本發(fā)明屬于工業(yè)產(chǎn)品表面缺陷的檢測(cè)方法技術(shù)領(lǐng)域，涉及一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法。

背景技術(shù)：

自聚焦透鏡是一種廣泛應(yīng)用于光纖通訊、微型光學(xué)系統(tǒng)、醫(yī)用光學(xué)儀器等設(shè)備上的微小光學(xué)器件，其表面質(zhì)量對(duì)于產(chǎn)品的性能影響很大。其表面質(zhì)量缺陷主要以崩邊、麻點(diǎn)和劃痕為主，其中劃痕出現(xiàn)的概率更大?，F(xiàn)有技術(shù)是采用人工在顯微鏡下通過目視來觀察缺陷的位置、大小、類型，并主觀確定其缺陷的分類級(jí)別。該方法存在以下缺點(diǎn)：檢測(cè)工作效率低，工作強(qiáng)度大，產(chǎn)品質(zhì)量受到人為因素影響大，檢驗(yàn)質(zhì)量因人而異，缺乏穩(wěn)定的檢測(cè)質(zhì)量一致性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法，解決了現(xiàn)有技術(shù)中存在的人工檢測(cè)效率低、檢測(cè)質(zhì)量不穩(wěn)定的問題。

本發(fā)明所采用的技術(shù)方案是，一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法，具體按照以下步驟實(shí)施：

步驟1，控制1+n組光源在不同時(shí)間進(jìn)行開、閉，分別獲得自聚焦透鏡的2個(gè)端面的1+n幅原始圖像，即獲得了2組1+n幅原始圖像；

步驟2，利用每組圖像的第1幅圖像，進(jìn)行圓形目標(biāo)區(qū)域圖像的定位和8度斜面與直角面判定，并利用動(dòng)態(tài)閾值分割，得到二值圖像，再提取疑似缺陷區(qū)域特征，給出合格品和廢品的判定；

步驟3，若步驟2判定為合格品，則，根據(jù)第1幅圖像得到的圓形目標(biāo)區(qū)域位置在其余n幅圖像上分別分割出要處理的目標(biāo)圖像，對(duì)目標(biāo)圖像進(jìn)行中值濾波差分處理，并根據(jù)所提取的區(qū)域特征進(jìn)行麻點(diǎn)檢測(cè)，并給出檢測(cè)結(jié)果；在所分割的目標(biāo)圖像上，利用區(qū)域快速濾波及區(qū)域跟蹤方法提取區(qū)域形狀特征，利用細(xì)微劃痕的形狀特征進(jìn)行劃痕檢測(cè)，并給出檢測(cè)結(jié)果。

步驟4，經(jīng)過步驟1-3，對(duì)2個(gè)端面的1+n幅圖像分別進(jìn)行缺陷檢測(cè)，若在某個(gè)缺陷檢測(cè)過程中判定為廢品，則停止其他檢測(cè)過程，則判定該產(chǎn)品為廢品。否則，記錄每次檢測(cè)的結(jié)果，若各次檢測(cè)結(jié)果均為良品，則產(chǎn)品為良品；若某次檢測(cè)結(jié)果為次品，則產(chǎn)品被判定為次品。

本發(fā)明的特征還在于，

步驟1中的1+n組光源為：第1組光源是90°直射環(huán)形光源，另外n組光源是位于360度圓周上的n個(gè)點(diǎn)光源。

步驟1中的1+n幅原始圖像分別由1+n組光源照射獲得，第1組光源分別照射兩個(gè)端面獲得兩組1+n幅原始圖像的第一幅圖像，其余n組光源分別照射兩個(gè)端面獲得兩組1+n幅原始圖像的其余n幅圖像。

步驟2中的利用每組圖像的第1幅圖像，進(jìn)行圓形目標(biāo)區(qū)域圖像的定位的方法為：

步驟a、利用迭代法閾值分割，將第1幅圖像分割為含有多個(gè)區(qū)域的二值圖像；

步驟b、利用拓?fù)浣Y(jié)構(gòu)分析進(jìn)行區(qū)域跟蹤，求取各個(gè)區(qū)域的最小外接圓，獲得每個(gè)區(qū)域的圓心坐標(biāo)和半徑；

步驟c、從各個(gè)區(qū)域最小外接圓中選取與目標(biāo)區(qū)域圓形先驗(yàn)半徑差異最小的區(qū)域，作為目標(biāo)圓形區(qū)域，則該區(qū)域的圓心坐標(biāo)和半徑即為目標(biāo)圓形區(qū)域的圓心坐標(biāo)(xc，yc)和半徑rt。

步驟2中的利用每組圖像的第1幅圖像，進(jìn)行8度斜面與直角面判定的方法為：

步驟a，獲得第一幅圖像的平均灰度，具體方法為：

掃描整幅圖像每一像素，其灰度值為pix(x,y)，計(jì)算其與目標(biāo)圓形區(qū)域圓心的距離，若dis＞rt，則該像素置為背景色；否則保留該像素灰度值，形成僅包含目標(biāo)圓形區(qū)域的圖像it，則目標(biāo)圓形區(qū)域圓心變?yōu)閳D像it的中心(x′c,y′c)，x′c＝width/2,y′c＝heigth/2，其中width為該圖像的寬度，height為該圖像的高度，通過在距圓心(x′c，y′c)一定距離的圓周上采樣取點(diǎn)的方式，累加采樣點(diǎn)的灰度值，最終計(jì)算出目標(biāo)圓形區(qū)域的平均灰度m_avg，即為獲得第一幅圖像的平均灰度；

步驟b，根據(jù)平均灰度m_avg的大小分區(qū)間確定邊緣檢測(cè)中的閾值參數(shù)范圍，然后利用高斯平滑濾波去除圖像噪聲，再用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向，對(duì)梯度幅值進(jìn)行非極大值抑制，最終用雙閾值算法檢測(cè)和連接邊緣，從而獲得強(qiáng)邊緣圖像；

步驟c，利用特征點(diǎn)對(duì)參數(shù)空間投票的直線檢測(cè)算法，檢測(cè)強(qiáng)邊緣圖像中的直線，計(jì)算直線到目標(biāo)圓形區(qū)域圓心(x′c，y′c)間的距離，若強(qiáng)邊緣圖像中存在到圓心(x′c,y′c)距離與先驗(yàn)距離差在一定范圍內(nèi)的直線，則該第一圖像為8度斜面圖像，該端面為8度斜面，若無則為直角面。

步驟2中利用動(dòng)態(tài)閾值分割，得到二值圖像，再提取疑似缺陷區(qū)域特征，給出合格品和廢品的判定的具體方法為：

步驟d，結(jié)合m_avg的大小根據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分區(qū)間動(dòng)態(tài)閾值劃分，得到新的分割閾值th1，逐行列掃描處理第一幅圖像中每個(gè)像素，灰度值為pix(x,y)，若pix(x,y)＜th1，則在處理后的二值圖像上將該位置像素值置為255，否則將其置為0，得到如崩邊這種顯著缺陷的二值圖像ib；

步驟e，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像it逐行列掃描處理每個(gè)像素，灰度值為pix(x,y)，以該像素為中心取寬度為w的滑動(dòng)窗口內(nèi)的所有像素值，并對(duì)其進(jìn)行升序排序，計(jì)算排序后像素值序列的中間值vm，對(duì)圖像it進(jìn)行濾波處理，得到濾波處理圖像imb，并將其對(duì)應(yīng)位置像素值設(shè)置為vm；將濾波處理圖像imb與僅包含目標(biāo)圓形區(qū)域的圖像it進(jìn)行做差計(jì)算，即得到差值圖像id；對(duì)差值圖像id逐像素處理，灰度值為pix(x,y)，th2為控制差值顯著性的閾值，若pix(x,y)＞th2，則在處理后的二值圖像上將該位置像素值置為255，否則將其置為0，得到麻點(diǎn)、劃痕這種非顯著缺陷的二值圖像imh；

步驟f，將二值圖像imh和二值圖像ib合并，得到兼有崩邊、麻點(diǎn)、劃痕缺陷特征的二值圖像ibmh，再利用拓?fù)浣Y(jié)構(gòu)分析進(jìn)行區(qū)域跟蹤，計(jì)算各個(gè)疑似缺陷區(qū)域的幾何形狀特征，并根據(jù)這些特征的先驗(yàn)知識(shí)進(jìn)行缺陷類型劃分及合格品和廢品的判定。

步驟3具體按照以下步驟實(shí)施：

步驟3.1，對(duì)其余n幅圖像in進(jìn)行相同的處理，具體為：對(duì)圖像in進(jìn)行去背景處理，即掃描整幅圖像每一像素，灰度值為pix(x,y)，計(jì)算其與目標(biāo)圓形區(qū)域圓心(x′c,y′c)的距離，若len＞rt，rt為第一幅圖像檢測(cè)得到的圓半徑，則將該像素置為背景色；否則保留該像素灰度值，形成僅包含目標(biāo)圓形區(qū)域的圖像int；

步驟3.2，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像int進(jìn)行中值濾波差分處理，根據(jù)所提取的區(qū)域特征進(jìn)行麻點(diǎn)檢測(cè)，并給出檢測(cè)結(jié)果；

步驟3.3，在僅包含目標(biāo)圓形區(qū)域的圖像int上，利用區(qū)域快速濾波及區(qū)域跟蹤方法提取區(qū)域形狀特征，利用細(xì)微劃痕的形狀特征進(jìn)行劃痕檢測(cè)，并給出檢測(cè)結(jié)果。

步驟3.2具體按照以下步驟實(shí)施：

步驟3.2.1，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像int逐行列掃描處理每個(gè)像素，灰度值為pix(x,y)，以該像素為中心取寬度為wn的滑動(dòng)窗口內(nèi)的所有像素值，并對(duì)其進(jìn)行升序排序，計(jì)算排序后像素值序列中的中間值vm，對(duì)圖像int進(jìn)行濾波處理，得到濾波處理圖像inb，并將其對(duì)應(yīng)位置像素值設(shè)置為vm；將濾波處理圖像inb與僅包含目標(biāo)圓形區(qū)域的圖像int進(jìn)行做差計(jì)算，即得到差值圖像ind；對(duì)差值圖像ind逐像素處理，灰度值為pix(x,y)，thn2為控制差值顯著性的閾值，若pix(x,y)＞thn2，則在處理后的二值圖像上將該位置像素值置為255，否則將其置為0，得到含有疑似麻點(diǎn)缺陷的二值圖像inh；

步驟3.2.2，利用拓?fù)浣Y(jié)構(gòu)分析對(duì)圖像inh進(jìn)行區(qū)域跟蹤，計(jì)算各個(gè)區(qū)域的幾何形狀特征：四鄰域平均灰度差pavg、面積area、區(qū)域中心與圓心距離pos、圓形度dc、外接矩形的長(zhǎng)寬比lw，若某區(qū)域的dc＞d&&area＞a1&&area＜a2&&pavg＞v&&pos＜r，則該區(qū)域?qū)儆诼辄c(diǎn)缺陷區(qū)域，其中，d,a1,a2,v,r為相關(guān)幾何特征的實(shí)驗(yàn)值，d為實(shí)驗(yàn)中取得的麻點(diǎn)缺陷區(qū)域的最小圓形度值，a1為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域的最小面積，a2為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域的最大面積，v為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域與四鄰區(qū)域最小的平均灰度差，r為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域中心與圓心的最大距離；

步驟3.2.3，對(duì)麻點(diǎn)缺陷按其麻點(diǎn)缺陷區(qū)域大小進(jìn)行3級(jí)等級(jí)數(shù)量統(tǒng)計(jì)，依據(jù)生產(chǎn)標(biāo)準(zhǔn)給出該端面缺陷檢測(cè)等級(jí)，為良品、次品或廢品，并在圖像上標(biāo)出缺陷的位置和幾何尺寸。

步驟3.3具體按照以下步驟實(shí)施：

步驟3.3.1，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像int進(jìn)行逐行逐列逐像素掃描，灰度值為pix(x,y)，以該像素為中心取m×m大小區(qū)域，m為奇數(shù)，計(jì)算其灰度均值在距該區(qū)域n個(gè)像素距離的上、下、左、右4個(gè)位置分別取m×m大小區(qū)域，計(jì)算其灰度均值，若該像素所在區(qū)域的灰度均值大于周圍4個(gè)區(qū)域的灰度均值的均值bavg，即cavg-bavg>thg，thg為兩者差值的實(shí)驗(yàn)值，則在處理后的二值圖像上將該位置像素值置為255，否則將該像素值置為0，得到疑似劃痕缺陷的二值圖像iny；

步驟3.3.2，對(duì)疑似劃痕特征圖像iny進(jìn)行先腐蝕再膨脹操作，消除孤立的微小區(qū)域；

步驟3.3.3，利用區(qū)域生長(zhǎng)法進(jìn)行區(qū)域跟蹤，同時(shí)計(jì)算各個(gè)疑似缺陷區(qū)域的形狀特征：區(qū)域中心與圓心距離pos、外接矩形的長(zhǎng)寬比lw、與四鄰區(qū)域的灰度均值差pavg、面積area、區(qū)域?qū)挾萹w，若某區(qū)域的area＞a1&&pavg＞v&&lw＜k，則該區(qū)域?qū)儆趧澓廴毕輩^(qū)域，其中a1,v,k為相關(guān)幾何特征的實(shí)驗(yàn)值，a1為實(shí)驗(yàn)中取得的劃痕區(qū)域的最小面積，v為實(shí)驗(yàn)中取得的劃痕區(qū)域與四鄰區(qū)域最小的平均灰度差，k為實(shí)驗(yàn)中取得的劃痕區(qū)域外接矩形的最小長(zhǎng)寬比；

步驟3.3.4，統(tǒng)計(jì)劃痕的數(shù)量，根據(jù)qw和劃痕數(shù)量對(duì)細(xì)微劃痕進(jìn)行缺陷類型劃分及良品、次品和廢品的判定，并在圖像上標(biāo)出缺陷的位置和幾何尺寸。

本發(fā)明的有益效果是：

1、本發(fā)明方法替代了人工進(jìn)行自聚焦透鏡表面缺陷檢測(cè)，具有自動(dòng)化程度高、檢測(cè)效率遠(yuǎn)高于人工、檢測(cè)質(zhì)量穩(wěn)定、可定量給出不同缺陷的幾何尺寸的特點(diǎn)。

2、本發(fā)明可應(yīng)用于設(shè)計(jì)的自動(dòng)化檢測(cè)設(shè)備上完成自動(dòng)化的產(chǎn)品缺陷檢測(cè)過程。

附圖說明

圖1是本發(fā)明一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法的流程圖；

圖2是本發(fā)明一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法檢測(cè)對(duì)象自聚焦透鏡的側(cè)面結(jié)構(gòu)示意圖；

圖3是本發(fā)明一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法檢測(cè)對(duì)象自聚焦透鏡8度斜面的頂視圖；

圖4是本發(fā)明一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法檢測(cè)對(duì)象自聚焦透鏡直角面的頂視圖。

圖中，1.臺(tái)階，2.8度斜面，3.直角面。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說明。

本發(fā)明采用的技術(shù)方案是，一種針對(duì)自聚焦透鏡表面缺陷進(jìn)行機(jī)器視覺檢測(cè)的方法，其流程如圖1所示，具體按照以下步驟實(shí)施：

步驟1，控制1+n組光源在不同時(shí)間進(jìn)行開、閉，分別獲得自聚焦透鏡的2個(gè)端面的1+n幅原始圖像，即獲得了2組1+n幅原始圖像，其中，第1組光源是90°直射環(huán)形光源，用于進(jìn)行目標(biāo)圓定位和顯著崩邊、麻點(diǎn)、劃痕的檢測(cè)，另外n組光源是位于360度圓周上的n個(gè)點(diǎn)光源，用來拍攝位于不同角度才可觀察到的輕微劃痕圖像，1+n幅原始圖像分別由1+n組光源照射獲得，第1組光源分別照射兩個(gè)端面獲得兩組1+n幅原始圖像的第一幅圖像，其余n組光源分別照射兩個(gè)端面獲得兩組1+n幅原始圖像的其余n幅圖像；

步驟2，利用每組圖像的第1幅圖像，進(jìn)行圓形目標(biāo)區(qū)域圖像的定位和8度斜面與直角面判定，并利用動(dòng)態(tài)閾值分割，得到二值圖像，再提取疑似缺陷區(qū)域特征，給出合格品或廢品的判定；

其中，利用每組圖像的第1幅圖像，進(jìn)行圓形目標(biāo)區(qū)域圖像的定位的方法為：

步驟a、利用迭代法閾值分割，將第1幅圖像分割為含有多個(gè)區(qū)域的二值圖像；

步驟b、利用拓?fù)浣Y(jié)構(gòu)分析進(jìn)行區(qū)域跟蹤，求取各個(gè)區(qū)域的最小外接圓，獲得每個(gè)區(qū)域的圓心坐標(biāo)和半徑；

步驟c、從各個(gè)區(qū)域最小外接圓中選取與目標(biāo)區(qū)域圓形先驗(yàn)半徑差異最小的區(qū)域，作為目標(biāo)圓形區(qū)域，則該區(qū)域的圓心坐標(biāo)和半徑即為目標(biāo)圓形區(qū)域的圓心坐標(biāo)(xc，yc)和半徑rt。

其中，利用每組圖像的第1幅圖像，進(jìn)行8度斜面與直角面判定的方法為：

步驟a，獲得第一幅圖像的平均灰度，具體方法為：

掃描整幅圖像每一像素，其灰度值為pix(x,y)，計(jì)算其與目標(biāo)圓形區(qū)域圓心的距離，若dis＞rt，則該像素置為背景色；否則保留該像素灰度值，形成僅包含目標(biāo)圓形區(qū)域的圖像it，則目標(biāo)圓形區(qū)域圓心變?yōu)閳D像it的中心(x′c，y′c)，x′c＝width/2,y′c＝heigth/2，其中width為該圖像的寬度，height為該圖像的高度，為了克服不同圖像亮度差異對(duì)邊緣檢測(cè)效果的影響，通過在距圓心(x′c，y′c)一定距離的圓周上采樣取點(diǎn)的方式，累加采樣點(diǎn)的灰度值，最終計(jì)算出目標(biāo)圓形區(qū)域的平均灰度m_avg，即為獲得第一幅圖像的平均灰度；

步驟b，根據(jù)平均灰度m_avg的大小分區(qū)間確定邊緣檢測(cè)中的閾值參數(shù)范圍，然后利用高斯平滑濾波去除圖像噪聲，再用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向，對(duì)梯度幅值進(jìn)行非極大值抑制，最終用雙閾值算法檢測(cè)和連接邊緣，從而獲得強(qiáng)邊緣圖像；

步驟c，由于8度斜面圖像與直角面圖像最大的區(qū)別在于，8度斜面圖像中在臺(tái)階與8度斜面間有一條較為明顯的分區(qū)直線，因此，利用特征點(diǎn)對(duì)參數(shù)空間投票的直線檢測(cè)算法，檢測(cè)強(qiáng)邊緣圖像中的直線，計(jì)算直線到目標(biāo)圓形區(qū)域圓心(x′c,y′c)間的距離，若強(qiáng)邊緣圖像中存在到圓心(x′c,y′c)距離與先驗(yàn)距離差在一定范圍內(nèi)的直線，則該第一圖像為8度斜面圖像，該端面為8度斜面，若無則為直角面。

其中，利用動(dòng)態(tài)閾值分割，得到二值圖像，再提取疑似缺陷區(qū)域特征，給出合格品和廢品的判定的具體方法為：

步驟d，結(jié)合m_avg的大小根據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分區(qū)間動(dòng)態(tài)閾值劃分，得到新的分割閾值th1，逐行列掃描處理第一幅圖像中每個(gè)像素，灰度值為pix(x,y)，若pix(x,y)＜th1，則在處理后的二值圖像上將該位置像素值置為255，否則將其置為0，得到如崩邊這種顯著缺陷的二值圖像ib；

步驟e，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像it逐行列掃描處理每個(gè)像素，灰度值為pix(x,y)，以該像素為中心取寬度為w的滑動(dòng)窗口內(nèi)的所有像素值，并對(duì)其進(jìn)行升序排序，計(jì)算排序后像素值序列的中間值vm，對(duì)圖像it進(jìn)行濾波處理，得到濾波處理圖像imb，并將其對(duì)應(yīng)位置像素值設(shè)置為vm；將濾波處理圖像imb與僅包含目標(biāo)圓形區(qū)域的圖像it進(jìn)行做差計(jì)算，即得到差值圖像id；對(duì)差值圖像id逐像素處理，灰度值為pix(x,y)，th2為控制差值顯著性的閾值，若pix(x,y)＞th2，則在處理后的二值圖像上將該位置像素值置為255，否則將其置為0，得到麻點(diǎn)、劃痕這種非顯著缺陷的二值圖像imh；

步驟f，將二值圖像imh和二值圖像ib合并，得到兼有崩邊、麻點(diǎn)、劃痕缺陷特征的二值圖像ibmh，再利用拓?fù)浣Y(jié)構(gòu)分析進(jìn)行區(qū)域跟蹤，計(jì)算各個(gè)疑似缺陷區(qū)域的幾何形狀特征，并根據(jù)這些特征的先驗(yàn)知識(shí)進(jìn)行缺陷類型劃分及合格品或廢品的判定。

步驟3，若步驟2判定為合格品，則，根據(jù)第1幅圖像得到的圓形目標(biāo)區(qū)域位置在其余n幅圖像上分別分割出要處理的目標(biāo)圖像，對(duì)目標(biāo)圖像進(jìn)行中值濾波差分處理，并根據(jù)所提取的區(qū)域特征進(jìn)行麻點(diǎn)檢測(cè)，并給出檢測(cè)結(jié)果；在所分割的目標(biāo)圖像上，利用區(qū)域快速濾波及區(qū)域跟蹤方法提取區(qū)域形狀特征，利用細(xì)微劃痕的形狀特征進(jìn)行劃痕檢測(cè)，并給出檢測(cè)結(jié)果，具體按照以下步驟實(shí)施：

步驟3.1，對(duì)其余n幅圖像in進(jìn)行相同的處理，具體為：對(duì)圖像in進(jìn)行去背景處理，即掃描整幅圖像每一像素，灰度值為pix(x,y)，計(jì)算其與目標(biāo)圓形區(qū)域圓心(xc′,y′c)的距離，若len＞rt，rt為第一幅圖像檢測(cè)得到的圓半徑，則將該像素置為背景色；否則保留該像素灰度值，形成僅包含目標(biāo)圓形區(qū)域的圖像int；

步驟3.2，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像int進(jìn)行中值濾波差分處理，根據(jù)所提取的區(qū)域特征進(jìn)行麻點(diǎn)檢測(cè)，并給出檢測(cè)結(jié)果；

具體為：

步驟3.2.1，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像int逐行列掃描處理每個(gè)像素，灰度值為pix(x,y)，以該像素為中心取寬度為wn的滑動(dòng)窗口內(nèi)的所有像素值，并對(duì)其進(jìn)行升序排序，計(jì)算排序后像素值序列中的中間值vm，對(duì)圖像int進(jìn)行濾波處理，得到濾波處理圖像inb，并將其對(duì)應(yīng)位置像素值設(shè)置為vm；將濾波處理圖像inb與僅包含目標(biāo)圓形區(qū)域的圖像int進(jìn)行做差計(jì)算，即得到差值圖像ind；對(duì)差值圖像ind逐像素處理，灰度值為pix(x,y)，thn2為控制差值顯著性的閾值，若pix(x,y)＞thn2，則將在處理后的二值圖像上將該位置像素值置為255，否則將其置為0，得到含有疑似麻點(diǎn)缺陷的二值圖像inh；

步驟3.2.2，利用拓?fù)浣Y(jié)構(gòu)分析對(duì)圖像inh進(jìn)行區(qū)域跟蹤，計(jì)算各個(gè)區(qū)域的幾何形狀特征：四鄰域平均灰度差pavg、面積area、區(qū)域中心與圓心距離pos、圓形度dc、外接矩形的長(zhǎng)寬比lw，若某區(qū)域的dc＞d&&area＞a1&&area＜a2&&pavg＞v&&pos＜r，則該區(qū)域?qū)儆诼辄c(diǎn)缺陷區(qū)域，其中，d,a1,a2,v,r為相關(guān)幾何特征的實(shí)驗(yàn)值，d為實(shí)驗(yàn)中取得的麻點(diǎn)缺陷區(qū)域的最小圓形度值，a1為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域的最小面積，a2為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域的最大面積，v為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域與四鄰區(qū)域最小的平均灰度差，r為實(shí)驗(yàn)中取得的麻點(diǎn)區(qū)域中心與圓心的最大距離；

步驟3.2.3，對(duì)麻點(diǎn)缺陷按其麻點(diǎn)缺陷區(qū)域大小進(jìn)行3級(jí)等級(jí)數(shù)量統(tǒng)計(jì)，依據(jù)生產(chǎn)標(biāo)準(zhǔn)給出該端面缺陷檢測(cè)等級(jí)，為良品、次品或廢品，并在圖像上標(biāo)出缺陷的位置和幾何尺寸。

步驟3.3，在僅包含目標(biāo)圓形區(qū)域的圖像int上，利用區(qū)域快速濾波及區(qū)域跟蹤方法提取區(qū)域形狀特征，利用細(xì)微劃痕的形狀特征進(jìn)行劃痕檢測(cè)，并給出檢測(cè)結(jié)果；

具體為：

步驟3.3.1，對(duì)僅包含目標(biāo)圓形區(qū)域的圖像int進(jìn)行逐行逐列逐像素掃描，灰度值為pix(x,y)，以該像素為中心取m×m大小區(qū)域，m為奇數(shù)，計(jì)算其灰度均值在距該區(qū)域n個(gè)像素距離的上、下、左、右4個(gè)位置分別取m×m大小區(qū)域，計(jì)算其灰度均值，若該像素所在區(qū)域的灰度均值大于周圍4個(gè)區(qū)域的灰度均值的均值bavg，即cavg-bavg>thg，thg為兩者差值的實(shí)驗(yàn)值，則在處理后的二值圖像上將該位置像素值置為255，否則將該像素值置為0，得到疑似劃痕缺陷的二值圖像iny；

步驟3.3.2，對(duì)疑似劃痕特征圖像iny進(jìn)行先腐蝕再膨脹操作，消除孤立的微小區(qū)域；

步驟3.3.3，利用區(qū)域生長(zhǎng)法進(jìn)行區(qū)域跟蹤，同時(shí)計(jì)算各個(gè)疑似缺陷區(qū)域的形狀特征：區(qū)域中心與圓心距離pos、外接矩形的長(zhǎng)寬比lw、與四鄰區(qū)域的灰度均值差pavg、面積area、區(qū)域?qū)挾萹w，若某區(qū)域的area＞a1&&pavg＞v&&lw＜k，則該區(qū)域?qū)儆趧澓廴毕輩^(qū)域，其中a1,v,k為相關(guān)幾何特征的實(shí)驗(yàn)值，a1為實(shí)驗(yàn)中取得的劃痕區(qū)域的最小面積，v為實(shí)驗(yàn)中取得的劃痕區(qū)域與四鄰區(qū)域最小的平均灰度差，k為實(shí)驗(yàn)中取得的劃痕區(qū)域外接矩形的最小長(zhǎng)寬比；

步驟3.3.4，統(tǒng)計(jì)劃痕的數(shù)量，根據(jù)qw和劃痕數(shù)量對(duì)細(xì)微劃痕進(jìn)行缺陷類型劃分及良品、次品或廢品的判定，并在圖像上標(biāo)出缺陷的位置和幾何尺寸。

步驟4，經(jīng)過步驟1-3，對(duì)2個(gè)端面的1+n幅圖像分別進(jìn)行缺陷檢測(cè)，若在某個(gè)缺陷檢測(cè)過程中判定為廢品，則停止其他檢測(cè)過程，則判定該產(chǎn)品為廢品。否則，記錄每次檢測(cè)的結(jié)果，若各次檢測(cè)結(jié)果均為良品，則產(chǎn)品為良品；若某次檢測(cè)結(jié)果為次品，則產(chǎn)品被判定為次品。

本發(fā)明的缺陷檢測(cè)中，崩邊一般中心位置貼近圓周附近，且面積較大，圓形度很低；麻點(diǎn)一般處于圓心周圍一定范圍，面積較小，圓形度較大；而劃痕具有較大的長(zhǎng)寬比，圓形度最小。根據(jù)廢品的幾何形狀規(guī)律設(shè)置以上4個(gè)幾何形狀特征的閾值，并形成判定規(guī)則完成廢品與合格品的判定，并在圖像上標(biāo)出缺陷的位置和幾何尺寸。

本發(fā)明的自聚焦透鏡是一種兩端形狀不同的圓柱形光學(xué)透鏡，端面直徑約為1.4mm，長(zhǎng)度約為4mm，其一端為直角圓形面，稱為直角面3，另一端帶有1個(gè)月牙形臺(tái)階1和1個(gè)8度斜面，稱為8度斜面2，如圖2所示。