关键字 |
| 结构相似指数(SSIM)，自适应直方图均衡化，灰度空间，玻璃，图像分割 |
介绍 |
| 无缺陷玻璃为玻璃制造行业的制造商提供了力量。在过去的玻璃检验中，人工检验是比较突出的，起着重要的作用。而目前采用自动检测技术进行检测比传统检测具有更高的可靠性、速度和更少的误差。目前缎面玻璃缺陷的检测主要采用自动视觉检测系统，实时检测系统[1]。 |
| 对于质量控制技术被称为颜色空间，它指定和可视化的颜色。不同的颜色空间更适合不同的应用。测试了五种最常用的颜色空间。研究人员随机选择一种颜色空间用于彩色图像处理应用。但是应该有一种方法来根据目的选择合适的色彩空间，因为这种选择将直接影响图像处理的最终结果[3]。完成了彩色图像在RGB、HSV、YCbCr、NTSC、Gray之间的转换。计算了它们的转换效率，比较了它们在量化缺陷可见性方面的表现，并在此基础上选择最佳颜色空间[4]。如果需要查看和处理图像中的各种缺陷，如划痕、斑点、边缘缺陷等，建议使用RGB颜色空间。如果需要进行颜色空间转换，最好选择RGB到Gray的颜色空间转换，使缺陷最大程度可见，并采用轮廓区域生长法进行分割，用于检测玻璃板[5]的缺陷区域 |
| 本文的其余部分组织如下:第2部分是关于问题的制定，即在以前的工作中有哪些类型的问题。在第3节之后是设计方法学，其中关于算法的步骤发生。第4节对算法的实现进行了缺陷检测，第5节对结果进行了讨论，最后第6节对论文进行了总结。 |
问题公式化 |
| ？从研究中分析了各种颜色空间在量化数字图像缺陷可见性方面的表现，并进行了比较。 |
| ？RGB模型对图像中的划痕、斑点、边缘缺陷等故障进行了最好的检测，但RGB的处理速度非常慢，计算效率非常低。 |
| ？图像增强采用普通直方图均衡化[5]。如果图像的像素值分布在整个图像中相似，但图像包含的区域比图像的大多数区域更暗或更亮，则这些区域的对比度不会增强。 |
| ？以往的分割工作主要采用轮廓区域生长法，但不适合低对比度图像[5]。 |
设计方法 |
| 玻璃板上可能存在的各种缺陷可在以下几个步骤中识别:- |
| ？首先阅读图像。 |
| ？选择RGB色彩空间。 |
| ？将RGB转换为灰色模型。 |
| ？使用自适应直方图均衡化的图像增强。 |
| ？利用边缘检测进行图像分割。 |
| ？分割图像。 |
| ？倒分割图像。 |
| ？原始图像中的故障轮廓。 |
实现 |
| 本文结合一系列图像处理步骤来解决我们在现有定义良好的算子基础上的检测目的。首先读取图像，然后选择RGB颜色空间。然后将图像转换为灰度，然后使用边缘检测进行分割。 |
| 分割是图像分析的基本过程。分割的目标是简化和改变图像的表示，使其更有意义，更容易分析。图像分割通常用于定位图像[6]中的对象和边界(线，曲线等)。基于灰度突变的图像分割采用边缘检测技术。采用基于梯度的方法[7]，利用Sobel算子进行故障边缘检测。Sobel算子对图像进行二维空间梯度测量。通常，它用于查找输入灰度图像中每个点的近似绝对梯度幅度。Sobel边缘检测器使用一对3x3卷积掩码，一个估计x方向(列)的梯度，另一个估计y方向(行)的梯度。 |
 |
 |
| 其中Gx是3x3的卷积掩码，用于估计x方向上的梯度，Gy是3x3的卷积掩码，用于估计y方向上的梯度。 |
| Sobel算子优于prewitt和Roberts算子，因为它具有更好的噪声抑制(平滑)特性。采用Sobel算子对所选图像进行故障边缘检测，然后对图像进行反演，提高缺陷的可见性。现在将该技术与使用结构相似指数(SSIM)参数[8]的轮廓检测进行比较。结构相似性(SSIM)指数是一种衡量两幅图像之间相似性的方法。 |
结果与比较 |
| 本文所提出的方法可用于在MATLAB中对玻璃片进行划痕、夹杂物、表面缺陷等各种缺陷的数字图像检测，并与利用结构相似性指数(SSIM)检测玻璃缺陷的轮廓法进行比较。SSIM提供了两幅图像之间的相似性。它是一个完整的参考矩阵，其中一个图像作为原始图像作为参考，另一个图像通过轮廓和边缘检测方法生成。完整的结果如下:- |
| 利用等高线区域技术进行故障检测 |
| 将轮廓再生方法应用于图像图3:(a)为用于评价的原始图像，在图3中(b)显示最终轮廓图像，在图3之后(c)显示最终检测区域。轮廓法采用区域再生技术进行故障检测，该技术需要多次迭代，并采用简单的增强技术。本文采用另一种基于边缘检测的技术进行分割，并采用自适应直方图均衡化进行增强，从而更好地检测故障。本文算法的输出如下图所示:- |
| 图4:(a)为分析故障时使用的原始图像。对图4进行RGB到灰度模型的转换:(a)，将原始灰度图像的结果显示在图4中:(b)通过自适应直方图均衡化进行增强，增强后的图像如图4所示:(c)利用Edge，利用Sobel算子计算阈值，然后对阈值进行调优，再次使用Edge得到包含故障的二进制掩码。图5:(d)为二元梯度蒙版。将包含故障的二进制掩码与原始图像进行比较。在渐变蒙版中，物体周围的线条有间隙。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)在分割过程中，由于大部分的比较都是主观的，因此从主观的角度可以更好地检测出故障，而本文采用结构相似指数(SSIM)参数对两种检测方法进行客观比较。轮廓检测和边缘检测技术应用于许多图像，并与SSIM指数进行比较，其中一些图像如下所示: |
| 该措施表明，与轮廓检测方法相比，边缘检测方法检测到的缺陷形状更接近图像中的原始缺陷。 |
结论 |
| 本文采用边缘检测方法对玻璃片中存在的各种缺陷进行了检测。首先根据故障的转换时间和最大可见性选择最适合的颜色空间进行处理，然后使用灰度空间和自适应直方图均衡化进行图像增强以更好地检测。利用结构相似性指数对轮廓检测方法和边缘检测方法生成的最终图像进行比较。SSIM指数提供了检测到的缺陷形状是否更接近原始图像的信息。采用边缘检测方法的分割算法对各种缺陷的检测效果优于轮廓法。 |
|
表格一览 |
 |
| 表1 |
|
|
数字一览 |
|
|
|
|
|
参考文献 |
- M.A.Coulthard，“自动表面缺陷检测的图像处理”，表面检测有限公司，英国，第192-196页。
- F. Adamo, F. Attivissimo, A. Di Nisio, M. Savino，“玻璃工业的自动视觉检测系统”，第16届IMEKO tc4学术研讨会，意大利佛罗伦萨，2008，
- 濮媛媛，魏晓敏，苏毅，赵正鹏，钱文华，徐丹，“不同颜色空间下的多方法颜色传输算法的实现与研究”，国际计算机视觉与人机界面学术会议，IEEE计算机学会，pp。713 - 717年,2010年。
- Nishu Gupta, Sunil Agrawal，“基于数字图像处理的玻璃缺陷检测技术综述”，IJCA IP多媒体通信特刊，第65-67页，2011。
- 倪淑娟，“基于数字图像处理的玻璃疵点自动检测方法”，《计算机工程学报》，vol 3 (3)， 1058-1063,2012
- Rafael C. Gonzalez, Richard E. Woods，“数字图像处理”第三版，PHI出版物。
- ManojK先生。Vairalkar, s.u.m nimbhorkar教授，“基于Sobel算子的图像边缘检测”，国际新兴技术与先进工程杂志，第2卷，第1期，2012。
- 王志刚，“从错误可见性到结构相似度的图像质量评估方法”，电子工程学报。《图像处理》第13卷，no。4，页600-612,2004。
|
菜单
