(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211098523.5 (22)申请日 2022.09.09 (65)同一申请的已公布的文献号 申请公布号 CN 115170576 A (43)申请公布日 2022.10.11 (73)专利权人 山东中发新材 料科技有限公司 地址 272000 山东省济宁市微山县经济开 发区建设东路以南国道104以东5 0米 (72)发明人 李光祜　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 专利代理师 吴杉 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06V 10/26(2022.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114913177 A,2022.08.16 CN 114612384 A,202 2.06.10 CN 102567973 A,2012.07.1 1 CN 114972123 A,202 2.08.30 US 20141 11532 A1,2014.04.24 谭梨. 《一种分区域图像高斯噪声的去噪算 法研究》 . 《中国优秀硕士学位 论文全文数据库 信息科技 辑》 .2020,第I138-161页. Tian J et al. 《RX i nfrared s mall target detecti on algorithm based o n multi-scale l ocal strength and gradient fusion》 . 《IEEE》 .2021,第1- 6页. 审查员 孟桓羽 (54)发明名称 基于机器视觉的铝管表面 缺陷检测方法 (57)摘要 本发明涉及图像数据处理领域， 具体涉及一 种基于机器视觉的铝管表面缺陷检测方法， 包 括： 获取铝管去噪前的灰度图； 对去噪前的灰度 图进行滑窗， 将滑窗中心点分为非边缘点或边缘 点； 获取各滑窗尺寸下去噪后的灰度图： 当中心 点为非边缘点时， 利用滑窗非中心点与中心点的 灰度值得到非边缘点去噪后的灰度值； 当中心点 为边缘点时， 利用滑窗过中心点的各方向上的像 素点灰度值、 中心点的灰度值， 得到边缘点去噪 后的灰度值； 得到各滑窗尺寸下去噪后的灰度图 的信噪比， 进而得到最优滑窗尺寸； 对最优滑窗 尺寸下去噪后的灰度图进行阈值 分割， 利用得到 的目标区域和背景区域判断铝管表面是否存在 缺陷。 上述方法用于铝管的缺陷检测， 可提高检 测准确度。 权利要求书3页 说明书10页 附图3页 CN 115170576 B 2022.12.06 CN 115170576 B 1.一种基于 机器视觉的铝管表面 缺陷检测方法， 其特 征在于， 包括： S1： 获取待检测铝管去噪前的全景区域灰度图； S2： 将每一种滑窗尺寸下 各个滑窗 窗口内的中心像素点分为非边 缘点或边缘点： S201： 设置滑窗尺寸， 对去噪前的全景区域灰度图进行滑窗遍历， 利用每一种滑窗尺寸 下各个滑窗窗口内中心像素点和非中心像素点的灰度值， 计算得到该滑窗窗口内各个非中 心像素点与中心像素点的相似概 率； S202： 利用每一种滑窗尺寸下各个滑窗窗口内各个非中心像素点与中心像素点的相似 概率将该滑窗尺寸下 各个滑窗 窗口内的中心像素点分为非边 缘点或边缘点； S3： 分别采用不同的去噪方法对非边缘点或边缘点进行去噪， 获取每一种滑窗尺寸下 去噪后的全景区域灰度图： S301： 当每一种滑窗尺寸下滑窗窗口内的中心像素点为非边缘点时， 则利用该滑窗窗 口内每一个非中心像素点与中心像素点的相似概率、 每一个非中心像素点的灰度值， 计算 得到每一种滑窗尺寸下非边缘点去噪后的灰度值； 得到每一种滑窗尺寸下非边缘点去噪后 的灰度值的方法为： 当每一种滑窗尺寸下滑窗窗口内的中心像素点为非边缘点 时， 则将该滑窗窗口内每一 个非中心像素点与中心像素点的相似概率进 行归一化处理， 得到该滑窗窗口内每一个非中 心像素点与中心像素点的归一 化后的相似概 率； 利用滑窗窗口内每一个非中心像素点与中心像素点的归一化后的相似概率、 每一个非 中心像素点的灰度值， 计算得到该滑窗 窗口内中心像素点的替换值； 将滑窗窗口内中心像素点的替换值作为每一种滑窗尺寸下非边 缘点去噪后的灰度值； S302： 当每一种滑窗尺寸下滑窗窗口内的中心像素点为边缘点时， 则利用该滑窗窗口 内过中心像素点的各个方向上 的像素点灰度值距离加权均值、 中心像素点的灰度值， 计算 得到每一种滑窗尺寸下边缘点去噪后的灰度值； 得到每一种滑窗尺寸下边缘点去噪后的灰 度值的方法为： 以滑窗窗口内的中心像素点为端点， 作水平向右 的射线， 将射线与滑窗窗口的交点到 端点之间的线段作为第一线段； 统计第一线段上非中心像素点的数量， 利用第 一线段上非中心像素点的数量、 位置、 灰 度值以及中心像素点的灰度值， 计算得到第一线段 上的像素点灰度值距离加权均值； 以滑窗窗口内的中心像素点为端点， 作与第一线段的夹角为45 °的射线， 将射线与滑窗 窗口的交点到端点之 间的线段作为第二线段， 按照得到第一线段上的像素点灰度值距离加 权均值的方法得到第二线段 上的像素点灰度值距离加权均值； 按照得到第二线段上的像素点灰度值距离加权均值的方法得到第三线段上的像素点 灰度值距离加权均值， 依此类推， 得到第四线段至第八线段上的像素点灰度值距离加权均 值； 分别计算滑窗窗口内的中心像素点的灰度值与每一条线段上的像素点灰度值距离加 权均值之 间的差值， 将 差值最小时对应的线段上的像素点灰度值距离加权均值作为该中心 像素点的替换值； 将滑窗窗口内中心像素点的替换值作为每一种滑窗尺寸下边 缘点去噪后的灰度值； S4： 利用每一种滑窗尺寸下去噪后的全景区域灰度图中各像素点的灰度值、 去噪前的权　利　要　求　书 1/3 页 2 CN 115170576 B 2全景区域灰度图中像素点的数量和各像素点的灰度值， 计算得到每一种滑窗尺寸下去噪后 的全景区域灰度图的信噪比； S5： 将去噪后的全景区域灰度图的信噪比最大时对应的滑窗尺寸作为最优的滑窗尺 寸， 利用最优的滑 窗尺寸下非边缘点去 噪后的灰度值、 边缘点去 噪后的灰度值得到最优滑 窗尺寸下去噪后的全景区域灰度图； S6： 对最优滑窗尺寸下去噪后的全景区域灰度图进行阈值分割， 获取最优滑窗尺寸下 去噪后的全景区域灰度图中的目标区域和背景区域； S7： 利用目标区域和背景区域中所有像素点的灰度值均值判断待检测铝管表面是否存 在缺陷。 2.根据权利要求1所述的一种基于机器视觉的铝管表面缺陷检测方法， 其特征在于， 所 述非边缘点包括噪声点和类内区域点， 其中类内区域点指的是灰度值相似的同一种类的像 素点。 3.根据权利要求1所述的一种基于机器视觉的铝管表面缺陷检测方法， 其特征在于， 所 述将该滑窗尺寸下 各个滑窗 窗口内的中心像素点分为非边 缘点或边缘点的过程具体如下： 设置不同的滑窗尺寸， 对去噪前的全景区域灰度图进行滑窗遍历， 对每一种滑窗尺寸 下的所有滑窗 窗口进行如下操作： 利用各个滑窗窗口内中心像素点的灰度值和非中心像素点的灰度值， 计算得到该滑窗 窗口内各个非中心像素点与中心像素点的相似概 率； 设置相似概率阈值， 统计各个滑窗窗口内与中心像素点的相似概率大于相似概率阈值 的非中心像素点的数量； 统计各个滑窗 窗口内非中心像素点的数量； 将各个滑窗窗口内与中心像素点的相似概率大于相似概率阈值的非中心像素点的数 量和该滑窗窗口内非中心像素点的数量进 行作比， 得到各个滑窗窗口内非中心像素点与中 心像素点的相似比例； 设置第一相似比例阈值和第 二相似比例阈值， 对各个滑窗窗口内非中心像素点与中心 像素点的相似比例进行判断： 当滑窗窗口内非中心像素点与中心像素点的相似比例小于等于第 一相似比例阈值 时， 则该滑窗 窗口内的中心像素点 为噪声点， 即该滑窗 窗口内的中心像素点 为非边缘点； 当滑窗窗口内非中心像素点与中心像素点的相似比例大于等于第 二相似比例阈值 时， 则该滑窗 窗口内的中心像素点 为类内区域 点， 即该滑窗 窗口内的中心像素点 为非边缘点； 当滑窗窗口内非中心像素点与中心像素点的相似比例大于第一相似比例阈值且小于 第二相似比例阈值时， 则该滑窗 窗口内的中心像素点 为边缘点。 4.根据权利要求1所述的一种基于机器视觉的铝管表面缺陷检测方法， 其特征在于， 所 述判断待检测铝管表面是否存在缺陷的过程具体如下： 利用大津算法对最优滑窗尺寸下去噪后的全景区域灰度图进行阈值分割， 获取最优滑 窗尺寸下去噪后的全景区域灰度图中的目标区域和背景区域； 分别计算目标区域和背景区域中所有像素点的灰度值均值， 并将两个灰度值均值进行 做差， 得到目标区域和背景区域的灰度值差值； 按照得到最优滑窗尺寸下去噪后的全景区域灰度图的方法得到无缺陷铝管去噪后的权　利　要　求　书 2/3 页 3 CN 115170576 B 3