[发明专利]一种基于机器视觉的点阵目标规律性检测方法

权利要求书

1.一种基于机器视觉的点阵目标规律性检测方法，其特征在于：其包括以下步骤：

1)采用工业相机对点阵目标进行图像采集，获得待检测图像；

2)对待检测图像进行Blob分析，获得若干个Blob；

3)对每个Blob的尺寸属性信息进行计算及异常判断，和/或对每个Blob的位置属性信息进行计算与异常判断，若有异常，则点阵目标不具有规律性，若无异常，则点阵目标具有规律性。

2.根据权利要求1所述的基于机器视觉的点阵目标规律性检测方法，其特征在于：步骤2)中对待检测图像进行Blob分析的具体步骤为：

2.1)将待检测图像转换为灰度图像进行高斯滤波处理，获得滤波后图像；

2.2)对滤波后图像进行高低灰度阈值的二值化处理，获得二值化图像；

2.3)对二值化图像基于边缘检测算法进行轮廓查找，获得若干个不同的轮廓连通域；

2.4)对若干个轮廓连通域分别采用不同标记进行标记，即得若干个Blob。

3.根据权利要求1所述的基于机器视觉的点阵目标规律性检测方法，其特征在于：步骤3)中对每个Blob的尺寸属性信息进行计算及异常判断的具体步骤为：

3.11)提取每个Blob的尺寸属性信息，尺寸属性信息至少包括最小外接圆半径、面积和周长中的一种以上尺寸属性值；

3.12)将每个Blob的每种尺寸属性值与其他Blob相应尺寸属性值的平均值进行偏差计算，得到偏差值；

3.13)比较偏差值是否在预设的偏差值阈值范围内，若是，则判断为无异常，若否，则判断为有异常。

4.根据权利要求1所述的基于机器视觉的点阵目标规律性检测方法，其特征在于：步骤3)中对每个Blob的位置属性信息进行计算与异常判断的具体步骤为：

3.21)将若干个Blob中除了位于待检测图像四周边缘的Blob以外的其他Blob作为基准Blob；

3.22)对每个基准Blob找到与其邻近的邻近Blob，形成邻近关系集合；

3.23)对所有邻近关系集合分别进行邻近Blob数量计算，并求得中位数；

3.24)比较每个基准Blob的邻近Blob数量与中位数是否一致，若是，则执行步骤3.25)，若否，则判断为有异常；

3.25)对比较结果为一致的每个基准Blob与其每个邻近Blob分别进行相对位置信息提取，相对位置信息至少包括角度和距离，并求得每个邻近Blob的平均相对位置信息；

3.26)根据平均相对位置信息，求得每个基准Blob的邻近Blob理论分布范围，并判断每个邻近Blob理论分布范围内是否都存在邻近Blob，若是，则判断为无异常，若否，则判断为有异常。

5.根据权利要求4所述的基于机器视觉的点阵目标规律性检测方法，其特征在于：步骤3.22)中对每个基准Blob找到与其邻近的邻近Blob的具体步骤为：

3.221)对每个基准Blob通过遍历法找到与其最近的Blob，计算获得两者之间的中心距离L；

3.222)通过预设的比例系数F，求得一个略大于F*L的数值作为搜索半径R；

其中，F1，F*L表示中心距离L与比例系数F的乘积；

3.223)以基准Blob的中心为圆心、以R为半径，从基准Blob的正上方开始，按顺时针方向覆盖搜索，凡是被覆盖到中心点的其他Blob均作为该基准Blob的邻近Blob。