基于机器视觉的型材表面缺陷图像处理

发布时间：2021-10-09 19:00

　　针对传统型材表面缺陷检测存在测量精度低、稳定性差和费时等问题,提出了基于机器视觉的型材表面缺陷图像处理方法。为了提高型材表面缺陷检测的精度和效率,采用面阵相机、镜头和光源等,建立了基于机器视觉的型材表面缺陷检测系统。采用HALCON图像处理软件对获取的型材图像进行预处理、灰度值调整、形态学操作和提取缺陷特征。试验结果表明:文中所提出的型材表面缺陷图像处理方法可快速、准确识别缺陷特征,为型材表面缺陷检测提供了一种方法。 

【文章来源】：机械设计. 2020,37(S1)北大核心CSCD

【文章页数】：3 页

【部分图文】：

带表面缺陷的型材图像

图像预处理操作的作用是在尽量保持图像原始数据的情况下，对图像数据进行数据变换，突出有用的特征，如缺陷特征；抑制无用特征，如背景特征。由于所采集的型材原始图像存在较多噪声，因此先对图像进行灰度处理，再采用中值滤波进行去噪。中值滤波是以排序统计理论为数学基础，主要用于去除噪声的非线性信号。其算法为：首先确定一个邻域，如方形邻域、圆形邻域或十字形邻域等，将邻域中各像素的灰度值进行排序，取其中间值作为中心像素灰度的新值，领域被称为窗口，当窗口移动时，即可对指定图像进行平滑处理。采用中值滤波算法的时间复杂度低，滤波效果明显，图2为中值滤波后的图像。3.2 图像分割与缺陷定位

缺陷定位


本文编号：3426836