[发明专利]一种产品表面图像异常检测方法及装置

权利要求书

1.一种产品表面图像异常检测方法，其特征在于，所述方法包括以下步骤：

步骤1，对产品表面进行图像采集获取产品图像；

步骤2，将产品图像与模板图像进行对比判断是否一致；

步骤3，将不一致的产品图像进行线性滤波去除产品图像的噪声得到去噪产品图像；

步骤4，选取去噪产品图像的分割阈值；

步骤5，根据分割阈值划分去噪产品图像中的产品像素区域；

步骤6，根据产品像素区域判断产品是否有缺陷；

在步骤2中，将产品图像与模板图像进行对比判断是否一致的方法为：

步骤2.1，输入模板图像，模板图像为预先通过彩色CCD/CMOS工业相机对流水线上或上下料机器人上的合格产品表面拍摄的图像；

步骤2.2，通过下式将产品图像与模板图像的图像矩阵做减法运算得到图像差值，

F₀为模板图像的图像矩阵，F_k为产品图像的图像矩阵，k为流水线上或上下料机器人产品的递增的产品顺序号，k＝1,2,…,N，若有产品图像与模板图像的图像差值不一致的情况，即ΔF_k≥T时，转到步骤2.3，其中，T为对比阈值，默认为0；

步骤2.3，将F₀和F_k中对应像素的特征值进行比较，即将F₀和F_k中像素点取值分别用其周围的像素点来表示，即通过以下公式进行比较：

式中，δ₀(i,j),δ_k(i,j)分别表示以F₀(i,j)，F_k(i,j)为中心的邻域，M为邻域中的像素点数，取以(i,j)点为中心，m×n像素的邻域，作为表示像素点(i,j)的表征域δ，M＝m×n，当F₀(i,j)和F_k(i,j)的欧氏距离小于对比阈值T则判定为一致，m＝3像素，n＝3像素；

在步骤4中，选取去噪产品图像的分割阈值的方法为：设去噪产品图像的原始灰度图像的灰度级为L，灰度为i的像素点数为n_i，去噪产品图像的像素总数为N，则去噪产品图像的分割阈值的计算过程如下：

步骤4.1，计算去噪产品图像的所有灰度级为i的像素点出现的概率p_i＝n_i/N，且

步骤4.2，计算归一化直方图的灰度均值μ，

步骤4.3，用阈值t将灰度级划分为两类(C₀,C₁)，C₀中为灰度级[0,t]的像素，C₁包含了灰度级为[t+1,L-1]的像素，C₀和C₁的发生概率ω₀(t)和ω₁(t)由下式得到：

其中，t＝0,1,…,L-1；

步骤4.4，计算类C₀和C₁的灰度均值μ₀(t)和μ₁(t)：

步骤4.5，根据C₀和C₁的灰度均值计算方差和

步骤4.6，计算类间方差：

在上式中，灰度均值μ₀(t)和μ₁(t)分别代表去噪产品图像中背景和产品的中心灰度；

步骤4.7，求σ_B(t)的最大值，并将具有最大值的σ_B(t)中t^*值作为分割阈值，即同理可以得到去噪模板图像的分割阈值；其中，t＝0,1,…,L-1；

在步骤5中，根据分割阈值划分去噪产品图像中的产品像素区域的方法为：

将去噪产品图像中各个像素的灰度值都与分割阈值相比较，并根据比较结果将对应的像素划分得到去噪产品图像中的产品像素区域，即，

其中，f(x,y)是去噪产品图像的原始灰度图像，g(x,y)是分割后的二值化图像，g(x,y)即为产品像素区域，同理可以获得模板图像的产品像素区域；

在步骤6中，根据产品像素区域判断产品是否有缺陷的方法为：

令b_i(x,y)为产品图像的产品像素区域的二值化图像，b₀(x,y)为模板图像的产品像素区域的二值化图像，对b_i(x,y)中像素值为1的像素进行标记，得到产品图像的产品像素区域中的疑似缺陷区域Ω_i，i＝1,2,…,N，计算b_i(x,y)与b₀(x,y)的相似度ξ_i：

当ξ_iε时，即认为产品没有缺陷，产品合格；而当ξ_i≥ε时，即可认为存在缺陷，产品不合格，ε＝A％L，L为模板图像的总灰度级数，A为取值范围5到10之间的整数。