當沖壓件劃痕缺陷區(qū)域的灰度值與背景的灰度值差異不大時,使用傳統(tǒng)的圖像分割方法易出現(xiàn)噪聲較多或劃痕特征無法提取的情況。為此,提出了一種基于動態(tài)閾值分割的雙閾值圖像區(qū)域生長法。首先,對采集的沖壓件圖像進行兩次不同閾值的動態(tài)閾值分割,得到兩個不同閾值的二值圖像;其次,結合兩個不同閾值的二值圖像使用區(qū)域生長法得到優(yōu)化二值圖像;最后,對生長完成后的優(yōu)化二值圖像通過面積和結構因子特征參數(shù)進行區(qū)域篩選,提取劃痕缺陷。實驗結果表明,使用本方法檢測沖壓件劃痕缺陷,能夠滿足工廠檢測要求,具有檢測效率高、準確性高的優(yōu)點。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1沖壓產品劃痕缺陷提取流程圖

本文提出的沖壓產品表面劃痕缺陷提取算法的步驟為:首先，對采集到的沖壓產品圖像進行兩次不同閾值的動態(tài)閾值分割;其次，結合兩次不同閾值的二值圖像使用區(qū)域生長的方法突顯劃痕缺陷;最后，基于面積和結構因子特征參數(shù)篩選排除干擾區(qū)域，提取劃痕缺陷。沖壓產品劃痕缺陷提取的流程如圖1所示，其中，....

圖2兩種閾值分割方式示意圖

(1)固定閾值分割是對整幅圖取一個確定的最優(yōu)閾值，將各個像素點的灰度值與閾值進行比較處理，常應用于灰度直方圖呈雙峰分布的圖像。當圖像的背景復雜且各區(qū)域之間灰度值差異不大時，固定閾值分割就不易提取出圖像的細節(jié)，達不到預期的效果。固定閾值分割效果圖如圖2a所示，其無法識別劃痕缺陷。(....

圖3不同k值的分割圖像

由圖3a可知，當k值為9時，二值圖像的劃痕特征完整，但是圖像中存在大量的噪聲干擾，并且部分噪聲會與劃痕缺陷連接，若使用開運算去除噪聲會破壞劃痕的完整性，不易處理;由圖3b可知，當k值為22時，二值圖像中的噪聲干擾減少，但是圖像的劃痕特征出現(xiàn)了提取不完整的現(xiàn)象。基于上述情況，本文提....

圖4示例生長過程示意圖

經過雙閾值圖像區(qū)域生長法處理前、后的結果對比如圖6所示。在圖像噪聲減少的前提下，經過雙閾值圖像區(qū)域生長法處理之后，劃痕特征能夠更完整、準確地提取。1.3基于特征參數(shù)處理

本文編號：3984652