[发明专利]一种基于机器视觉的电梯补偿链冲伤缺陷检测方法

权利要求书

1.一种基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，依次包括以下步骤：S1、针对采集到的原始灰度图像，采用图像分区技术提取链身中部的感兴趣区域；S2、对感兴趣区域进行纹理分析得到纹理分析图像，对纹理分析图像进行均值滤波后采用分水岭算法分割获取分割区域；S3、对分割区域提取形态学特征，进行缺陷初步判定；S4、对初步判定为具有缺陷的分割区域所对应的纹理分析图像进行第一阈值分割和骨架提取，进行缺陷二次判定；所述步骤S1采用图像分区技术提取链身中部的感兴趣区域包括步骤S101、对原始灰度图像进行第二阈值分割通过轮廓边缘提取获得第一中心线，所述第一中心线是根据轮廓边缘中心点的垂线；S102、对原始灰度图像进行第三阈值分割通过形态学特征提取链身中间黑区和白区确定第二中心线，所述第二中心线的确定步骤是对原始灰度图像中灰度值在0～50以及240～255的区域由面积和位置分布特征选出中间黑区和白区，合并中间黑区和白区拟合合并区域的最小外接矩形，所述第二中心线是所述最小外接矩形中心的垂线；S103、根据第一中心线和第二中心线合并得到修正中心线；S104、根据修正中心线获得链身中部的感兴趣区域。

2.根据权利要求1所述的基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，所述修正中心线由第一中心线和第二中心线取均值得到，所述链身中部的感兴趣区域是以修正中心线为中心分别向两侧截取的设定长度的区域。

3.根据权利要求1所述的基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，纹理分析图像由感兴趣区域的原始灰度图像与预先设定的向量模板卷积得到。

4.根据权利要求1所述的基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，所述均值滤波是采用如下公式进行：

其中g_r,c是均值滤波后图像像素点灰度值，g_r-i,c-j是纹理分析图像像素点灰度值，A是掩码，2n+1＝A，2m+1＝A。

5.根据权利要求1所述的基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，所述步骤S2中采用分水岭算法分割获取分割区域包括步骤：S201、对纹理图像中所有的像素点根据像素值的大小进行排序，得到像素矩阵；S202、从最小的像素值开始，形成并标记各个盆地；S203、利用FIFO循环队列及设定的灰度值公差来归集具有不同标识的盆地得到分水岭脊线；S204、对分水岭脊线分割的区域满足max{W-B₁,W-B₂}＜B时合并区域，得到最终分割区域，所述B₁和B₂为相邻两区域的最小灰度值，W为分水岭脊线最小灰度值W，B为临界灰度值。

6.根据权利要求1所述的基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，所述步骤S4中第一阈值分割采用如下公式：

R＝{(r,c)∈G|g_min≤g_(r,c)≤g_max}，

其中，R表示满足分割条件的区域，(r,c)表示满足分割条件的像素点，G表示待处理的图像，g_min表示分割条件的最小灰度值，g_(r,c)表示像素点的灰度值，g_max表示分割条件的最大灰度值。

7.根据权利要求1所述的基于机器视觉的电梯补偿链冲伤缺陷检测方法，其特征在于，所述步骤S4中根据骨架提取进行缺陷二次判定是对第一阈值分割后做区域内所有的内切圆，再连接所有圆心得到骨架，并根据骨架的像素值长度判断是否存在缺陷。