关键字 |
| 结构相似度指数(SSIM),自适应直方图均衡化,灰色空间,玻璃,图像分割 |
介绍 |
| 缺陷免费玻璃玻璃制造行业的制造商提供力量。在过去的手工检查玻璃检验突出,起到至关重要的作用。但现在检测发生通过自动检测技术提供更好的可靠性、速度和非常不容易比传统的一个错误。现在一个自动视觉检测系统用于检测和测量缺陷缎玻璃和实时系统[1]。 |
| 质量控制技术使用称为颜色空间,指定和可视化的颜色。不同的颜色空间更适合不同的应用程序[2]。五个最常用的颜色空间进行测试。研究人员随机选择一个颜色空间的彩色图像处理应用程序。但是应该有办法根据用途选择合适的颜色空间的选择将直接影响最终结果图像处理[3]。转换之间的彩色图像RGB、HSV YCbCr, NTSC,灰色。在量化计算转换效率和性能缺陷能见度比较基于最好的颜色空间的选择[4]。RGB颜色空间建议如果需要查看和处理各种缺陷像划痕、斑点,边缘在图像缺陷等。如果需要任何颜色空间转换的最佳选择是RGB灰色空间转换使缺陷在最大程度上可见和分割使用轮廓区域增长方法申请检测有缺陷的区域在玻璃表[5] |
| 剩下的纸是组织如下:第二部分是关于问题公式化意味着什么类型的问题在以前的工作。第三节为设计方法后,关于算法的步骤。在第四节的实现算法进行了检测的缺陷和第五节讨论结果和最后的第六节总结了纸。 |
问题公式化 |
| 吗?从研究分析,分析了不同的颜色空间量化和比较他们的表现在数字图像的可见性缺陷。 |
| 吗?RGB模型给出了最好的故障检测划痕、斑点,边缘缺陷等在RGB图像但处理非常缓慢和计算效率低下。 |
| 吗?图像增强是由普通的直方图均衡化方法[5]。这有利于图像的像素值分布相似的整个形象但深的映像都包含地区和比最轻的形象,不会提高这些地区的对比。 |
| 吗?在以前的工作细分是通过轮廓区域增长方法但它不适合低对比度图像[5]。 |
设计方法 |
| 各种可能的缺陷,可以出现在玻璃表中可以发现,包括以下几个步骤:- |
| 吗?第一次读到图像。 |
| 吗?选择RGB颜色空间。 |
| 吗?RGB转换为灰色模型。 |
| 吗?使用自适应直方图均衡化图像增强。 |
| 吗?使用边缘检测的图像分割。 |
| 吗?分割图像。 |
| 吗?反向分割图像。 |
| 吗?在原始图像断层轮廓。 |
实现 |
| 本文结合一系列的图像处理步骤来解决我们的目的基于定义良好的运营商目前的检测。第一次读到图像然后选择RGB颜色空间。之后,将图像转换成灰度,然后使用边缘检测分割。 |
| 分割是图像分析的基本过程。市场细分的目标是为了简化和改变图像的表示更有意义和更容易分析。图像分割通常是用于定位对象和边界(线,曲线等)在图像[6]。用于分割图像边缘检测技术是基于强度的突然改变。Sobel算子用于断层与基于梯度的边缘检测方法[7]。Sobel算子进行图像的二维空间梯度测量。通常它是用来找到近似绝对梯度在每一个输入点灰度级图像。Sobel边缘检测器使用一对3 x3卷积面具,一个在x方向上梯度估计(列),另一个估计在y方向上的梯度(行)。 |
 |
 |
| 在Gx the3x3卷积面具估计梯度方向和Gy the3x3卷积面具估计y方向上的梯度。 |
| 索贝尔算子比普瑞维特因为更好的噪声抑制和罗伯茨运营商(平滑)特性使它更可取。索贝尔算子应用于选定图像的边缘检测故障,然后反的形象更好的可见性的缺陷。现在比较这种技术和轮廓检测使用结构相似度指数(SSIM)参数[8]。结构相似度(SSIM)指数是一个方法来衡量两幅图像之间的相似性。 |
结果和比较 |
| 数字图像的目的方法功能的玻璃表检测各种缺陷如划痕,夹杂物、表面缺陷等使用MATLAB和比较它和轮廓检测方法的缺陷在玻璃的帮助下结构相似度(SSIM)指数。SSIM提供两幅图像之间的相似性。它是全部参考矩阵的图像作为原始图像作为参考和其他图像是由轮廓和边缘检测方法。完整的结果如下所示:- |
| 使用轮廓区域技术检测错误:- |
| 应用轮廓再生方法形象图3:(a)这是原始图像如图3:评估和(b)后的最终轮廓图像和展示图3:(c)显示最终的侦探。等高线的方法检测到故障使用地区再生构筑需要多次迭代和使用简单的technque增强。本文使用另一种方法是基于边缘检测分割和增强自适应直方图equilization使用提供更好的故障检测。算法的输出如下所示:- |
| 图4:(a)是原始图像用于分析的缺点。RGB转换应用于灰度模型图4:(a)和显示原来灰色的缩放图像的结果在图4:(b)。增强是通过自适应直方图均衡化增强图像如图4所示:(c),边缘和索贝尔算子用于计算阈值,然后调整阈值,用边缘再次获得一个包含断层的二元掩模。图5:(d)显示二进制梯度面具。二进制掩码包含故障比较原始图像。有空白行周围物体梯度面具。这些线性差距消失了扩张sobel strel图像使用水平和垂直价值函数如图5所示:(e),二进制图像是通过填补二进制掩码包含故障如图5:(f)。在这之后获得的分割图像平滑的二进制图像填充孔如图6所示:(g),反更好的故障检测的分割图像如图6所示:(h),边缘检测技术的最终输出是图6:(i),提供更好的故障检测与主观的观点因为在分割的大部分比较主观,但本文检测方法都是比较客观和结构相似度指数(SSIM)参数。轮廓检测和边缘检测技术应用在许多图像和SSIM指数进行比较,其中一些图片如下所示: |
| 这测量显示检测到缺陷形状更接近原始图像中缺陷的边缘检测方法相比轮廓检测方法。 |
结论 |
| 本文使用边缘检测方法检测到各种类型的缺陷出现在玻璃表。首先选择最适合的颜色空间来处理基于转换时间和最大的可见性故障,然后灰色空间和自适应直方图均衡化图像增强使用更好的检测。现在最终的图像生成的轮廓检测方法和边缘检测方法与结构相似性指数的帮助。SSIM指标提供的信息缺陷检测形状更接近原始图像。使用边缘检测方法显示的分割算法更好的结果比轮廓检测的各种缺陷的方法。 |
|
表乍一看 |
 |
| 表1 |
|
|
数据乍一看 |
|
|
|
|
|
引用 |
- 硕士库塔,“自动表面缺陷检测的图像处理,”表面检验有限公司,英国pp.192 - 196。
- f·阿达莫、f . Attivissimo a . Di Nisio m . Savino“玻璃工业自动化视觉检测系统”,Proc.的16 IMEKO TC4Symposium,佛罗伦萨,意大利,2008年,
- YuanyuanPu小民,魏,苏易Zhengpeng赵,WenhuaQian,丹•徐”实现和研究多种颜色TransferAlgorithms在不同的颜色空间”,国际会议在机器视觉和人机界面,IEEE计算机协会,pp。713 - 717年,2010年。
- Nishu Gupta Sunil Agrawal“玻璃缺陷检测技术使用数字图像处理——审查”,IP MultimediaCommunications IJCA特殊问题,65 - 67年,2011页。
- Nishu Gupta Sunil Agrawal“自动检查的缺陷在玻璃由合适的颜色空间选择和分割技术DigitalImage处理”,Int.J。计算机技术及应用》,第3卷(3),1058 - 1063年,2012年
- 拉斐尔·c·冈萨雷斯,理查德·e·伍兹,“数字图像处理”第三版,φ出版物。
- ManojK先生。Vairalkar, S.U.教授Nimbhorkar,“使用Sobel算子边缘检测的图像”国际期刊的新兴技术和先进的工程,2卷,问题1,2012。
- Z。王,a·c·Bovik h·r·谢赫和e . p . Simoncelli“图像质量评估:从错误的可见性结构相似,“IEEE反式。OnImage处理,13卷,没有。4、600 - 612年,2004页。
|
菜单
