基于图像分割的筷子瑕疵检测研究基于图像分割的筷子瑕疵检测研究
针对筷子瑕疵人工检测存在效率低、成本高、工作环境恶劣等缺点,提出了一种基于图像分割的筷子瑕疵检测研
究分析方法。该方法采用图像采集设备获取筷子图像,利用图像处理技术对筷子图像进行增强、边缘检测及图
像分割,获取筷子图像的RGB数据;对RGB三通道所占百分比及百分比方差进行统计分析。实验结果表明,该方法
能有效地将目标筷子的彩色图像与筷子的背景图像分离,得到准确的筷子RGB数据,数据分析结果对筷子瑕疵
检测有很大的参考价值。
胡小慧, 江虹, 郭秋梅
(西南科技大学 信息工程学院,四川 绵阳, 621010)
摘要摘要:针对
关键词 关键词:筷子瑕疵;边缘检测;
0引言引言
目前,我国筷子生产行业仍应用人工目检的方法挑选筷子,而人工检测效率低、成本高且环境比较恶劣,随着生产速度的
提高以及越来越严格的质量要求,传统人工瑕疵检测的方法已不能保质保量地完成生产任务。近年来,采用图像处理技术对产
品进行瑕疵检测已有相关的研究,如陈文达[1]利用图像处理及模式识别等技术对金属表面瑕疵进行了分析研究;王明景
[2]实现了图案布匹瑕疵的在线实时检测;林如意[3]利用图像纹理等分析方法检测纺织品瑕疵;KUO C F J等人[4]在
织物图像中利用灰度共生矩阵提取相异性、能量、对比度等特征向量,使用图像分析技术对织物瑕疵进行检测和分类。基于图
像处理技术的瑕疵检测研究历经多年,得到了飞速的发展,一些成熟的机器视觉系统已应用在现代化生产线上。有关筷子瑕疵
检测类的国内外文献,目前尚鲜见报道。
对此本文提出基于图像分割的筷子瑕疵分析检测方法。实验结果表明,该方法能有效地对筷子图像进行预处理,分割得到
可靠的彩色筷子图像,实现对筷子图像RGB值的统计分析。
1筷子瑕疵分类筷子瑕疵分类
由于原材料以及加工过程中的问题,筷子的瑕疵类型主要包括:青皮、色斑、烧焦。本文主要针对这三种瑕疵进行处理分
析。
2边缘检测及图像分割边缘检测及图像分割
小波变换具有良好的局部性与多尺度性,可满足在大尺度上排除噪声的干扰,在小尺度上准确定位边缘,从而为图像边缘
检测提供高质量的边缘信息[56]。本文将小波变换与模糊C均值算法相结合,通过小波变换完成对筷子图像边缘的提取,
利用边缘信息对目标筷子图像进行定位标号实现初步分割,再使用模糊C均值(FCM)方法完成对筷子图像的分割。
利用小波变换算法对筷子边缘检测步骤如下:
(1)对图像进行尺度为j的小波变换,得到垂直方向和水平方向的高频细节分量,分别用W12f(x,y)和W22f(x,y)表示;
(2)求出小波变换系数的模值:
(4)求出局部极大值;
(5)依次检验每个像素点,确认其在对应的幅角最接近的方向上是否是极大值,如果是,记录该梯度,否则将梯度值置
0;
(6)对获得的可能的边缘图像进行阈值分割,选取阈值μ,所有模极大值小于μ的像素的模值都置为0;
(7)输出边缘检测图像。
FCM算法的核心思想是找到使得模糊聚类的目标函数最小的隶属度和聚类中心,表达式为:
J(U,V)=∑nk=1∑ci=1umikdik(xk,vi)(3)
X={x1,x2,...,xn}为图像像素的特征值,V={v1,v2,...,vn}为区域的聚类中心,u={uik}cn是隶属度矩阵。uik表示xi隶属于第k
类区域的隶属度,m为权重指数,它决定分类结果的模糊程度。利用拉格朗日乘子求得隶属度和聚类中心的迭代更新公式如
下: