CN117830139B - 一种高强度冲压件缺陷检测方法 - Google Patents
一种高强度冲压件缺陷检测方法 Download PDFInfo
- Publication number
- CN117830139B CN117830139B CN202410233127.1A CN202410233127A CN117830139B CN 117830139 B CN117830139 B CN 117830139B CN 202410233127 A CN202410233127 A CN 202410233127A CN 117830139 B CN117830139 B CN 117830139B
- Authority
- CN
- China
- Prior art keywords
- gray
- pixel point
- analysis
- stamping part
- image
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims description 199
- 238000001914 filtration Methods 0.000 claims description 18
- 230000002146 bilateral effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000003014 reinforcing effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001965 increasing effect Effects 0.000 abstract description 4
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 239000002184 metal Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像增强技术领域,具体涉及一种高强度冲压件缺陷检测方法。该方法获取冲压件图像中像素点的综合灰度特征值;根据原始冲压件灰度图像中像素点与在每个尺度的子冲压件灰度图像中对应的匹配像素点的预设范围内像素点的综合灰度特征值分布情况之间的差异,获取原始冲压件灰度图像中像素点的边缘显著度;利用其对预设灰度值标准差进行调整,基于调整后灰度值标准差对原始冲压件灰度图像进行增强获取冲压件增强灰度图像进行缺陷检测。本发明基于边缘显著度对预设灰度值标准差进行自适应调整,抑制图像中噪声点,提高图像去噪效率,增加高强度冲压件缺陷检测的准确率。
Description
技术领域
本发明涉及图像增强技术领域,具体涉及一种高强度冲压件缺陷检测方法。
背景技术
冲压技术作为五金行业的常用技术,在制作冲压件时,由于冲压本身操作不当或者获取的冲压材料本身问题会导致制作的冲压件存在缺陷,降低工件精度,进而影响工件的使用寿命,因此,在进行工件冲压后需要对冲压件进行缺陷检测,判断冲压效果。
现有技术通过双边滤波对冲压件图像进行去噪处理,保留冲压件图像中有效的缺陷边缘;但是当双边滤波算法中预设的灰度值标准差设置不合理时,容易导致去噪后图像中噪声信息去噪不彻底,导致图像增强效果较差,使得噪声点影响冲压件缺陷边缘检测,降低高强度冲压件缺陷检测的准确率。
发明内容
为了解决双边滤波算法中预设的灰度值标准差设置不合理,使图像增强效果较差进而降低高强度冲压件缺陷检测的准确率的技术问题,本发明的目的在于提供一种高强度冲压件缺陷检测方法,所采用的技术方案具体如下:
本发明提出了一种高强度冲压件缺陷检测方法,该方法包括:
获取待测高强度冲压件的原始冲压件灰度图像;
对原始冲压件灰度图像通过图像金字塔进行采样,得到不同尺度的子冲压件灰度图像;将原始冲压件灰度图像与每个尺度的子冲压件灰度图像作为冲压件图像;获取冲压件图像中各像素点的邻近像素点,结合冲压件图像中每个像素点与其邻近像素点的第一预设窗口内灰度分布之间的差异和梯度角度之间的差异,以及每个像素点在不同预设方向上像素点的灰度值分布,获取冲压件图像中每个像素点的综合灰度特征值;
根据原始冲压件灰度图像中每个像素点与所述像素点在每个尺度的子冲压件灰度图像中对应的匹配像素点的预设范围内像素点的所述综合灰度特征值分布情况之间的差异,获取原始冲压件灰度图像中每个像素点的边缘显著度;
依据所述边缘显著度对双边滤波算法中预设灰度值标准差进行调整,得到原始冲压件灰度图像中每个像素点的调整后灰度值标准差;基于调整后灰度值标准差利用双边滤波算法对原始冲压件灰度图像进行增强,得到冲压件增强图像;
根据冲压件增强图像对高强度冲压件进行缺陷检测。
进一步地,所述获取冲压件图像中各像素点的邻近像素点,结合冲压件图像中每个像素点与其邻近像素点的第一预设窗口内灰度分布之间的差异和梯度角度之间的差异,以及每个像素点在不同预设方向上像素点的灰度值分布,获取冲压件图像中每个像素点的综合灰度特征值的方法,包括:
选取冲压件图像中任意一个像素点作为分析像素点;将分析像素点的第一预设窗口的预设邻域范围内第一预设窗口的中心位置的像素点,作为分析像素点的邻近像素点;
将分析像素点的第一预设窗口内像素点的灰度值的方差作为分析像素点的灰度离散值;计算分析像素点的第一预设窗口内像素点的灰度值的均值作为分析像素点的灰度局部均值;将所述灰度离散值与所述灰度局部均值的乘积作为分析像素点的综合灰度分布值;
依据分析像素点与其邻近像素点的所述综合灰度分布值之间的差异和梯度角度之间的差异,获取分析像素点的局部灰度特征值;根据分析像素点在不同预设方向上像素点的灰度值分布,获取分析像素点的整体灰度特征值;
根据所述局部灰度特征值与所述整体灰度特征值,获取分析像素点的综合灰度特征值;所述局部灰度特征值与所述整体灰度特征值均与所述综合灰度特征值为正相关关系。
进一步地在于,所述获取分析像素点的局部灰度特征值的方法,包括:
利用Sobel算子获取分析像素点在每个卷积后梯度方向上的梯度幅值与分析像素点的梯度角度;
选取分析像素点的任意两个卷积后梯度方向作为分析梯度方向,计算两个所述分析梯度方向上的梯度幅值之间的差值绝对值作为梯度差异值;将最大的所述梯度差异值作为分析像素点的梯度显著值;
计算分析像素点分别与每个所述邻近像素点的所述综合灰度分布值之间的差值绝对值,作为分析像素点与每个所述邻近像素点之间的灰度分布差异值;
将最小的所述灰度分布差异值对应的邻近像素点作为分析像素点的目标像素点;将分析像素点与所述目标像素点的梯度角度之间差值绝对值作为分析像素点的灰度分布有效度;
根据分析像素点的所述梯度显著值、所述灰度分布有效度以及分析像素点与其目标像素点之间的灰度分布差异度,获取分析像素点的局部灰度特征值;所述梯度显著值与所述局部灰度特征值为正相关的关系,所述灰度分布有效度与所述灰度分布差异度与所述局部灰度特征值为负相关的关系。
进一步地,所述根据分析像素点在不同预设方向上像素点的灰度值分布,获取分析像素点的整体灰度特征值的方法,包括:
选取分析像素点的任意一个预设方向作为分析方向,在分析像素点的第二预设窗口内,将分析像素点在分析方向上的像素点作为分析方向上的特征像素点;设置所述特征像素点的编号;
以编号为横轴,灰度值为纵轴建立二维坐标系,将所述特征像素点在所述二维坐标系中进行标注得到对应特征像素点的坐标点;对所述坐标点进行曲线拟合,得到分析像素点在分析方向上的灰度曲线段;计算所述灰度曲线段上坐标点的斜率的方差作为分析像素点在分析方向上的灰度波动值;
由分析像素点的分析方向,以及与分析方向相反的预设方向构成分析像素点的匹配方向对;依据分析像素点在各匹配方向对内每个预设方向上的所述灰度波动值之间的差异,获取分析像素点的整体灰度特征值。
进一步地,所述分析像素点的整体灰度特征值的计算公式如下:
,;式中,T为分析像素点的所述整体灰度特征值;K为分析像素点的方向集合,所述方向集合由分析像素点的所有匹配方向对构成;/>为分析像素点在所述方向集合中第k个匹配方向对与第h个匹配方向对的分布关联度;/>为分析像素点在所述方向集合中第k个匹配方向对内第一个预设方向上的所述灰度波动值;/>为分析像素点在所述方向集合中第k个匹配方向对内第二个预设方向上的所述灰度波动值;/>为分析像素点在所述方向集合中第h个匹配方向对内第一个预设方向上的所述灰度波动值;/>为分析像素点在所述方向集合中第h个匹配方向对内第二个预设方向上的所述灰度波动值;/>为绝对值函数;max为最大值函数;exp为子自然常数e为底数的指数函数。
进一步地,所述获取原始冲压件灰度图像中每个像素点的边缘显著度的方法,包括:
选取冲压件图像中任意一个像素点作为待测像素点,在待测像素点的第三预设窗口内,将待测像素点在每个预设方向上像素点的所述综合灰度特征值的方差,作为待测像素点在每个预设方向上方向波动度;将最小的所述方向波动度作为待测像素点的局部波动度;
结合原始冲压件灰度图像中每个像素点与所述像素点在每个尺度的子冲压件灰度图像中对应的匹配像素点的所述综合灰度特征值之间的差异,以及所述局部波动度之间的差异,对原始冲压件灰度图像中每个像素点的所述综合灰度特征值进行调整,得到原始冲压件灰度图像中每个像素点的边缘显著度。
进一步地,所述原始冲压件灰度图像中每个像素点的边缘显著度的计算公式如下:
;式中,/>为原始冲压件灰度图像中第i个像素点的边缘显著度;/>为原始冲压件灰度图像中第i个像素点的综合灰度特征值;/>为原始冲压件灰度图像中第i个像素点的所述局部波动度;/>为原始冲压件灰度图像中第i个像素点在第z个尺度的子冲压件灰度图像中对应的匹配像素点的综合灰度特征值;/>为原始冲压件灰度图像中第i个像素点在第z个尺度的子冲压件灰度图像中对应的匹配像素点的所述局部波动度;N为原始冲压件灰度图像对应的不同尺度的子冲压件灰度图像的总数量;exp为以自然常数e为底数的指数函数;Norm为归一化函数;/>为绝对值函数。
进一步地,所述原始冲压件灰度图像中每个像素点的调整后灰度值标准差的获取方法,包括:
对于原始冲压件灰度图像中每个像素点,将像素点的所述边缘显著度进行负相关映射得到像素点的灰度调整系数;将所述灰度调整系数与预设灰度值标准差的乘积,作为像素点的调整后灰度值标准差。
进一步地,所述根据冲压件增强图像对高强度冲压件进行缺陷检测的方法,包括:
由对冲压件增强图像进行边缘检测得到的边缘构成的连通域作为高强度冲压件的缺陷区域。
进一步地,所述对原始冲压件灰度图像通过图像金字塔进行采样的方法为利用高斯金字塔进行下采样。
本发明具有如下有益效果:
在本发明实施例中,由于缺陷区域的边缘位置像素点在进行尺度变换时其边界信息会被较好的保留情况,随机噪声点的灰度变化差异较大,不同尺度下的稳定性较差,因此对原始冲压件进行尺度变化,对每个冲压件图像进行灰度特征分析;本实施例从冲压件图像中像素点周围邻近像素点的灰度特征表征局部位置的灰度分布情况,以及像素点在图像中整体灰度分布情况两方面,综合全面地分析像素点的综合灰度特征值,提高综合特征值表征灰度分布特征的准确性;原始冲压件灰度图像中像素点在不同尺度的子冲压件灰度图像中的匹配像素点的周围像素灰度特征分布反映稳定尺度变化的稳定程度,进而获取边缘显著度,呈现像素点处于有效缺陷边缘位置的可能性;基于边缘显著度对预设灰度值标准差进行自适应调整,噪声点调整后灰度值标准差较大,有利于较好地去除噪声信息,而有效缺陷边缘像素点调整后灰度值标准差较小,能保存细节信息,提高原始冲压件灰度图像的增强效果,提升高强度冲压件缺陷检测的准确率。
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高强度冲压件缺陷检测方法的方法流程图。
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高强度冲压件缺陷检测方法,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高强度冲压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高强度冲压件缺陷检测方法的方法流程图,该方法包括:
步骤S1:获取待测高强度冲压件的原始冲压件灰度图像。
具体的,利用可见光摄像头拍摄高强度冲压件的图像,得到初始冲压件图像,该图像为RGB图像。对初始冲压件图像进行灰度化处理,得到原始冲压件灰度图像。
需要说明的是,本发明实施例中选用加权平均灰度化算法进行灰度化处理,具体方法在此不做介绍,为本领域技术人员熟知的技术手段。在本发明其他实施例中也可选用其他图像采集装置及图像预处理算法,图像采集和图像预处理算法均为本领域技术人员熟知的技术手段,在此不做限定。
步骤S2:对原始冲压件灰度图像通过图像金字塔进行采样,得到不同尺度的子冲压件灰度图像;将原始冲压件灰度图像与每个尺度的子冲压件灰度图像作为冲压件图像;获取冲压件图像中各像素点的邻近像素点,结合冲压件图像中每个像素点与其邻近像素点的第一预设窗口内灰度分布之间的差异和梯度角度之间的差异,以及每个像素点在不同预设方向上像素点的灰度值分布,获取冲压件图像中每个像素点的综合灰度特征值。
金属制品的冲压件存在一定金属光泽,对冲压件进行缺陷检测的问题通常为因冲压失误导致冲压件破损与表面不光滑等问题。存在缺陷的冲压件一般会破坏金属表面的平整性,折痕部分出现反光会造成明显边界;或冲压件的表面可能出现橘皮现象,使冲压件表面凹凸不平,从而形成明显边缘。在图像采集过程中存在噪声,噪声影响冲压件缺陷检测的准确率,因此,需要对原始冲压件灰度图像进行去噪处理,保留图像中的缺陷区域的边缘信息。
噪声点在图像中离散分布,而金属表面“橘皮”区域分布较为聚集且冲压件表面折痕部分面积通常集中分布且分布较广,因此,噪声点的周围像素点的灰度分布较为相似,而缺陷区域的周围像素点存在较大的灰度差异;综合灰度特征值呈现像素点与其周围像素的灰度分布情况。
由于缺陷区域的边缘位置像素点在进行尺度变换时其边界信息会被较好的保留情况,随机噪声点的灰度变化差异较大,不同尺度下的稳定性较差,则本发明实施例中对原始冲压件灰度图像利用高斯金字塔进行下采样,得到不同尺度的子冲压件灰度图像。根据像素点在不同尺度下灰度变化稳定情况,确定像素点属于噪声点或者有效边缘像素点,以便依据具体情况自适应调整双边滤波算法中的预设灰度值标准差。
其中,高斯金字塔与下采样方法均为本领域技术人员公知技术,在此不再赘述。
本实施例中将像素点的邻近像素点视为像素点周围像素,像素点与其邻近像素点的周围灰度分布与梯度角度差异从局部分析像素点的灰度特征,而像素点在不同预设方向上像素灰度值分布从整体分析像素点的灰度特征,综合两种情况进行分析,提高综合灰度特征值表现像素点的周围灰度分布情况的准确率。
冲压件图像中像素点的综合灰度特征值的获取步骤具体如下:
(1)获取冲压件图像中像素点的局部灰度特征值。
选取冲压件图像中任意一个像素点作为分析像素点;将分析像素点的第一预设窗口的预设邻域范围内第一预设窗口的中心位置的像素点,作为分析像素点的邻近像素点;将分析像素点的第一预设窗口内像素点的灰度值的方差作为分析像素点的灰度离散值;计算分析像素点的第一预设窗口内像素点的灰度值的均值作为分析像素点的灰度局部均值;将灰度离散值与灰度局部均值的乘积作为分析像素点的综合灰度分布值。
需要说明的是,本发明实施例中第一预设窗口的尺寸为经验值,分析像素点位于其第一预设窗口的中心位置,预设邻域取八邻域,实施者可根据具体情况自行设置。可以将像素点的第一预设窗口视为一个特殊像素点进行分析,分析像素点的第一预设窗口的预设邻域范围内第一预设窗口相当于特征像素点的八邻域内像素点,邻域内像素点实际上为像素点的第一预设窗口,本实施例中分析像素点有8个邻近像素点。
优选地,局部分布特征值的具体获取方法为:利用Sobel算子获取分析像素点在每个卷积后梯度方向上的梯度幅值与分析像素点的梯度角度;选取分析像素点的任意两个卷积后梯度方向作为分析梯度方向,计算两个分析梯度方向上的梯度幅值之间的差值绝对值作为梯度差异值;将最大的梯度差异值作为分析像素点的梯度显著值;计算分析像素点分别与每个邻近像素点的综合灰度分布值之间的差值绝对值,作为分析像素点与每个邻近像素点之间的灰度分布差异值;将最小的灰度分布差异值对应的邻近像素点作为分析像素点的目标像素点;将分析像素点与目标像素点的最终运算的梯度角度之间差值绝对值作为分析像素点的灰度分布有效度;根据分析像素点的梯度显著值、灰度分布有效度以及分析像素点与其目标像素点之间的灰度分布差异度,获取分析像素点的局部灰度特征值;梯度显著值与局部灰度特征值为正相关的关系,灰度分布有效度与灰度分布差异度与局部灰度特征值为负相关的关系。
需要说明的是,Sobel算子获取分析像素点在每个卷积后梯度方向上的梯度幅值,卷积后梯度方向实际为Sobel算子的非极大值阈值过程中像素点的梯度方向,而分析像素点的梯度角度实际为最终计算得到的梯度角度。其中,Sobel算子的非极大值阈值过程中像素点的梯度方向上的梯度幅值为本领域技术人员公知技术,在此不再赘述。
分析像素点的局部灰度特征值的计算公式如下:
式中,D为分析像素点的局部灰度特征值;HX为分析像素点的梯度显著值;J为分析像素点的邻近点集合,该邻近点集合由分析像素点的所有邻近像素点构成的集合;为分析像素点与其邻近点集合中第j个邻近像素点之间的灰度分布差异值;/>为分析像素点的灰度离散值;/>为分析像素点的灰度局部均值;/>为分析像素点的邻近点集合中第j个邻近像素点的灰度离散值;/>为分析像素点的邻近点集合中第j个邻近像素点的灰度局部均值;/>为分析像素点的梯度角度;/>为分析像素点的目标像素点的梯度角度;/>为分析像素点的灰度分布有效度;Norm为归一化函数;exp为以自然常数e为底数的指数函数;/>为绝对值函数;cos为余弦函数。
需要说明的是,本实施例利用Sobel算子原理分析像素点的特殊性,噪声的各个方向上的梯度都较大,则当梯度显著值HX越小,分析像素点为噪声像素点的可能性越大;当梯度显著值HX越大时,分析像素点的各个方向上梯度幅值差异越大,局部灰度特征值D越大,说明分析像素点的显著性越好,其为噪声点的可能性越低,分析像素点为有效边界信息的可能性越大。
呈现分析像素点的第一预设窗口内像素点的灰度分布情况,/>衡量分析像素点与其邻近像素点的周围灰度分布越相似情况,通过/>准确衡量两个像素点之间的相似程度;当/>越小,分析像素点在局部范围内的灰度关联性越好,分析像素点为噪声点的可能性越小,为有效边界信息的可能性越大,则局部灰度特征值D越大。基于/>获取分析像素点的目标像素点,分析像素点与其目标像素点的周围灰度分布最相似,利用两个像素点的梯度角度的差异/>调整,使得/>表现灰度分布相似性越有效,提高分析像素点呈现有效边界信息的准确性;/>反映分析像素点与其周围邻域的梯度方向分布一致性的有效程度,当/>越小时,分析像素点与其邻近像素点的灰度分布一致性越好。
(2)获取冲压件图像中像素点的整体灰度特征值。
局部灰度特征值从局部信息考虑分析像素点的灰度分布情况,为提高像素点的灰度分布的准确性,考虑分析像素点在整张图像的灰度分布情况。根据分析像素点在不同预设方向上像素点的灰度值分布,获取分析像素点的整体灰度特征值。
优选地,整体灰度特征值的具体获取方法为:选取分析像素点的任意一个预设方向作为分析方向,在分析像素点的第二预设窗口内,将分析像素点在分析方向上的像素点作为分析方向上的特征像素点;设置特征像素点的编号;以编号为横轴,灰度值为纵轴建立二维坐标系,将特征像素点在二维坐标系中进行标注得到对应特征像素点的坐标点;对坐标点进行曲线拟合,得到分析像素点在分析方向上的灰度曲线段;计算灰度曲线段上坐标点的斜率的方差作为分析像素点在分析方向上的灰度波动值;由分析像素点的分析方向,以及与分析方向相反的预设方向构成分析像素点的匹配方向对;依据分析像素点在各匹配方向对内每个预设方向上的灰度波动值之间的差异,获取分析像素点的整体灰度特征值。
需要说明的是,在本发明实施例中,分析像素点分别指向其八邻域内像素点的方向为分析像素点的预设方向,分析像素点共有八个预设方向。本发明实施例中第二预设窗口为以分析像素点为中心,半径为20的圆形窗口,实施者可根据具体情况自行设置。以分析像素点的分析方向为例进行分析,本实施例考虑分析像素点的整体灰度情况,为避免选取的区域过大影响计算准确率,在分析像素点的第二预设窗口内选取像素点进行分析;对于分析像素点在分析方向上的特征像素点,将位于分析像素点的八邻域内特征像素点的编号设置为1,沿分析像素点的分析方向,特征像素点的编号依次增加,完成对分析像素点在分析方向上像素点的编号。选取最小二乘法对分析像素点在分析方向上的特征像素点在二维坐标系中对应坐标点进行曲线拟合。灰度曲线段上每个坐标点与其后一个坐标点的纵坐标之差与横坐标之差的比值,得到每个坐标点的斜率,灰度曲线段上最后一个坐标点没有斜率。其中,最小二乘法为本领域技术人员公知技术,在此不再赘述。
分析像素点的整体灰度特征值的计算公式如下:
式中,T为分析像素点的整体灰度特征值;K为分析像素点的方向集合,方向集合由分析像素点的所有匹配方向对构成;为分析像素点在方向集合中第k个匹配方向对与第h个匹配方向对的分布关联度;/>为分析像素点在方向集合中第k个匹配方向对内第一个预设方向上的灰度波动值;/>为分析像素点在方向集合中第k个匹配方向对内第二个预设方向上的灰度波动值;/>为分析像素点在方向集合中第h个匹配方向对内第一个预设方向上的灰度波动值;/>为分析像素点在方向集合中第h个匹配方向对内第二个预设方向上的灰度波动值;/>为绝对值函数;max为最大值函数;exp为子自然常数e为底数的指数函数。
匹配方向对参考Sobel算子的非极大值抑制过程中梯度方向,匹配方向对内两个预设方向相反。反映分析像素点在每个匹配方向对内两个预设方向上像素点的灰度波动值之间的差异,/>呈现对称的预设方向上的灰度波动值的一致性,/>越大说明/>表现的灰度波动信息越有效。/>通过两个方向相反的预设方向上灰度波动值的一致性对/>进行修正,提高/>表现预设方向上灰度波动的准确性;/>的分析与/>的分析思路类似,在此不再详细描述。通过不同预设方向上灰度波动值最大差值的绝对值表示分析像素点其在整体上的波动分布,当整体灰度特征值T越大时,说明分析像素点存在平稳方向和其较为明显的波动方向,分析像素点在整体灰度分布关联性越好,其在缺陷边界上的可能性越高其特征情况应该越大。
(3)获取冲压件图像中像素点的综合灰度特征值。
局部灰度特征值与整体灰度分布值依次从分析像素点周围灰度分布、整体灰度分布呈现分析像素点为有效边界点的可能性。
将分析像素点的局部灰度特征值与整体灰度特征值的乘积作为分析像素点的综合灰度特征值;综合灰度特征值越大,则分析像素点处于有效边界位置的可能性越高。
根据分析像素点的综合灰度特征值的计算方法,获取每个冲压件图像中每个像素点的综合灰度特征值。
步骤S3:根据原始冲压件灰度图像中每个像素点与像素点在每个尺度的子冲压件灰度图像中对应的匹配像素点的预设范围内像素点的综合灰度特征值分布情况之间的差异,获取原始冲压件灰度图像中每个像素点的边缘显著度。
缺陷区域的边缘位置像素点在进行尺度变换时其边界信息会被较好的保留情况,随机噪声点的灰度变化差异较大,不同尺度下的稳定性较差;原始冲压件灰度图像中像素点在不同尺度的子冲压件灰度图像中的匹配像素点的周围像素灰度特征分布反映稳定尺度变化的稳定程度,进而获取边缘显著度。
优选地,边缘显著度的具体获取方法为:选取冲压件图像中任意一个像素点作为待测像素点,在待测像素点的第三预设窗口内,将待测像素点在每个预设方向上像素点的综合灰度特征值的方差,作为待测像素点在每个预设方向上方向波动度;将最小的方向波动度作为待测像素点的局部波动度;结合原始冲压件灰度图像中每个像素点与像素点在每个尺度的子冲压件灰度图像中对应的匹配像素点的综合灰度特征值之间的差异,以及局部波动度之间的差异,对原始冲压件灰度图像中每个像素点的综合灰度特征值进行调整,得到原始冲压件灰度图像中每个像素点的边缘显著度。
需要说明的是,利用高斯金字塔进行下采样分析,原始冲压件灰度图像内所有像素点在每个尺度的子冲压件灰度图像中均能对应的匹配像素点的内容为公知技术,在此不再详细描述。在本发明实施例中,待测像素点的预设方向与分析像素点的预设方向相同,第三预设窗口为以待测像素点为中心,半径为20的圆形窗口,实施者可根据具体情况自行设置。
原始冲压件灰度图像中每个像素点的边缘显著度的计算公式如下:
式中,为原始冲压件灰度图像中第i个像素点的边缘显著度;/>为原始冲压件灰度图像中第i个像素点的综合灰度特征值;/>为原始冲压件灰度图像中第i个像素点的局部波动度;/>为原始冲压件灰度图像中第i个像素点在第z个尺度的子冲压件灰度图像中对应的匹配像素点的综合灰度特征值;/>为原始冲压件灰度图像中第i个像素点在第z个尺度的子冲压件灰度图像中对应的匹配像素点的局部波动度;N为原始冲压件灰度图像对应的不同尺度的子冲压件灰度图像的总数量;exp为以自然常数e为底数的指数函数;Norm为归一化函数;/>为绝对值函数。
本实施例中选取待测像素点的八个预设方向上最小的方向波动度表征待测像素点的信息分布情况,反映待测像素点与其周围像素点的关联情况,当/>越小时,待测像素点与其周围像素点整体为有效缺陷区域的边缘位置像素点的可能性越大,则待测像素点表征其周围信息的特征情况越有效。通过/>修正/>,使待测像素点能更加准确反映其周围缺陷边缘信息分布情况,当/>越大时,说明待测像素点表征有效缺陷边界信息的可能性越大。/>表示原始冲压件灰度图像中像素点在进行尺度变化时像素点的稳定性;缺陷区域的边缘位置像素点在进行尺度变换时其边界信息会被较好的保留,而随机噪声点的灰度变化差异较大,不同尺度下的稳定性较差;当/>越小时,说明像素点所处位置信息在进行尺度变化时被保留程度越高,则像素点位于缺陷区域的边缘的可能性越大,边缘显著度/>越大;反之,像素点所处位置信息在进行尺度变化时灰度变化差异越大,不同尺度下的稳定性较差,则像素点为噪声点的可能性越大,边缘显著度/>越小。通过对/>进行修正,提高边缘显著度表征有效缺陷边缘信息的准确度。
步骤S4:依据边缘显著度对双边滤波算法中预设灰度值标准差进行调整,得到原始冲压件灰度图像中每个像素点的调整后灰度值标准差;基于调整后灰度值标准差利用双边滤波算法对原始冲压件灰度图像进行增强,得到冲压件增强图像。
通过双边滤波对图像进行去噪处理,双边滤波通过空间域和像素范围域两个因子去调整卷积的权重进而调整其对边缘的平滑情况。在双边滤波算法中,灰度域核的标准差即灰度值标准差控制了在灰度值上进行滤波的范围,较小的标准差意味着在灰度域上的权重减小,从而保留更多的细节。针对噪声点导致的像素值域变化其在进行像素范围域的标准差进行调整时要增大其值,降低其卷积权重使得去噪后的图像数据包含的噪声信息更少。其中,双边滤波算法为本领域技术人员公知技术,在此不再赘述。
依据边缘显著度对双边滤波算法中预设灰度值标准差进行调整,对于原始冲压件灰度图像中每个像素点,将像素点的边缘显著度进行负相关映射得到像素点的灰度调整系数;将灰度调整系数与预设灰度值标准差的乘积,得到原始冲压件灰度图像中每个像素点的调整后灰度值标准差。
原始冲压件灰度图像中每个像素点的调整后灰度值标准差的计算公式如下:
式中,为原始冲压件灰度图像中每个像素点的调整后灰度值标准差;W为原始冲压件灰度图像中每个像素点的边缘显著度;/>为预设灰度值标准差,取经验值25,实施者可根据具体情况自行设置。
有效缺陷边缘位置像素点的边缘显著度W较大,调整后灰度值标准差较小,从而保留更多的细节;噪声点的边缘显著度W较小,调整后灰度值标准差/>较大,以便更加有效地抑制噪声信息。
基于调整后灰度值标准差获取像素点的灰度域权重,并结合像素点的空间域权重得到像素点的滤波权重,对像素点及其邻域的灰度值进行加权平均,以获得最终的滤波结果。
步骤S5:根据冲压件增强图像对高强度冲压件进行缺陷检测。
冲压件增强图像中噪声信息被有效去噪,提高图像增强效果。由对冲压件增强图像进行边缘检测得到的边缘构成的连通域作为高强度冲压件的缺陷区域。
本发明实施例中选用Sobel算子对冲压件增加图像进行边缘检测,在本发明其他实施例中也可选用Canny算子进行边缘检测,Sobel算子与Canny算子均为本领域技术人员公知技术,在此不再赘述。
至此,本发明完成。
综上所述,本发明实施例中,获取冲压件图像中像素点的综合灰度特征值;根据原始冲压件灰度图像中像素点与在每个尺度的子冲压件灰度图像中对应的匹配像素点的预设范围内像素点的综合灰度特征值分布情况之间的差异,获取原始冲压件灰度图像中像素点的边缘显著度;利用其对预设灰度值标准差进行调整,基于调整后灰度值标准差对原始冲压件灰度图像进行增强获取冲压件增强灰度图像进行缺陷检测。本发明基于边缘显著度对预设灰度值标准差进行自适应调整,抑制图像中噪声点,提高图像去噪效率,增加高强度冲压件缺陷检测的准确率。
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 (10)
1.一种高强度冲压件缺陷检测方法,其特征在于,该方法包括:
获取待测高强度冲压件的原始冲压件灰度图像;
对原始冲压件灰度图像通过图像金字塔进行采样,得到不同尺度的子冲压件灰度图像;将原始冲压件灰度图像与每个尺度的子冲压件灰度图像作为冲压件图像;获取冲压件图像中各像素点的邻近像素点,结合冲压件图像中每个像素点与其邻近像素点的第一预设窗口内灰度分布之间的差异和梯度角度之间的差异,以及每个像素点在不同预设方向上像素点的灰度值分布,获取冲压件图像中每个像素点的综合灰度特征值;
根据原始冲压件灰度图像中每个像素点与所述像素点在每个尺度的子冲压件灰度图像中对应的匹配像素点的预设范围内像素点的所述综合灰度特征值分布情况之间的差异,获取原始冲压件灰度图像中每个像素点的边缘显著度;
依据所述边缘显著度对双边滤波算法中预设灰度值标准差进行调整,得到原始冲压件灰度图像中每个像素点的调整后灰度值标准差;基于调整后灰度值标准差利用双边滤波算法对原始冲压件灰度图像进行增强,得到冲压件增强图像;
根据冲压件增强图像对高强度冲压件进行缺陷检测。
2.根据权利要求1所述的一种高强度冲压件缺陷检测方法,其特征在于,所述获取冲压件图像中各像素点的邻近像素点,结合冲压件图像中每个像素点与其邻近像素点的第一预设窗口内灰度分布之间的差异和梯度角度之间的差异,以及每个像素点在不同预设方向上像素点的灰度值分布,获取冲压件图像中每个像素点的综合灰度特征值的方法,包括:
选取冲压件图像中任意一个像素点作为分析像素点;将分析像素点的第一预设窗口的预设邻域范围内第一预设窗口的中心位置的像素点,作为分析像素点的邻近像素点;
将分析像素点的第一预设窗口内像素点的灰度值的方差作为分析像素点的灰度离散值;计算分析像素点的第一预设窗口内像素点的灰度值的均值作为分析像素点的灰度局部均值;将所述灰度离散值与所述灰度局部均值的乘积作为分析像素点的综合灰度分布值;
依据分析像素点与其邻近像素点的所述综合灰度分布值之间的差异和梯度角度之间的差异,获取分析像素点的局部灰度特征值;根据分析像素点在不同预设方向上像素点的灰度值分布,获取分析像素点的整体灰度特征值;
根据所述局部灰度特征值与所述整体灰度特征值,获取分析像素点的综合灰度特征值;所述局部灰度特征值与所述整体灰度特征值均与所述综合灰度特征值为正相关关系。
3.根据权利要求2所述的一种高强度冲压件缺陷检测方法,其特征在于,所述获取分析像素点的局部灰度特征值的方法,包括:
利用Sobel算子获取分析像素点在每个卷积后梯度方向上的梯度幅值与分析像素点的梯度角度;
选取分析像素点的任意两个卷积后梯度方向作为分析梯度方向,计算两个所述分析梯度方向上的梯度幅值之间的差值绝对值作为梯度差异值;将最大的所述梯度差异值作为分析像素点的梯度显著值;
计算分析像素点分别与每个所述邻近像素点的所述综合灰度分布值之间的差值绝对值,作为分析像素点与每个所述邻近像素点之间的灰度分布差异值;
将最小的所述灰度分布差异值对应的邻近像素点作为分析像素点的目标像素点;将分析像素点与所述目标像素点的梯度角度之间差值绝对值作为分析像素点的灰度分布有效度;
根据分析像素点的所述梯度显著值、所述灰度分布有效度以及分析像素点与其目标像素点之间的灰度分布差异度,获取分析像素点的局部灰度特征值;所述梯度显著值与所述局部灰度特征值为正相关的关系,所述灰度分布有效度与所述灰度分布差异度与所述局部灰度特征值为负相关的关系。
4.根据权利要求2所述的一种高强度冲压件缺陷检测方法,其特征在于,所述根据分析像素点在不同预设方向上像素点的灰度值分布,获取分析像素点的整体灰度特征值的方法,包括:
选取分析像素点的任意一个预设方向作为分析方向,在分析像素点的第二预设窗口内,将分析像素点在分析方向上的像素点作为分析方向上的特征像素点;设置所述特征像素点的编号;
以编号为横轴,灰度值为纵轴建立二维坐标系,将所述特征像素点在所述二维坐标系中进行标注得到对应特征像素点的坐标点;对所述坐标点进行曲线拟合,得到分析像素点在分析方向上的灰度曲线段;计算所述灰度曲线段上坐标点的斜率的方差作为分析像素点在分析方向上的灰度波动值;
由分析像素点的分析方向,以及与分析方向相反的预设方向构成分析像素点的匹配方向对;依据分析像素点在各匹配方向对内每个预设方向上的所述灰度波动值之间的差异,获取分析像素点的整体灰度特征值。
5.根据权利要求4所述的一种高强度冲压件缺陷检测方法,其特征在于,所述分析像素点的整体灰度特征值的计算公式如下:
,;式中,T为分析像素点的所述整体灰度特征值;K为分析像素点的方向集合,所述方向集合由分析像素点的所有匹配方向对构成;/>为分析像素点在所述方向集合中第k个匹配方向对与第h个匹配方向对的分布关联度;/>为分析像素点在所述方向集合中第k个匹配方向对内第一个预设方向上的所述灰度波动值;/>为分析像素点在所述方向集合中第k个匹配方向对内第二个预设方向上的所述灰度波动值;/>为分析像素点在所述方向集合中第h个匹配方向对内第一个预设方向上的所述灰度波动值;/>为分析像素点在所述方向集合中第h个匹配方向对内第二个预设方向上的所述灰度波动值;/>为绝对值函数;max为最大值函数;exp为子自然常数e为底数的指数函数。
6.根据权利要求1所述的一种高强度冲压件缺陷检测方法,其特征在于,所述获取原始冲压件灰度图像中每个像素点的边缘显著度的方法,包括:
选取冲压件图像中任意一个像素点作为待测像素点,在待测像素点的第三预设窗口内,将待测像素点在每个预设方向上像素点的所述综合灰度特征值的方差,作为待测像素点在每个预设方向上方向波动度;将最小的所述方向波动度作为待测像素点的局部波动度;
结合原始冲压件灰度图像中每个像素点与所述像素点在每个尺度的子冲压件灰度图像中对应的匹配像素点的所述综合灰度特征值之间的差异,以及所述局部波动度之间的差异,对原始冲压件灰度图像中每个像素点的所述综合灰度特征值进行调整,得到原始冲压件灰度图像中每个像素点的边缘显著度。
7.根据权利要求6所述的一种高强度冲压件缺陷检测方法,其特征在于,所述原始冲压件灰度图像中每个像素点的边缘显著度的计算公式如下:
;式中,/>为原始冲压件灰度图像中第i个像素点的边缘显著度;/>为原始冲压件灰度图像中第i个像素点的综合灰度特征值;/>为原始冲压件灰度图像中第i个像素点的所述局部波动度;/>为原始冲压件灰度图像中第i个像素点在第z个尺度的子冲压件灰度图像中对应的匹配像素点的综合灰度特征值;/>为原始冲压件灰度图像中第i个像素点在第z个尺度的子冲压件灰度图像中对应的匹配像素点的所述局部波动度;N为原始冲压件灰度图像对应的不同尺度的子冲压件灰度图像的总数量;exp为以自然常数e为底数的指数函数;Norm为归一化函数;/>为绝对值函数。
8.根据权利要求1所述的一种高强度冲压件缺陷检测方法,其特征在于,所述原始冲压件灰度图像中每个像素点的调整后灰度值标准差的获取方法,包括:
对于原始冲压件灰度图像中每个像素点,将像素点的所述边缘显著度进行负相关映射得到像素点的灰度调整系数;将所述灰度调整系数与预设灰度值标准差的乘积,作为像素点的调整后灰度值标准差。
9.根据权利要求1所述的一种高强度冲压件缺陷检测方法,其特征在于,所述根据冲压件增强图像对高强度冲压件进行缺陷检测的方法,包括:
由对冲压件增强图像进行边缘检测得到的边缘构成的连通域作为高强度冲压件的缺陷区域。
10.根据权利要求1所述的一种高强度冲压件缺陷检测方法,其特征在于,所述对原始冲压件灰度图像通过图像金字塔进行采样的方法为利用高斯金字塔进行下采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233127.1A CN117830139B (zh) | 2024-03-01 | 2024-03-01 | 一种高强度冲压件缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233127.1A CN117830139B (zh) | 2024-03-01 | 2024-03-01 | 一种高强度冲压件缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117830139A CN117830139A (zh) | 2024-04-05 |
CN117830139B true CN117830139B (zh) | 2024-04-30 |
Family
ID=90517622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410233127.1A Active CN117830139B (zh) | 2024-03-01 | 2024-03-01 | 一种高强度冲压件缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117830139B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607554A (zh) * | 2017-09-26 | 2018-01-19 | 天津工业大学 | 一种基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法 |
CN113870235A (zh) * | 2021-10-08 | 2021-12-31 | 福州大学 | 基于量子烟花圆弧边缘提取的圆形冲压件缺陷检测方法 |
-
2024
- 2024-03-01 CN CN202410233127.1A patent/CN117830139B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607554A (zh) * | 2017-09-26 | 2018-01-19 | 天津工业大学 | 一种基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法 |
CN113870235A (zh) * | 2021-10-08 | 2021-12-31 | 福州大学 | 基于量子烟花圆弧边缘提取的圆形冲压件缺陷检测方法 |
Non-Patent Citations (4)
Title |
---|
Comprehensive defect detection of bamboo strips with new feature extraction machine vision methods;Chaoqing MIN et al.;《Journal of Advanced Manufacturing Science and Technology》;20231121;第4卷(第1期);第1-9页 * |
MFAM-Net:A Surface Defect Detection Network for Strip Steel via Multiscale Feature Fusion and Attention Mechanism;Qingtian Zeng et al.;《2023 International Conference on New Trends in Computational Intelligence (NTCI 2023)》;20240131;第117-121页 * |
基于双打光模板匹配的冲压件表面缺陷检测;李松等;《锻压技术》;20181130;第43卷(第11期);第137-145页 * |
基于形状模板匹配的冲压件外形缺陷检测算法研究;李永敬等;《广州大学学报( 自然科学版)》;20171031;第16卷(第5期);第62-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117830139A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117173189B (zh) | 一种铝合金表面抛光效果视觉检测系统 | |
CN116030058B (zh) | 一种用于抛光垫表面粗糙度的质量评价方法 | |
CN116168026B (zh) | 基于计算机视觉的水质检测方法及系统 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN113963042B (zh) | 基于图像处理的金属零件缺陷程度评估方法 | |
CN114387273B (zh) | 基于计算机图像识别的环境粉尘浓度检测方法及系统 | |
CN116309559B (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
CN111968144A (zh) | 一种图像边缘点获取方法及装置 | |
CN116958125B (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及系统 | |
CN115049651B (zh) | 一种钣金冲压异常检测方法 | |
CN110619146A (zh) | 基于结构相似性度量的多晶硅电池片裂纹缺陷检测方法 | |
CN108830814A (zh) | 一种遥感影像的相对辐射校正方法 | |
CN116245880A (zh) | 基于红外识别的电动车充电桩火灾风险检测方法 | |
CN116883408A (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
CN117830139B (zh) | 一种高强度冲压件缺陷检测方法 | |
CN113450272A (zh) | 一种基于正弦曲线变化的图像增强方法及其应用 | |
CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
CN117152135A (zh) | 一种道路施工裂缝缺陷评估检测方法 | |
CN115100510B (zh) | 一种轮胎磨损度识别方法 | |
CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
CN116152255A (zh) | 一种改性塑料生产瑕疵判断方法 | |
CN114998186A (zh) | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 |
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 |