工業(yè)環(huán)境中,產(chǎn)品表面質(zhì)量是產(chǎn)品質(zhì)量的重要組成部分,也是商品商業(yè)價(jià)值的重要保障。產(chǎn)品表面瑕疵由于受到光源、光照方式等因素的影響,容易形成灰度變化相對(duì)緩慢的過渡邊緣即弱邊緣。在工業(yè)生產(chǎn)中,弱邊緣瑕疵由于其灰度緩慢變化,所以相對(duì)強(qiáng)邊緣瑕疵較難被檢測(cè)出。針對(duì)這一問題,提出了一種有效檢測(cè)弱邊緣瑕疵的方法。該方法利用Scharr算子能突出弱邊緣的優(yōu)勢(shì),結(jié)合形態(tài)學(xué)開閉濾波,從而達(dá)到強(qiáng)化弱邊緣的效果。根據(jù)形成的弱邊緣增強(qiáng)圖像,利用最大熵閾值對(duì)圖像進(jìn)行分割得到瑕疵。對(duì)光纜生產(chǎn)流水線上采集的圖像利用該方法進(jìn)行測(cè)試分析。實(shí)驗(yàn)結(jié)果表明,使用改進(jìn)的弱邊緣瑕疵檢測(cè)算法能更好地檢測(cè)出弱邊緣,從而更加有效地識(shí)別表面瑕疵,提高了產(chǎn)品質(zhì)量。 

【文章來源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2019,29(05)

【文章頁數(shù)】：6 頁

【部分圖文】：

弱邊緣檢測(cè)算法流程

【參考文獻(xiàn)】：
期刊論文
[1]變差函數(shù)和形態(tài)學(xué)濾波的圖像去霧算法[J]. 劉萬軍,趙慶國(guó),曲海成.  中國(guó)圖象圖形學(xué)報(bào). 2016(12)
[2]結(jié)合分?jǐn)?shù)階微分和Canny算子的邊緣檢測(cè)[J]. 張桂梅,孫曉旭,陳彬彬,劉建新.  中國(guó)圖象圖形學(xué)報(bào). 2016(08)
[3]Mean-shift濾波和直方圖增強(qiáng)的圖像弱邊緣提取[J]. 冀峰,高新波,謝松云.  中國(guó)圖象圖形學(xué)報(bào). 2012(06)
[4]最大模糊熵閾值法的快速算法[J]. 雷博,蘭蓉,范九倫.  模式識(shí)別與人工智能. 2010(06)
[5]基于高斯混合模型的活動(dòng)輪廓模型腦MRI分割[J]. 陳允杰,張建偉,韋志輝,夏德深,王平安.  計(jì)算機(jī)研究與發(fā)展. 2007(09)
[6]圖像閾值分割的兩種新技術(shù)[J]. 陳果,左洪福.  模式識(shí)別與人工智能. 2002(04)

碩士論文
[1]金屬工件表面瑕疵檢測(cè)技術(shù)的研究與開發(fā)[D]. 陳文達(dá).江南大學(xué) 2013



本文編號(hào)：3059020