表面弱边缘瑕疵检测算法及应用

发布时间：2021-03-02 09:23

　　工业环境中,产品表面质量是产品质量的重要组成部分,也是商品商业价值的重要保障。产品表面瑕疵由于受到光源、光照方式等因素的影响,容易形成灰度变化相对缓慢的过渡边缘即弱边缘。在工业生产中,弱边缘瑕疵由于其灰度缓慢变化,所以相对强边缘瑕疵较难被检测出。针对这一问题,提出了一种有效检测弱边缘瑕疵的方法。该方法利用Scharr算子能突出弱边缘的优势,结合形态学开闭滤波,从而达到强化弱边缘的效果。根据形成的弱边缘增强图像,利用最大熵阈值对图像进行分割得到瑕疵。对光缆生产流水线上采集的图像利用该方法进行测试分析。实验结果表明,使用改进的弱边缘瑕疵检测算法能更好地检测出弱边缘,从而更加有效地识别表面瑕疵,提高了产品质量。 

【文章来源】：计算机技术与发展. 2019,29(05)

【文章页数】：6 页

【部分图文】：

弱边缘检测算法流程

【参考文献】：
期刊论文
[1]变差函数和形态学滤波的图像去雾算法[J]. 刘万军,赵庆国,曲海成.  中国图象图形学报. 2016(12)
[2]结合分数阶微分和Canny算子的边缘检测[J]. 张桂梅,孙晓旭,陈彬彬,刘建新.  中国图象图形学报. 2016(08)
[3]Mean-shift滤波和直方图增强的图像弱边缘提取[J]. 冀峰,高新波,谢松云.  中国图象图形学报. 2012(06)
[4]最大模糊熵阈值法的快速算法[J]. 雷博,兰蓉,范九伦.  模式识别与人工智能. 2010(06)
[5]基于高斯混合模型的活动轮廓模型脑MRI分割[J]. 陈允杰,张建伟,韦志辉,夏德深,王平安.  计算机研究与发展. 2007(09)
[6]图像阈值分割的两种新技术[J]. 陈果,左洪福.  模式识别与人工智能. 2002(04)

硕士论文
[1]金属工件表面瑕疵检测技术的研究与开发[D]. 陈文达.江南大学 2013



本文编号：3059020