一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法

技术领域

本发明涉及一种可变灰度模板生成方法，特别涉及一种适用于轮胎缺陷检测的可变灰度模板生成方法，属于图像识别领域。

背景技术

轮胎作为汽车重要的组成部分之一，中国每年大约要生产近3亿条轮胎，轮胎的质量将会直接关乎到汽车的安全性和人的生命安全。而轮胎表面的质量则是最直观的评判轮胎质量的指标，对其检测是轮胎生产中极其重要的环节之一。目前，国内外轮胎的生产厂家其表面缺陷的检测主要还依靠传统的人工方式来完成，人工检测存在着检测时间长、检测效率等缺点，严重影响产品的生产质量和效率。[1] 近年来，随着图像处理和机器视觉检测技术的发展，基于局部图像灰度值的算法，结合新型的模板，可变灰度模板因其稳定、高效、准确等的优点在工业检测上得到了越来越多的应用[2] 。

[1] 王冲.轮胎表面缺陷系统的研制[D].成都:电子科技大学， 2019年。

[2] 刘雨松.高速柔性成像轮胎外观缺陷检测研究[D].成都:电子科技大学，2020年。

发明内容

本发明的目的是提供一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法，通过建立检测目标的可变灰度模板从而实现显著提高轮胎缺陷检测的稳定性和准确性，大大减少了传统人工检测轮胎缺陷的成本。

本发明的目的是这样实现的：一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法，包括NCC模板建立过程与可变灰度模板自动建立过程，

所述NCC模板建立过程具体包括：

步骤S1：手动对第一幅图像选取字符区域或标识的ROI；

步骤S2：对ROI进行动态阈值分割；

步骤S3：对阈值分割前景区域进行填充处理，然后进行形态学开运算消除噪声干扰，对开运算结果进行连通域计算以分割单个的字符区域，并对每个字符区域进行形态学膨胀，使其包含字符的部分周边区域；

步骤S4：对每个分割的字符区域对应的原始图像区域建立NCC模板，以用于后续自动根据多幅图像，建立对应字符的可变灰度模板的匹配；

所述可变灰度模板自动建立过程包括：

步骤S5：对多幅图片进行NCC匹配定位字符与标识，并将定位的字符与标识区域图像作为模板之一；

步骤S6：通过对多幅图像的模板进行平均，建立平均灰度模板，并通过对多幅模板与平均模板的差值建立差值模板；

步骤S7：将可变灰度模板用于图像检测。

作为本发明的进一步限定，步骤S1-S3具体为：对激光扫描实时采集的图像进行手动选取字符或标识的ROI，将灰度化后的ROI作为输入图像，将图像作二值化处理进行阈值分割，识别出字符区域或标识的轮廓，进而将所有轮廓绘制为彩色，进行形态学开运算消除噪声干扰，对开运算结果进行连通域计算以分割单个的字符区域，并对每个字符区域进行形态学膨胀，使其包含字符的部分周边区域。

作为本发明的进一步限定，步骤S5中对多幅图片进行NCC匹配定位字符与标识具体为：根据模板大小，对图像数据进行归一化处理：在目标图像上从左到右，从上到下移动窗口，计算每移动一个像素之后窗口内像素与模板像素的ncc值，与阈值比较，大于阈值则记录位置，根据得到位置信息，使用黄色竖线标记出模板匹配识别结果。

作为本发明的进一步限定，步骤S6中通过对多幅图像的模板进行平均具体为：对已有NCC模板进行灰度处理，读取多幅图像的模板计算它们的灰度值均值作为平均模板的灰度值。

与现有技术相比，本发明的有益效果在于：本发明只在第一步选取字符或标识的ROI需要人工参与，其余步骤均由算法自动完成，大大提高建立模板的速度，降低建立模板对操作人员的技术要求，且通过多幅图片建立的可变灰度模板用于轮胎缺陷检测时可降低轮胎缺陷检测的误检率，提高了轮胎缺陷检测的准确率和稳定性。

附图说明

图1为本发明中轮胎缺陷检测流程图。

图2为本发明中手动选取矩形ROI图。

图3为本发明中轮胎胎侧字符区选取（ROI在原图像尺寸上的效果）图。

图4为本发明中ROI图。

图5为本发明中ROI平滑处理图。

图6为本发明中区域轮廓识别图。

图7为本发明中区域填充图。

图8为本发明中形态学开运算5.5半径的圆形mask图。

图9为本发明中连通域计算图。

图10为本发明中膨胀，字符包含部分背景图。

图11为本发明中NCC模板图。

图12为本发明中字符轮廓识别图。

图13为本发明中多图像匹配NCC图1。

图14为本发明中多图像匹配NCC图2。

图15为本发明中多图像匹配NCC图3。

图16为本发明中多图像匹配NCC图4。

图17为本发明中平均模板图。

图18为本发明中差分模板图。

图19为本发明中模板图1。

图20为本发明中模板图2。

图21为本发明中可变灰度模板检测图1。

图22为本发明中可变灰度模板检测图2。

图23为本发明中可变灰度模板检测图3。

图24为本发明中可变灰度模板检测图4。

图25为本发明中可变灰度模板检测图5。

图26为本发明中可变灰度模板检测图6。

具体实施方式

下面结合具体实施例对本发明做进一步说明。

如图1所示，一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法，包括以下步骤：

步骤S1：对激光扫描实时采集的图像进行手动选取字符或标识的ROI（见附图2-5）；

步骤S2：将灰度化后的ROI作为输入图像，将图像作二值化处理进行阈值分割(Dyn-threshold)；

步骤S3：识别出字符区域或标识的轮廓，进而将所有轮廓绘制为红色（由于附图无法提供彩色图片，图中为灰色轮廓），并对轮廓进行填充处理（见附图6-7），然后进行形态学开运算消除噪声干扰（见附图8），对开运算结果进行连通域计算以分割单个的字符区域（见附图9），并对每个字符区域进行形态学膨胀，使其包含字符的部分周边区域（见附图10）；

步骤S4：对每个分割的字符区域对应的原始图像区域建立NCC模板，以用于后续自动根据多幅图像，建立对应字符的可变灰度模板的匹配（见附图11-12）；

步骤S5：根据模板大小，对图像数据进行归一化处理：在目标图像上从左到右，从上到下移动窗口，计算每移动一个像素之后窗口内像素与模板像素的ncc值，与阈值比较，大于阈值则记录位置，根据得到位置信息，使用黄色竖线标记出模板匹配识别结果（见附图13-16），并将定位的字符与标识区域图像作为模板之一（见附图17）；

步骤S6：对已有NCC模板进行灰度处理，读取多幅图像的模板计算它们的灰度值均值作为平均模板的灰度值，建立平均灰度模板，并通过对多幅模板与平均模板的差值建立差值模板（见附图18-20）；

步骤S7：将可变灰度模板用于图像检测（见附图21-26）。

由上述图形可见，本发明具有较好的识别效果。

本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。