个待滤波点对应的窗口内第t个第三像素点的梯度评价指标，/>为第b个待滤波点对应的窗口内第t个第三像素点的梯度值，/>为第b个待滤波点对应的窗口内第r个像素点的缺陷可能性指标。

优选的，所述基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数，包括：

对于第b个待滤波点：将第b个待滤波点的噪声水平评价值与第b个待滤波点对缺陷的表现程度值之间的比值的归一化结果，确定为第b个待滤波点的扩展系数。

优选的，所述基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口，包括：

对于第b个待滤波点：若第b个待滤波点的扩展系数小于预设扩展系数阈值，则将第b个待滤波点所对应的窗口作为第b个待滤波点对应的目标窗口；若第b个待滤波点的扩展系数大于或等于预设扩展系数阈值，则计算第b个待滤波点所对应的窗口的边长与第b个待滤波点的扩展系数的乘积的向上取整的结果，将第b个待滤波点所对应的窗口的边长与所述向上取整的结果的和值作为第b个待滤波点对应的目标窗口的边长，以第b个待滤波点为中心，构建边长为第b个待滤波点对应的目标窗口的边长的窗口，作为第b个待滤波点对应的目标窗口。

优选的，所述基于所述缺陷可能性指标筛选待滤波点，包括：

将缺陷可能性指标大于预设可能性阈值的像素点确定为待滤波点。

优选的，所述基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像，包括：

基于每个待滤波点对应的目标窗口，采用非局部均值滤波算法进行滤波处理，获得处理后的图像。

本发明至少具有如下有益效果：

本发明考虑到当待检测三轴转台存在锈蚀缺陷区域时，锈蚀缺陷区域表现为低灰度区域且锈蚀缺陷区域呈现棕色、红色等，因此其像素点在R通道的值较大，本发明首先根据待检测三轴转台的表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，对每个像素点属于缺陷的可能性进行评价，得到了每个像素点的缺陷可能性指标，基于缺陷可能性指标对所有像素点进行了初步筛选，获得了多个待滤波点，然后结合待滤波点对应的窗口内噪声点的分布情况，根据噪声水平评价值以及纹理特征，确定了每个待滤波点的扩展系数，根据待滤波点在图像中的特征表现对其窗口进行扩展，从而降低窗口中的噪声水平，并增加窗口中缺陷区域的特征，达到对不同待滤波点构建不同大小的目标窗口进行滤波处理的目的，获得更好的滤波效果，提高了待检测三轴转台缺陷检测结果的准确度。

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基于机器视觉的三轴转台缺陷检测方法的流程图。

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一种基于机器视觉的三轴转台缺陷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机器视觉的三轴转台缺陷检测方法的具体方案。

基于机器视觉的三轴转台缺陷检测方法实施例：

本实施例所针对的具体场景为：在利用非局部均值滤波算法对待检测三轴转台进行缺陷检测时，由于待滤波点所构建窗口中可能存在大量的噪声或并不表现缺陷区域的边缘特征，降低了像素点的滤波效果，因此可以通过对所构建的窗口大小进行自适应调整，降低窗口中的噪声水平或增加窗口中的边缘特征，从而达到较好的滤波效果，提高待检测三轴转台的缺陷检测效果。

本实施例提出了基于机器视觉的三轴转台缺陷检测方法，如图1所示，本实施例的基于机器视觉的三轴转台缺陷检测方法包括以下步骤：

步骤S1，获取待检测三轴转台的表面图像。

本实施例首先将相机正对着待检测三轴转台的表面，利用相机采集待检测三轴转台的表面的图像，需要说明的是，本实施例采集到的待检测三轴转台的表面的图像为RGB图像。对采集到的图像进行预处理，将预处理后的图像记为待检测三轴转台的表面图像。图像的预处理为现有技术，此处不再过多赘述。

至此，本实施例获取了待检测三轴转台的表面图像。

步骤S2，根据所述表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，得到每个像素点的缺陷可能性指标；基于所述缺陷可能性指标筛选待滤波点；分别以每个待滤波点为中心点，构建每个待滤波点对应的窗口；根据每个待滤波点与其对应的窗口内像素点的灰度分布，得到每个待滤波点的噪声强度评价值。

考虑到若待检测三轴转台的表面图像中存在锈蚀缺陷区域，则锈蚀缺陷区域表现为低灰度区域，同时锈蚀缺陷区域呈现棕色、红色等，因此其像素点在R通道的值较大。基于此，本实施例将根据待检测三轴转台的表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，对待检测三轴转台的表面图像中每个像素点属于缺陷像素点的可能性进行初步评价，也即获得每个像素点的缺陷可能性指标。

具体地，本实施例对待检测三轴转台的表面图像进行灰度化处理，将灰度化处理后的图像记为待检测三轴转台的灰度图像，图像灰度化处理为现有技术，此处不再过多赘述。由于待检测三轴转台的灰度图像是由待检测三轴转台的表面图像灰度化处理获得的，因此待检测三轴转台的表面图像中的像素点与待检测三轴转台的灰度图像中的像素点一一对应，因此本实施例将待检测三轴转台的灰度图像中每个像素点的灰度值作为待检测三轴转台的表面图像中对应位置像素点对应的灰度值，也即获得了待检测三轴转台的表面图像中每个像素点的灰度值。

对于所述表面图像中的第a个像素点：

首先将第a个像素点的灰度值与其预设邻域内每个像素点的灰度值之间的差值绝对值，作为第a个像素点的预设邻域内每个像素点对应的第一差异，第a个像素点的预设邻域内每个像素点对应一个第一差异；本实施例中预设邻域为八邻域，在具体应用中，实施者可根据具体情况设置邻域的大小。然后根据第a个像素点的预设邻域内所有像素点对应的第一差异、第a个像素点的灰度值和第a个像素点在R通道的值，获得第a个像素点的缺陷可能性指标，所述第一差异和所述第a个像素点的灰度值均与所述缺陷可能性指标呈负相关关系，第a个像素点在R通道的值与所述缺陷可能性指标呈正相关关系。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；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。作为具体实施方式，给出缺陷可能性指标的具体计算公式，第a个像素点的缺陷可能性指标的具体计算公式为：

其中，为第a个像素点的缺陷可能性指标，/>为第a个像素点在R通道的值，/>为第a个像素点的灰度值，K为第a个像素点的预设邻域内像素点的数量，/>为第a个像素点的预设邻域内第k个像素点的灰度值，/>为预设第一调整参数，norm( )为归一化函数，/>为取绝对值符号。

在缺陷可能性指标的计算公式中引入预设第一调整是为了防止分母为0，本实施例中预设第一调整参数为0.01，在具体应用中，实施者可根据具体情况进行设置。表示第a个像素点的预设邻域内第k个像素点对应的第一差异。当第a个像素点的预设邻域内的像素点对应的第一差异越小、第a个像素点在R通道的值越大、第a个像素点的灰度值越小时，说明第a个像素点灰度值越低并且与预设邻域像素点的灰度值越近似，第a个像素点处于缺陷区域的可能性越大，第a个像素点的缺陷可能性指标越大。

采用上述方法，能够获得待检测三轴转台的表面图像中每个像素点的缺陷可能性指标，缺陷可能性指标越大，说明对应像素点越可能为缺陷区域的像素点，本实施例将待检测三轴转台的表面图像中缺陷可能性指标大于预设可能性阈值的像素点确定为待滤波点，也即基于缺陷可能性指标对待检测三轴转台的表面图像中的所有像素点进行了初步筛选，获得了待检测三轴转台的表面图像中的待滤波点。本实施例中的预设可能性阈值为0.6，在具体应用中，实施者可根据具体情况进行设置。

本实施例分别以每个待滤波点为中心点，构建预设大小的窗口，作为每个待滤波点对应的窗口，需要说明的是，对于任一待滤波点，该待滤波点为其对应的窗口的中心点。每个待滤波点均对应一个窗口。本实施例中预设大小为，在具体应用中，实施者可根据具体情况进行设置。对于任一待滤波点对应的窗口，若窗口中存在大量噪声像素点或其内部像素点不能够表现缺陷区域的边缘特征，那么在进行非局部均值滤波的过程中，该窗口的滤波结果可能导致原本存在缺陷灰度特征的像素点不再具备该特征。因此，需要通过改变待滤波点对应窗口的大小使窗口内的噪声相对减少或能够表现缺陷区域的边缘特征，以提高滤波结果的准确性。

待检测三轴转台的表面图像在拍摄过程中，可能会出现一些噪声点，噪声点在图像中表现为离散的高亮像素点，因此本实施例遍历图像中的待滤波点分析其对应的噪声强度，根据每个待滤波点与其对应的窗口内像素点的灰度分布，得到每个待滤波点的噪声强度评价值。

具体地，对于第b个待滤波点：将第b个待滤波点对应的窗口内灰度值大于预设灰度阈值的像素点记为第一像素点；以待检测三轴转台的表面图像中左下角顶点处的像素点为坐标原点，以水平向右方向为横轴的正方向，以竖直向上方向为纵轴的正方向，构建直角坐标系，在直角坐标系中获取待检测三维转台的表面图像中每个像素点的坐标；作为其他实施方式，也可以将待检测三维转台的表面图像中其他像素点作为直角坐标系的原点，构建直角坐标系。将第b个待滤波点与其对应的窗口内每个第一像素点之间的距离记为每个第一像素点对应的距离差异；根据第b个待滤波点的灰度值和第b个待滤波点对应的窗口内所有第一像素点对应的距离差异的方差，获得第b个待滤波点的噪声强度评价值，所述第b个待滤波点的灰度值和所述方差均与所述噪声强度评价值呈正相关关系。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；作为一个具体实施方式，给出噪声强度评价值的计算公式，第b个待滤波点的噪声强度评价值的具体计算公式为：

其中，为第b个待滤波点的噪声强度评价值，/>为第b个待滤波点的灰度值，/>为第b个待滤波点对应的窗口内第一像素点的数量，/>为第b个待滤波点与其对应的窗口内所有第一像素点之间的距离的平均值，/>为第b个待滤波点与其对应的窗口内第u个第一像素点之间的距离。

表示第b个待滤波点对应的窗口内所有第一像素点对应的距离差异的方差，用于反映第b个待滤波点对应的窗口内第一像素点的离散程度；当第b个待滤波点对应的窗口内所有第一像素点对应的距离差异的方差越大、第b个待滤波点的灰度值越大时，第b个待滤波点所表现出来的噪声强度越大，也即第b个待滤波点的噪声强度评价值越大。

采用上述方法，能够获得每个待滤波点的噪声强度评价值。

步骤S3，根据每个待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值，获得每个待滤波点的噪声水平评价值；根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标，得到每个待滤波点对缺陷的表现程度值；基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数。

本实施例获得了每个待滤波点的噪声强度评价值，任意一个待滤波点对应的窗口中的噪声水平、噪声像素点的数量以及像素点对缺陷区域的表现程度都影响着窗口对当前位置特征表现的准确性，准确性越低，则对其滤波的效果越差。通过改变待滤波点所构建的窗口大小可以在一定程度上降低这些影响因素对图像特征表现的准确性，从而提高滤波结果的准确性。

若待滤波点对应的窗口中待滤波点的噪声强度评价值越大，同时窗口中强度评价值大的像素点在窗口中的数量占比越大，则待滤波点对应的窗口中的噪声水平越大。同时，待滤波点对应的窗口中噪声点与待滤波点的平均距离越小，窗口中噪声点对待滤波点的影响越大，其噪声水平越大。基于此，本实施例根据每个待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值，获得每个待滤波点的噪声水平评价值，第b个待滤波点的噪声水平评价值：

其中，为第b个待滤波点的噪声水平评价值，/>为第b个待滤波点对应的窗口内像素点的总数量，/>为第b个待滤波点对应的窗口内待滤波点的数量，/>为第b个待滤波点对应的窗口内第i个待滤波点的噪声强度评价值，/>为第b个待滤波点对应的窗口内的第二像素点的数量，/>为第b个待滤波点对应的窗口内第j个第二像素点的横坐标，/>为第b个待滤波点的横坐标，/>为第b个待滤波点对应的窗口内第j个第二像素点的纵坐标，/>为第b个待滤波点的纵坐标，/>为预设第二调整参数，/>大于0。

第b个待滤波点对应的窗口内的第二像素点的获取过程为：将第b个待滤波点对应的窗口内噪声强度评价值大于预设噪声强度阈值的待滤波点确定为第b个待滤波点对应的窗口内的第二像素点。

本实施例在噪声水平评价值的计算公式中引入预设第二调整参数是为了防止分母为0，本实施例中预设第二调整参数为0.01，在具体应用中，实施者可根据具体情况进行设置。表示第b个待滤波点对应的窗口内第二像素点的数量占比；用于表征第b个待滤波点与其对应的窗口内的第二像素点的平均位置差异情况；当第b个待滤波点对应的窗口内待滤波点的数量占比越大、第b个待滤波点与其对应的窗口内的第二像素点的平均位置差异越小、第b个待滤波点对应的窗口内待滤波点的噪声强度评价值越大时，说明第b个待滤波点受噪声的影响越大，也即第b个待滤波点的噪声水平评价值越大。

采用上述方法，能够获得每个待滤波点的噪声水平评价值。由于锈蚀缺陷区域与三轴转台表面正常区域像素点的灰度值存在较大差异，因此缺陷区域与正常区域之间存在梯度变化，当窗口中存在越多梯度变化较大的像素点、像素点的梯度值越大时，则当前窗口中像素点对缺陷区域特征的表现程度越高。基于此，本实施例将根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标，对每个待滤波点的缺陷表现程度进行评价，得到每个待滤波点对缺陷的表现程度值。首先采用索贝尔（sobel）算子对待检测三维转台的表面图像中的像素点进行处理，获得每个像素点的梯度值和梯度方向。

对于第b个待滤波点：

将第b个待滤波点对应的窗口内梯度值大于预设梯度阈值的待滤波点确定为第三像素点；本实施例中预设梯度阈值为60，在具体应用中，实施者可根据具体情况进行设置。

对于第b个待滤波点对应的窗口内第t个第三像素点：在第t个第三像素点对应的窗口内，将第t个第三像素点的梯度方向的垂直方向上的像素点作为第t个第三像素点的参考像素点；分别将第t个第三像素点与其每个参考像素点之间的梯度值的差值绝对值，记为第t个第三像素点的每个参考像素点的梯度差异；根据第t个第三像素点与其每个参考像素点之间的距离、第t个第三像素点的每个参考像素点的梯度差异和第t个第三像素点的噪声强度评价值，得到第t个第三像素点的梯度评价指标，所述梯度差异与所述梯度评价指标呈正相关关系，所述第t个第三像素点与其每个参考像素点之间的距离以及第t个第三像素点的噪声强度评价值均与所述梯度评价指标呈负相关关系；根据第b个待滤波点对应的窗口内第三像素点的数量占比、第b个待滤波点对应的窗口内每个第三像素点的梯度评价指标、第b个待滤波点对应的窗口内每个第三像素点的梯度值、第b个待滤波点对应的窗口内每个像素点的缺陷可能性指标，计算第b个待滤波点对缺陷的表现程度值，第b个待滤波点对应的窗口内第t个第三像素点的梯度评价指标以及第b个待滤波点对缺陷的表现程度值的具体计算公式分别为：

其中，为第b个待滤波点的噪声强度评价值，/>为第b个待滤波点对应的窗口内第t个第三像素点的参考像素点的数量，/>为第b个待滤波点对应的窗口内第t个第三像素点与其第v个参考像素点之间的距离，/>为第b个待滤波点对应的窗口内第t个第三像素点的第v个参考像素点的梯度值，/>为取绝对值符号，/>为第b个待滤波点对缺陷的表现程度值，/>为第b个待滤波点对应的窗口内像素点的总数量，/>为第b个待滤波点对应的窗口内第三像素点的数量，/>为第b个待滤波点对应的窗口内第t个第三像素点的梯度评价指标，/>为第b个待滤波点对应的窗口内第t个第三像素点的梯度值，/>为第b个待滤波点对应的窗口内第r个像素点的缺陷可能性指标。

用于表示第b个待滤波点对应的窗口内第t个第三像素点的第v个参考像素点的梯度差异，当第b个待滤波点对应的窗口内第t个第三像素点的参考像素点的梯度差异越大、第b个待滤波点对应的窗口内第t个第三像素点与其参考像素点的距离越近、第b个待滤波点的噪声强度评价值越小时，第t个第三像素点的梯度评价指标越大。/>表示第b个待滤波点对应的窗口内第三像素点的数量占比；当第b个待滤波点对应的窗口内第三像素点的数量占比越大、梯度评价指标越大、梯度值越大、第b个待滤波点对应的窗口内第r个像素点的缺陷可能性指标越大时，说明第b个待滤波点对缺陷的表现程度越明显，也即第b个待滤波点对缺陷的表现程度值越大。

采用上述方法，能够获得每个待滤波点对缺陷的表现程度值。

待滤波点的噪声水平评价值越大、待滤波点对缺陷的表现程度值越小时，说明待滤波点对应的窗口中的噪声点越多且噪声点越密集，对待滤波点进行滤波处理时为了减小噪声的影响，应当通过扩展窗口大小使得窗口内噪声水平降低。因此本实施例将基于每个待滤波点的噪声水平评价值和每个待滤波点对缺陷的表现程度值确定每个待滤波点的扩展系数。

具体地，对于第b个待滤波点：将第b个待滤波点的噪声水平评价值与第b个待滤波点对缺陷的表现程度值之间的比值的归一化结果，确定为第b个待滤波点的扩展系数。第b个待滤波点的扩展系数的具体计算公式为：

其中，为第b个待滤波点的扩展系数，/>为第b个待滤波点的噪声水平评价值，为第b个待滤波点对缺陷的表现程度值。

当第b个待滤波点的噪声水平评价值越大、第b个待滤波点对缺陷的表现程度值越小时，说明第b个待滤波点对应的窗口中的噪声点越多且噪声点越密集，对当前窗口进行滤波由于噪声的影响会导致窗口的滤波结果差，因此应当通过扩展窗口大小使得窗口内噪声水平降低，即第b个待滤波点的扩展系数越大。

采用上述方法，能够获得待检测三维转台的表面图像中每个待滤波点的扩展系数。

步骤S4，基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口，基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像，基于所述处理后的图像判断待检测三轴转台是否存在缺陷。

本实施例获得了每个待滤波点的扩展系数，扩展系数越大，在采用非局部均值滤波算法对其进行滤波处理时，越应当扩展窗口大小。因此本实施例将基于扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口。

具体地，对于第b个待滤波点：若第b个待滤波点的扩展系数小于预设扩展系数阈值，则将第b个待滤波点所对应的窗口作为第b个待滤波点对应的目标窗口，也即此时不对第b个待滤波点所对应的窗口进行调整；若第b个待滤波点的扩展系数大于或等于预设扩展系数阈值，则计算第b个待滤波点所对应的窗口的边长与第b个待滤波点的扩展系数的乘积的向上取整的结果，将第b个待滤波点所对应的窗口的边长与所述向上取整的结果的和值作为第b个待滤波点对应的目标窗口的边长，以第b个待滤波点为中心，构建边长为第b个待滤波点对应的目标窗口的边长的窗口，作为第b个待滤波点对应的目标窗口。本实施例中预设扩展系数阈值为0.3，在具体应用中，实施者可根据具体情况进行设置。采用上述方法，能够获得待检测三维转台的表面图像中每个待滤波点对应的目标窗口。

基于待检测三维转台的表面图像中每个待滤波点对应的目标窗口，采用非局部均值滤波算法进行滤波处理，获得处理后的图像。非局部均值滤波算法为现有技术，此处不再过多赘述。接下来本实施例将基于处理后的图像对待检测三维转台进行缺陷检测，具体地，可以通过比较处理后的图像中的像素点与标准图像之间像素点的灰度差异，当灰度差异大于预设度差异阈值时，判定处理后图像中的像素点为缺陷像素点，统计处理后的图像中缺陷像素点的数量，若缺陷像素点的数量大于预设数量阈值，则判定待检测三维转台存在缺陷；若缺陷像素点的数量小于或等于预设数量阈值，则判定待检测三维转台不存在缺陷。本实施例中预设数量阈值为处理后的图像的像素点的总数量的5%，预设度差异阈值为10，在具体应用中，实施者可根据具体情况进行设置。需要说明的是，本实施例中标准图像为与待检测三维转台型号、尺寸完全相同，且不存在缺陷的三维转台的灰度图像。作为其他实施方式，也可将处理后的图像输入到语义分割网络中，提取缺陷区域，若缺陷区域的像素点数量大于预设数量阈值，则判定待检测三维转台存在缺陷；若缺陷像素点的数量小于或等于预设数量阈值，则判定待检测三维转台不存在缺陷。

至此，采用本实施例提供的方法，完成了对待检测三轴转台的缺陷检测。

本实施例考虑到当待检测三轴转台存在锈蚀缺陷区域时，锈蚀缺陷区域表现为低灰度区域且锈蚀缺陷区域呈现棕色、红色等，因此其像素点在R通道的值较大，本实施例首先根据待检测三轴转台的表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，对每个像素点属于缺陷的可能性进行评价，得到了每个像素点的缺陷可能性指标，基于缺陷可能性指标对所有像素点进行了初步筛选，获得了多个待滤波点，然后结合待滤波点对应的窗口内噪声点的分布情况，根据噪声水平评价值以及纹理特征，确定了每个待滤波点的扩展系数，根据待滤波点在图像中的特征表现对其窗口进行扩展，从而降低窗口中的噪声水平，并增加窗口中缺陷区域的特征，达到对不同待滤波点构建不同大小的目标窗口进行滤波处理的目的，获得更好的滤波效果，提高了待检测三轴转台缺陷检测结果的准确度。

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 (10)

1.一种基于机器视觉的三轴转台缺陷检测方法，其特征在于，该方法包括以下步骤：

获取待检测三轴转台的表面图像；

根据所述表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，得到每个像素点的缺陷可能性指标；基于所述缺陷可能性指标筛选待滤波点；分别以每个待滤波点为中心点，构建每个待滤波点对应的窗口；根据每个待滤波点与其对应的窗口内像素点的灰度分布，得到每个待滤波点的噪声强度评价值；

根据每个待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值，获得每个待滤波点的噪声水平评价值；根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标，得到每个待滤波点对缺陷的表现程度值；基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数；

基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口，基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像，基于所述处理后的图像判断待检测三轴转台是否存在缺陷。

2.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述根据所述表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异，得到每个像素点的缺陷可能性指标，包括：

对于所述表面图像中的第a个像素点：

将第a个像素点的灰度值与其预设邻域内每个像素点的灰度值之间的差值绝对值，作为第a个像素点的预设邻域内每个像素点对应的第一差异；

根据第a个像素点的预设邻域内所有像素点对应的第一差异、第a个像素点的灰度值和第a个像素点在R通道的值，获得第a个像素点的缺陷可能性指标，所述第一差异和所述第a个像素点的灰度值均与所述缺陷可能性指标呈负相关关系，第a个像素点在R通道的值与所述缺陷可能性指标呈正相关关系。

3.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述根据每个待滤波点与其对应的窗口内像素点的灰度分布，得到每个待滤波点的噪声强度评价值，包括：

对于第b个待滤波点：

将第b个待滤波点对应的窗口内灰度值大于预设灰度阈值的像素点记为第一像素点；将第b个待滤波点与其对应的窗口内每个第一像素点之间的距离记为每个第一像素点对应的距离差异；

根据第b个待滤波点的灰度值和第b个待滤波点对应的窗口内所有第一像素点对应的距离差异的方差，获得第b个待滤波点的噪声强度评价值，所述第b个待滤波点的灰度值和所述方差均与所述噪声强度评价值呈正相关关系。

4.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，采用如下公式计算第b个待滤波点的噪声水平评价值：

其中，为第b个待滤波点的噪声水平评价值，/>为第b个待滤波点对应的窗口内像素点的总数量，/>为第b个待滤波点对应的窗口内待滤波点的数量，/>为第b个待滤波点对应的窗口内第i个待滤波点的噪声强度评价值，/>为第b个待滤波点对应的窗口内的第二像素点的数量，/>为第b个待滤波点对应的窗口内第j个第二像素点的横坐标，/>为第b个待滤波点的横坐标，/>为第b个待滤波点对应的窗口内第j个第二像素点的纵坐标，/>为第b个待滤波点的纵坐标，/>为预设第二调整参数，/>大于0；

第b个待滤波点对应的窗口内的第二像素点的获取过程为：将第b个待滤波点对应的窗口内噪声强度评价值大于预设噪声强度阈值的待滤波点确定为第b个待滤波点对应的窗口内的第二像素点。

5.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标，得到每个待滤波点对缺陷的表现程度值，包括：

对于第b个待滤波点：

将第b个待滤波点对应的窗口内梯度值大于预设梯度阈值的待滤波点确定为第三像素点；

对于第b个待滤波点对应的窗口内第t个第三像素点：在第t个第三像素点对应的窗口内，将第t个第三像素点的梯度方向的垂直方向上的像素点作为第t个第三像素点的参考像素点；分别将第t个第三像素点与其每个参考像素点之间的梯度值的差值绝对值，记为第t个第三像素点的每个参考像素点的梯度差异；根据第t个第三像素点与其每个参考像素点之间的距离、第t个第三像素点的每个参考像素点的梯度差异和第t个第三像素点的噪声强度评价值，得到第t个第三像素点的梯度评价指标，所述梯度差异与所述梯度评价指标呈正相关关系，所述第t个第三像素点与其每个参考像素点之间的距离以及第t个第三像素点的噪声强度评价值均与所述梯度评价指标呈负相关关系；

根据第b个待滤波点对应的窗口内第三像素点的数量占比、第b个待滤波点对应的窗口内每个第三像素点的梯度评价指标、第b个待滤波点对应的窗口内每个第三像素点的梯度值、第b个待滤波点对应的窗口内每个像素点的缺陷可能性指标，得到第b个待滤波点对缺陷的表现程度值。

6.根据权利要求5所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，采用如下公式计算第b个待滤波点对缺陷的表现程度值：

其中，为第b个待滤波点对缺陷的表现程度值，/>为第b个待滤波点对应的窗口内像素点的总数量，/>为第b个待滤波点对应的窗口内第三像素点的数量，/>为第b个待滤波点对应的窗口内第t个第三像素点的梯度评价指标，/>为第b个待滤波点对应的窗口内第t个第三像素点的梯度值，/>为第b个待滤波点对应的窗口内第r个像素点的缺陷可能性指标。

7.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数，包括：

对于第b个待滤波点：将第b个待滤波点的噪声水平评价值与第b个待滤波点对缺陷的表现程度值之间的比值的归一化结果，确定为第b个待滤波点的扩展系数。

8.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口，包括：

对于第b个待滤波点：若第b个待滤波点的扩展系数小于预设扩展系数阈值，则将第b个待滤波点所对应的窗口作为第b个待滤波点对应的目标窗口；若第b个待滤波点的扩展系数大于或等于预设扩展系数阈值，则计算第b个待滤波点所对应的窗口的边长与第b个待滤波点的扩展系数的乘积的向上取整的结果，将第b个待滤波点所对应的窗口的边长与所述向上取整的结果的和值作为第b个待滤波点对应的目标窗口的边长，以第b个待滤波点为中心，构建边长为第b个待滤波点对应的目标窗口的边长的窗口，作为第b个待滤波点对应的目标窗口。

9.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述基于所述缺陷可能性指标筛选待滤波点，包括：

将缺陷可能性指标大于预设可能性阈值的像素点确定为待滤波点。

10.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法，其特征在于，所述基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像，包括：

基于每个待滤波点对应的目标窗口，采用非局部均值滤波算法进行滤波处理，获得处理后的图像。