[發(fā)明專利]基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法

有效

• 申請?zhí)枺?/td>: 202011438083.4
• 申請日: 2020-12-11
• 公開（公告）號: CN112233116B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計）人: 邱增帥;王罡;潘正頤;侯大為
• 申請（專利權(quán)）人: 常州微億智造科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G01N21/88;G06K9/62
• 代理公司: 常州至善至誠專利代理事務(wù)所(普通合伙) 32409
• 代理人: 趙旭

1.一種基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于，具有以下步驟：

第一步驟、對原圖像進行閾值化處理：將原圖像進行局部自適應(yīng)閾值化處理，變成二值化圖像；

第二步驟、目標(biāo)圖像提取：通過邊緣提取算法對二值化圖像進行邊緣提取，就分割出目標(biāo)圖像；

第三步驟、目標(biāo)圖像擬合：根據(jù)輪廓點擬合直線，之后將直線聚類，再將聚類后直線中包含的輪廓點進行再次擬合；

第四步驟、目標(biāo)圖像校正：將目標(biāo)圖像映射到標(biāo)準(zhǔn)矩形圖像中；

使用仿射變換，用一個3×3的矩陣來表示，矩陣將的原坐標(biāo)變換為的新坐標(biāo)，即

通過仿射變換，將仿射矩形內(nèi)的圖像區(qū)域轉(zhuǎn)換成直角矩形圖像，實現(xiàn)圖像的校正，同時對背景部分進行裁剪，并保留目標(biāo)區(qū)域；

第五步驟、凹凸痕識別：通過特征判斷和多模板匹配的方法檢測凹凸痕；選用灰度共生矩陣的對比度、熵、能量和逆差分矩作為特征值；不規(guī)則多邊形圖像映射到矩形中，即將傾斜的圖像映射到矩形圖像中，對模板進行特征提取，獲得特征向量，計算其與八鄰域特征向量的歐式距離，然后與標(biāo)準(zhǔn)閾值進行比較，通過多模板滑動遍歷對八鄰域進行投票判斷，如果中心模板的特征向量與其八鄰域的特征向量的歐式距離小于給定的閾值則投正票，反之則投反票；最后通過統(tǒng)計正票數(shù)和反票數(shù)來決定該中心模板的凹凸痕屬性；如果正票數(shù)大于等于反票數(shù)，則就不是凹凸痕；如果反票數(shù)大于正票數(shù)，則就是凹凸痕。

2.根據(jù)權(quán)利要求1所述的基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于：在所述的第三步驟中，根據(jù)目標(biāo)圖像，識別目標(biāo)圖像的直線像素v₁,v₂,…,v_n，直線像素的表達式為，b為斜率，a為截距，根據(jù)a和b對v_n進行聚類。

3.根據(jù)權(quán)利要求2所述的基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于：聚類結(jié)果為四類，分別為L_l,L_r,R_l,R_r，然后分別擬合L_l,L_r,R_l,R_r中的直線，擬合后為、、、直線，四條直線的交點為四個，分別為：左上角的坐標(biāo)為(x_lu,y_lu), 左下角的坐標(biāo)為(x_ld,y_ld), 右上角的坐標(biāo)為(x_ru,y_ru), 右下角的坐標(biāo)為(x_rd,y_rd)，擬合后圖像為不規(guī)則四邊形圖像。

4.根據(jù)權(quán)利要求3所述的基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于：根據(jù)四個交點，首先求四邊形豎邊距離、，然后求豎邊的平均值距離。

5.根據(jù)權(quán)利要求4所述的基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于：根據(jù)四個交點，首先求四邊形橫邊距離、，然后求橫邊的平均值距離。

6.根據(jù)權(quán)利要求5所述的基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于：把、作為矩形的長、寬，然后通過圖像校正的方法把原不規(guī)則四邊形圖像映射到矩形圖像中。

7.根據(jù)權(quán)利要求6所述的基于鄰域決策與灰度共生矩陣描述的凹凸痕視覺檢測方法，其特征在于：先提取圖像紋理，提取特征，模板為矩形，長L∈[1,]，寬W∈[1,]，模板一共有×個，每個模板都在矩形圖像中遍歷，通過相似度比較進行判斷凹凸痕。