【缺陷检测】基于matlab形态学液晶显示器表面缺陷检测【含Matlab源码 1304期】

一、形态学检测简介

1 图像分析及预处理
拍摄图像会产生随机的扰动,图像有一定的噪声,为消除掉图像中的无关信息,对图像进行预处理。

1.1 灰度化
为降低运算量,需要将拍摄的三通道的RGB图像转化为单通道的灰度图像。采用加权平均法的灰度化方法,其中心理学灰度公式根据人眼对RGB三色的敏感程度选择不同的权重:
在这里插入图片描述
式(1)中,R、G、B分别为RGB三通道灰度值,灰度化结果如图1 (a)所示。

1.2 平滑处理
为了尽可能避免将背景当作缺陷,需要对图像进行平滑处理,这样虽然会使缺陷的边界模糊,但是有利于减少背景的干扰。注意所采用的去噪处理为均值滤波,均值滤波公式为:
在这里插入图片描述
式(2)中,m、n分别为所选择的滤波核的长和宽,Sxy是以(x,y)为中心的滤波核对应像素的位置集合,平滑处理结果如图1 (b)所示。均值滤波的缺点是会使一些细节如边缘等信息丢失,因此在找到种子点后,对没有经过平滑处理的图像进行区域生长,找到缺陷边界。

2 算法原理
2.1 阈值分割

阈值分割是图像分割中最简单、基础的方法,性能比较稳定,计算量较小,运算速度快;它主要有全局阈值分割、局部阈值分割、自适应阈值分割等方法。阈值算法基于阈值T,将像素灰度值大于阈值T和小于阈值T的部分分别叫做前景和背景。变换函数表达式:
在这里插入图片描述
图1 均值滤波处理
在这里插入图片描述
式(3)中,T为阈值,g (x,y)为原图像像素点(x,y)的灰度值,f (x,y)为分割后图像像素点(x,y)的灰度值,阈值分割结果如图2所示。
在这里插入图片描述
图2 阈值分割结果

2.2 形态学开运算降噪
数学形态学简称形态学,其处理方式为领域运算,即把领域结构元素与图像对应位置像素进行逻辑运算,这种运算的影响因素主要有结构元素大小、形状和逻辑运算的规则。形态学操作主要有膨胀、腐蚀、梯度运算、礼帽运算、黑帽运算、开运算和闭运算等,但其基础为腐蚀和膨胀,利用膨胀和腐蚀就能完成不同形式的运算。

腐蚀运算能消除轮廓边界点,使边界向内缩小,主要用于细化二值图像目标轮廓、去除噪声等。
在这里插入图片描述
式(4)中,A为原图像,B为结构元素。首先给结构元素B定义一个原点,当结构元素B的原点移动到图像A的(x,y)上时,如果结构元素B上等于1的像素点对应图像A也等于1,则将图像A的(x,y)的灰度值置为1,否则置为0,腐蚀示意图如图3所示。
在这里插入图片描述
图3 腐蚀示意图
膨胀运算则与腐蚀运算相反,使边界向外扩张,主要用于填补图像分割后的空白,使相近的不相连的轮廓相连。其公式为:
在这里插入图片描述
式(5)中,A为原图像,B为结构元素。首先给结构元素B定义一个原点,当结构元素B的原点移动到图像A的(x,y)上时,如果结构元素B上等于1的像素点对应图像A中至少有一个等于1,则将图像A的(x,y)的灰度值置为1,否则置为0。

先进行腐蚀操作,然后在腐蚀的基础上进行膨胀操作,主要用于去噪和计数等。其公式为:
在这里插入图片描述
式(6)中,A为原图像,B、C为结构元素。开运算效果如图4所示,图5为开运算处理的结果。
在这里插入图片描述
图4 开运算效果
2.3 区域生长法
区域生长的思想就是把领域(四领域、八领域等)相同的化为一个区域。首先需要一个种子点作为生长的开始,然后将种子点领域内满足相似准则要求的像素点合并到种子的区域,将这个区域的像素做为种子点,继续进行生长,直到没有符合要求的点,生长结束,所有种子点像素作为生长的区域。分割的好坏由初始种子点和相似准则决定。
在这里插入图片描述
图5 形态学开运算结果
2.3.1 种子点选择与检测
经过阈值分割和形态学处理后,将二值图像各轮廓中心作为待定种子点。如果选择的种子点位于缺陷的绝对区域,那么种子点总有一个方向各像素的深度值呈现高-低-高的形态。设计检测模板如图6所示,计算出种子点在0°、45°、90°、135°方向上的深度变化,判断其变化是否呈高低高形态。
在这里插入图片描述
图6 检测模板
种子点左右两侧r个像素的灰度平均值分别为:
在这里插入图片描述
各方向的灰度变化为:
在这里插入图片描述
深度形Si态变化判定:
在这里插入图片描述
式(10)中,I (u)为检测模板中第u个像素的灰度值,w=1,2,3,4,分别代表0°,45°,90°,135°方向,mwm为w方向两侧的最小灰度值,T1为形态变化阈值。如果种子点不满足深度形态变化判定,则去除该待定种子点。

2.3.2 生长过程
区域生长的具体流程如下:
(1)将种子点坐标放入种子点集seeds。
(2)顶出种子点集中的一个种子点,对种子点八邻域的像素点进行相似准则判断;满足相似准则条件的点,视为种子点放入种子点集seeds。
(3)将顶出的种子点存入种子集S。
(4)如果种子点集内没有元素,则跳到步骤(4);如果种子点集中还有元素,则跳到步骤(2)。
(5)生成一张和输入图像长宽一致,像素值全为0的图像I。
(6)将图像I中对应种子集S坐标的像素值置为255,得到分割图像I’。
其中生长的相似准则为:
在这里插入图片描述
式(11)中,gray (seed)为当轮种子点的灰度值,gray (8_n)为其八邻域各点的像素值,Thresh为设置的阈值。区域生长结果如图7所示。
在这里插入图片描述
图7 区域生长结果
3 实验过程
图像分割就是按照预先设定的规则,将图像分割为有意义的前景和背景的过程。区域生长是一个分割效果比较好的算法,但前提是需要找到适合的种子点。单一的分割算法就容易遇到这种不足的情况,结合使用形态学和阈值分割的方法来找到合适的种子点,帮助区域生长算法完成分割任务,达到满足要求的分割效果,分割方法流程如图8所示。
在这里插入图片描述
图8 分割流程图
首先对输入的图片进行灰度化处理,变成单通道的灰度图片,然后滤波去除噪声,使图像更平滑,选择合适的阈值进行阈值分割,在利用开运算去除掉分割后较小的前景,以各前景区域的中心点为起始种子点,进行区域生长,得到最终所满足要求的前景。

二、部分源代码

% 
clear all,close all;
I = imread('mixed1.jpg');
I = rgb2gray(I);
[M,N]=size(I);
figure(1);subplot(131),imshow(I);title('原灰度图像');
medfilt_I=midfilt(I,3);%进行模板为3×3的中值滤波
subplot(132),imshow(medfilt_I);title('中值滤波后图像');
P=adapthisteq(medfilt_I,'Numtiles',[4 4]);%对比度增强
P1=imadjust(P);%亮度调整
P2=midfilt(P1,3);%再次对处理后的图像进行中值滤波,平滑处理
subplot(133),imshow(P2);title('增强对比度和亮度后的图像');

H=im2double(P2);%转换为double类型
g_gradient=SobelFilter(H); %求梯度值
figure(2),subplot(221);imshow(g_gradient);title('梯度值');
th=0.997;% 梯度阈值
g_T=zeros(M,N);%初始化零矩阵
g_T=uint8(g_T);%转换uint8数据类型
ind=find(g_gradient>th);%把梯度值大于阈值的像素点位置记录下来
g_T(ind)=256;%把这些点的灰度级设为256,最高灰度级
subplot(222);imshow(g_T);title({'根据梯度值提取出的目标轮廓';'(图片四周也有梯度较大的区域)'});
lap = uint8(zeros(M,N));%初始化一张同样大小的黑色图像
for i=2:M-1
    for j=2:N-1
        lap(i,j) = g_T(i,j);%将g_T除了图片四周,其他的值赋给lap
    end
end
subplot(223),imshow(lap);title('缺陷目标轮廓');
se90=strel('line',3,90);
se0=strel('line',3,0); %两个线型结构元素
BW2=imdilate(lap,[se90,se0]);%对目标轮廓lap进行膨胀
subplot(224);imshow(BW2);title('膨胀修复后的缺陷轮廓');
J = imfill(BW2,'holes');%对轮廓内进行填充
figure(3);subplot(121),imshow(I);title('原灰度图像');
subplot(122);imshow(J);title('提取得到缺陷二值图像')%得到了目标的二值图像

[L,m]= bwlabel(J,8);%在J中找到8连通对象的标签,返回标签矩阵L和连通对象的数量m
status = regionprops(L,'all');%测量缺陷区域的各项区域特征属性
if (max(lap(:))) %只要能提取到边缘值不全为0,则说明有缺陷
point_defect_number=0; %对缺陷数量进行初始化
line_defect_number=0;
block_defect_number=0;
point_area_max=200; %规定点缺陷区域的最大面积为200
line_area_max=3000; %规定线缺陷区域的最大面积为3000
   for i=1:m
         if (status(i).Area <point_area_max) %判断是否满足点缺陷的条件
             point_defect_number =point_defect_number+1;
             rectangle('position' ,status(i).BoundingBox,'Curvature',[1,1],'edgecolor','r');
         else  %判断是否满足线缺陷的条件
             if(status(i).Area<line_area_max&&(status(i).MajorAxisLength/ status(i).MinorAxisLength > 20))
             line_defect_number =line_defect_number+1;
              rectangle('position' ,status(i).BoundingBox,'Curvature',[1,1],'edgecolor','g');
             else  %面缺陷
                 block_defect_number=block_defect_number+1;
                 rectangle('position' ,status(i).BoundingBox,'Curvature',[1,1],'edgecolor','b');
             end
         end
    
    end
    hold off;
    fprintf('检测结果:\n点缺陷数目 : %d\n',point_defect_number);
    fprintf('线缺陷数目 : %d\n',line_defect_number);
    fprintf('面缺陷数目 : %d\n',block_defect_number);
 else
  fprintf('检测结果:\n没有缺陷\n');
end
% 
function g=SobelFilter(f)
len=1;%填充的行数和列数为len=1
%对原始图像进行扩展,此处采用了镜像扩展,目的是解决边缘计算的问题
f_pad=padarray(f,[len,len]);%对图像四周进行11列的扩展,用0来填充
[M,N]=size(f_pad);
%sobel算子
Lx=[-1 -2 -1;  %x方向上的算子模板
    0 0 0;
    1 2 1];
Ly=[-1 0 1;%y方向上的模板
     -2 0 2;
     -1 0 1];     

复制代码

三、运行结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社,2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社,2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社,2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社,2015.

免责声明:务必仔细阅读

  • 本站为个人博客,博客所转载的一切破解、path、补丁、注册机和注册信息及软件等资源文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。

  • 本站为非盈利性站点,打赏作为用户喜欢本站捐赠打赏功能,本站不贩卖软件等资源,所有内容不作为商业行为。

  • 本博客的文章中涉及的任何解锁和解密分析脚本,仅用于测试和学习研究,禁止用于商业用途,不能保证其合法性,准确性,完整性和有效性,请根据情况自行判断.

  • 本博客的任何内容,未经许可禁止任何公众号、自媒体进行任何形式的转载、发布。

  • 博客对任何脚本资源教程问题概不负责,包括但不限于由任何脚本资源教程错误导致的任何损失或损害.

  • 间接使用相关资源或者参照文章的任何用户,包括但不限于建立VPS或在某些行为违反国家/地区法律或相关法规的情况下进行传播, 博客对于由此引起的任何隐私泄漏或其他后果概不负责.

  • 请勿将博客的任何内容用于商业或非法目的,否则后果自负.

  • 如果任何单位或个人认为该博客的任何内容可能涉嫌侵犯其权利,则应及时通知并提供身份证明,所有权证明至admin@proyy.com.我们将在收到认证文件后删除相关内容.

  • 任何以任何方式查看此博客的任何内容的人或直接或间接使用该博客的任何内容的使用者都应仔细阅读此声明。博客保留随时更改或补充此免责声明的权利。一旦使用并复制了博客的任何内容,则视为您已接受此免责声明.

您必须在下载后的24小时内从计算机或手机中完全删除以上内容.

您使用或者复制了本博客的任何内容,则视为已接受此声明,请仔细阅读


更多福利请关注一一网络微信公众号或者小程序

一一网络微信公众号
打个小广告,宝塔服务器面板,我用的也是,很方便,重点是免费的也能用,没钱太难了,穷鬼一个,一键全能部署及管理,送你3188元礼包,点我领取https://www.bt.cn/?invite_code=MV9kY3ZwbXo=


一一网络 » 【缺陷检测】基于matlab形态学液晶显示器表面缺陷检测【含Matlab源码 1304期】

发表评论

发表评论

一一网络-提供最优质的文章集合

立即查看 了解详情