基于区域灰度差绝对值阈值法的带钢缺陷检测
来源：网络2015年01月21日热度：651
如果一幅图像有缺陷，一般表现为图像灰度的异常，会造成图像灰度分布的分散口，而图像的灰度方差是灰度分布的分散性的度量，因此可以赢接用图像的方差或灰度差绝对值来检验是否有缺陷，这样能大大减少计算量，提高检测速度。
从图1到6可以看出，缺陷比较明显的图像，在其灰度直方图上所反映出的方差与无缺陷的图形存在比较明显的差别，但是一些比较小的缺陷如图2的夹杂，在整幅图像直方图上表现出来却与无缺陷图像的无异。
基于上面的分析，可以将图像分成小区域来进行分析，有缺陷的小区域内灰度方差有较大的差异。由于光照的变化会造成图像表面光照不均匀，因此将图像分成小区域来进行单独的分析和处理，也能减少和消除由于光照不均匀带来的影响，通常可认为小块图像内光照是均匀的。
由上面的图也可看出，光照亮度的不同只会影响到图像直方图的位置，而不会影响到灰度方差的大小，因此不会影响到本文的实验。
表1 各类图像每个区域的回复均方差和灰度差绝对值
|
图像种类阈值 |
a |
b |
c |
d |
|
灰度方差 |
21.65 |
20.88 |
26.58 |
27.56 |
|
灰度差绝值 |
17.22 |
16.02 |
20.81 |
20.45 |
阈值的获得：利用样本训练获得。通过一定数量的无缺陷图像样本求得无缺陷图像的灰度差绝对值均值作为闽值，，并通过大量的实验求得闽值幅值△T，把T+△T，作为判别准则，如果待测图像各个小区域内的灰度差绝对值超过T十△T，则这个区域存在缺陷。
在不同的光照和表面质量条件下，阈值幅值△T可以灵活调节，一般可以选用用默认值。在实际的检测中可以根据检测的需要具体确定划分小区域的大小，本文选取50×50为一个小区域进行分析，获得了较好的效果。
上一条： 基于机器视觉的太阳能电池片表面检测
下一条： 机器视觉技术应用于包装印刷质量检测
