[發(fā)明專利]一種矩形鐵氧體磁片表面的缺陷識別方法

在審

• 申請?zhí)枺?/td>: 201710382603.6
• 申請日: 2017-05-26
• 公開（公告）號: CN107316287A
• 公開（公告）日: 2017-11-03
• 發(fā)明（設(shè)計）人: 姚明海;楊圳;顧勤龍;王憲保
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 杭州之江專利事務(wù)所(普通合伙)33216
• 代理人: 林蜀

1.一種矩形鐵氧體磁片表面的缺陷識別方法，其特征在于包括以下步驟：

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＝P_k-P_k-1

其中P_k-1為前一時刻的圖像，P_k為當(dāng)前時刻的圖像；

2.2對差分圖像進(jìn)行高斯濾波計算，消除噪聲，計算公式為：

G1(x)=e-x22σ2]]>

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：

Sj(x)=Σi=0M|Gi,j1(x)-Gi,j-11(x)|,0<j<N]]>

其中S_j(x)為圖像在縱向坐標(biāo)j點下的積分投影值，N為圖像的高度，i為橫坐標(biāo)，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(S_j(x))

其中，Max(S_j(x))為求取序列S_j(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(biāo)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(biāo)準(zhǔn)差和均值計算出閾值T_i，計算公式為：

T_i＝μ_z+C_i·σ_z

其中μ_z表示圖像p(x,y)灰度值的均值，σ_z表示圖像p(x,y)灰度值的標(biāo)準(zhǔn)偏差，C_i是一個控制參數(shù)；

步驟五，對整幅圖像進(jìn)行局部二值化均值處理，具體步驟如下：

5.1,先求圖像的權(quán)重，然后將圖像進(jìn)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：

μ=1IJΣx=1IΣy=1Jp(x,y)]]>

其中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(biāo)準(zhǔn)差，計算公式為：

σa=1I×JΣx=1IΣy=1J(μ-p′(x,y))2]]> 1

其中σ_a表示二值化圖像的平均值的標(biāo)準(zhǔn)差；

步驟七，對計算出來的標(biāo)準(zhǔn)差進(jìn)行判斷，如果σ_a等于零則判斷為該圖像上面無缺陷，如果標(biāo)準(zhǔn)差σ_a大于零，則對該圖像進(jìn)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}}

Z={zk}k=1K={pk(x,y)|x∈{1,2,...,M},y∈{1,2,...N}}k=1K]]>

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，具體步驟如下：

9.1，計算每個二值化子圖像的均值，計算公式為：

p'_k＝w_k(x,y)p_k(x,y)

μk=1MNΣx=1MΣy=1NPk′(x,y)]]>

其中w_k(x,y)表示第k幅子圖像在(x,y)這一點的權(quán)重；p_k(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μ_k表示第k幅子圖像二值化后的灰度平均值；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；

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，步驟如下：

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(jìn)行平均值計算；計算公式為：

J(t)=1LΣl=1L{min1≤x≤M,1≤y≤Npl(x,y)},1≤t≤255]]>

其中L表示總共選擇出來的子圖像的個數(shù)，p_l(x,y)表示選出的第l幅圖像中點(x,y)的灰度值；

9.3對得到的最小灰度的平均值進(jìn)行平滑處理，計算公式為：

J′(t)=1H-1Σh=0HJ(t-h)]]>

其中H為移動平均濾波器的階數(shù)；

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)閾值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(biāo)記，計算公式為：

其中B_k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(jìn)行識別鑒定，當(dāng)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。