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方法。
背景技術(shù)：
機器視覺是利用計算機和相機來模擬實現(xiàn)人眼的功能，通過控制相機來獲取圖像信號，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，從而利用視覺系統(tǒng)對這些信號進行各種運算來實現(xiàn)特定的目的。機器視覺系統(tǒng)可以提高生產(chǎn)自動化的程度，在很多危險環(huán)境和人眼精度達不到要求的工作場合，完全可以利用視覺系統(tǒng)來代替人工作業(yè)。運用機器視覺系統(tǒng)能夠提高產(chǎn)品生產(chǎn)和檢測的質(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。在自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛應(yīng)用于工況監(jiān)視、成品檢驗、質(zhì)量控制、工藝制造、安全監(jiān)控等領(lǐng)域。
matlab是美國mathworks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，其圖像處理工具箱具有灰度變換、圖像濾波、圖像增強等強大的圖像處理功能。因此，用matlab處理數(shù)字圖像在工程計算、控制設(shè)計、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計與分析等領(lǐng)域獨具優(yōu)勢。
技術(shù)實現(xiàn)要素：
發(fā)明目的：針對上述問題，本發(fā)明的目的是提供一種基于matlab的零件表面缺陷檢測方法，該方法以matlab為平臺，進行表面缺陷檢測，對檢測圖像進行預(yù)處理，獲取缺陷區(qū)域后，通過提取缺陷特征進行分類識別，對比區(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，自動判斷制品的缺陷種類，檢測速度快，無損傷，易于實施。
技術(shù)方案：為實現(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方法，其特征在于，包括如下步驟：
步驟101，采集無缺陷的零件圖像作為模板圖像，sobel算子對零件模板圖像進行邊緣提取，建立邊緣輪廓特征庫；
步驟102，基于matlab對檢測圖像進行預(yù)處理，其包括：
步驟1021，對圖像進行增強處理，利用雙重sigmoid算子對待測零件圖像進行增強，以增加圖像辨識度，銳化零件的邊緣輪廓，去除圖像中的離散噪聲；
步驟1022，對圖像分割，采用的閾值分割法相當(dāng)于對圖像進行二值化；
步驟103，提取缺陷特征，對比零件模板圖像與待測零件圖像，進行分類識別。
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方法，該方法以matlab為平臺，進行表面缺陷檢測，對檢測圖像進行預(yù)處理，獲取缺陷區(qū)域后，通過提取缺陷特征進行分類識別，對比區(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，自動判斷制品的缺陷種類，檢測速度快，無損傷，易于實施。
附圖說明
圖1是基于matlab的零件表面缺陷檢測方法流程圖；
具體實施方式
下面結(jié)合附圖和具體實施例，進一步闡明本發(fā)明。
如圖1所示，基于matlab的零件表面缺陷檢測方法，其特征在于，包括如下步驟：
步驟101，采集無缺陷的零件圖像作為模板圖像，sobel算子對零件模板圖像進行邊緣提取，建立邊緣輪廓特征庫；
步驟102，基于matlab對檢測圖像進行預(yù)處理，其包括：
步驟1021，對圖像進行增強處理，利用雙重sigmoid算子對待測零件圖像進行增強，以增加圖像辨識度，銳化零件的邊緣輪廓，去除圖像中的離散噪聲；
步驟1022，對圖像分割，采用的閾值分割法相當(dāng)于對圖像進行二值化；
步驟103，提取缺陷特征，對比零件模板圖像與待測零件圖像，進行分類識別。
經(jīng)過以上三個步驟，方法以matlab為平臺，進行表面缺陷檢測，對檢測圖像進行預(yù)處理，獲取缺陷區(qū)域后，通過提取缺陷特征進行分類識別，對比區(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，自動判斷制品的缺陷種類，檢測速度快，無損傷，易于實施。