一种汽车配件漆面异常检测方法

技术领域

本发明涉及数据识别技术领域，具体涉及一种汽车配件漆面异常检测方法。

背景技术

随着社会的发展，汽车已经成为大众通用的交通工具，汽车在出厂前需要经过多道制造工序，汽车配件喷漆便是极为重要的一环。汽车喷漆是指给汽车漆面上一层漆以达到保护汽车的效果，一般用烘烤漆。然而，在日常生活中，汽车配件漆面极易因意外事故受损，形成诸如划痕等缺陷。为了修补诸类汽车配件漆面问题，需要进行汽车配件漆面缺陷检测。

边缘检测是常用的缺陷检测方法，SUSAN算子基于对周边像素点的灰度比较获取边缘像素点，抗噪声能力强，运算量也较小，可用于对汽车配件漆面缺陷的检测。但SUSAN算子边缘检测时常常需要人为设置门限阈值，检测结果准确性依赖于门限阈值设置的准确性，门限阈值过小，易将噪点识别为边缘点，门限阈值过大，检测出的边缘点数量过少，易遗漏边缘，导致划痕缺陷识别不完整。

发明内容

本发明提供一种汽车配件漆面异常检测方法，以解决现有的问题。

本发明的一种汽车配件漆面异常检测方法采用如下技术方案：

本发明一个实施例提供了一种汽车配件漆面异常检测方法，该方法包括以下步骤：

采集汽车配件漆面图像；对汽车配件漆面图像进行分割，获取整体初始阈值；

以汽车配件漆面图像中每个像素点为中心，构建圆形模板，将每个圆形模板中心的像素点作为核像素点；根据核像素点与圆形模板中每个像素点获取核像素点的差值序列以及最大差异；

根据核像素点的最大差异对整体初始阈值进行修正，获取核像素点的第一修正阈值；根据核像素点的差值序列获取最大差异的置信度；根据最大差异的置信度对核像素点的第一修正阈值再次修正，获取核像素点的初始门限阈值；

根据核像素点的八邻域内每个像素点的初始门限阈值，获取八邻域内每个像素点的修正权重；根据核像素点的初始门限阈值以及八邻域内每个像素点的修正权重，获取核像素点的最终门限阈值；

根据每个核像素点的最终门限阈值，对汽车配件漆面图像进行边缘检测，得到划痕缺陷，根据划痕缺陷对汽车配件进行自动喷涂修补。

优选的，所述对汽车配件漆面图像进行分割，获取整体初始阈值，包括的具体步骤如下：

利用大津阈值分割算法对汽车配件漆面图像进行分割，得到前景图像和背景图像，获取前景图像中所有像素点的灰度值均值与背景图像中所有像素点的灰度值均值之间的差值绝对值，作为整体初始阈值。

优选的，所述根据核像素点与圆形模板中每个像素点获取核像素点的差值序列以及最大差异，包括的具体步骤如下：

计算核像素点与圆形模板中其余每个像素点的灰度值的差值绝对值，将所有差值绝对值构成一个序列，作为核像素点的差值序列；将差值序列中最大值作为核像素点的最大差异。

优选的，所述根据核像素点的最大差异对整体初始阈值进行修正，获取核像素点的第一修正阈值，包括的具体步骤如下：

其中，

优选的，所述根据核像素点的差值序列获取最大差异的置信度，包括的具体步骤如下：

对差值序列进行均值漂移聚类，得到多个聚类簇，获取核像素点的最大差异所在的聚类簇中包含的元素数量与差值序列中元素数量的比值，作为最大差异的置信度。

优选的，所述根据最大差异的置信度对核像素点的第一修正阈值再次修正，获取核像素点的初始门限阈值，包括的具体步骤如下：

其中，

优选的，所述根据核像素点的八邻域内每个像素点的初始门限阈值，获取八邻域内每个像素点的修正权重，包括的具体步骤如下：

其中，

优选的，所述阈值差异系数的获取方法为：

获取核像素点的八邻域内每个像素点与核像素点的初始门限阈值之间的差值绝对值，利用所述初始门限阈值之间的差值绝对值除以核像素点的八邻域内所有像素点的初始门限阈值中的最大值，将得到的结果作为核像素点的八邻域内每个像素点与核像素点的阈值差异系数。

优选的，所述根据核像素点的八邻域内每个像素点的修正权重以及初始门限阈值，获取核像素点的最终门限阈值，包括的具体步骤如下：

其中，

优选的，所述根据每个核像素点的最终门限阈值，对汽车配件漆面图像进行边缘检测，得到划痕缺陷，包括的具体步骤如下：

根据每个核像素点的最终门限阈值，利用SUSAN算子对汽车配件漆面图像进行边缘检测，得到边缘像素点，将边缘像素点形成的每条边缘作为一条划痕。

本发明的技术方案的有益效果是：本发明对汽车配件漆面图像进行分割，获取整体初始阈值，整体初始阈值反应了汽车配件漆面图像中不同图像特征之间的整体灰度差异，后续基于整体初始阈值结合局部灰度变化信息，自适应获取每个核像素点的初始门限阈值，结果更加准确；本发明获取核像素点的差值序列以及最大差异，根据最大差异对整体初始阈值进行修正，获取核像素点的第一修正阈值，根据核像素点的差值序列获取最大差异的置信度，根据置信度对第一修正阈值再次修正，得到初始门限阈值，排除了光照的干扰，确保了初始门限阈值与局部灰度分布更加契合；根据核像素点的八邻域内每个像素点的修正权重以及初始门限阈值获取核像素点的最终门限阈值，保护了像素点的连续性，根据每个核像素点的最终门限阈值获取的划痕缺陷更加准确且完整，根据划痕缺陷对汽车配件进行自动喷涂修补，修补效果更好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种汽车配件漆面异常检测方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种汽车配件漆面异常检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种汽车配件漆面异常检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种汽车配件漆面异常检测方法的步骤流程图，该方法包括以下步骤：

S001．采集汽车配件漆面图像。

利用相机拍摄汽车配件漆面的RGB图像，为了便于后续处理，将RGB图像转换为灰度图，作为汽车配件漆面图像。

至此，获取了汽车配件漆面图像。需要说明的是，汽车配件漆面极易因意外事故受损，形成诸如划痕等缺陷，本发明实施例对汽车配件漆面划痕缺陷进行检测，以便后续根据检测结果修补汽车配件漆面缺陷。

S002．自适应获取汽车配件漆面图像中像素点的初始门限阈值。

需要说明的是，SUSAN算子是一种边缘检测方法，运算量小，且对局部噪声不敏感，抗噪能力强，相对于Sobel算子、Canny算子等边缘检测算法效果更好。可利用SUSAN算子检测汽车配件漆面的缺陷，但在SUSAN算子边缘检测方法中，需要人为设置一个门限阈值，以获取每个核像素点的圆形模板区域内，与核像素点色差小于门限阈值的像素点，构成每个核像素点的USAN区域，根据每个核像素点的USAN区域的面积获取边缘像素点。当门限阈值设置相对过小时，检测到的边缘点数量过多，易将噪声点识别为边缘点，影响划痕缺陷的检测；当门限阈值设置相对过大时，检测到的边缘点不完全，使得划痕缺陷不完整，对于部分不明显的划痕缺陷难以检测出来。同时由于汽车配件漆面图像中存在光照影响，对于整个图像采用同一个门限阈值，得到的结果不准确，因此本发明实施例根据像素点整体的灰度分布获取整体初始阈值，根据像素点局部范围内灰度分布，对整体初始阈值进行自适应修正，获取初始门限阈值。

在本发明实施例中，利用大津阈值分割算法对汽车配件漆面图像进行分割，得到前景图像和背景图像，获取前景图像中所有像素点的灰度值均值与背景图像中所有像素点的灰度值均值之间的差值绝对值，作为整体初始阈值。

需要说明的是，由于汽车配件漆面图像中存在光照影响，汽车配件漆面图像不同区域的灰度分布不同，利用大津阈值分割算法虽然无法将划痕完整的分割出来，但大津阈值分割结果一定程度上体现了汽车配件漆面图像中不同图像特征之间的整体灰度差异，因此本发明实施例将大津阈值分割算法得到的前景图像和背景图像的灰度差异作为所有像素点的整体初始阈值，根据每个像素点的局部灰度分布对整体初始阈值进行修正，获取每个像素点的初始门限阈值。

在本发明实施例中，以汽车配件漆面图像中每个像素点为中心，构建半径为

根据每个核像素点的最大差异获取每个核像素点的第一修正阈值：

其中，

对差值序列进行均值漂移聚类，得到多个聚类簇，获取差值序列中最大值（即核像素点的最大差异）所在的聚类簇包含的元素数量与差值序列中元素数量的比值，作为最大差异的置信度。

需要说明的是，当最大差异所在的聚类簇包含的元素个数越少，最大差异越可能为核像素点与圆形模板内噪声点之间的差异，此时根据最大差异对整体初始阈值进行修正获取的第一修正阈值受噪声点的影响，不准确，因此置信度低。反之当最大差异所在的聚类簇包含的元素个数稍多时，最大差异越可能为汽车配件漆面图像中不同图像特征之间的差异，即越可能为划痕和背景之间的差异，此时根据最大差异对整体初始阈值进行修正获取的第一修正阈值越准确，因此置信度高。可根据置信度对第一修正阈值进行再次修正，获取每个核像素点的初始门限阈值。

在本发明实施例中，获取每个核像素点的初始门限阈值：

其中，

至此，获取了每个核像素点的初始门限阈值。

S003．对初始门限阈值进行修正，获取每个像素点的最终门限阈值。

需要说明的是，初始门限阈值根据核像素点与圆形模板内像素点的最大差异获得，若将核像素点的初始门限阈值作为核像素点的最终门限阈值，则会导致部分边缘点被识别为孤立的噪声点，导致汽车配件漆面划痕等缺陷无法被识别出来，因此需要核像素点的邻域像素点对核像素点的初始门限阈值进行修正。

在本发明实施例中，获取每个核像素点的八邻域内每个像素点的修正权重：

其中，

根据每个核像素点的八邻域内每个像素点的修正权重以及初始门限阈值，获取每个核像素点的最终门限阈值：

其中，

至此，获取了每个核像素点的最终门限阈值。

S004．根据最终门限阈值获取汽车配件划痕缺陷。

根据每个核像素点的最终门限阈值，对核像素点的圆形模板内像素点进行判断，获取核像素点的USAN值，根据核像素点的USAN值获取边缘像素点。需要说明的是，对核像素点的圆形模板内像素点进行判断，获取核像素点的USAN值，根据核像素点的USAN值获取边缘像素点，为SUSAN算子的公知技术，在本发明实施例中不再详细赘述。

将连续的边缘像素点作为一条边缘，最终得到的每条边缘即为汽车配件漆面的一条划痕。

S005．根据划痕缺陷进行汽车配件喷涂修补。

根据汽车配件漆面检测到的划痕，对划痕进行自动喷涂修补。

通过以上步骤，完成了汽车配件漆面划痕缺陷检测以及自动喷涂修补。

本发明实施例通过对汽车配件漆面图像进行分割，获取整体初始阈值，整体初始阈值反应了汽车配件漆面图像中不同图像特征之间的整体灰度差异，后续基于整体初始阈值结合局部灰度变化信息，自适应获取每个核像素点的初始门限阈值，结果更加准确；本发明获取核像素点的差值序列以及最大差异，根据最大差异对整体初始阈值进行修正，获取核像素点的第一修正阈值，根据核像素点的差值序列获取最大差异的置信度，根据置信度对第一修正阈值再次修正，得到初始门限阈值，排除了光照的干扰，确保了初始门限阈值与局部灰度分布更加契合；根据核像素点的八邻域内每个像素点的修正权重以及初始门限阈值获取核像素点的最终门限阈值，保护了像素点的连续性，根据每个核像素点的最终门限阈值获取的划痕缺陷更加准确且完整，根据划痕缺陷对汽车配件进行自动喷涂修补，修补效果更好。