本發(fā)明涉及計算機視覺檢測領(lǐng)域，尤其涉及一種矩形鐵氧體磁片表面缺陷的識別方法。

背景技術(shù)：

鐵氧體磁片在各種機械設(shè)備中是不可或缺的一個部分，工業(yè)上對磁片的需求也越來越多。然而這些磁片在生產(chǎn)、打磨等過程中會使磁片表面出現(xiàn)凹痕、刮痕等缺陷問題。在實際的生產(chǎn)流水線上，對磁片的缺陷檢測大都是通過人眼來觀測是否存在缺陷。用人工來進行缺陷檢測不僅效率比較低，而且無法保證檢測的精度。因此發(fā)展一種效率高、精度高的鐵氧體圓片表面凹痕識別方法是當前生產(chǎn)企業(yè)的迫切需求。而目前，隨著圖像處理和人工智能技術(shù)的發(fā)展，以計算機視覺為基礎(chǔ)的產(chǎn)品自動檢測與識別方法逐漸得到發(fā)展與應(yīng)用，通過圖像處理可以對磁片的缺陷進行分析、識別。計算機技術(shù)的發(fā)展使得通過圖像快速有效進行識別成為可能。

技術(shù)實現(xiàn)要素：

為解決現(xiàn)有技術(shù)對矩形鐵氧體磁片缺陷的人工識別效率低下、無法做到長時間高效作業(yè)的問題，提供一種矩形鐵氧體磁片的表面缺陷識別方法，這種識別方法基于計算機視覺，能充分利用圖像處理的優(yōu)勢，快速、精確地對生產(chǎn)流水線上的磁片進行識別分類，以配合生產(chǎn)的需求。

為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

步驟一，通過視覺設(shè)備獲取流水線上矩形鐵氧體磁片的實時影像；

步驟二，通過幀間差分法，獲取單個矩形鐵氧體磁片圖像，具體過程如下：

2.1計算連續(xù)兩幀圖像的差分圖像g¹，計算公式為：

g¹＝pk-pk-1

其中pk-1為前一時刻的圖像，pk為當前時刻的圖像；

2.2對差分圖像進行高斯濾波計算，消除噪聲，計算公式為：

其中x為差分圖像的像素值；σ為高斯函數(shù)的寬度，值取3、5或7；

2.3計算濾波后差分圖像的縱向一階導(dǎo)數(shù)的積分投影，計算公式為：

其中sj(x)為圖像在縱向坐標j點下的積分投影值，n為圖像的高度，i為橫坐標，m為圖像的寬度；

2.4計算縱向積分投影的拐點，計算公式為：

h(j)＝max(sj(x))

其中，h(j)為拐點j位置處的積分投影值，max(sj(x))為求取序列sj(x)的峰值點；

2.5設(shè)立閾值t，和h(j)相比較，若大于設(shè)定的閾值t，則判斷有矩形鐵氧體磁片到來，并把前一時刻圖像作為背景圖像存儲；若小于設(shè)定的閾值，則返回步驟一；

步驟三，通過閾值分割法將圖像分為目標區(qū)域a和背景區(qū)域b兩類；

步驟四，根據(jù)圖像p(x,y)的標準差和均值計算出閾值ti，計算公式為：

ti＝μz+ci·σz

其中μz表示圖像p(x,y)灰度值的均值，σz表示圖像p(x,y)灰度值的標準偏差，ci是一個控制參數(shù)，ti表示計算出來的閾值；

步驟五，對整幅圖像進行局部二值化均值處理，具體實施方式如下：

5.1,先求圖像的權(quán)重，然后將圖像進行二值化處理，計算方式為：

p'(x,y)＝w(x,y)p(x,y)

其中w(x,y)表示(x,y)這一點的權(quán)重；p(x,y)表示點(x,y)的二值化處理后的灰度值；

5.2，計算二值化后圖像的灰度平均值，計算公式為：

其中μ表示二值化后的灰度平均值；i和j代表圖象的尺寸大??；

步驟六，計算二值化圖像的平均值的標準差，計算公式為：

其中σa表示二值化圖像的平均值的標準差；

步驟七，對計算出來的標準差進行判斷，如果σ等于零則判斷為該圖像上面無缺陷，如果標準差σ大于零，則對該圖像進行以下的操作判斷；

步驟八，將整個圖像分解為大小為m×n的k幅大小一樣的子圖像；表示方法如下：

z＝{p(x,y)x∈{1,2,...,i},y∈{1,2,...j}}

k＝i/m×j/n

其中m和n是子圖像的尺寸大小，k是在整幅圖像中分解的子圖像的個數(shù)，z代表整幅圖像；

步驟九，針對子圖像重新選取最優(yōu)閾值t，具體實施方式如下：

9.1，計算每個二值化子圖像的均值，計算公式為：

p'k＝wk(x,y)pk(x,y)

其中wk(x,y)表示第k幅子圖像在(x,y)這一點的權(quán)重；pk(x,y)表示第k幅子圖像在(x,y)這一點的灰度值；p'k表示第k幅子圖像在點(x,y)的二值化處理后的灰度值；其中μk表示第k幅子圖像二值化后的灰度平均值；pk表示第k幅子圖像在點(x,y)的二值化處理后的灰度值；

9.2，通過迭代最優(yōu)閾值選擇方法，來確定最優(yōu)閾值的值，實現(xiàn)方法如下：

通過一個閾值變量t(0<t<256)，計算出在每個變量閾值t下的每一幅子圖像的二值化后的平均值，針對每一個閾值變量t重復(fù)執(zhí)行上面的過程，選取出平均值小于1的所有子圖像，記錄下這些子圖像中的最小灰度值，然后將這些得到的最小灰度值進行平均值計算；計算公式為：

其中j(t)表示二值化平均值小于1的子圖像的最小灰度平均值；l表示總共選擇出來的子圖像的個數(shù)，pl(x,y)表示選出的第l幅圖像中點(x,y)的灰度值；t表示閾值變量；

9.3對得到的最小灰度的平均值進行平滑處理，計算公式為：

其中h為移動平均濾波器的階數(shù)；j’(t)為平滑之后的平均值；

9.4在t與j’(t)的函數(shù)關(guān)系下，將j’(t)取最小值時的t值作為新產(chǎn)生的最優(yōu)t值；

步驟十，根據(jù)新產(chǎn)生的最優(yōu)閾值t，返回步驟9.1，重新計算出子圖像二值化后的平均值；

步驟十一，根據(jù)重新計算出來的二值化后的平均值，判斷該子圖像是否是缺陷子圖像，并在整個圖像中用原始圖像標記，計算公式為：

其中bk表示第k幅圖像識別后的輸出圖像；

步驟十二，對所有的子圖像進行識別鑒定，當所有的子圖像全部為無缺陷圖像時，可以判斷整個圖像是無缺陷的，否則就是有缺陷圖像。

本發(fā)明利用矩形鐵氧體磁片的實時影像，通過計算機視覺處理實現(xiàn)自動檢測；以通過幀間差分法實現(xiàn)鐵氧體圓片的位置定位觸發(fā)，最終獲取清晰的單個矩形鐵氧體磁片圖像。然后首先通過對整幅圖像進行粗略的檢測是否有缺陷，然后再對檢測出來有缺陷的產(chǎn)品進行精確的檢測識別，最終判斷該產(chǎn)品是否含有缺陷。

在計算時，在獲取矩形鐵氧體磁片實時影像的基礎(chǔ)上，首先通過幀間差分法判斷是否有矩形鐵氧體磁片到來，把此時的前一幀圖像作為背景圖像；對所獲得的圖片進行閾值化處理，分割出僅含有矩形鐵氧體磁片的圖像。通過圖像的平均值和標準差計算出算法的最優(yōu)閾值；然后根據(jù)最優(yōu)閾值對圖像進行進行二值化處理，對處理后的二值化圖像求標準差，若標準差為零，則判斷為無缺陷產(chǎn)品，若標準差不為零，將圖像分成很多等份，重新選擇最優(yōu)閾值。通過選擇出來的最優(yōu)閾值計算每幅二值化子圖像的平均值，若每幅子圖像的平均值都等于一，則判斷為無缺陷產(chǎn)品，否則判斷為缺陷產(chǎn)品。

本發(fā)明可以作為獨立的算法模塊嵌入到矩形鐵氧體磁片自動化生產(chǎn)的實時控制系統(tǒng)中，達到鐵氧體快速、自動化識別檢測的目的，計算速度快、智能化程度高、識別準確。

附圖說明

圖1為本發(fā)明的工作流程框圖。

圖2為本發(fā)明采集到的含有缺陷的圖片。

圖3為圖像進行二值化均值處理后的結(jié)果。

圖4為采集到有缺陷的子圖像。

圖5為最優(yōu)閾值t選擇的結(jié)果。

具體實施方式

參照附圖，一種基于計算機視覺的矩形鐵氧體磁片表面的缺陷識別方法，步驟如下：

步驟一，通過視覺設(shè)備獲取流水線上800×600矩形鐵氧體磁片的實時影像；

步驟二，通過幀間差分法，獲取單個矩形鐵氧體磁片圖像，具體過程如下：

2.1計算連續(xù)兩幀圖像的差分圖像，計算公式為：

g¹＝pk-pk-1

其中pk-1為前一時刻的圖像，pk為當前時刻的圖像；

2.2對差分圖像進行高斯濾波計算，消除噪聲，設(shè)置高斯函數(shù)的寬度為3，計算公式為：

其中x為差分圖像的像素值。

2.3計算濾波后差分圖像的縱向一階導(dǎo)數(shù)的積分投影，計算公式為：

其中sj(x)為圖像在縱向坐標j點下的積分投影值，i為橫坐標，圖像的寬度為800，高度為600。

2.4計算縱向積分投影的拐點，計算公式為：

h(j)＝max(sj(x))

設(shè)對應(yīng)的j值為60，求得h(j)的值6000。

2.5設(shè)定閾值參數(shù)為3000，h(j)的值6000與設(shè)定閾值參數(shù)3000相比較，6000大于3000，即判斷有矩形鐵氧體磁片到來，并把前一時刻圖像pk-1作為背景圖像存儲；

步驟三，通過閾值分割法將圖像分為目標區(qū)域a和背景區(qū)域b兩類，并且對a區(qū)域不做任何處理，并將只含有a區(qū)域p(x,y)的部分提取出來。計算公式為：

其中f(x,y)為原圖像的灰度，式中設(shè)定的閾值t為60，p(x,y)為處理后的圖像。

步驟四，根據(jù)圖像p(x,y)的標準差和均值計算出閾值ti，計算公式為：

ti＝μz+ci·σz＝104.1+0.8×8.7＝111.0

其中μz表示圖像p(x,y)灰度值的均值，σz表示圖像p(x,y)灰度值的標準偏差，控制參數(shù)ci設(shè)定為0.8，ti表示計算出來的閾值。

步驟五，對整幅圖像進行局部二值化均值處理，具體實施方式如下：

5.1,先求圖像的權(quán)重，然后將圖像進行二值化處理，計算方式為：

p'(x,y)＝w(x,y)p(x,y)

其中w(x,y)表示(x,y)這一點的權(quán)重；p’(x,y)表示點(x,y)的二值化處理后的灰度值；

5.2，計算二值化后圖像的灰度平均值，計算公式為：

其中μ表示二值化后的灰度平均值；圖像的長i為600，寬j為400。

步驟六，計算二值化圖像的平均值的標準差，計算公式為：

步驟七，對計算出來的標準差進行判斷，標準差σ大于零，則對該圖像進行以下的操作判斷。

步驟八，將整個圖像分解為大小為m×n的k幅大小一樣的子圖像。表示方法如下：

z＝{p(x,y)x∈{1,2,...,i},y∈{1,2,...j}}

k＝i/m×j/n＝600/60×400/40＝100

其中子圖像的長m為60，寬為40，整幅圖像中分解的子圖像的個數(shù)k為100，z代表整幅圖像。

步驟九，針對子圖像重新選取最優(yōu)閾值t為100，具體實施方式如下：

9.1，計算每個二值化子圖像的均值，計算公式為：

p'k＝wk(x,y)pk(x,y)

其中wk(x,y)表示第k幅子圖像在(x,y)這一點的權(quán)重；pk(x,y)表示第k幅子圖像在(x,y)這一點的灰度值；pk表示第k幅子圖像在點(x,y)的二值化處理后的灰度值；其中μk表示第k幅子圖像二值化后的灰度平均值；pk表示第k幅子圖像在點(x,y)的二值化處理后的灰度值。

9.2，通過迭代最優(yōu)閾值選擇方法，來確定最優(yōu)閾值的值，實現(xiàn)方法如下：

通過一個閾值變量t(0<t<256)，計算出在每個變量閾值t下的每一幅子圖像的二值化后的平均值，針對每一個閾值變量t重復(fù)執(zhí)行上面的過程，選取出平均值小于1的所有子圖像，記錄下這些子圖像中的最小灰度值，然后將這些得到的最小灰度值進行平均值計算。計算公式為：

其中j(t)表示二值化平均值小于1的子圖像的最小灰度平均值，計算得到為0.3625；總共選擇出來的子圖像的個數(shù)l為34，pl(x,y)表示選出的第l幅圖像中點(x,y)的灰度值；t表示閾值變量。

9.3對得到的最小灰度的平均值進行平滑處理，計算公式為：

其中移動平均濾波器的階數(shù)h設(shè)置為4；平滑之后的平均值j’(t)為0.3544。

9.4在t與j’(t)的函數(shù)關(guān)系下，將j’(t)取最小值時的值t＝122作為新產(chǎn)生的最優(yōu)t值。

步驟十，根據(jù)新產(chǎn)生的最優(yōu)閾值t＝122，返回步驟9.1，重新計算出子圖像二值化后的平均值。

步驟十一，根據(jù)重新計算出來的二值化后的平均值，判斷該子圖像是否是缺陷子圖像，并在整個圖像中用原始圖像標記，計算公式為：

其中bk表示第k幅圖像識別后的輸出圖像。

步驟十二，對所有的子圖像進行識別鑒定，得到有7張子圖像為缺陷圖像，所以判斷該圖像為缺陷圖像。