拉链链齿分布缺陷检测的数字图像处理研究.docVIP

拉链链齿分布缺陷检测的数字图像处理研究 [摘 要]本文提出了一种基于白光LED背光照明和链齿间距的拉链链齿分布缺陷智能检测方案，该方案采用白光LED背光照明法使得采集的图像背景与拉链对比分明，采用中值滤波算法滤去干扰噪声，通过改进的Otsu法获取拉链图像阈值，然后进行图像二值化分割，并对处理后的图像采用拉链间距的判别方法进行识别判断。实验证明，这种方法能快速准确地检测拉链多齿、少齿、链齿分布不均的缺陷。 [关键词]拉链检测；背光照明；图像分割；遗传算法； 中图分类号：TB 文献标识码：A 文章编号：1009-914X（2015）23-0197-01 引言 目前拉链生产企业一般采用人工方法进行检测，这种检测方法，效率低、成本高、劳动强度大，拉链容易出现多齿、少齿、链齿分布不均等缺陷。本文提出一种新的自动检测拉链是否存在多齿、少齿缺陷的拉链智能检测方案。该方案采用白光LED背光照明技术使得采集的图像背景与拉链呈现对比明显的两色，采用中值滤波算法滤去干扰噪声，通过改进的Otsu法获取拉链图像阈值，然后进行图像二值化分割，并对处理后的图像采用拉链间距的判别方法进行识别判断。 1 光源照明技术 图像采集处理系统中常用的光源有白炽灯、卤素灯、碘钨灯、气体放电灯和发光二极管[1] 等，照明方式有直接照明、背光照明、暗视场照明、散射照明和同轴照明等。光源与照明方式的配合不仅要照亮物体，还要尽可能地突出物体特征量，使物体待检测区域与其它区域产生明显的区别[2]，以便特征的提取和判断。通过对多种光源及照明方式的实验，本方案采用白色LED背光照明，其具有拉链背景均匀单一，拉链与背景呈现分明的两色，拉链轮廓清晰等优点，并且不存在直接照明产生的阴影及金属拉链反光等问题。 2 图像处理算法 2.1 灰度变换 彩色图像包含大量的颜色信息，直接对真彩图像进行处理会耗费较多的时间。为了提高图像处理速度，同时又不损失感兴趣区域的细节信息，通常将彩色图像变换为灰度图像。 2.2 图像滤波 在拉链图像采集的过程中，由于摄像头、光源、电磁干扰、机械振动等影响，采集的拉链图像存在着噪声干扰。中值滤波可以在去除点、线噪声的同时很好地保护图像的边缘，对抑制图像中的脉冲噪声和椒盐噪声特别有效[3]，拉链图像中的噪声主要是椒盐噪声，本文案采用中值滤波法对灰度化后的拉链图像进行滤波处理。 2.3 基于遗传算法的Otsu阈值分割 Otsu阈值分割法不需要先验知识，且算法简单、分割质量好等优点[4]，非常适合于目标与背景两类的图像分割问题，但其求解过程计算量大，本文将遗传算法引入Otsu阈值求解过程中，利用遗传算法所具有的快速寻优的特点，以缩短计算时间。 3 检测方案 在密闭暗箱中采用白光LED背光照明技术对拉链图像进行采集，采集的拉链图像拉链为黑色、背景为白色，拉链轮廓清晰，对比度高。为了验证该方案的检测效果，在实验过程中采用了两幅拉链图像：一幅正品拉链图像，一幅次品拉链图像，如图1所示。为提高处理速度，方便拉链图像的二值化处理，采用加权平均值法对采集的拉链图像进行灰度化处理。由于加权平均值算法中的权值都是浮点数，采用加权平均值法处理速度较慢，对此提出了改进算法。 对分割后的二值图像从左至右进行扫描，统计拉链间距的个数，并记录各个间距的值，计算链齿间距与链齿间距均值的误差和相邻链齿间距的误差，如果误差都在一定范围内则认为拉链是正品，否则就是次品。该方案采用了首次阈值计算采样，即计算第一帧采集的拉链图像的阈值并保存为标准阈值，后续图像分割只需要调用该阈值即可，减少了系统处理时间。 4 试验结果分析 整个检测方案在HHARM2410开发平台上予以实现，实验表明该方案可以准确地检测出拉链多齿、少齿、链齿分布不均的缺陷，从而判断出正品拉链和次品拉链。 图2是对图1所示的拉链采用白光LED背光照明采集得到的拉链图像，从采集的效果可以看出无论什么材质或颜色的拉链采用背光照明后，拉链都是黑色的，拉链和背景对比分明、轮廓清晰，不存在反光和暗影等缺陷，使得该方案具有较强的通用性，能够对多种类型的拉链进行处理。 采用改进的加权平均值法对图2进行灰度化处理，并采用中值滤波算法对灰度化图像进行滤波处理后的图像如图3所示，从处理结果可以看出中值滤波法很好地滤除了拉链图像中的椒盐噪声。 该实验中分别采用Otsu法和基于遗传算的改进Otsu法对滤波后的灰度图像进行阈值求取，表1给出了用两种方法求取的阈值和所用的时间，从表可以看出两种算法求得阈值相同，但引入遗传算法后的改进Otsu法处理时间有所缩短，系统的处理速度得到提高，本文采用基于GA的Otsu法对拉链图像进行分割，分割后的二值图像如图4所示，由分割结果可以看出目标与背景错分几率低，边缘清晰，噪声少。 5 结论 实验结果表明该方案能够对多种拉链自动提出特征并