基于图像处理的纽扣轮廓瑕疵检测理解

基于图像处理的纽扣轮廓瑕疵检测

现状：

针对多数纽扣生产厂家采用人工方式检测纽扣质量，导致检测效率较低的问题，设计一套基于图像处理的纽扣轮廓瑕疵检测系统。

主要步骤：

第一步：

基于连通域分析纽扣感兴趣区域的分割及轮廓的提取；

第二步：

检测纽扣内孔缺失与颜色瑕疵（包括污渍、划痕及凹坑等瑕疵）；

第三步：

检测纽扣外轮廓与内孔轮廓的圆度与缺口检测。

怎样检测：

利用轮廓数目判断是否有内孔缺失或颜色瑕疵。利用最小外接圆进行圆形度检测；将圆形轮廓转换为曲线轮廓，利用三次方差进行全局平滑性检测和验证；采用局部最大二次方差对缺口进行检测。
常见的分割方法主要是基于阈值、区域、边缘和特定理论这几种方式。

阈值分割：

利用目标物与背景在灰度特性上的差异，设
置一个阈值T，将目标物与背景分割开来，形成
二值图像。

最大类间方差法（otsu）的原理：

阈值将原图象分成前景，背景两个图象。
前景：用n1, csum, m1来表示在当前阈值下的前景的点数，质量矩，平均灰度
后景：用n2, sum-csum, m2来表示在当前阈值下的背景的点数，质量矩，平均灰度
当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准
而在otsu算法中这个衡量差别的标准就是最大类间方差

纽扣分割与轮廓提取

纽扣瑕疵检测算法流程图
对于一些小缺口纽扣，圆形度评价的检测效率也不高。针对这些问题，提出一种多步轮廓检测算法。

最小外接圆圆形度检测
最小外接圆评价圆形度是指先求取轮廓的最小外接圆并得到圆心与半径，然后将该圆心作为最大内切圆圆心，两个圆半径之差即为圆度误 差值，其数学表达如式

ｆ为文献中圆度误差值；Ｒｍａｘ为外接圆半径；Ｒｍｉｎ 为内切圆半径。

内孔与外轮廓半径相差较大，为了统一内孔轮廓与外轮廓圆度误差评价，本文对文献中圆度误差公式做了调整，以增强适用性

f０为文献中圆度误差与最小外接圆半径的比值，本文代表调整后的圆度误差值.δ 为阈值，以统一外轮廓和内孔的圆度误差评价.
难以检测一些小缺口或者一些光滑性较差的轮廓。
三次方差圆形度评价
方差检测的是纽扣轮廓像素点相对于最小外接圆圆心的波动情况，
因此计算每一个轮廓点到其外接圆圆心的距离。

（3）
ｌ 为每 个 轮 廓 点 到 最 小 外 接 圆 圆 心 的 距 离；（ｘ，ｙ）为轮廓点在图像中像素点位置；（ｘ０，ｙ０）为外接圆圆心位置。
三次方差会有正负值。对于对称轮廓，由于其三次方差相互抵消，也会呈现较小值；对于不对称轮廓，比如有缺口的轮廓，一般三次方差 会 呈 现 较大值。

ｆ１为三次方差圆度误差值；ｌi为按式（３）转化的轮廓点的值l为部分ｌ的平均值。ｎ为轮廓点数目。
可以用于检测轮廓的平滑度。

局部最大二次方差缺口检测
针对纽扣边缘微小缺口难以检测的问题，提出局部最大二次方差检测方法，这种方法可以用于检测轮廓的平滑度。

            其

三次方差主要用于检测轮廓内凹但弯曲程度不大的轮廓，同时也是为了进一步检验圆形度。局部二次方差用于检测局部平滑性，能够对缺口具有较好的检测效果。