[发明专利]一种缺陷检测方法

说明书

本申请涉及表面缺陷检测技术领域，尤其涉及一种缺陷检测方法。该方法包括：获取待检测图像；根据预设的滤波器，对所述待检测图像进行频域滤波，获得第一频域滤波图像；对所述第一频域滤波图像进行归一化处理，获得第一归一化图像；根据预设的上限阈值和下限阈值，分割所述第一归一化图像，确定缺陷区域；其中，所述滤波器、所述上限阈值以及所述下限阈值均根据与所述待检测图像对应的理想背景图像确定。本申请实施例提供的的缺陷检测方法，实现了在复杂背景下的缺陷检测，并且具有较高的检测精度，有助于控制产品的质量，提高生产产能。

技术领域

本申请涉及表面缺陷检测技术领域，尤其涉及一种缺陷检测方法。

背景技术

在工业生产中，产品表面上的缺陷不仅会影响产品的外观，而且可能会影响产品的性能和使用寿命。因此，在生产过程中，需要对产品进行表面缺陷检测。

目前，通常采用机器视觉对产品进行表面缺陷检测，以避免人工检测准确率低、成本高的问题。具体地，计算机在进行缺陷检测的过程中，首先会控制摄像头拍摄一张被检测产品的图像。其次，根据图像中缺陷和背景的灰度差异做阈值分割，确定出缺陷在图像中的位置。

然而，对于背景比较复杂的反射场图像，例如图1所示的带有开口泡缺陷的光伏玻璃图像，其背景与缺陷的灰度差异通常较小，采用上述基于灰度值的缺陷检测方法，将很难检测出缺陷的位置，更加无法保证缺陷检测的准确率。因此，亟待提供一种适用于复杂背景图像的缺陷检测方法。

发明内容

本申请提供了一种缺陷检测方法，以解决现有的缺陷检测方法对于复杂背景图像检测准确率低的问题。

本申请实施例提供一种缺陷检测方法，所述方法包括：获取待检测图像；根据预设的滤波器，对所述待检测图像进行频域滤波，获得第一频域滤波图像；对所述第一频域滤波图像进行归一化处理，获得第一归一化图像；根据预设的上限阈值和下限阈值，分割所述第一归一化图像，确定缺陷区域；其中，所述滤波器、所述上限阈值以及所述下限阈值均根据与所述待检测图像对应的理想背景图像确定。

可选的，根据预设的滤波器，对所述待检测图像进行频域滤波，获得第一频域滤波图像，包括：对所述待检测图像进行傅立叶变换，获得第一傅立叶图像；将所述预设的滤波器与所述第一傅立叶图像相乘，获得乘积；对所述乘积进行傅立叶逆变换，获得第一频域滤波图像。

可选的，对所述第一频域滤波图像进行归一化处理，获得第一归一化图像，包括：通过归一化公式S＝F×g+d，对所述第一频域滤波图像进行归一化处理，获得第一归一化图像，其中，S为第一归一化图像，F为所述第一频域滤波图像，g为增益，d为灰度的目标值。

可选的，根据预设的上限阈值和下限阈值，分割所述归一化图像，确定缺陷区域，包括：将所述第一归一化图像中每一个像素点的像素值与所述上限阈值和所述下限阈值进行比较，如果所述像素值小于所述下限阈值，或者大于所述上限阈值，则将所述像素点确定为缺陷像素点；将所有所述缺陷像素点所在区域确定为缺陷区域。

可选的，所述滤波器、所述上限阈值以及所述下限阈值通过如下方法确定：获取理想背景图像；对所述理想背景图像进行傅立叶变换，获得第二傅立叶图像；确定所述第二傅立叶图像的频谱分布直方图；根据所述频谱分布直方图，计算截止频率；根据所述截止频率，计算所述滤波器的频域方差系数；根据所述频域方差系数，计算所述滤波器；使用所述滤波器，对所述理想背景图像进行频域滤波，确定第二频域滤波图像；对所述第二频域滤波图像进行归一化处理，获得第二归一化图像；根据所述第二归一化图像的灰度直方图，确定所述下限阈值和所述上限阈值。

可选的，确定所述第二傅立叶图像的频谱分布直方图，包括：在所述第二傅立叶图像中划分统计区域；计算每个所述统计区域内的累积能量E，并根据差分计算公式△E＝E(r+1)–E(r)计算差分△E；绘制r-E曲线和r-△E曲线，将所述r-E曲线和所述r-△E曲线确定为频谱分布直方图像。

可选的，所述统计区域为环状椭圆区域，或者矩形环状区域。