CN117011297B 基于图像处理的铝合金汽配件模具缺陷检测方法 （惠州市凯默金属制品有限公司）

林镇沥镇路桥胜工业园D区3栋厂房第US2012298862A1,2012.1WO2022027949A1,2022.02.10基于图像处理的铝合金汽配件模具缺陷检种基于图像处理的铝合金汽配件模具缺陷检测方法。该方法获取铝合金汽配件的初始灰度图效分析识别缺陷区域，提升缺陷检测的检测精2获取铝合金汽配件的初始灰度图像，根据所述初始灰度图像中像素点的灰度值分布，将所述种子点邻域内任一像素点作为目标像素点，根据所述目根据不同邻域方向上像素点的灰度分布和梯度方向分布，确定根据所述种子点的灰度值、所述目标像素点的灰度值和所述目标影所述根据不同邻域方向上像素点的灰度值变化和梯度夹角变化，确定在任一邻域方向上，将与种子点相距最近的预设第二数量个像素点作为参考像素点；计算参考序列中相邻两个参考像素点的灰度值的差值绝计算参考序列中相邻两个参考像素点的梯度夹角的差值作为相相邻角度差值小于等于预设角度差值阈值时，将所述相邻角度差值调整为第四常数系数，计算灰度值变化系数和梯度夹角变化系数的乘积的归一化值作为邻域方向的变化指将所有邻域方向的变化指标的均值作为目标像素点的初始计算每一邻域方向上所有参考像素点的相邻灰度差值的均值归一化值作为对应邻域计算每一邻域方向上所有参考像素点的相邻角度差值的均值归一化值作为对应邻域基于结构相似性算法计算邻域灰度曲线和邻域角度曲线的相计算所述修正系数与所述初始影响程度的乘积所述根据所述种子点的灰度值、所述目标像素点的灰度值和所述目标影响程3计算所述种子点的灰度值与所述目标像素点的灰度值的差值2.如权利要求1所述的一种基于图像处理的铝合金汽配件模具缺陷检测方法，其特征构建所述初始灰度图像中像素点的灰度分布直方图，确定不同灰度区间像素点的数将预设第一数量个种子点按照不同灰度区间像素点的占比分配至对应的灰度区间中，3.如权利要求1所述的一种基于图像处理的铝合金汽配件模具缺陷检测方法，其特征将所述目标像素点八邻域内除所述种子点之外的像素点作以所述种子点为起点，确定所述种子点与任一其他像素点间的直线方向作为邻域方4.如权利要求1所述的一种基于图像处理的铝合金汽配件模具缺陷检测方法，其特征在所述生长系数满足预设生长条件时，将所述目标像素点补充至种子点所处区域中，在所述生长系数不满足预设生长条件时，停止区域生长，并5.如权利要求4所述的一种基于图像处理的铝合金汽配件模具缺陷检测方法，其特征6.如权利要求1所述的一种基于图像处理的铝合金汽配件模具缺陷检测方法，其特征计算任一生长区域中所有像素点灰度值的均对所有生长区域的区域灰度均值进行聚类，根据聚类结果从所4效果较差的技术问题，本发明提供一种基于图像处理的铝合金汽配件模具缺陷检测方法，[0012]将预设第一数量个种子点按照不同灰度区间像素点的占比分配至对应的灰度区5[0018]计算参考序列中相邻两个参考像素点的灰度值的差值绝对值在所述相邻灰度差值大于预设灰度差值阈值时，将所述相邻灰度差值调整为第一常数系[0020]计算灰度值变化系数和梯度夹角变化系数的乘积的归一化值作为邻域方向的变[0023]计算每一邻域方向上所有参考像素点的相邻灰度差值的均值归一化值作为对应[0024]计算每一邻域方向上所有参考像素点的相邻角度差值的均值归一化值作为对应[0029]计算所述种子点的灰度值与所述目标像素点的灰度值的差值绝对值作为灰度差6影响程度能够快速且准确对目标像素点周围像素点的灰度分布、梯度分布进行有效分析，根据生长区域中像素点的灰度值确定缺陷区域时，提升缺陷区域分析的准确性与可靠性，[0041]图1为本发明一个实施例所提供的一种基于图像处理的铝合金汽配件模具缺陷检7[0044]下面结合附图具体的说明本发明所提供的一种基于图像处理的铝合金汽配件模[0045]请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的铝合金汽配区间像素点的数量，根据不同灰度区间中像素点的数量确定不同灰度区间像素点的占比；[0051]本发明实施例中，可以将0到255灰度值均匀划分为16个范围即[0,16)、[16,89列中相邻两个参考像素点的灰度值的差值绝对值作为相[0068]本发明实施例中，对所有调整后的相邻角度差值进行累加得到梯度夹角变化系数；计算灰度值变化系数和梯度夹角变化系数的乘积的归一化值作为邻域方向的变化指向上纹理越正常，本发明对灰度值变化系数和梯度夹角变化系数的乘积进行归一化处理，均值归一化值作为对应邻域方向的灰度均值系数；基于预设排序顺序对邻域方向进行排[0080]zp-cleB-l；种子点八邻域内像素点全部入栈，然后依次计算种子点与每一八邻域内像素点的相似性，