基于熵的磁瓦内表面起级缺陷检测与识别

1、基于爛的磁瓦内表面起级缺陷检测与识别摘要：本文使用空域统计方法对纹理缺陷进行 识别。首先锐化和增强缺陷图像。其次，应用悄原理 计算基于局部范围的图像惰值矩阵，使用纹理基元对 图像进行卷积运算，获得卷积矩阵；阈值二值化处理。 对预处理图像进行轮廓跟踪，提取相关缺陷特征。根 据给定的阈值进行缺陷检测和识别。通过matlab仿 真实验验证，该方法能够稳定高效地对磁瓦内表面起 级缺陷进行检测和识别。关键词：磁瓦起级缺陷缺陷识别纹理分析中图分类号：tp391文献标识码：a文章编号:1007-9416（2011）12-0176-02纹理特点是自然或人造物体所具有的在一定的尺 度空间，以一定的形式变化而产生

2、的图案（模式）。在 磁瓦的生产过程中，由于在打磨时砂轮打滑引起的打 磨不均匀容易产生起级缺陷。缺陷部分具有典型的线 性条纹纹理特征（如图1）0这种缺陷影响了磁瓦的使用 质量，摩擦大，容易磨损，影响装配后电器的稳定。 但由于目前缺陷检测主要是以目视检测为主，效率不 高；并且容易因为工人的视觉疲劳，进而引起缺陷的 漏检。计算机视觉技术的应用很好地解决了这个问题o 它具有检测速度快，效率高，漏检率低，稳定性好的 特点。要进行起级缺陷的检测，首先应用laplacian m 子进行图像的预处理，获得了较好的缺陷识别图像， 使缺陷得到锐化，从而有利于缺陷检测与识别。然后， 根据缺陷的纹理特点，求得基于局部

3、范围内的爛矩阵, 然后对爛矩阵进行基于纹理的图像分割，得到二值化 图像。最后，进行缺陷特征的提取，并利用缺陷检测准 则进行缺陷检测和识别。1图像纹理分析方法物体表面的粗糙程度反映的图像上，由于光照以 及光的反射形成了图像中的纹理特征。纹理是具有相 同或相似像素点的组合在一定空间内的组合。纹理特 征是识别物体和缺陷的一个重要特征。目前纹理分析 在空域和频域主要有统计法、结构法和频谱法。机械 加工在工件表面形成了规则的纹理，内部的一些缺陷 也在工件表面表现为一定的纹理特征。纹理分析在工 件表面的粗糙程度控制以及缺陷的识别等方面具有很 强的应用和研究价值。基于爛的图像纹理分析是基于空域统计原理的纹

4、理分析方法。科学家已经发明了测量无序的量，它称作炳，炳 也是混沌度，是内部无序结构的总量。爛值越大混沌 程度越强，也就是图像结构越复杂；反之图像结构简 单。基于局部爛值矩阵的图像纹理分割方法就是利用 了*商原理，对图像求取n*n窗口内的局域上作为中心 像素点的值，获得爛值矩阵。选定恰当的窗口，在纹 理边缘处会有较大的爛值。选择一定的阈值可以进行 阈值分割，实现纹理的分割。基于局域嫡的图像纹理分析原理： 慵值公式：其中：，(i=l,2,.丄)，是为保证p(i)不为0的实数; l灰度级，n, m图像的长和宽；ni灰度级为i的像素 的个数。对于局部%商值的计算,m*n为模板窗口的大小。为减少计算量，

5、窗口内灰度级出现的概率p的大小取 区域内最大灰度值max和最小灰度值min得差。也bp： ,(j=o,l,max-min)0基于嫡原理的图像纹理分析， 计算简单，能够较快的获得图像的爛值矩阵。2、缺陷磁瓦图片处理 2.1缺陷磁瓦图像特征分析磁瓦缺陷是由纹理基元按一定的规则排列组合而成的，并且缺陷纵贯磁瓦表面。对于缺陷的识别，主 要任务是确定是否存在缺陷以及定位缺陷的位置。按 照统计学原理，抽取磁瓦内表面的一块条形区域，如 果存在起级缺陷，就可以确定磁瓦存在起级缺陷。这 样即减少了图像处理的数据量和处理时间，又可减少 磁瓦图像受光照和噪声等因素的影响，可以快速提取 缺陷特征。2.2 获取感兴趣区

6、域(region of interest.roi)由于磁瓦图像中存在两个目标，磁瓦和背景。如 果提取的抽样区域存在背景会影响缺陷识别的效果。因此必须确定磁瓦存在的区域(如图1.a中标示区域), 在此最小区域内抽取样本。为确定最小磁瓦区域坐标， 先获取图像1/2宽x处的行数据，并绘制这个一维信 号，纵坐标为灰度值，横坐标为索引号，如图2(a)o可 以发现一维信号图有两处存在明显的灰度阶跃，这是 由于在边界处背景和磁瓦灰度突变产生的结果。因此 可以以此来获取最小区域的纵坐标。设为yl,y2、抽样 宽度为h,则可以得到最小区域的两个坐标(x,yl),(x,y2)。 最终的抽样区域以及抽样区域的均值一

7、维信号如图2(c)o虽然，图像的一维信号可以显示出缺陷的区域， 但是由于磁瓦内表面容易存在污渍、暗斑等噪声，也 会引起灰度值的突变，表现为一个较长的谷。因此一 维信号不能作为缺陷识别的依据，只能用来校正缺陷 的识别结果。2.3基于爛的磁瓦图像处理利用公式对取得的roi图像区域进行爛值处理。 灰度调整后，图像如图3(l)o图像中较亮的部分*商值 较大，表明在这个区域信息变化剧烈。但是由于污渍 等噪声的影响，在两线附近存在亮区域，不能根据亮 区域，二值化后的区域标示缺陷边界。必须经过灰度 调整，然后选择相应的阈值再二值化。增强结果如图 3(2);应用大律法选择阈值，进行图像二值化并利用数 学形态学操作滤波去噪，结果如图3(3),：该方法对于光照均匀，磁瓦表面无污渍缺陷明显 的图像有良好的识别效果。但是对于有污渍或暗条纹 形成了一定纹理，图像预处理和形态学操作，边界跟 踪，存在多个标示区域(如图3(5),对缺陷有误识别。 因此，必须对识别结果进行校正，结果如图3(6)o具 体方法：计算r0i抽样信号的平均值，记为averagerol 横向扫描图3(4),记录每个白色区域的起始坐标和终 止坐标，获得数组a；组合a中的坐标，取坐标记录的第i, i+1个坐 标(i=2, 4, s-l, s为白色区域矩形边的个数的个数)；(3)获得组合坐标之间的roi中的图像数