[发明专利]一种基于统计的低对比度缺陷的识别方法

说明书

本发明公开了一种基于统计的低对比度缺陷的识别方法，包括以下步骤：步骤S1：输入待检测图像；步骤S2：按照列和行分别计算灰度值的最大值、平均值和标准差并进行拟合；步骤S3：根据拟合的结果确定分割阈值并划定缺陷范围；步骤S4：对缺陷进行闭运算连接缺陷，按照面积从大到小对缺陷进行排序最终输出缺陷，本发明解决了当缺陷成像弱、或者缺陷成像和背景差不都的时候，现有的阈值分割算法很难将缺陷提起全或者提取不到的问题，本发明对缺陷成像弱、缺陷和背景不明显的缺陷具有很好的抓取效果。

技术领域：

本发明涉及工业视觉玻璃缺陷检测领域。

背景技术：

在工业视觉缺陷领域中，如果缺陷成像比较弱，或者缺陷的成像和背景差不多，现有的阈值分割算法很难将缺陷提取全，有时候根本提取不到。

例如申请号为CN201910081135.8，名称为一种低对比度缺陷检测方法和装置，公开了通过拟合算法生成待检测物体图像的辅助图像，并采用辅助图像和源图像训练深度学习模型，进行图像分类，克服了现有技术中使用人工目视检测方法检测效率低下的技术问题，实现了检测速度快，检测效果好的技术效果，尤其适用于低对比度、灰度变化小的缺陷检测；但是当缺陷成像弱、或者缺陷成像和背景差不都的时候，现有的阈值分割算法很难将缺陷提起全或者提取不到的问题。

发明内容：

针对现有技术存在的不足，本发明实施例的目的在于提供一种基于统计的低对比度缺陷的识别方法，解决了当缺陷成像弱、或者缺陷成像和背景差不都的时候，现有的阈值分割算法很难将缺陷提起全或者提取不到的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于统计的低对比度缺陷的识别方法，包括以下步骤：

步骤S1：输入待检测图像；

步骤S2：按照列和行分别计算灰度值的最大值、平均值和标准差并进行拟合；

步骤S3：根据拟合的结果确定分割阈值并划定缺陷范围；

步骤S4：对缺陷进行闭运算连接缺陷，按照面积从大到小对缺陷进行排序最终输出缺陷。

作为本发明进一步的方案，所述步骤S2具体包括：

步骤S2.1：每列灰度值的平均值计算如下表示该列的所有元素的平均灰度值；P_i表示该列的第i行的灰度值；M表示行数；

步骤S2.2：每列的标准差计算公式如下：

P_i表示该列的第i行像素的灰度值；，表示该列的所有像素的平均灰度值；M:表示行数；

步骤S2.3：每行的平均灰度计算如下：

表示该行的所有元素的平均灰度值；P_j表示该行的第j列像素的灰度值；N:表示列数；

步骤S2.4：每行的标准间计算如下：P_j表示该行的第j 列像素的灰度值；表示该行的所有像素的平均灰度值；N:表示列数。

作为本发明进一步的方案，所述步骤S2还包括对M行N列个像素组成的图形进行拟合，拟合直线方程：y＝a+bx，a代表截距，b代表斜率。

作为本发明进一步的方案，对列的平均值和标准差拟合直线的a,b的求法如下所示： i∈[0,N-1],i取整数。

作为本发明进一步的方案，对平均值拟合的时，xi表示图像的第i列，yi表示第i列的所有像素值平均值，N表列数；一副M行N列图像，N个(xi,yi)；带入公式y＝a+bx，得所有列的平均值拟合的直线方程。