基于OpenCV的磁瓦表面缺陷视觉提取方法研究.pdf

学兔ww.DuctULU.com
判当心自サ心
基于 Opencvi的磁瓦表面缺陷视觉提取方法研究
Research on the extraction method of maghetic tile surface defects
based on Opencv
杜柳青,佘骋南,周武
DU Liu-qing, SHE Cheng-nan, ZHOU Wu
(重庆理工大学,重庆400054)
摘;针对磁瓦在加工过程中所严生的表面缺陷,提出了一种基于 Dpencvi的磁瓦表面缺陷机器视觉
橦測方法。通过计算图像的熵值初步判定磁瓦表面纹理是否均匀,进而对判定有缺陷的图像
汁算相应的灰度阈值,然后使用所得值对图像进行二值化外理,最后使用の pencv勾勃出缺
陷轮廓。买验表明该方法可以准确地在图像中提取出缺陷。
关键词:磁瓦; Opencv;,缺陷提取;机器视觉
中分獒号;TP391
文标识码:A
文童号:1009-0134(2013)03(上)-0079~-03
Doi:10.3969/j.1Ssn.1009-0134.2013.03(上).23
0引言
能,广泛应用于自动化检测和机器入的使用上。
磁瓦是永磁电机上的一个重要部件,其表面在工业检测系统中采用机器视觉可提高生产效
质量的好坏将直接影响到电机的使用性能和寿率、控制生产流程中的生产品质。通过工业高清
命,而由于生产工艺的原因,加工过程中会产生摄像头将生产过程中的零件通过图像采集和计算
裂纹、缺角、偏磨等缺陷,所以在生产过程中,
机处理,识别出产品缺陷并判断产品是否合格。
磁瓦表面的缺陷必须被检出。目前生产厂家大都
在日常生活中,可用于监控、入机交互。如在车
以人工检视的方法,这种方法由于检出效率低且站和商场等人流密集的地方,使用人脸识别系
为接触式,可能会危害到人身安全,所以已经无统,可快速协助有关部门识别定位指定的人。在
法满足现代化生产的要求。
机器人应用上,更可让机器人拥有类似于人类的
目前使用机器视觉进行缺陷检測已成为国内眼睛,从而让机器人直接感知周围环境。
外的研究热点。而使用机器视党技术对磁瓦缺陷1.2 opencv概述
进行检测的研究还很少。徐光明等“使用 Laplacian
Opencv是 Intel/公司开发的一个开源图像处理
算子、 wiener滤波原理对磁瓦表面进行滤波去噪,函数库。作为一个跨平台的计算机视觉库,其拥有
并通过二值化和形态学处理后通过对比缺陷的几包括500多个C函数的跨平台的中、高层API,封装
何特征来对缺陷进行提取,最后使用 Matlab进行了了当下机器视觉领域的多数通用算法。由于其可在
实现。国外亦有许多通过机器视觉对产品进行检商业和研究领域中免费使用,目前是被广泛应用的
测的研究,比如焊縫?的检测,但针对磁瓦这类表图像处理工具之一。研发人员在开发视觉处理应用
面缺陷复杂,表面颜色暗淡的产品检测还很少
时通过直接调用库中函数,便可轻易实现算法,而
因此本文提出了一种通过机器视觉对磁瓦表面缺且通过使用 Intel公司的IP库更可以使开发出的应
陷进行提取的方法,主要针对偏磨缺陷的特点进用程序具有更高效的检测速度和精度。
行了算法研究,并使用当下流行的开源机器视觉2磁瓦表面缺陷提取原理分析
函数库 Opencv对该方法进行了实现,准确地提取
出了磁瓦表面的偏磨缺陷。
缺陷提取的目的就是要获得图像的一个外部
特征,通过对图像轮廓的勾勒,可以获得轮廓的
1机器视觉与 Opencv
内部面积从而确定缺陷所处图像的位置。为了准
1.1机器视觉
确找到图像中需要提取的轮廓,可预先设置ROI或
机器视觉是使用机器来实现人类的视觉功者在图像二值化后进行形态学处理
收日期:2012-10-16
基金原目:重庆市自然科学基金:基于机器视觉和混沌特性的磁瓦表面缺陷检训关键技术研究(CSTC201jA70005)
作者简介:杜柳青(1975-),女,重庆人,副教授,硕土,主要从事机电一体化的科研与教学工作。
第35卷第3期2013-03(上)79
学兔ww.DuctULU.com
业也自や
2.1机器视党
直方图
直方图
本文中所实现的算法首先需要对源图像进行
u江600
熵值的计算从而判定是否为缺陷图像,而后计算
400
一个全局的自适应阅值,并通过该阈值将采集图
?200
20
像转换为二值图像后使用 Opencv函数对图像进行
80100120140
6080100120140160
灰度值
灰度值
处理。算法流程图如图1所示。
无缺陷
b)有缺陷
图2磁瓦在无/有缺陷时的直方图
获取图像门
由于是8位单通道图像,所以灰度值为0到255,
计算图像熵值
设灰度值表示为,则V的数目表示为H。指定
H为灰度值数量最多的那个灰度值的数目。
值条件?判定暂无缺陷
H,=arg max(v,
否
而后假设一个条件灰度值V。条件灰度值的
获取滅值
数目H。应满足于以下公式
三值化
Ha= arg max{(vm-vッ)?H
其中Vm为图像数量最多的灰度值,也即灰度
列处理
值V应满足在当前图像下与主要灰度值V之间相
差最大且拥有较多数目的条件。当确定完H和H。
确定缺陷位置
后,取二者均值即为所找的全局阈值Fm。
图1算法流程图
+
2.2图像的熵
2.4缺陷的提取
熵概念来源于热力学,是一种不确定性的定24.1二值化
量化度量。对于一副8位单通道的灰度图,每一位
Opencv提供了直接进行阈值的函数 tthreshold
像素对于整副图是在0到255之间随机分布的。即(),该函数可直接通过设定的灰度阈值将图像
对于一副图像,图像像素越均匀,其图像的信息二值化。函数原型如下:
熵就越小,而当像素发生异动时,其熵值就会变
double threshold( Inputarray src,/输人原灰度
大。一片加工无缺陷的磁瓦,表面纹理均匀,无矩阵
崩裂或缺角造成的黑班等像素异动。设图像的灰
Outputarray dst./输出阈值后的矩阵
度值为(,h2,n),则图像的灰度概率为
double thresh,//没定阈值
double maxval,/最大参数值
Int type/值类型)
其中:
其中由阈值类型确定了5种阈值类型,并使用
≈灰度值为的像素和
图像像素点和
(1)0到4分别定义了其宏命令
直接使用二值化命令,即宏命令0将输入图像
则图像的信息熵为:
阈值为二值化图像输出。
p log2 P
(2)2.4.2描绘轮廓
当阈值结束之后,图像分为黑白的斑块,由
2.3机器视觉
于磁瓦加工的纹理为水平的,所以斑块大多为水
通过扫描当前图像获得直方图。如图2所示为平长条形,而产生的偏磨缺陷为块状连接的圆
磁瓦在有缺陷和无缺陷时的灰度值直方图统计
斑。对图像进行列扫描,如果竖直方向上无大面
很明显在有缺陷时,磁