本發(fā)明屬于圖像處理領(lǐng)域，具體涉及到一種基于matlab的零件表面缺陷檢測(cè)方法。
背景技術(shù)：
機(jī)器視覺(jué)是利用計(jì)算機(jī)和相機(jī)來(lái)模擬實(shí)現(xiàn)人眼的功能，通過(guò)控制相機(jī)來(lái)獲取圖像信號(hào)，并傳送給圖像處理系統(tǒng)，根據(jù)圖像的顏色、像素分布和亮度轉(zhuǎn)化為數(shù)字信號(hào)，從而利用視覺(jué)系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來(lái)實(shí)現(xiàn)特定的目的。機(jī)器視覺(jué)系統(tǒng)可以提高生產(chǎn)自動(dòng)化的程度，在很多危險(xiǎn)環(huán)境和人眼精度達(dá)不到要求的工作場(chǎng)合，完全可以利用視覺(jué)系統(tǒng)來(lái)代替人工作業(yè)。運(yùn)用機(jī)器視覺(jué)系統(tǒng)能夠提高產(chǎn)品生產(chǎn)和檢測(cè)的質(zhì)量和精度，并可以在一定程度上降低人工成本，提高工作效率。在自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺(jué)系統(tǒng)廣泛應(yīng)用于工況監(jiān)視、成品檢驗(yàn)、質(zhì)量控制、工藝制造、安全監(jiān)控等領(lǐng)域。
matlab是美國(guó)mathworks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，其圖像處理工具箱具有灰度變換、圖像濾波、圖像增強(qiáng)等強(qiáng)大的圖像處理功能。因此，用matlab處理數(shù)字圖像在工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、圖像處理、信號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析等領(lǐng)域獨(dú)具優(yōu)勢(shì)。
技術(shù)實(shí)現(xiàn)要素：
發(fā)明目的：針對(duì)上述問(wèn)題，本發(fā)明的目的是提供一種基于matlab的零件表面缺陷檢測(cè)方法，該方法以matlab為平臺(tái)，進(jìn)行表面缺陷檢測(cè)，對(duì)檢測(cè)圖像進(jìn)行預(yù)處理，獲取缺陷區(qū)域后，通過(guò)提取缺陷特征進(jìn)行分類(lèi)識(shí)別，對(duì)比區(qū)域灰度均值與模板圖像的同一區(qū)域的灰度均值，根據(jù)表面缺損、毛刺等缺陷的特點(diǎn)，自動(dòng)判斷制品的缺陷種類(lèi)，檢測(cè)速度快，無(wú)損傷，易于實(shí)施。
技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
種基于matlab的零件表面缺陷檢測(cè)方法，其特征在于，包括如下步驟：
步驟101，采集無(wú)缺陷的零件圖像作為模板圖像，sobel算子對(duì)零件模板圖像進(jìn)行邊緣提取，建立邊緣輪廓特征庫(kù)；
步驟102，基于matlab對(duì)檢測(cè)圖像進(jìn)行預(yù)處理，其包括：
步驟1021，對(duì)圖像進(jìn)行增強(qiáng)處理，利用雙重sigmoid算子對(duì)待測(cè)零件圖像進(jìn)行增強(qiáng)，以增加圖像辨識(shí)度，銳化零件的邊緣輪廓，去除圖像中的離散噪聲；
步驟1022，對(duì)圖像分割，采用的閾值分割法相當(dāng)于對(duì)圖像進(jìn)行二值化；
步驟103，提取缺陷特征，對(duì)比零件模板圖像與待測(cè)零件圖像，進(jìn)行分類(lèi)識(shí)別。
有益效果：與現(xiàn)有技術(shù)相比，提供一種基于matlab的零件表面缺陷檢測(cè)方法，該方法以matlab為平臺(tái)，進(jìn)行表面缺陷檢測(cè)，對(duì)檢測(cè)圖像進(jìn)行預(yù)處理，獲取缺陷區(qū)域后，通過(guò)提取缺陷特征進(jìn)行分類(lèi)識(shí)別，對(duì)比區(qū)域灰度均值與模板圖像的同一區(qū)域的灰度均值，根據(jù)表面缺損、毛刺等缺陷的特點(diǎn)，自動(dòng)判斷制品的缺陷種類(lèi)，檢測(cè)速度快，無(wú)損傷，易于實(shí)施。
附圖說(shuō)明
圖1是基于matlab的零件表面缺陷檢測(cè)方法流程圖；
具體實(shí)施方式
下面結(jié)合附圖和具體實(shí)施例，進(jìn)一步闡明本發(fā)明。
如圖1所示，基于matlab的零件表面缺陷檢測(cè)方法，其特征在于，包括如下步驟：
步驟101，采集無(wú)缺陷的零件圖像作為模板圖像，sobel算子對(duì)零件模板圖像進(jìn)行邊緣提取，建立邊緣輪廓特征庫(kù)；
步驟102，基于matlab對(duì)檢測(cè)圖像進(jìn)行預(yù)處理，其包括：
步驟1021，對(duì)圖像進(jìn)行增強(qiáng)處理，利用雙重sigmoid算子對(duì)待測(cè)零件圖像進(jìn)行增強(qiáng)，以增加圖像辨識(shí)度，銳化零件的邊緣輪廓，去除圖像中的離散噪聲；
步驟1022，對(duì)圖像分割，采用的閾值分割法相當(dāng)于對(duì)圖像進(jìn)行二值化；
步驟103，提取缺陷特征，對(duì)比零件模板圖像與待測(cè)零件圖像，進(jìn)行分類(lèi)識(shí)別。
經(jīng)過(guò)以上三個(gè)步驟，方法以matlab為平臺(tái)，進(jìn)行表面缺陷檢測(cè)，對(duì)檢測(cè)圖像進(jìn)行預(yù)處理，獲取缺陷區(qū)域后，通過(guò)提取缺陷特征進(jìn)行分類(lèi)識(shí)別，對(duì)比區(qū)域灰度均值與模板圖像的同一區(qū)域的灰度均值，根據(jù)表面缺損、毛刺等缺陷的特點(diǎn)，自動(dòng)判斷制品的缺陷種類(lèi)，檢測(cè)速度快，無(wú)損傷，易于實(shí)施。