CN118247241A - 一种圆环瑕疵检测方法、系统及存储介质 - Google Patents

Abstract

本申请公开了圆环瑕疵检测方法，方法包括：获取待检测圆环图像，利用预设的圆环ROI信息定位圆环图像并进行灰度化；对灰度处理后的图像进行中值滤波得到中值滤波图，利用中值滤波图进行低频去噪；以ROI圆心为起点，向圆周上做直线，以圆心为轴，对圆周边缘进行旋转扫描得到初步采样点；过滤后采样点进行圆拟合，得到第一圆函数，更新ROI圆心和半径；获取ROI外圆轮廓点集合对点集中点的位置并排序，遍历外圆轮廓点集合，得到边缘点；消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；计算实际轮廓的边缘点到第二圆的偏差，根据偏差确定出瑕疵位置。本发明能够抗噪声干扰，提高瑕疵检测精度。

Description

一种圆环瑕疵检测方法、系统及存储介质

技术领域

本申请涉及瑕疵检测技术领域，具体而言，涉及一种圆环瑕疵检测方法、系统及存储介质。

背景技术

工业领域有许多圆环类产品，在生产的过程中需要对其进行瑕疵检测。圆环类产品瑕疵检测的方法有很多种，目前市面上主流的检测方法为采用圆周遍历的方式，先定位圆环边缘点，再通过边缘点拟合边缘函数，计算圆环实际边缘点和边缘函数之间的偏差来判断瑕疵。

常规的检测算法其圆周遍历方式为从圆心向外发射一根直线，在圆周方向旋转进行边缘扫描，但扫描方式受到旋转角度步长影响，比如步长为1度，若圆很大，旋转1度映射到圆边界的间隔距离会很大，导致无法采样全边缘点，可能会导致瑕疵漏检测。另外工业生产环境相对来说不会很理想，可能会存在光照不均、灰尘、脏污等一些异常干扰，影响边缘的定位精度，导致拟合出的边缘函数存在较大偏差，造成计算误差，常规的检测算法抗干扰性不够强。

针对上述问题，目前亟待有效的技术解决方案。

发明内容

本申请的目的在于提供一种圆环瑕疵检测方法、系统及存储介质，能够抗噪声干扰，提高瑕疵检测精度。

本申请提供了一种圆环瑕疵检测方法，包括：

获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理，所述圆环ROI信息包括ROI圆心和半径；

对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；

以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；

对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；

获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；

消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；

计算实际轮廓的边缘点到第二圆的偏差，根据偏差确定出瑕疵位置。

本方案中，所述以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长对边缘进行旋转扫描得到初步采样点，包括：

以当前遍历角度作为倾斜角计算斜率，以所述斜率和ROI圆心得到第一直线函数；

计算第一直线函数和圆环ROI的内外圆的交点，分别得到第一内交点和第一外交点，以所述第一内交点和所述第一外交点为端点做线段，得到线段上的点集；

遍历第一外交点到第一内交点判别边缘点或遍历第一内交点到第一外交点判别边缘点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

本方案中，所述根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

当由明到暗进行边缘点采样时，则当前点大于边缘阈值，下一点小于边缘阈值，则下一点为边缘点；

当由暗到明进行边缘点采样时，则当前点小于边缘阈值，下一点大于边缘阈值，则下一点为边缘点。

本方案中，对所述初步采样点进行过滤包括：

将采样点通过最小二乘法进行多点拟合圆函数，计算出圆心P1和半径r1；

计算每一个采样点到圆心P1的距离d；

计算每一个采样点的距离偏差，距离偏差bias计算公式为：

bias＝|r1-d|

对所有采样点的距离偏差进行排序，并将偏差最小的前预设值个点作为过滤后的采样点。

本方案中，将偏差最小的前预设值个点作为过滤后的采样点包括：

记总的过滤前采样点数量为N，将按照距离偏差排序后的采样点，从小到大获取N/2个采样点作为过滤后的采样点，当N为奇数时，获取(N+1)/2个采样点作为过滤后的采样点。

本方案中，获取ROI外圆轮廓点集并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，得到边缘点，包括：

遍历所述轮廓点，计算通过所述轮廓点和第一圆函数圆心的第二直线函数；

计算第二直线函数和圆环ROI的内外圆的两个交点，分别记作第二内交点、第二外交点，以两个交点为端点做线段，得到线段上的点集；

遍历从第二外交点到第二内交点判别边缘点或遍历从第二内交点到第二外交点判别边缘点；并利用异常点消除方法剔除异常点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

本方案中，利用异常点消除方法剔除异常点，包括：

计算可疑边缘点到第一圆函数圆心P2的距离D，比较与第一圆函数的半径r2；

如果是检索内轮廓，可疑边缘点偏差值的计算公式为：

Bias＝r2-D

如果是检索外轮廓，可疑边缘点偏差值的计算公式为：

Bias＝D-r2

若可疑边缘点偏差值大于设定的过滤阈值，则判别可疑边缘点为异常点并剔除。

本方案中，根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

如果采样模式是由明到暗，则判别边缘点的方式为，若当前点大于边缘阈值，下一点小于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点；

如果采样模式是由暗到明，则判别边缘点的方式为，若当前点小于边缘阈值，下一点大于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点。

本申请第二方面提供了一种圆环瑕疵检测系统，该圆环瑕疵检测系统包括：存储器及处理器，所述存储器中包括圆环瑕疵检测方法的程序，所述圆环瑕疵检测方法的程序被所述处理器执行时实现以下步骤：

获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理，所述圆环ROI信息包括ROI圆心和半径；

对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；

以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；

对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；

获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；

消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；

计算实际轮廓的边缘点到第二圆的偏差，根据偏差确定出瑕疵位置。

本申请第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括圆环瑕疵检测方法程序，所述圆环瑕疵检测方法程序被处理器执行时，实现所述的圆环瑕疵检测方法的步骤。

由上可知，本发明公开的圆环瑕疵检测方法、系统及介质通过获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理；对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；计算实际轮廓的边缘点到第二圆函数的偏差，根据偏差确定出瑕疵位置。本发明提出的异常点消除方法，能够在消除噪声干扰的同时，有效的保护圆环内部信息不受到除干扰影响，使检测算法具有极强的鲁棒性。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的圆环瑕疵检测方法流程图；

图2为本申请实施例提供的待检测圆环图像。

图3为本申请实施例提供的ROI图像。

图4为本申请实施例提供的灰度图像。

图5为本申请实施例提供的中值滤波图像。

图6为本申请实施例提供的去除低频干扰后图像。

图7为本申请实施例提供的初步采样点图。

图8为本申请实施例提供的过滤后的采样点图。

图9为本申请实施例提供的第一圆拟合图。

图10为本申请实施例提供的外圆ROI轮廓图。

图11为本申请实施例提供的异常点剔除效果图。

图12为本申请实施例提供的内圆环轮廓效果图。

图13为本申请实施例提供的内圆环轮廓圆拟合效果图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，为本申请一些实施例中的圆环瑕疵检测方法的流程图。该圆环瑕疵检测方法用于圆环状产品的瑕疵检测，如轴承等。该圆环瑕疵检测方法，包括以下步骤：

S101、获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理，所述圆环ROI信息包括ROI圆心和半径；

S102、对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；

S103、以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；

S104、对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；

S105、获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；

S106、消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；

需要说明的是，在一个具体的实施例中，如果圆环是亮的，背景是偏暗的，那用户设置的是由暗到明，由外到内的模式，那么找的是外边缘轮廓；如果如果圆环是亮的，背景是偏暗的，那用户设置的是由暗到明，由内到外的模式，那么找的是内边缘轮廓。

S107、计算实际轮廓的边缘点到第二圆函数的偏差，根据偏差确定出瑕疵位置。

需要说明的是，本技术目的为获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理；对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，得到边缘点；消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；计算实际轮廓的边缘点到第二圆函数的偏差，根据偏差确定出瑕疵位置。本发明提出的异常点消除方法，能够在消除噪声干扰的同时，有效的保护圆环内部信息不受到除干扰影响，使检测算法具有极强的鲁棒性。

需要说明的是，在步骤S101中，首先获取待检测圆环图像如图2所示，所述预设的圆环ROI信息包括外圆、内圆及圆心，其中外圆和内圆同心，如图3所示为ROI图像。根据圆环ROI信息可以定位检测图像，然后灰度化处理得到灰度图像如图4所示。对灰度图进行中值滤波。灰度图减去中值滤波图得去除低频噪声干扰后的图像。如图5所示为中值滤波图像，图6所示为去除低频干扰后图像。

根据本发明实施例，所述以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长对边缘进行旋转扫描得到初步采样点，包括：

以当前遍历角度作为倾斜角计算斜率，以所述斜率和ROI圆心得到第一直线函数；

需要说明的是，例如当前遍历角度为X，则斜率即为tanX，角度步长10度，则遍历角度分别为：10度、20度、30度…360度。

计算第一直线函数和圆环ROI的内外圆的交点，分别得到第一内交点和第一外交点，以所述第一内交点和所述第一外交点为端点做线段，得到线段上的点集；

遍历第一外交点到第一内交点判别边缘点或遍历第一内交点到第一外交点判别边缘点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

需要说明的是，以ROI圆心(x1,y1)为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长对边缘进行旋转扫描得到初步采样点，其中角度步长不能太小，可能会造成计算成本增加，也不能太大，可能会导致采用精度不够，在一个具体的实施例中可以为11度。具体边缘采样包括：(1)根据当前遍历角度计算斜率，以所述斜率和ROI圆心(x1,y1)得到直线函数；

(2)计算直线函数和ROI内外圆的交点，分别得到内交点(x2,y2)和外交点(x3,y3)，以所述内交点(x2,y2)和所述外交点(x3,y3)为端点做线段，得到线段上的点集；

(3)按照预设的检索方向遍历从外交点到内交点判别边缘或遍历从内交点到外交点判别边缘；

(4)根据由暗到明或由明到暗的采样模式进行边缘点采样。

根据本发明实施例，所述根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

当由明到暗进行边缘点采样时，则当前点大于边缘阈值，下一点小于边缘阈值，则下一点为边缘点；

当由暗到明进行边缘点采样时，则当前点小于边缘阈值，下一点大于边缘阈值，则下一点为边缘点。

需要说明的是，在一个具体的实施例中，角度步长11度，从内到外，从暗到明的进行边缘采样点，得到初步采样点，如图7所示。

根据本发明实施例，对所述初步采样点进行过滤包括：

将采样点通过最小二乘法进行多点拟合圆函数，计算出圆心P1和半径r1；

计算每一个采样点到圆心P1的距离d；

计算每一个采样点的距离偏差，距离偏差bias计算公式为：

bias＝|r1-d|

对所有采样点的距离偏差进行排序，并将偏差最小的前预设值个点作为过滤后的采样点。

需要说明的是，所述距离的d的计算可以是欧氏距离，也可以是其他距离计算方式；对距离偏差进行排序可以按照从小到大或者从大到小的顺序排序。

根据本发明实施例，将偏差最小的前预设值个点作为过滤后的采样点包括：

记总的过滤前采样点数量为N，将按照距离偏差排序后的采样点，从小到大获取N/2个采样点作为过滤后的采样点，当N为奇数时，获取(N+1)/2个采样点作为过滤后的采样点。

如图8所示为过滤后的采样点图。

对过滤后的采样点通过最小二乘法拟合圆函数，更新圆心P1和半径r1。如图9所示为圆拟合图。

根据本发明实施例，获取圆环ROI的外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，得到边缘点，包括：

遍历所述轮廓点，计算通过所述轮廓点和第一圆函数圆心的第二直线函数；

计算第二直线函数和圆环ROI的内外圆的两个交点，分别记作第二内交点、第二外交点，以两个交点为端点做线段，得到线段上的点集；

遍历从第二外交点到第二内交点判别边缘点或遍历从第二内交点到第二外交点判别边缘点；并利用异常点消除方法剔除异常点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

需要说明的是，对点集中点的位置进行排序可以从任一点开始，顺时针或逆时针进行。如图10所示为ROI外圆轮廓图。

根据本发明实施例，利用异常点消除方法剔除异常点，包括：

计算可疑边缘点到第一圆函数圆心P2的距离D，比较与第一圆函数的半径r2；

如果是检索内轮廓，可疑边缘点偏差值的计算公式为：

Bias＝r2-D

如果是检索外轮廓，可疑边缘点偏差值的计算公式为：

Bias＝D-r2

若可疑边缘点偏差值大于设定的过滤阈值，则判别可疑边缘点为异常点并剔除。

如图11所示为异常点剔除效果图，其中红线为拟合的圆轮廓，绿线为寻找的圆环轮廓，通过异常点剔除法很好的去除了外部光斑的干扰。

根据本发明实施例，根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

如果采样模式是由明到暗，则判别边缘点的方式为，若当前点大于边缘阈值，下一点小于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点；

如果采样模式是由暗到明，则判别边缘点的方式为，若当前点小于边缘阈值，下一点大于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点。

需要说明的是，在步骤S106中，由于找边缘点，是从遍历ROI外轮廓点向内发射直线，相比与从圆心向外按照角度发射直线，这种方式能确保圆环上的点都能被覆盖到，但其会在找轮廓时产生冗余边缘点,因此需要对其进行消除。

如图12为内圆环轮廓效果图，即步骤S106得到的实际轮廓。利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；如图13所示，为内圆环轮廓圆拟合效果图。

需要说明的是，在步骤S107、计算实际轮廓的边缘点到第二圆函数的偏差，即计算计算实际轮廓的边缘点到第二拟合圆的圆心的距离与第二拟合圆的半径的差，如果偏差大于设定值，则判别该轮廓点位置存在瑕疵。

本申请第二方面提供了一种圆环瑕疵检测系统，该圆环瑕疵检测系统包括：存储器及处理器，所述存储器中包括圆环瑕疵检测方法的程序，所述圆环瑕疵检测方法的程序被所述处理器执行时实现以下步骤：

S101、获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理，所述圆环ROI信息包括ROI圆心和半径；

S102、对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；

S103、以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；

S104、对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；

S105、获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；

S106、消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；

需要说明的是，在一个具体的实施例中，如果圆环是亮的，背景是偏暗的，那用户设置的是由暗到明，由外到内的模式，那么找的是外边缘轮廓；如果如果圆环是亮的，背景是偏暗的，那用户设置的是由暗到明，由内到外的模式，那么找的是内边缘轮廓。

S107、计算实际轮廓的边缘点到第二圆函数的偏差，根据偏差确定出瑕疵位置。

需要说明的是，本技术目的为获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理；对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，得到边缘点；消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；计算实际轮廓的边缘点到第二圆函数的偏差，根据偏差确定出瑕疵位置。本发明提出的异常点消除方法，能够在消除噪声干扰的同时，有效的保护圆环内部信息不受到除干扰影响，使检测算法具有极强的鲁棒性。

需要说明的是，在步骤S101中，首先获取待检测圆环图像如图2所示，所述预设的圆环ROI信息包括外圆、内圆及圆心，其中外圆和内圆同心，如图3所示为ROI图像。根据圆环ROI信息可以定位检测图像，然后灰度化处理得到灰度图像如图4所示。对灰度图进行中值滤波。灰度图减去中值滤波图得去除低频噪声干扰后的图像。如图5所示为中值滤波图像，图6所示为去除低频干扰后图像。

根据本发明实施例，所述以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长对边缘进行旋转扫描得到初步采样点，包括：

以当前遍历角度作为倾斜角计算斜率，以所述斜率和ROI圆心得到第一直线函数；

需要说明的是，例如当前遍历角度为X，则斜率即为tanX，角度步长10度，则遍历角度分别为：10度、20度、30度…360度。

计算第一直线函数和圆环ROI的内外圆的交点，分别得到第一内交点和第一外交点，以所述第一内交点和所述第一外交点为端点做线段，得到线段上的点集；

遍历第一外交点到第一内交点判别边缘点或遍历第一内交点到第一外交点判别边缘点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

需要说明的是，以ROI圆心(x1,y1)为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长对边缘进行旋转扫描得到初步采样点，其中角度步长不能太小，可能会造成计算成本增加，也不能太大，可能会导致采用精度不够，在一个具体的实施例中可以为11度。具体边缘采样包括：(1)根据当前遍历角度计算斜率，以所述斜率和ROI圆心(x1,y1)得到直线函数；

(2)计算直线函数和ROI内外圆的交点，分别得到内交点(x2,y2)和外交点(x3,y3)，以所述内交点(x2,y2)和所述外交点(x3,y3)为端点做线段，得到线段上的点集；

(3)按照预设的检索方向遍历从外交点到内交点判别边缘或遍历从内交点到外交点判别边缘；

(4)根据由暗到明或由明到暗的采样模式进行边缘点采样。

根据本发明实施例，所述根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

当由明到暗进行边缘点采样时，则当前点大于边缘阈值，下一点小于边缘阈值，则下一点为边缘点；

当由暗到明进行边缘点采样时，则当前点小于边缘阈值，下一点大于边缘阈值，则下一点为边缘点。

需要说明的是，在一个具体的实施例中，角度步长11度，从内到外，从暗到明的进行边缘采样点，得到初步采样点，如图7所示。

根据本发明实施例，对所述初步采样点进行过滤包括：

将采样点通过最小二乘法进行多点拟合圆函数，计算出圆心P1和半径r1；

计算每一个采样点到圆心P1的距离d；

计算每一个采样点的距离偏差，距离偏差bias计算公式为：

bias＝|r1-d|

对所有采样点的距离偏差进行排序，并将偏差最小的前预设值个点作为过滤后的采样点。

需要说明的是，所述距离的d的计算可以是欧氏距离，也可以是其他距离计算方式；对距离偏差进行排序可以按照从小到大或者从大到小的顺序排序。

根据本发明实施例，将偏差最小的前预设值个点作为过滤后的采样点包括：

记总的过滤前采样点数量为N，将按照距离偏差排序后的采样点，从小到大获取N/2个采样点作为过滤后的采样点，当N为奇数时，获取(N+1)/2个采样点作为过滤后的采样点。

如图8所示为过滤后的采样点图。

对过滤后的采样点通过最小二乘法拟合圆函数，更新圆心P1和半径r1。如图9所示为圆拟合图。

根据本发明实施例，获取圆环ROI的外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，得到边缘点，包括：

遍历所述轮廓点，计算通过所述轮廓点和第一圆函数圆心的第二直线函数；

计算第二直线函数和圆环ROI的内外圆的两个交点，分别记作第二内交点、第二外交点，以两个交点为端点做线段，得到线段上的点集；

遍历从第二外交点到第二内交点判别边缘点或遍历从第二内交点到第二外交点判别边缘点；并利用异常点消除方法剔除异常点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

需要说明的是，对点集中点的位置进行排序可以从任一点开始，顺时针或逆时针进行。如图10所示为ROI外圆轮廓图。

根据本发明实施例，利用异常点消除方法剔除异常点，包括：

计算可疑边缘点到第一圆函数圆心P2的距离D，比较与第一圆函数的半径r2；

如果是检索内轮廓，可疑边缘点偏差值的计算公式为：

Bias＝r2-D

如果是检索外轮廓，可疑边缘点偏差值的计算公式为：

Bias＝D-r2

若可疑边缘点偏差值大于设定的过滤阈值，则判别可疑边缘点为异常点并剔除。

如图11所示为异常点剔除效果图，其中红线为拟合的圆轮廓，绿线为寻找的圆环轮廓，通过异常点剔除法很好的去除了外部光斑的干扰。

根据本发明实施例，根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

如果采样模式是由明到暗，则判别边缘点的方式为，若当前点大于边缘阈值，下一点小于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点；

如果采样模式是由暗到明，则判别边缘点的方式为，若当前点小于边缘阈值，下一点大于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点。

需要说明的是，在步骤S106中，由于找边缘点，是从遍历ROI外轮廓点向内发射直线，相比与从圆心向外按照角度发射直线，这种方式能确保圆环上的点都能被覆盖到，但其会在找轮廓时产生冗余边缘点,因此需要对其进行消除。

如图12为内圆环轮廓效果图，即步骤S106得到的实际轮廓。利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；如图13所示，为内圆环轮廓圆拟合效果图。

需要说明的是，在步骤S107、计算实际轮廓的边缘点到第二圆函数的偏差，即计算计算实际轮廓的边缘点到第二拟合圆的圆心的距离与第二拟合圆的半径的差，如果偏差大于设定值，则判别该轮廓点位置存在瑕疵。

本申请第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括圆环瑕疵检测方法程序，所述圆环瑕疵检测方法程序被处理器执行时，实现所述的圆环瑕疵检测方法的步骤。

本发明公开的圆环瑕疵检测方法、系统及存储介质通过获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理；对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；计算实际轮廓的边缘点到第二圆函数的偏差，根据偏差确定出瑕疵位置。本发明提出的异常点消除方法，能够在消除噪声干扰的同时，有效的保护圆环内部信息不受到除干扰影响，使检测算法具有极强的鲁棒性。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种圆环瑕疵检测方法，其特征在于，所述方法包括：

获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理，所述圆环ROI信息包括ROI圆心和半径；

对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；

以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；

对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；

获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；

消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；

计算实际轮廓的边缘点到第二圆的偏差，根据偏差确定出瑕疵位置。

2.根据权利要求1所述的一种圆环瑕疵检测方法，其特征在于，所述以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长对边缘进行旋转扫描得到初步采样点，包括：

以当前遍历角度作为倾斜角计算斜率，以所述斜率和ROI圆心得到第一直线函数；

计算第一直线函数和圆环ROI的内外圆的交点，分别得到第一内交点和第一外交点，以所述第一内交点和所述第一外交点为端点做线段，得到线段上的点集；

遍历第一外交点到第一内交点判别边缘点或遍历第一内交点到第一外交点判别边缘点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

3.根据权利要求2所述的一种圆环瑕疵检测方法，其特征在于，所述根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

当由明到暗进行边缘点采样时，则当前点大于边缘阈值，下一点小于边缘阈值，则下一点为边缘点；

当由暗到明进行边缘点采样时，则当前点小于边缘阈值，下一点大于边缘阈值，则下一点为边缘点。

4.根据权利要求1所述的一种圆环瑕疵检测方法，其特征在于，对所述初步采样点进行过滤包括：

将采样点通过最小二乘法进行多点拟合圆函数，计算出圆心P1和半径r1；

计算每一个采样点到圆心P1的距离d；

计算每一个采样点的距离偏差，距离偏差bias计算公式为：

bias＝|r1-d|

对所有采样点的距离偏差进行排序，并将偏差最小的前预设值个点作为过滤后的采样点。

5.根据权利要求4所述的一种圆环瑕疵检测方法，其特征在于，将偏差最小的前预设值个点作为过滤后的采样点包括：

记总的过滤前采样点数量为N，将按照距离偏差排序后的采样点，从小到大获取N/2个采样点作为过滤后的采样点，当N为奇数时，获取(N+1)/2个采样点作为过滤后的采样点。

6.根据权利要求1所述的一种圆环瑕疵检测方法，其特征在于，获取ROI外圆轮廓点集并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，得到边缘点，包括：

遍历所述轮廓点，计算通过所述轮廓点和第一圆函数圆心的第二直线函数；

计算第二直线函数和圆环ROI的内外圆的两个交点，分别记作第二内交点、第二外交点，以两个交点为端点做线段，得到线段上的点集；

遍历从第二外交点到第二内交点判别边缘点或遍历从第二内交点到第二外交点判别边缘点；并利用异常点消除方法剔除异常点；

根据由暗到明或由明到暗的采样模式进行边缘点采样。

7.根据权利要求6所述的一种圆环瑕疵检测方法，其特征在于，利用异常点消除方法剔除异常点，包括：

计算可疑边缘点到第一圆函数圆心P2的距离D，比较与第一圆圆函数的半径r2；

如果是检索内轮廓，可疑边缘点偏差值的计算公式为：

Bias＝r2-D

如果是检索外轮廓，可疑边缘点偏差值的计算公式为：

Bias＝D-r2

若可疑边缘点偏差值大于设定的过滤阈值，则判别可疑边缘点为异常点并剔除。

8.根据权利要求6所述的一种圆环瑕疵检测方法，其特征在于，根据由暗到明或由明到暗的采样模式进行边缘点采样，包括：

如果采样模式是由明到暗，则判别边缘点的方式为，若当前点大于边缘阈值，下一点小于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点；

如果采样模式是由暗到明，则判别边缘点的方式为，若当前点小于边缘阈值，下一点大于边缘阈值，则下一点为可疑边缘点，通过异常点消除方法对可疑边缘点进行判别，如果判别为异常点，则剔除后继续往该方向寻找边缘点，直到找到边缘点或未找到边缘点。

9.一种圆环瑕疵检测系统，其特征在于，该圆环瑕疵检测系统包括：存储器及处理器，所述存储器中包括圆环瑕疵检测方法的程序，所述圆环瑕疵检测方法的程序被所述处理器执行时实现以下步骤：

获取待检测圆环图像，利用预设的圆环ROI信息定位所述圆环图像并进行灰度化处理，所述圆环ROI信息包括ROI圆心和半径；

对灰度处理后的图像进行中值滤波得到中值滤波图，利用所述中值滤波图对灰度处理后的图像进行低频去噪，得到去除干扰噪声的图像；

以ROI圆心为起点，向圆周上做直线，以圆心为轴，按照预设的角度步长顺圆周方向对圆周边缘进行旋转扫描得到初步采样点；

对所述初步采样点进行过滤后进行圆拟合，得到第一圆函数，更新ROI圆心和半径；

获取ROI外圆轮廓点集，并对点集中点的位置进行排序，遍历所述外圆轮廓点集合，利用预设的异常点消除方法剔除异常点，得到边缘点；

消除冗余的边缘点，并排序得到实际轮廓，利用实际轮廓的边缘点进行圆拟合，得到第二圆函数；

计算实际轮廓的边缘点到第二圆的偏差，根据偏差确定出瑕疵位置。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括圆环瑕疵检测方法程序，所述圆环瑕疵检测方法程序被处理器执行时，实现如权利要求1至8中任一项所述的圆环瑕疵检测方法的步骤。