CN117853493B - 一种基于图像处理的墙板生产质量检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于图像处理的墙板生产质量检测方法，包括：获取墙板灰度图像；获取墙板灰度图像中像素点的噪声强度；依据噪声强度对墙板灰度图像降噪得到墙板降噪图像；对墙板降噪图像进行聚类，得到墙板降噪图像的目标类簇；获取目标类簇的连通域的气孔程度；获取目标类簇的连通域中像素点对气孔区域的表现程度；根据气孔程度和表现程度，得到目标类簇的连通域中像素点的聚类权重；根据聚类权重和墙板降噪图像评估墙板生产质量。本发明获取已知聚类结果中像素点的形态、灰度特征对墙板降噪图像的像素点灰度值调整，并进行二次聚类，提高墙板生产质量的检测效果。

Description

一种基于图像处理的墙板生产质量检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于图像处理的墙板生产质量检测方法。

背景技术

ALC轻质墙板是一种广泛用于建筑行业的，具有轻质、良好保温、良好隔音、抗震等优点的建筑材料，该类墙板通常是在具有高压蒸汽养护条件下对具有轻质骨料的混凝土进行加热蒸汽养护而制成的。

在制作过程中，由于对混凝土搅拌不均匀、搅拌时间不足等原因，会导致在制成的墙板表面上出现大小不一的气孔，从而会降低墙板的使用寿命，因此需要对所制成的墙板进行质量检测，预防质量问题所引起的安全问题。

在对ALC轻质墙板表面的气孔缺陷进行检测的过程中，聚类算法会将图像中的像素点根据距离、特征等进行分类，从而将气孔缺陷在图像中标记出来，但是在轻质墙板的表面上由于氧化反应的因素会导致出现深色区域，在图像中表现为低灰度的纹理特征。当纹理与气孔在图像上出现重叠时，算法无法将二者进行区分导致对气孔缺陷的检测效果降低。

发明内容

为解决上述问题，本发明提供一种基于图像处理的墙板生产质量检测方法。

本发明的一种基于图像处理的墙板生产质量检测方法采用如下技术方案：

本发明一个实施例提供了一种基于图像处理的墙板生产质量检测方法，该方法包括以下步骤：

采集墙板表面图像，灰度化得到墙板灰度图像；

根据墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度；依据噪声强度对墙板灰度图像降噪得到墙板降噪图像；

对墙板降噪图像中的像素点进行聚类，得到墙板降噪图像的目标类簇，所述目标类簇包含若干像素点并构成连通域；根据目标类簇获取目标类簇的每个连通域的最小外接圆和最小凸多边形；根据噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度；根据目标类簇的连通域的边缘像素点和连通域中像素点的灰度值，得到目标类簇的每个连通域中每个像素点对气孔区域的表现程度；

根据气孔程度和像素点对气孔区域的表现程度，得到目标类簇的每个连通域中每个像素点的聚类权重；根据聚类权重和墙板降噪图像得到墙板缺陷程度；依据墙板缺陷程度评估墙板生产质量。

进一步地，所述根据墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度，包括的具体步骤如下：

将墙板灰度图像中像素点的最大灰度值减去墙板灰度图像中第个像素点的灰度值的差值的倒数，记为第一差值，将墙板灰度图像中第/>个像素点的灰度值与墙板灰度图像的所有像素点的灰度值的平均值的差值绝对值，记为第一差异值，将墙板灰度图像中第个像素点的灰度值与墙板灰度图像中第/>个像素点的八邻域范围内每个像素点的灰度值的差值绝对值的平均值，记为第二差异值，将第一差异值与第二差异值的比值，乘以第一差值的乘积结果，作为墙板灰度图像中第/>个像素点的噪声因子；

获取墙板灰度图像中每个像素点的噪声因子，将墙板灰度图像中所有像素点的噪声因子进行线性归一化处理，得到的结果作为墙板灰度图像中每个像素点的噪声强度。

进一步地，所述依据噪声强度对墙板灰度图像降噪得到墙板降噪图像，包括的具体步骤如下：

预设一个第一阈值，将噪声强度大于第一阈值的像素点，作为噪声像素点，将任意一个噪声像素点，记为目标噪声像素点，获取目标噪声像素点的八邻域范围内像素点的灰度均值，将目标噪声像素点的八邻域范围内像素点的灰度均值向下取整的结果，记为目标噪声像素点的邻域灰度均值；将目标噪声像素点的灰度值替换为邻域灰度均值，对墙板灰度图像中每个噪声像素点的灰度值进行替换，得到墙板降噪图像。

进一步地，所述对墙板降噪图像中的像素点进行聚类，得到墙板降噪图像的目标类簇，包括的具体步骤如下：

对墙板降噪图像中的像素点进行K-means聚类，距离度量采用像素点之间的灰度值的差值绝对值，得到墙板降噪图像的若干类簇；获取墙板降噪图像的每个类簇的灰度均值，将灰度均值最小的类簇，记为目标类簇。

进一步地，所述根据噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度，包括的具体步骤如下：

将目标类簇的任意一个连通域，记为目标连通域，获取墙板降噪图像中每个像素点的噪声强度；获取目标连通域的边缘像素点；

式中，为目标连通域的最小外接圆包含像素点的数量，/>为目标连通域的最小凸多边形包含像素点的数量，/>为取绝对值，/>为目标连通域中第/>个像素点的噪声强度，/>为目标连通域中像素点的个数，/>为目标连通域的第/>个边缘像素点和第个边缘像素点的梯度方向变化率，/>为目标连通域的第/>个边缘像素点和第/>个边缘像素点的梯度方向变化率，/>为目标连通域的边缘像素点的个数，/>为目标连通域的气孔程度。

进一步地，所述梯度方向变化率的具体获取方法如下：

获取目标连通域的每个边缘像素点的梯度方向；

将目标连通域的第个边缘像素点的梯度方向减去目标连通域的第/>个边缘像素点的梯度方向的差值除以2，得到的商值作为目标连通域的第/>个边缘像素点和第个边缘像素点的梯度方向变化率。

进一步地，所述根据目标类簇的连通域的边缘像素点和连通域中像素点的灰度值，得到目标类簇的每个连通域中每个像素点对气孔区域的表现程度，包括的具体步骤如下：

获取目标连通域的每个边缘像素点的梯度值；获取目标连通域的质心；

将目标连通域的所有边缘像素点的梯度值的平均值与目标连通域内像素点的混乱程度的乘积，记为第一乘积，将墙板降噪图像的所有像素点的灰度值的平均值与目标连通域中第个像素点的灰度值的差值绝对值，记为第三差异值，将目标连通域中第/>个像素点距离目标连通域的质心的欧式距离与目标连通域内像素点的混乱程度的乘积，记为第二乘积，将第三差异值加第二乘积的和值，记为第一和值，将第一乘积与第一和值的比值，作为目标连通域中第/>个像素点对气孔区域的表现因子；

获取目标连通域中每个像素点对气孔区域的表现因子，对目标连通域中所有像素点对气孔区域的表现因子进行线性归一化处理，得到的结果作为目标连通域中每个像素点对气孔区域的表现程度。

进一步地，所述目标连通域内像素点的混乱程度的具体获取方法如下：

式中，为目标连通域内像素点的混乱程度，/>为目标连通域内像素点的不同灰度值的个数；/>的具体获取方法如下：以目标连通域内第/>个像素点为中心，构建一个的窗口，记为目标连通域内第/>个像素点的局部窗口，/>为预设的一个第一数值，将目标连通域内第/>个像素点的局部窗口内所有像素点的灰度值的方差，记为/>，为防止分母为0的超参数，/>为目标连通域中像素点的个数。

进一步地，所述根据气孔程度和像素点对气孔区域的表现程度，得到目标类簇的每个连通域中每个像素点的聚类权重，包括的具体步骤如下：

式中，为目标连通域中第/>个像素点对气孔区域的表现程度，/>为目标连通域的气孔程度，/>为目标连通域中像素点的个数，/>为目标连通域中第/>个像素点的聚类权重。

进一步地，所述根据聚类权重和墙板降噪图像得到墙板缺陷程度，包括的具体步骤如下：

将目标类簇的所有连通域中所有像素点的聚类权重按照从大到小的顺序进行排列，得到一个序列，记为聚类权重序列，获取聚类权重序列的中值，记为第一中值，将聚类权重大于第一中值所有聚类权重对应的像素点构成的集合，记为第一集合，将第一集合中每个像素点的灰度值乘以对应的聚类权重并向下取整，得到若干调整之后的灰度值，将每个调整之后的灰度值替换墙板降噪图像中对应像素点的灰度值，得到调整之后的墙板降噪图像，对调整之后的墙板降噪图像进行K-means聚类，距离度量采用像素点之间的灰度值的差值绝对值，得到调整之后的墙板降噪图像的若干类簇；获取调整之后的墙板降噪图像的每个类簇的灰度均值，将灰度均值最小的类簇，记为第一类簇，将第一类簇中包含的像素点数量，记为，将第一类簇中所有像素点的灰度值的累加值，记为/>，将/>与/>的比值，作为墙板缺陷程度。

本发明的技术方案的有益效果是：本发明在获取到墙板灰度图像后，通过墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度，并依据噪声强度对墙板灰度图像进行降噪得到墙板降噪图像，减少噪声干扰，使得后续对墙板生产质量检测的结果更加准确，对墙板降噪图像进行聚类，得到墙板降噪图像的目标类簇，目标类簇所对应的区域为可能的气孔缺陷区域，通过噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度，气孔程度反映连通域属于气孔缺陷区域的程度，而后获取目标类簇的每个连通域中每个像素点对气孔区域的表现程度，通过气孔程度和表现程度，综合得到目标类簇的每个连通域中每个像素点的聚类权重，在获取聚类权重时，利用氧化区域所表现出来的区域形状无规则、灰度分布混乱等特征对图像的聚类结果进行分析，并根据特征之间的影响关系在权重确定过程中设置权重系数，从而获得最合适的聚类权重，通过聚类权重和墙板降噪图像得到墙板缺陷程度，在获取墙板缺陷程度时通过获取已知聚类结果中像素点的形态、灰度特征对墙板降噪图像的像素点灰度值调整，并进行二次聚类，实现对气孔区域的准确分割，最终依据墙板缺陷程度评估墙板的生产质量，减少氧化区域对气孔缺陷区域识别的干扰，提高墙板生产质量的检测效果。

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，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地介绍，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他的附图。

图1为本发明一个实施例所提供的一种基于图像处理的墙板生产质量检测方法的步骤流程图；

图2为本发明一个实施例所提供的评估墙板生产质量的特征流程图；

图3为本发明一个实施例所提供的一种基于图像处理的墙板生产质量检测方法的墙板灰度图像示意图。

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图像处理的墙板生产质量检测方法，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，一个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图像处理的墙板生产质量检测方法的具体方案。

请参阅图1和图2，其示出了本发明一个实施例提供的一种基于图像处理的墙板生产质量检测方法的步骤流程图和评估墙板生产质量的特征流程图，该方法包括以下步骤：

步骤S001、采集墙板表面图像，灰度化得到墙板灰度图像。

需要说明的是，本实施例的目的是结合ALC轻质墙板表面上氧化区域与气孔区域的形态、灰度差异，对图像中墙板表面的聚类进行分析，从而对聚类区域中不同像素点根据其与缺陷区域的特征差异设置不同的聚类权重，实现对缺陷区域与氧化区域的区分。在开始分析之前，首先采集图像。

具体的，准备待检测的ALC轻质墙板样本，在正常光照环境下利用工业相机对轻质墙板的表面区域进行拍摄，得到ALC轻质墙板的墙板表面图像，对墙板表面图像进行灰度化处理，得到ALC轻质墙板的墙板灰度图像；请参阅图3，图3为本实施例的墙板灰度图像示意图。

至此，得到墙板灰度图像。

步骤S002、根据墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度；依据噪声强度对墙板灰度图像降噪得到墙板降噪图像。

需要说明的是，在利用K-means聚类算法对ALC轻质墙板表面的气孔缺陷进行检测的过程中，由于ALC轻质墙板在生产过程中墙板表面上的部分化学物质会与空气中的水分、氧气等发生反应，导致墙板表面上出现氧化区域。在图像中氧化区域与气孔区域均表现为低灰度的区域特征，因此仅依靠聚类算法对气孔缺陷的检测效果较差。但是由于氧化区域与气孔缺陷在形态特征上存在较为明显的差异，并且其虽然均表现低灰度区域，但是由于氧化程度不同灰度值仍存在差异。通过对聚类结果进行分析，给聚类结果中不同像素点设置不同的聚类权重，再次聚类得到图像中ALC轻质墙板的气孔缺陷区域。

需要说明的是，当图像中存在噪声时，会对聚类结果的准确性造成极大的影响，因此首先对图像中像素点的噪声程度进行分析，保证噪声不会对聚类结果造成过大的影响。由于氧化区域与气孔区域在形态特征上具有较为明显的特征差异，因此通过对聚类结果中不同小区域内像素点构成的形态特征进行分析，结合灰度图像中聚类结果对应区域的灰度特征，可以得到聚类区域内不同像素点对应的聚类权重，对其中权重较高的像素点进行聚类，从而得到图像中的气孔区域并确定墙板的缺陷程度。

需要说明的是，在利用工业相机对ALC轻质墙板表面进行图像采集的过程中，由于相机传感器中热点所引起的热点噪声会在图像中出现亮度异常高的像素点，从而形成噪声点，噪声点的存在会导致在聚类过程中将噪声也视为某种与墙板存在灰度差异的缺陷，从而降低聚类算法的准确性，影响墙板生产质量的检测，因此需要分析墙板灰度图像中像素点的噪声强度。

具体的，根据墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度，具体如下：

式中，为墙板灰度图像中像素点的最大灰度值，/>为墙板灰度图像中第/>个像素点的灰度值，/>为防止分母为0的超参数，本实施例以/>进行叙述，/>为墙板灰度图像中第/>个像素点的八邻域范围内第/>个像素点的灰度值，/>为墙板灰度图像的所有像素点的灰度值的平均值，/>为墙板灰度图像中第/>个像素点的八邻域范围内像素点的个数，/>为防止分母为0的超参数，本实施例以/>进行叙述，/>为取绝对值，/>为墙板灰度图像中第/>个像素点的噪声因子。

获取墙板灰度图像中每个像素点的噪声因子，将墙板灰度图像中所有像素点的噪声因子进行线性归一化处理，得到的结果作为墙板灰度图像中每个像素点的噪声强度。

需要说明的是，通过分析像素点与其邻域像素点的差异即，当一个像素点其自身的灰度值与图像中像素点的最大灰度值差异越小，像素点与图像灰度均值的差异和像素点与其邻域范围内像素点之间的灰度差异均值的比值越小，则像素点属于热点噪声的可能性越大。

进一步地，依据噪声强度对墙板灰度图像降噪得到墙板降噪图像，具体如下：

预设一个第一阈值，本实施例以第一阈值等于0.8进行叙述，将噪声强度大于第一阈值的像素点，作为噪声像素点，将任意一个噪声像素点，记为目标噪声像素点，获取目标噪声像素点的八邻域范围内像素点的灰度均值，将目标噪声像素点的八邻域范围内像素点的灰度均值向下取整的结果，记为目标噪声像素点的邻域灰度均值；需要说明的是，在获取目标噪声像素点的八邻域范围内像素点的灰度均值时，目标噪声像素点的灰度值不参与计算；将目标噪声像素点的灰度值替换为邻域灰度均值，对墙板灰度图像中每个噪声像素点的灰度值进行替换，得到墙板降噪图像；需要说明的是，若噪声像素点的八邻域范围超过墙板灰度图像的边界，则以实际存在邻域像素点的获取噪声像素点的八邻域范围内像素点的灰度均值。

至此，得到墙板降噪图像。

步骤S003、对墙板降噪图像中的像素点进行聚类，得到墙板降噪图像的目标类簇；根据目标类簇获取目标类簇的每个连通域的最小外接圆和最小凸多边形；根据噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度；根据目标类簇的连通域的边缘像素点和连通域中像素点的灰度值，得到目标类簇的每个连通域中每个像素点对气孔区域的表现程度。

需要说明的是，上述得到了墙板降噪图像，通过对墙板降噪图像进行聚类，获取图像中可能属于气孔缺陷的区域，由于当前的聚类结果并不能分辨图像中那些像素点属于气孔缺陷区域、那些属于氧化区域，因此根据聚类结果中不同区域的形态特征进行分析，得到不同小区域的聚类气孔程度。而后结合聚类结构的气孔程度以及聚类结果中的灰度特征，对聚类结果的缺陷表现程度进行计算。最后根据聚类结果中像素点对缺陷的表现程度对像素点的聚类权重进行调整，实现对聚类结果的修正。

具体的，对墙板降噪图像中的像素点进行聚类，得到墙板降噪图像的目标类簇，具体如下：

对墙板降噪图像进行K-means聚类，距离度量采用像素点之间的灰度值的差值绝对值，得到墙板降噪图像的若干类簇；需要说明的是，本实施例中K-means聚类的K值预设为2，每个类簇都包含若干像素点以及像素点构成的连通域；获取墙板降噪图像的每个类簇的灰度均值，将灰度均值最小的类簇，记为目标类簇。

需要说明的是，由于墙板降噪图像中气孔区域与氧化区域均表现为低灰度区域，因此根据图像中像素点的灰度值大小进行聚类操作，将气孔区域的像素点和氧化区域的像素点作为一类，图像中的其他像素点作为另一类，因此设置聚类簇的数目为，通过聚类，得到墙板降噪图像的聚类结果，即图像中的可能缺陷区域。

需要说明是的，墙板表面的气孔形成通常是因为混凝土搅拌不均匀从而导致内部存在空气，并在其凝固过程中气体透过还没凝固的混凝土，从而在墙板的表面上形成具有圆形或椭圆形特征的气孔缺陷。而墙板表面的氧化区域通常是由于其表面材料与空气中的水分、氧气发生氧化反应而形成的，其在墙板表面的形态特征具有较强的不规则性，并且随着氧化程度的不同会导致氧化区域形态特征的更加不规则，因此根据两者的形态区别来判断气孔区域。

具体的，根据目标类簇获取目标类簇的每个连通域的最小外接圆和最小凸多边形，具体如下：

将目标类簇的任意一个连通域，记为目标连通域；获取目标连通域的最小外接圆；对目标连通域进行凸包检测，得到目标连通域的最小凸多边形；需要说明的是，获取目标类簇的所有连通域、获取目标连通域的最小外接圆及对目标连通域进行凸包检测，得到目标连通域的最小凸多边形为现有方法，本实施例不再赘述。

需要说明的是，由于气孔缺陷通常表现为圆形或椭圆形，因此获取目标连通域的最小外接圆来反映其表现为气孔缺陷的形态特征，同时，由于氧化区域表现为无规则的边缘特征，因此通过目标连通域的最小凸多边形来反映其表现为氧化区域的形态特征；若最小外接圆的面积和最小凸多边形的面积差异越小，则目标连通域属于气孔缺陷的可能性越大；由于氧化区域是一个无规则的区域，其边缘像素点的梯度方向会存在较大的变化，分析梯度方向之间的变化，当连通域边缘梯度方向的变化越均匀，说明该连通域属于气孔缺陷的可能性更高，即连通域的表现为气孔缺陷的程度越高。

需要说明的是，在对图像进行降噪处理的过程中，由于噪声点出现的位置随机，即在气孔区域和氧化区域均可能存在，若此时存在像素点处于气孔区域边缘或氧化区域边缘，由于降噪过程是根据像素点邻域的灰度值对噪声点进行灰度值替换，因此替换灰度值后的像素点可能会导致气孔区域或氧化区域边缘的改变，从而导致区域形状的变化，因此当连通域中像素点的噪声程度越大，则该连通域的属于气孔缺陷区域的程度越低。

具体的，根据噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度，具体如下：

获取墙板降噪图像中每个像素点的噪声强度；需要说明的是，获取墙板降噪图像中每个像素点的噪声强度和获取墙板灰度图像中每个像素点的噪声强度方法相同，本实施例不再赘述；获取目标连通域的边缘像素点，获取目标连通域的每个边缘像素点的梯度方向；需要说明的是，获取目标连通域的边缘像素点为现有方法，本实施例不再赘述，本实施例通过Sobel算子获取边缘像素点的梯度方向。

式中，为目标连通域的最小外接圆包含像素点的数量，/>为目标连通域的最小凸多边形包含像素点的数量，/>为取绝对值，/>为目标连通域中第/>个像素点的噪声强度，/>为目标连通域中像素点的个数，/>为目标连通域的第/>个边缘像素点和第个边缘像素点的梯度方向变化率，/>为目标连通域的第/>个边缘像素点和第/>个边缘像素点的梯度方向变化率，/>为目标连通域的边缘像素点的个数，/>为目标连通域的气孔程度。

需要说明的是，表示目标连通域的最小外接圆的面积和最小凸多边形的面积差异，/>表示目标连通域的噪声强度的总值，/>表示目标连通域的边缘像素点的梯度变化，当面积差异越小、噪声强度的总值越小以及梯度变化越小，目标连通域的气孔程度越大，即目标连通域属于气孔缺陷区域的程度越高。

其中梯度方向变化率的具体获取方法如下：

式中，为目标连通域的第/>个边缘像素点的梯度方向，/>为目标连通域的第个边缘像素点的梯度方向，/>为目标连通域的第/>个边缘像素点和第/>个边缘像素点的梯度方向变化率。

需要说明的是，在ALC轻质墙板上，气孔通常是一个空洞或黑点，因此在图像中该区域可能以较暗的区域或黑点的形式呈现，在图像中表现为低灰度的区域。氧化区域由于在不同位置上的氧化程度不同，因此在图像中可以发现其不同氧化区域的灰度值存在差异，在图像中表现为像素点越靠近氧化边缘其像素点的灰度值越高。

需要说明的是，对于目标连通域上任意一个像素点，若目标连通域属于氧化区域，则该像素点与目标连通域的灰度均值的差异越大，该像素点与目标连通域的中心像素点之间的距离越大，则该像素点对氧化区域的表现程度更高。相反地，若目标连通域属于气孔区域，当像素点与目标连通域的灰度均值的差异越小，并且目标连通域的边缘像素点的梯度值越大，则像素点对气孔缺陷区域的表现程度更高。同时，由于氧化区域内氧化程度不同，因此区域内不同灰度值的像素点具有较为离散的分布，即当目标连通域内不同灰度值的像素点的分布越混乱，则像素点对气孔区域的表现程度越低。

具体的，根据目标类簇的连通域的边缘像素点和连通域中像素点的灰度值，得到目标类簇的每个连通域中每个像素点对气孔区域的表现程度，具体如下：

获取目标连通域的每个边缘像素点的梯度值；需要说明的是，本实施例通过Sobel算子获取边缘像素点的梯度值；获取目标连通域的质心。

式中，为目标连通域的所有边缘像素点的梯度值的平均值，/>为目标连通域内像素点的混乱程度，/>为墙板降噪图像的所有像素点的灰度值的平均值，/>为目标连通域中第/>个像素点的灰度值，/>为取绝对值，/>为目标连通域中第/>个像素点距离目标连通域的质心的欧式距离，/>为目标连通域中第/>个像素点对气孔区域的表现因子。

获取目标连通域中每个像素点对气孔区域的表现因子，对目标连通域中所有像素点对气孔区域的表现因子进行线性归一化处理，得到的结果作为目标连通域中每个像素点对气孔区域的表现程度。

其中，目标连通域内像素点的混乱程度的具体获取方法如下：

式中，为目标连通域内像素点的混乱程度，/>为目标连通域内像素点的不同灰度值的个数；/>的具体获取方法如下：以目标连通域内第/>个像素点为中心，构建一个的窗口，记为目标连通域内第/>个像素点的局部窗口，/>为预设的一个第一数值，本实施例以/>进行叙述，将目标连通域内第/>个像素点的局部窗口内所有像素点的灰度值的方差，记为/>，/>为防止分母为0的超参数，本实施例以/>进行叙述，为目标连通域中像素点的个数。

至此，得到目标类簇的每个连通域的气孔程度和目标类簇的每个连通域中每个像素点对气孔区域的表现程度。

步骤S004、根据气孔程度和像素点对气孔区域的表现程度，得到目标类簇的每个连通域中每个像素点的聚类权重；根据聚类权重和墙板降噪图像得到墙板缺陷程度；依据墙板缺陷程度评估墙板生产质量。

需要说明的是，上述步骤得到了目标类簇的每个连通域的气孔程度和目标类簇的每个连通域中每个像素点对气孔区域的表现程度，根据已知条件对连通域中像素点的对应聚类权重进行设置。当连通域的气孔程度越高，说明该连通域的形态特征越符合气孔区域，其对应的聚类权重越高，同时，若该连通域内像素点对气孔区域的表现程度越高，则对应的聚类权重更高。特殊地，当连通域的气孔程度较高而连通域内像素点对气孔区域的表现程度较低时，说明该连通域可能是具有气孔形态特征的氧化区域，其内像素点对应的聚类权重降低。

具体的，根据气孔程度和像素点对气孔区域的表现程度，得到目标类簇的每个连通域中每个像素点的聚类权重，具体如下：

式中，为目标连通域中第/>个像素点对气孔区域的表现程度，/>为目标连通域的气孔程度，/>为目标连通域中像素点的个数，/>为目标连通域中第/>个像素点的聚类权重。

需要说明的是，用于对/>进行归一化，使得目标连通域中第/>个像素点的聚类权重小于1。

进一步地，根据聚类权重和墙板降噪图像得到墙板缺陷程度，具体如下：

将目标类簇的所有连通域中所有像素点的聚类权重按照从大到小的顺序进行排列，得到一个序列，记为聚类权重序列，获取聚类权重序列的中值，记为第一中值，将聚类权重大于第一中值所有聚类权重对应的像素点构成的集合，记为第一集合，将第一集合中每个像素点的灰度值乘以对应的聚类权重并向下取整，得到若干调整之后的灰度值，将每个调整之后的灰度值替换墙板降噪图像中对应像素点的灰度值，得到调整之后的墙板降噪图像，对调整之后的墙板降噪图像进行K-means聚类，距离度量采用像素点之间的灰度值的差值绝对值，得到调整之后的墙板降噪图像的若干类簇；需要说明的是，本实施例中对调整之后的墙板降噪图像进行K-means聚类时，K值仍预设为2；获取调整之后的墙板降噪图像的每个类簇的灰度均值，将灰度均值最小的类簇，记为第一类簇，将第一类簇中包含的像素点数量，记为，将第一类簇中所有像素点的灰度值的累加值，记为/>，将/>与/>的比值，作为墙板缺陷程度。

进一步地，依据墙板缺陷程度评估墙板生产质量，具体如下：

预设一个第二阈值，本实施例以第二阈值等于0.4进行叙述，当ALC轻质墙板的墙板缺陷程度大于第二阈值时，ALC轻质墙板为残次品，当ALC轻质墙板的墙板缺陷程度小于或等于第二阈值时，ALC轻质墙板为合格品。

至此，通过对墙板降噪图像进行调整和缺陷程度评估，完成墙板生产质量检测。

以上所述仅为本发明的较佳实施例而已，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 (7)

1.一种基于图像处理的墙板生产质量检测方法，其特征在于，该方法包括以下步骤：

采集墙板表面图像，灰度化得到墙板灰度图像；

根据墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度；依据噪声强度对墙板灰度图像降噪得到墙板降噪图像；

对墙板降噪图像中的像素点进行聚类，得到墙板降噪图像的目标类簇，所述目标类簇包含若干像素点并构成连通域；根据目标类簇获取目标类簇的每个连通域的最小外接圆和最小凸多边形；根据噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度；根据目标类簇的连通域的边缘像素点和连通域中像素点的灰度值，得到目标类簇的每个连通域中每个像素点对气孔区域的表现程度；

根据气孔程度和像素点对气孔区域的表现程度，得到目标类簇的每个连通域中每个像素点的聚类权重；根据聚类权重和墙板降噪图像得到墙板缺陷程度；依据墙板缺陷程度评估墙板生产质量；

所述根据噪声强度、连通域的最小外接圆和最小凸多边形，得到目标类簇的每个连通域的气孔程度，包括的具体步骤如下：

将目标类簇的任意一个连通域，记为目标连通域，获取墙板降噪图像中每个像素点的噪声强度；获取目标连通域的边缘像素点；

式中，为目标连通域的最小外接圆包含像素点的数量，/>为目标连通域的最小凸多边形包含像素点的数量，/>为取绝对值，/>为目标连通域中第/>个像素点的噪声强度，为目标连通域中像素点的个数，/>为目标连通域的第/>个边缘像素点和第/>个边缘像素点的梯度方向变化率，/>为目标连通域的第/>个边缘像素点和第个边缘像素点的梯度方向变化率，/>为目标连通域的边缘像素点的个数，/>为目标连通域的气孔程度；

所述根据目标类簇的连通域的边缘像素点和连通域中像素点的灰度值，得到目标类簇的每个连通域中每个像素点对气孔区域的表现程度，包括的具体步骤如下：

获取目标连通域的每个边缘像素点的梯度值；获取目标连通域的质心；

将目标连通域的所有边缘像素点的梯度值的平均值与目标连通域内像素点的混乱程度的乘积，记为第一乘积，将墙板降噪图像的所有像素点的灰度值的平均值与目标连通域中第个像素点的灰度值的差值绝对值，记为第三差异值，将目标连通域中第/>个像素点距离目标连通域的质心的欧式距离与目标连通域内像素点的混乱程度的乘积，记为第二乘积，将第三差异值加第二乘积的和值，记为第一和值，将第一乘积与第一和值的比值，作为目标连通域中第/>个像素点对气孔区域的表现因子；

获取目标连通域中每个像素点对气孔区域的表现因子，对目标连通域中所有像素点对气孔区域的表现因子进行线性归一化处理，得到的结果作为目标连通域中每个像素点对气孔区域的表现程度；

所述目标连通域内像素点的混乱程度的具体获取方法如下：

式中，为目标连通域内像素点的混乱程度，/>为目标连通域内像素点的不同灰度值的个数；/>的具体获取方法如下：以目标连通域内第/>个像素点为中心，构建一个的窗口，记为目标连通域内第/>个像素点的局部窗口，/>为预设的一个第一数值，将目标连通域内第/>个像素点的局部窗口内所有像素点的灰度值的方差，记为/>，为防止分母为0的超参数，/>为目标连通域中像素点的个数。

2.根据权利要求1所述一种基于图像处理的墙板生产质量检测方法，其特征在于，所述根据墙板灰度图像中像素点的灰度值，得到墙板灰度图像中每个像素点的噪声强度，包括的具体步骤如下：

将墙板灰度图像中像素点的最大灰度值减去墙板灰度图像中第个像素点的灰度值的差值的倒数，记为第一差值，将墙板灰度图像中第/>个像素点的灰度值与墙板灰度图像的所有像素点的灰度值的平均值的差值绝对值，记为第一差异值，将墙板灰度图像中第/>个像素点的灰度值与墙板灰度图像中第/>个像素点的八邻域范围内每个像素点的灰度值的差值绝对值的平均值，记为第二差异值，将第一差异值与第二差异值的比值，乘以第一差值的乘积结果，作为墙板灰度图像中第/>个像素点的噪声因子；

获取墙板灰度图像中每个像素点的噪声因子，将墙板灰度图像中所有像素点的噪声因子进行线性归一化处理，得到的结果作为墙板灰度图像中每个像素点的噪声强度。

3.根据权利要求1所述一种基于图像处理的墙板生产质量检测方法，其特征在于，所述依据噪声强度对墙板灰度图像降噪得到墙板降噪图像，包括的具体步骤如下：

预设一个第一阈值，将噪声强度大于第一阈值的像素点，作为噪声像素点，将任意一个噪声像素点，记为目标噪声像素点，获取目标噪声像素点的八邻域范围内像素点的灰度均值，将目标噪声像素点的八邻域范围内像素点的灰度均值向下取整的结果，记为目标噪声像素点的邻域灰度均值；将目标噪声像素点的灰度值替换为邻域灰度均值，对墙板灰度图像中每个噪声像素点的灰度值进行替换，得到墙板降噪图像。

4.根据权利要求1所述一种基于图像处理的墙板生产质量检测方法，其特征在于，所述对墙板降噪图像中的像素点进行聚类，得到墙板降噪图像的目标类簇，包括的具体步骤如下：

对墙板降噪图像中的像素点进行K-means聚类，距离度量采用像素点之间的灰度值的差值绝对值，得到墙板降噪图像的若干类簇；获取墙板降噪图像的每个类簇的灰度均值，将灰度均值最小的类簇，记为目标类簇。

5.根据权利要求1所述一种基于图像处理的墙板生产质量检测方法，其特征在于，所述梯度方向变化率的具体获取方法如下：

获取目标连通域的每个边缘像素点的梯度方向；

将目标连通域的第个边缘像素点的梯度方向减去目标连通域的第/>个边缘像素点的梯度方向的差值除以2，得到的商值作为目标连通域的第/>个边缘像素点和第/>个边缘像素点的梯度方向变化率。

6.根据权利要求1所述一种基于图像处理的墙板生产质量检测方法，其特征在于，所述根据气孔程度和像素点对气孔区域的表现程度，得到目标类簇的每个连通域中每个像素点的聚类权重，包括的具体步骤如下：

式中，为目标连通域中第/>个像素点对气孔区域的表现程度，/>为目标连通域的气孔程度，/>为目标连通域中像素点的个数，/>为目标连通域中第/>个像素点的聚类权重。

7.根据权利要求1所述一种基于图像处理的墙板生产质量检测方法，其特征在于，所述根据聚类权重和墙板降噪图像得到墙板缺陷程度，包括的具体步骤如下：

将目标类簇的所有连通域中所有像素点的聚类权重按照从大到小的顺序进行排列，得到一个序列，记为聚类权重序列，获取聚类权重序列的中值，记为第一中值，将聚类权重大于第一中值所有聚类权重对应的像素点构成的集合，记为第一集合，将第一集合中每个像素点的灰度值乘以对应的聚类权重并向下取整，得到若干调整之后的灰度值，将每个调整之后的灰度值替换墙板降噪图像中对应像素点的灰度值，得到调整之后的墙板降噪图像，对调整之后的墙板降噪图像进行K-means聚类，距离度量采用像素点之间的灰度值的差值绝对值，得到调整之后的墙板降噪图像的若干类簇；获取调整之后的墙板降噪图像的每个类簇的灰度均值，将灰度均值最小的类簇，记为第一类簇，将第一类簇中包含的像素点数量，记为，将第一类簇中所有像素点的灰度值的累加值，记为/>，将/>与/>的比值，作为墙板缺陷程度。