基于双阈值图像区域生长法的冲压件划痕检测

发布时间：2024-05-30 05:59

　　当冲压件划痕缺陷区域的灰度值与背景的灰度值差异不大时,使用传统的图像分割方法易出现噪声较多或划痕特征无法提取的情况。为此,提出了一种基于动态阈值分割的双阈值图像区域生长法。首先,对采集的冲压件图像进行两次不同阈值的动态阈值分割,得到两个不同阈值的二值图像;其次,结合两个不同阈值的二值图像使用区域生长法得到优化二值图像;最后,对生长完成后的优化二值图像通过面积和结构因子特征参数进行区域筛选,提取划痕缺陷。实验结果表明,使用本方法检测冲压件划痕缺陷,能够满足工厂检测要求,具有检测效率高、准确性高的优点。

【文章页数】：7 页

【部分图文】：

图1冲压产品划痕缺陷提取流程图

本文提出的冲压产品表面划痕缺陷提取算法的步骤为:首先，对采集到的冲压产品图像进行两次不同阈值的动态阈值分割;其次，结合两次不同阈值的二值图像使用区域生长的方法突显划痕缺陷;最后，基于面积和结构因子特征参数筛选排除干扰区域，提取划痕缺陷。冲压产品划痕缺陷提取的流程如图1所示，其中，....

图2两种阈值分割方式示意图

(1)固定阈值分割是对整幅图取一个确定的最优阈值，将各个像素点的灰度值与阈值进行比较处理，常应用于灰度直方图呈双峰分布的图像。当图像的背景复杂且各区域之间灰度值差异不大时，固定阈值分割就不易提取出图像的细节，达不到预期的效果。固定阈值分割效果图如图2a所示，其无法识别划痕缺陷。(....

图3不同k值的分割图像

由图3a可知，当k值为9时，二值图像的划痕特征完整，但是图像中存在大量的噪声干扰，并且部分噪声会与划痕缺陷连接，若使用开运算去除噪声会破坏划痕的完整性，不易处理;由图3b可知，当k值为22时，二值图像中的噪声干扰减少，但是图像的划痕特征出现了提取不完整的现象。基于上述情况，本文提....

图4示例生长过程示意图

经过双阈值图像区域生长法处理前、后的结果对比如图6所示。在图像噪声减少的前提下，经过双阈值图像区域生长法处理之后，划痕特征能够更完整、准确地提取。1.3基于特征参数处理

本文编号：3984652