-
划痕检测是工业生产中经常遇到的问题。
-
在工业生产中，许多设备的零部件都是在高温、高压的环境下工作的，所受载荷复杂，使用环境恶劣，故障率高。因此，对相关零部件的划痕、裂纹进行视觉检测就显得尤为重要。
1、两个步骤
利用机器视觉进行划痕检测的基本过程分为两个步骤：
- 检测产品表面是否有划痕。
- 在确定被分析图像上存在划痕之后，对划痕进行提取。
2、方法
-
一般来说，工业生产中的图像大多具有光滑表面，整幅图像的灰度变化均匀，缺乏纹理特征，因此，划痕部分和周围的正常部分相比要暗一些，也就是说，划痕部分的灰度值偏小。在这种情况下进行划痕检测时，一般使用基于统计的灰度特征或阈值分割法将划痕部分标记出来。
-
但是，有些图像的灰度值变化较小，对比度并不明显，划痕部分和正常部分相比，缺乏明显的特征，也就是说，尽管划痕部分的灰度值偏低，但有些正常部分的灰度值仍低于划痕部分的灰度值，或者在同一张图像中，同一划痕的不同部分的灰度值相差很大，甚至有些划痕的灰度值和正常部分的灰度值相差无几，这就给准确标记划痕带来了极大困难。因此，不能采用固定的阈值分割法将划痕部分标记出来。在处理这种划痕图像的过程中，需要采用阈值和形状特征相结合的方法对划痕部分进行标记。
3、三类划痕
-
1.第一类划痕第一类划痕如图5-1所示，从外观上较易辨认（划痕的灰度值与正常部分相比较为明显）。此时，可以选择较小的阈值将划痕部分标记出来。
图5-1
-
2.第二类划痕第二类划痕如图5-2所示，整幅图像的灰度变化均匀，但部分划痕的灰度值变化并不明显，划痕面积较小，有几个像素的灰度值仅比正常图像的灰度值偏低一点点，很难分辨。此时，可以对原图像进行均值滤波，得到较平滑的图像，并与原图相减，当其差的绝对值大于阈值时，就将其置为目标图像，并对所有的目标图像进行标记、计算面积，将面积过小的目标图像去掉，剩下的目标图像即可标记为划痕。
图5-2
- 3.第三类划痕第三类划痕如图5-3所示，各部分的灰度差异较大，形状通常为长条形。如果在一幅图像中采取固定的阈值对划痕进行分割，则标记的划痕部分会小于实际的划痕部分。由于这类图像的划痕狭长，单纯依靠灰度检测会将划痕的延伸部分漏掉，因此，可根据其特点采用阈值和形状特征相结合的方法对划痕部分进行标记。
图5-3
网友评论