CN118570072A - 一种钛金属加工过程中毛刺检测方法及系统 - Google Patents

Abstract

本发明涉及图像分析领域，具体涉及一种钛金属加工过程中毛刺检测方法及系统。该方法首先获取待测加工钛金属表面的灰度图像，并进行边缘检测，获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线，根据疑似毛刺边缘线上各像素点灰度的变化，以及与加工边缘线上像素点灰度变化差异，获得疑似毛刺边缘线的毛刺可能性，分析疑似毛刺边缘线的参考纹理边缘线上各像素点的梯度值，获得疑似毛刺边缘线的毛刺模糊因子，进而基于获取的噪声影响因子对每个疑似毛刺边缘线进行滤波，获得增强图像，并对增强图像进行边缘检测，获得增强图像中的毛刺部位。本发明消除了噪声对毛刺检测的干扰，提高了对钛金属加工表面毛刺的检测精度。

Description

一种钛金属加工过程中毛刺检测方法及系统

技术领域

本发明涉及图像分析领域，具体涉及一种钛金属加工过程中毛刺检测方法及系统。

背景技术

在钛金属切削加工过程中，由于刀具的推进力作用，部分材料被挤压、拉伸而形成较为突出的毛刺，毛刺的存在会增加后续加工工序的难度和成本，影响钛金属制品的性能，因此需要对钛金属加工过程中出现的毛刺进行检测，以保证钛金属制品的质量。

相关技术中，通常使用机器视觉检测技术对钛金属加工表面图像的毛刺部位进行检测，但由于图像中噪声的存在会引起像素点灰度值的变化，导致现有方法无法准确的区分噪声和毛刺，从而无法有效去除图像中的噪声，降低对钛金属加工表面毛刺的检测精度。

发明内容

为了解决现有方法无法准确的区分噪声和毛刺，从而无法有效去除图像中的噪声，降低对钛金属加工表面毛刺的检测精度的技术问题，本发明的目的在于提供一种钛金属加工过程中毛刺检测方法及系统，所采用的技术方案具体如下：

本发明提出了一种钛金属加工过程中毛刺检测方法，所述方法包括：

获取待测加工钛金属表面的灰度图像，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线；

根据以每个像素点为中心的预设邻域内各像素点的灰度值的分布，获得每个像素点的灰度变化因子；将任意一个疑似毛刺边缘线作为目标边缘线，将与目标边缘线相邻的两个加工边缘线作为目标边缘线的参考加工边缘线，根据目标边缘线上各像素点的所述灰度变化因子，以及目标边缘线与参考加工边缘线之间像素点的灰度变化因子的差异，获得目标边缘线的毛刺可能性；

获取目标边缘线和每个纹理边缘线的质心，将目标边缘线与每个纹理边缘线之间所述质心的距离，作为每个纹理边缘线的距离参数；选取预设数量个所述距离参数最小的纹理边缘线作为目标边缘线的参考纹理边缘线；根据每个参考纹理边缘线上各像素点的梯度值，以及每个参考纹理边缘线的所述距离参数，获得目标边缘线的毛刺模糊因子；

根据目标边缘线的所述毛刺可能性和所述毛刺模糊因子的差异，获得目标边缘线的噪声影响因子；基于每个疑似毛刺边缘线的所述噪声影响因子，对灰度图像进行滤波，获得增强图像；

对增强图像进行边缘检测，获得增强图像中的毛刺部位。

进一步地，所述获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线包括：

基于边缘检测算法，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线和纹理边缘线；

将所述加工边缘线和预设加工轨迹进行对比，将所述加工边缘线相对于预设加工轨迹所缺失的部分，作为疑似毛刺边缘线。

进一步地，所述获得每个像素点的灰度变化因子包括：

将灰度图像中的任意一个像素点作为目标像素点，将以目标像素点为中心的预设邻域内的任意一个像素点，作为待测像素点；若待测像素点的灰度值大于或等于以待测像素点为中心的预设窗口中所有像素点的灰度值，则将待测像素点标记为极大像素点，并获取预设邻域内的所有极大像素点；

将任意一个极大像素点作为目标极大像素点，将距离目标极大像素点最近的其他极大像素点，作为目标极大像素点的参考极大像素点；

将目标极大像素点与对应的参考极大像素点的灰度值的平均值，作为目标极大像素点的第一灰度参数；对目标极大像素点与对应的参考极大像素点之间连线上的所有像素点的灰度值的整体水平进行分析，获得目标极大像素点的第二灰度参数；根据所述第一灰度参数和所述第二灰度参数，获取目标极大像素点的初始灰度变化参数，所述初始灰度变化参数与所述第一灰度参数呈正相关，所述初始灰度变化参数与所述第二灰度参数成负相关；

对目标极大像素点与对应的参考极大像素点之间的距离进行负相关映射，获得目标极大像素点的第一距离权重，利用目标极大像素点的所述第一距离权重，对所述初始灰度变化参数进行加权，获得目标极大像素点的真实灰度变化参数；

对预设邻域内的所有极大像素点的所述真实灰度变化参数的整体水平进行分析后并进行归一化处理，获得目标像素点的灰度变化因子。

进一步地，所述获得目标边缘线的毛刺可能性包括：

对目标边缘线或每个参考加工边缘线上的所有像素点的所述灰度变化因子的整体水平进行分析，获得目标边缘线或每个参考加工边缘线的整体灰度变化因子；

根据目标边缘线与每个参考加工边缘线之间所述整体灰度变化因子的差异，获得每个参考加工边缘线的灰度变化差异值，将所有参考加工边缘线的所述灰度变化差异值的最大值，作为目标边缘线的灰度变化特征值；

根据目标边缘线的所述整体灰度变化因子和所述灰度变化特征值，获得目标边缘线的毛刺可能性，所述毛刺可能性与目标边缘线的所述灰度变化特征值呈正相关，所述毛刺可能性与目标边缘线的所述整体灰度变化因子呈负相关，所述毛刺可能性是归一化处理后的数值。

进一步地，所述获得目标边缘线的毛刺模糊因子包括：

对每个纹理边缘线上的所有像素点的梯度值的整体水平进行分析，获得每个纹理边缘线的梯度分布值，对所有纹理边缘线的所述梯度分布值的整体水平进行分析，获得整体梯度分布参数；

根据所述整体梯度分布参数和每个参考纹理边缘线的所述梯度分布值，获得每个参考纹理边缘线的初始梯度特征值；所述初始梯度特征值与所述整体梯度分布参数呈正相关，所述初始梯度特征值与每个参考纹理边缘线的所述梯度分布值成负相关；

对每个参考纹理边缘线的所述距离参数进行负相关映射，获得每个参考纹理边缘线的第二距离权重；利用每个参考纹理边缘线的所述第二距离权重，对每个参考纹理边缘线的初始梯度特征值进行加权，获得每个参考纹理边缘线的真实梯度特征值；

对所有参考纹理边缘线的所述真实梯度特征值的整体水平进行分析后并进行归一化处理，获得目标边缘线的毛刺模糊因子。

进一步地，所述获得目标边缘线的噪声影响因子包括：

对根据目标边缘线的所述毛刺可能性和所述毛刺模糊因子的差异进行归一化处理，获得目标边缘线的噪声影响因子。

进一步地，所述获得增强图像包括：

将每个疑似毛刺边缘线的所述噪声影响因子作为维纳滤波算法所使用的比例因子，并基于维纳滤波算法，对灰度图像中每个疑似毛刺边缘线的最小外接圆所在区域进行滤波，获得增强图像。

进一步地，所述对增强图像进行边缘检测，获得增强图像中的毛刺部位包括：

对增强图像进行边缘检测，获得增强图像中的优化加工边缘线；

将所述优化加工边缘线和预设加工轨迹进行对比，将所述优化加工边缘线相对于预设加工轨迹所缺失的部分，作为增强图像中的毛刺部位。

进一步地，所述预设数量的取值范围为10~30的整数。

本发明还提出了一种钛金属加工过程中毛刺检测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项一种钛金属加工过程中毛刺检测方法的步骤。

本发明具有如下有益效果：

本发明考虑到图像中噪声的存在会引起像素点灰度值的变化，导致现有方法无法准确的区分噪声和毛刺，从而无法有效去除图像中的噪声，降低对钛金属加工表面毛刺的检测精度，因此本发明首先获取待测加工钛金属表面的灰度图像，并对灰度图像进行边缘检测，从而获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线，考虑到灰度图像中出存在的噪声和毛刺都会导致局部区域像素点灰度值的变化，因此可通过灰度变化因子反映每个像素点的局部灰度值的变化特征，为后续区分噪声和毛刺提供数据基础，相对于由噪声而形成的疑似毛刺边缘线，在由毛刺而形成的疑似毛刺边缘线上，其像素点的灰度变化因子较小，并且与参考加工边缘线上的像素点的灰度变化因子的差异较大，因此可通过毛刺可能性反映目标边缘线上存在毛刺的可能性，由于光照会降低毛刺周围区域的对比度，使得周围区域的视觉效果较为模糊，导致其周围区域的纹理边缘线上的像素点梯度值变小，而由噪声而形成的疑似毛刺边缘线周围区域的纹理边缘线上像素点梯度值不会发生较大的变化，因此可通过获取的毛刺模糊因子反映目标边缘线受到毛刺而非噪声影响的可能性，同时噪声的存在会导致目标边缘线的毛刺可能性和毛刺模糊因子出现较大的差异，因此可通过获取的噪声影响因子反映目标边缘线受到噪声影响的程度，进而对灰度图像进行滤波，消除灰度图像中噪声对毛刺检测的干扰，提高对钛金属加工表面毛刺的检测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种钛金属加工过程中毛刺检测方法流程图；

图2为本发明一个实施例所提供的一种加工边缘线、疑似毛刺边缘线和纹理边缘线的分布示意图；

图3为本发明一个实施例所提供的目标边缘线的毛刺可能性的获取方法流程图；

图4为本发明一个实施例所提供的目标边缘线的毛刺模糊因子的获取方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种钛金属加工过程中毛刺检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种钛金属加工过程中毛刺检测方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种钛金属加工过程中毛刺检测方法流程图，该方法包括：

步骤S1：获取待测加工钛金属表面的灰度图像，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线。

在钛金属切削加工过程中，由于刀具的推进力作用，部分材料被挤压、拉伸而形成较为突出的毛刺，毛刺的存在会增加后续加工工序的难度和成本，影响钛金属制品的性能，因此需要对钛金属加工过程中出现的毛刺进行检测，以保证钛金属制品的质量，相关技术中，通常使用例如边缘检测或阈值分割等机器视觉检测技术对钛金属加工表面图像的毛刺部位进行检测，但由于图像中噪声的存在会引起像素点灰度值的变化，导致现有方法无法准确的区分噪声和毛刺，从而无法有效去除图像中的噪声，降低对钛金属加工表面毛刺的检测精度，因此本发明实施例提出一种钛金属加工过程中毛刺检测方法，以解决该问题。

本发明实施例首先使用工业相机采集待测加工钛金属表面的原始图像，由于原始图像一般为多通道图像，会增加后续计算的复杂度，因此，为了降低后续图像处理的计算量，提高处理速度，在本发明的一个实施例中将采集到的原始图像进行灰度化处理，转化为单通道的灰度图像。需要说明的是，灰度化处理是本领域技术人员熟知的技术手段，在此不再赘述。

由于在对钛金属进行切削加工的过程中，会导致切削加工后所形成的边缘上的某些局部位置处出现毛刺现象，而由于毛刺表面较为粗糙，导致灰度图像在毛刺的位置处所呈现出的切削加工边缘特征被掩盖，也就是说，毛刺位置处的切削加工边缘特征不是特别明显，基于这一特点，可对灰度图像进行边缘检测，获得灰度图像中的加工边缘线和疑似毛刺边缘线，同时钛金属表面存在纹理特征，因此经过边缘检测后还可获取到其表面的纹理边缘线，后续可进一步对疑似毛刺边缘线和加工边缘线以及纹理边缘线进行分析，有效去除灰度图像中的噪声，提高对毛刺的检测精度，需要说明的是，由于图像中存在的噪声也会掩盖切削加工后的边缘特征，因此疑似毛刺边缘线的形成因素有两种，一种是由毛刺本身而形成的疑似毛刺边缘线，另一种是由噪声而形成的疑似毛刺边缘线。

优选地，在本发明的一个实施例中灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线的获取方法具体包括：

基于边缘检测算法，例如Canny边缘检测算法或其他边缘检测方法，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线和纹理边缘线，由于灰度图像中存在的毛刺和噪声，都会掩盖切削加工过程中所形成的边缘特征，导致在加工过程中所形成的边缘并不是连续的，也就是说，通过边缘检测算法能够检测出多个加工边缘线，而各加工边缘线之间存在的断开缺失现象，便是由于毛刺和噪声所导致的，因此可将加工边缘线和预设加工轨迹进行对比，将加工边缘线相对于预设加工轨迹所缺失的部分，作为疑似毛刺边缘线，其中，预设加工轨迹是对钛金属加工之前所设计的已知的加工轨迹，在不存在毛刺和噪声的理想情况下，钛金属经过加工后所形成的边缘线是完整的，并且与预设加工轨迹相同，请参阅图2，其示出了本发明一个实施例提供的一种加工边缘线、疑似毛刺边缘线和纹理边缘线的分布示意图，其中，线条A~F为加工边缘线，线条a~f为疑似毛刺边缘线，线条1~7为纹理边缘线。

步骤S2：根据以每个像素点为中心的预设邻域内各像素点的灰度值的分布，获得每个像素点的灰度变化因子；将任意一个疑似毛刺边缘线作为目标边缘线，将与目标边缘线相邻的两条加工边缘线作为目标边缘线的参考加工边缘线，根据目标边缘线上各像素点的灰度变化因子，以及目标边缘线与参考加工边缘线之间像素点的灰度变化因子的差异，获得目标边缘线的毛刺可能性。

由上述分析可知，在得到的所有疑似毛刺边缘线中存在两种类型，一种是由毛刺而形成的疑似毛刺边缘线，另一种是由噪声而形成的疑似毛刺边缘线，导致噪声会影响到对毛刺的准确检测，相对于毛刺，噪声的随机性更强，由噪声所引起的局部像素点灰度值的变化程度更大，导致两种疑似毛刺边缘线上像素点灰度值的局部分布特征存在差异，并且两种疑似毛刺边缘线与加工边缘线之间的像素点灰度值的局部分布特征也不同，因此可首先对以每个像素点为中心的预设邻域内各像素点的灰度值的分布情况进行分析，通过获取的灰度变化因子反映每个像素点的局部灰度变化特征，为后续区分噪声和毛刺提供数据基础，其中，预设邻域的尺寸一般为大于3的奇数，在本发明的一个实施例中将预设邻域的尺寸设置为5，即预设邻域是一个的区域，预设邻域的具体尺寸也可根据具体实施场景由实施者自行设置，在此不作限定。

优选地，在本发明的一个实施例中每个像素点的灰度变化因子的获取方法具体包括：

首先，将灰度图像中的任意一个像素点作为目标像素点，将以目标像素点为中心的预设邻域内的任意一个像素点，作为待测像素点；若待测像素点的灰度值大于或等于以待测像素点为中心的预设窗口中所有像素点的灰度值，则将待测像素点标记为极大像素点，并获取预设邻域内的所有极大像素点，其中，预设窗口的尺寸需要小于预设邻域的尺寸，在本发明的一个实施例将预设窗口的尺寸设置为3，预设窗口的具体尺寸也可根据具体实施场景由实施者自行设置，在此不作限定。

需要说明的是，对于预设邻域边界处的像素点，无法以其为中心建立预设窗口，此时，可对预设邻域进行边界扩展，例如，在本发明的一个实施例中，预设邻域的尺寸为5，预设窗口的尺寸为3，此时可将预设邻域的尺寸扩展为7，其中扩展的像素点并不属于预设邻域，只是方便能够以预设邻域边界处的像素点为中心建立预设窗口，便于分析能够顺利进行。

然后，将任意一个极大像素点作为目标极大像素点，将距离目标极大像素点最近的其他极大像素点，作为目标极大像素点的参考极大像素点；将目标极大像素点与对应的参考极大像素点的灰度值的平均值，作为目标极大像素点的第一灰度参数；对目标极大像素点与对应的参考极大像素点之间连线上的所有像素点的灰度值的整体水平进行分析，获得目标极大像素点的第二灰度参数，目标极大像素点的第一灰度参数相对于第二灰度参数越大，说明目标极大像素点与参考极大像素点之间像素点灰度值的变化程度越大，因此可根据第一灰度参数和第二灰度参数，获取目标极大像素点的初始灰度变化参数，初始灰度变化参数与第一灰度参数呈正相关，初始灰度变化参数与第二灰度参数成负相关，初始灰度变化参数越大，说明目标极大像素点与参考极大像素点之间像素点灰度值的变化程度越大。

在本发明实施例中可将目标极大像素点与对应的参考极大像素点之间连线上的所有像素点的灰度值的平均值或中位数，作为目标极大像素点的第二灰度参数，实现对目标极大像素点与对应的参考极大像素点之间连线上的所有像素点的灰度值的整体水平的分析，在此不作限定。

在本发明的一个实施例中可将目标极大像素点的第一灰度参数作分子，将目标极大像素点的第二灰度参数作分母，将比值作为目标极大像素点的初始灰度变化参数。

最后，考虑到目标极大像素点与对应的参考极大像素点之间的距离越近，二者之间像素点灰度值变化的越快，因此可对目标极大像素点与对应的参考极大像素点之间的距离进行负相关映射，获得目标极大像素点的第一距离权重，并利用目标极大像素点的第一距离权重，对初始灰度变化参数进行加权，获得目标极大像素点的真实灰度变化参数，通过上述相同的方法便可得到预设邻域内每个极大像素点的真实灰度变化参数，真实灰度变化参数越大，说明极大像素点与参考极大像素点之间像素点灰度值变化的越剧烈，进而对预设邻域内的所有极大像素点的真实灰度变化参数的整体水平进行分析后并进行归一化处理，获得目标像素点的灰度变化因子，灰度变化因子越大，说明目标像素点的预设邻域内的像素点灰度值变化的程度越大。

在本发明实施例中可使用反比例函数等负相关函数进行负相关映射，在此不作限定。

在本发明实施例中可将预设邻域内的所有极大像素点的真实灰度变化参数的平均值或中位数，作为目标像素点的灰度变化因子，实现对预设邻域内的所有极大像素点的真实灰度变化参数的整体水平的分析，在此不作限定。

在本发明的一个实施例中，归一化处理可以具体例如为最大最小值归一化处理，并且，后续步骤中的归一化均可以采用最大最小值归一化处理，在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法，对此不再赘述。

目标像素点的灰度变化因子的表达式可以具体例如为：

其中，表示目标像素点的灰度变化因子；表示以目标像素点为中心的预设邻域内第个极大像素点的第一灰度参数；表示以目标像素点为中心的预设邻域内第个极大像素点的第二灰度参数；表示以目标像素点为中心的预设邻域内第个极大像素点的初始灰度变化参数；表示预设邻域内第个极大像素点与对应的参考极大像素点之间的距离，可具体使用欧式距离进行计算；表示以目标像素点为中心的预设邻域内第个极大像素点的第一距离权重；表示以目标像素点为中心的预设邻域内第个极大像素点的真实灰度变化参数；表示以目标像素点为中心的预设邻域内极大像素点的数量；表示归一化函数。

通过上述相同的方法便可得到灰度图像中每个像素点的灰度变化因子。

由上述分析可知，相对于毛刺，噪声的随机性更强，由噪声所引起的局部像素点灰度值的变化程度更大，导致两种疑似毛刺边缘线上像素点灰度值的局部分布特征存在差异，同时加工边缘线上像素点的局部区域的灰度值分布较为均匀和平滑，则两种疑似毛刺边缘线与加工边缘线之间的像素点灰度值的局部分布特征也不同，具体表现为：相对于由噪声而形成的疑似毛刺边缘线，由毛刺而形成的疑似毛刺边缘线上像素点的局部灰度值变化的程度较小，并且与加工边缘线上的像素点的局部灰度值的变化情况的差异较大，因此在后续中可针对任意一个疑似毛刺边缘线，首先将任意一个疑似毛刺边缘线作为目标边缘线，并将与目标边缘线相邻的两个加工边缘线作为目标边缘线的参考加工边缘线，便于后续进行对比分析，请参阅图2，假设疑似毛刺边缘线a为目标边缘线，则加工边缘线A和F为疑似毛刺边缘线a的参考加工边缘线，进而对目标边缘线上各像素点的灰度变化因子，以及目标边缘线与参考加工边缘线之间像素点的灰度变化因子的差异进行分析，通过获取的毛刺可能性反映目标边缘线是由毛刺而形成的可能性，毛刺可能性越大，则说明目标边缘线上存在毛刺的可能性越大，后续可基于毛刺可能性做出进一步的分析，从而有效去除灰度图像中存在的噪声，提高对钛金属加工表面毛刺检测的精度。

优选地，在本发明的一个实施例中目标边缘线的毛刺可能性的获取方法具体包括：

请参阅图3，其示出了本发明一个实施例提供的目标边缘线的毛刺可能性的获取方法流程图。

步骤S201：分别对目标边缘线和每个参考加工边缘线上的所有像素点的灰度变化因子的整体水平进行分析，获得目标边缘线和每个参考加工边缘线的整体灰度变化因子。

由上述分析可知，相对于由噪声而形成的疑似毛刺边缘线，由毛刺而形成的疑似毛刺边缘线上像素点的局部灰度值变化的程度较小，并且与加工边缘线上的像素点的局部灰度值的变化情况的差异较大，因此可首先分别对目标边缘线和每个参考加工边缘线上的所有像素点的灰度变化因子的整体水平进行分析，获得目标边缘线和每个参考加工边缘线的整体灰度变化因子，目标边缘线或每个参考加工边缘线的整体灰度变化因子越大，说明目标边缘线或每个参考加工边缘线上像素点的局部灰度变化的程度越大，为后续计算分析目标边缘线的毛刺可能性提供数据基础。

在本发明实施例中，可将目标边缘线或每个参考加工边缘线上的所有像素点的灰度变化因子的平均值或中位数，作为目标边缘线或每个参考加工边缘线的整体灰度变化因子，实现对目标边缘线或每个参考加工边缘线上的所有像素点的灰度变化因子的整体水平的分析，在此不作限定，具体为：将目标边缘线上的所有像素点的灰度变化因子的平均值或中位数，作为目标边缘线的整体灰度变化因子，将每个参考加工边缘线上的所有像素点的灰度变化因子的平均值或中位数，作为每个参考加工边缘线的整体灰度变化因子。

步骤S202：根据目标边缘线与每个参考加工边缘线之间整体灰度变化因子的差异，获得每个参考加工边缘线的灰度变化差异值，将所有参考加工边缘线的灰度变化差异值的最大值，作为目标边缘线的灰度变化特征值。

由毛刺而形成的疑似毛刺边缘线上的像素点，与加工边缘线上的像素点的局部灰度值的变化情况的差异较大，具体表现为：由毛刺而形成的疑似毛刺边缘线与加工边缘线之间的整体灰度变化因子的差异较大，因此可根据目标边缘线与每个参考加工边缘线之间整体灰度变化因子的差异，获得每个参考加工边缘线的灰度变化差异值，灰度变化差异值越大，说明每个参考加工边缘线与目标边缘线之间像素点的局部灰度值变化情况的差异越大，并将所有参考加工边缘线的灰度变化差异值的最大值，作为目标边缘线的灰度变化特征值，灰度变化特征值越大，说明目标边缘线上的像素点，与参考加工边缘线上的像素点的局部灰度值的变化情况的差异较大，进而说明目标边缘线上越可能存在毛刺。

在本发明的一个实施例中，可将目标边缘线与每个参考加工边缘线之间整体灰度变化因子的差值的绝对值，作为每个参考加工边缘线的灰度变化差异值，实现对目标边缘线与每个参考加工边缘线之间整体灰度变化因子的差异的分析。

步骤S203：根据目标边缘线的整体灰度变化因子和灰度变化特征值，获得目标边缘线的毛刺可能性，毛刺可能性与目标边缘线的灰度变化特征值呈正相关，毛刺可能性与目标边缘线的整体灰度变化因子呈负相关，毛刺可能性是归一化处理后的数值。

相对于由噪声而形成的疑似毛刺边缘线，由毛刺而形成的疑似毛刺边缘线上像素点的局部灰度值变化的程度较小，并且与加工边缘线上的像素点的局部灰度值的变化情况的差异较大，因此上述获取的目标边缘线的整体灰度变化因子越小，并且目标边缘线的灰度变化特征值越大，说明目标边缘线越可能是由毛刺而形成的，则目标边缘线上越可能存在毛刺，越不可能存在噪声，因此可根据目标边缘线的整体灰度变化因子和灰度变化特征值，获得目标边缘线的毛刺可能性，其中，毛刺可能性与目标边缘线的灰度变化特征值呈正相关，毛刺可能性与目标边缘线的整体灰度变化因子呈负相关，毛刺可能性是归一化处理后的数值。

在本发明的一个实施例中，可将目标边缘线的灰度变化特征值作分子，将目标边缘线的整体灰度变化因子作分母，将比值作为目标边缘线的毛刺参数，并对目标边缘线的毛刺参数进行归一化处理，得到目标边缘线的毛刺可能性。

目标边缘线的毛刺可能性的表达式可以具体例如为：

其中，表示目标边缘线的毛刺可能性；表示目标边缘线的整体灰度变化因子；表示目标边缘线的第一个参考加工边缘线的整体灰度变化因子；表示目标边缘线的第二个参考加工边缘线的整体灰度变化因子；表示第一个参考加工边缘线的灰度变化差异值；表示第二个参考加工边缘线的灰度变化差异值；表示目标边缘线的灰度变化特征值；表示目标边缘线的毛刺参数；表示取最大值的函数；表示归一化函数。

至此，获得了目标边缘线的毛刺可能性，后续可基于目标边缘线的毛刺可能性，分析目标边缘线受到噪声影响的程度，进而有效去除灰度图像中的噪声，提高对钛金属加工表面毛刺的检测精度。

步骤S3：获取目标边缘线和每个纹理边缘线的质心，将目标边缘线与每个纹理边缘线之间质心的距离，作为每个纹理边缘线的距离参数；选取预设数量个距离参数最小的纹理边缘线作为目标边缘线的参考纹理边缘线；根据每个参考纹理边缘线上各像素点的梯度值，以及每个参考纹理边缘线的距离参数，获得目标边缘线的毛刺模糊因子。

由于毛刺比较突出，受到光照时，光照会降低毛刺周围区域的对比度，使得毛刺周围区域的视觉效果较为模糊，进而导致其周围区域的纹理边缘线上的像素点梯度值变小，因此，由毛刺而形成的疑似毛刺边缘线周围区域的纹理边缘线上像素点梯度值相对较小，但由噪声而形成的疑似毛刺边缘线周围区域的纹理边缘线上像素点梯度值不会发生较大的变化，因此可首先获取目标边缘线和每个纹理边缘线的质心，其中，图像中边缘线的质心的获取方法是本领域技术人员熟知的技术手段，在此不做赘述，将目标边缘线与每个纹理边缘线之间质心的距离，作为每个纹理边缘线的距离参数，质心之间的距离可具体为欧式距离，进而选取预设数量个距离参数最小的纹理边缘线，作为处于目标边缘线周围区域的参考纹理边缘线，后续可基于参考纹理边缘线上的像素点梯度值，对目标边缘线的毛刺模糊因子进行计算分析。

其中，预设数量的取值范围为10~30的整数，在本发明的一个实施例中将预设数量设置为20，预设数量的具体数值也可根据具体实施场景由实施者自行设置，在此不作限定。

由上述分析可知，由毛刺而形成的疑似毛刺边缘线周围区域的纹理边缘线上像素点梯度值相对较小，但由噪声而形成的疑似毛刺边缘线周围区域的纹理边缘线上像素点梯度值不会发生较大的变化，因此可对每个参考纹理边缘线上各像素点的梯度值进行分析，同时结合每个参考纹理边缘线的距离参数，获得目标边缘线的毛刺模糊因子，通过毛刺模糊因子反映目标边缘线受到毛刺而非噪声影响的可能性，后续基于目标边缘线的毛刺模糊因子以及上述获取的毛刺可能性，分析噪声对目标边缘线的影响程度。

优选地，在本发明的一个实施例中目标边缘线的毛刺可能性的获取方法具体包括：

请参阅图4，其示出了本发明一个实施例提供的目标边缘线的毛刺模糊因子的获取方法流程图。

步骤S301：对每个纹理边缘线上的所有像素点的梯度值的整体水平进行分析，获得每个纹理边缘线的梯度分布值，对所有纹理边缘线的梯度分布值的整体水平进行分析，获得整体梯度分布参数。

首先，对每个纹理边缘线上的所有像素点的梯度值的整体水平进行分析，获得每个纹理边缘线的梯度分布值，通过梯度分布值反映每个纹理边缘线上各像素点梯度值的整体分布情况，其中，像素点的梯度值可通过现有的Sobel算子或Scharr算子等梯度算子进行计算，在此不做赘述，并进一步对所有纹理边缘线的梯度分布值的整体水平进行分析，获得整体梯度分布参数，通过整体梯度分布参数反映各纹理边缘线的梯度分布情况，为后续的计算提供数据基础。

在本发明实施例中可将每个纹理边缘线上的所有像素点的梯度值的平均值或中位数，作为每个纹理边缘线的梯度分布值，实现对每个纹理边缘线上的所有像素点的梯度值的整体水平的分析，在此不作限定。

在本发明实施例中可将所有纹理边缘线的梯度分布值的平均值或中位数，作为整体梯度分布参数，实现对所有纹理边缘线的梯度分布值的整体水平的分析，在此不作限定。

步骤S302：根据整体梯度分布参数和每个参考纹理边缘线的梯度分布值，获得每个参考纹理边缘线的初始梯度特征值；初始梯度特征值与整体梯度分布参数呈正相关，初始梯度特征值与每个参考纹理边缘线的梯度分布值成负相关。

由毛刺而形成的疑似毛刺边缘线周围区域的纹理边缘线上像素点梯度值相对较小，因此目标边缘线的每个参考纹理边缘线的梯度分布值相对于整体梯度分布参数越小，说明目标边缘线周围区域的纹理边缘线上像素点梯度值相对较小，进而说明目标边缘线由于存在毛刺导致周围区域的纹理边缘线的梯度值降低的可能性越大，因此可根据整体梯度分布参数和每个参考纹理边缘线的梯度分布值，获得每个参考纹理边缘线的初始梯度特征值；初始梯度特征值与整体梯度分布参数呈正相关，初始梯度特征值与每个参考纹理边缘线的梯度分布值成负相关。

在本发明的一个实施例，可将整体梯度分布参数作分子，将每个参考纹理边缘线的梯度分布值作分母，将比值作为每个参考纹理边缘线的初始梯度特征值。

步骤S303：对每个参考纹理边缘线的距离参数进行负相关映射，获得每个参考纹理边缘线的第二距离权重；利用每个参考纹理边缘线的第二距离权重，对每个参考纹理边缘线的初始梯度特征值进行加权，获得每个参考纹理边缘线的真实梯度特征值。

考虑到每个参考纹理边缘线的质心与目标边缘线的质心之间的距离越小，说明该参考纹理边缘线的参考价值越大，因此可对每个参考纹理边缘线的距离参数进行负相关映射，获得每个参考纹理边缘线的第二距离权重，进而利用每个参考纹理边缘线的第二距离权重，对每个参考纹理边缘线的初始梯度特征值进行加权，获得每个参考纹理边缘线的真实梯度特征值，后续可基于所有参考纹理边缘线的真实梯度特征值，对目标边缘线的毛刺模糊因子进行分析。

步骤S304：对所有参考纹理边缘线的真实梯度特征值的整体水平进行分析后并进行归一化处理，获得目标边缘线的毛刺模糊因子。

参考纹理边缘线的真实梯度特征值越大，说明目标边缘线由于存在毛刺导致周围区域的纹理边缘线的梯度值降低的可能性越大，即目标边缘线上由于毛刺的存在使得周围区域的视觉效果较为模糊，因此可对目标边缘线的所有参考纹理边缘线的真实梯度特征值的整体水平进行分析后并进行归一化处理，获得目标边缘线的毛刺模糊因子。

在本发明实施例中可通过计算目标边缘线的所有参考纹理边缘线的真实梯度特征值的平均值或中位数，实现对目标边缘线的所有参考纹理边缘线的真实梯度特征值的整体水平的分析，在此不作限定。

目标边缘线的毛刺模糊因子的表达式可以具体例如为：

其中，表示目标边缘线的毛刺模糊因子；表示目标边缘线的第个参考纹理边缘线的距离参数；表示目标边缘线的第个参考纹理边缘线的第二距离权重；表示整体梯度分布参数；表示目标边缘线的第个参考纹理边缘线的梯度分布值；表示目标边缘线的第个参考纹理边缘线的初始梯度特征值；表示目标边缘线的第个参考纹理边缘线的真实梯度特征值；表示归一化函数。

至此，获得了每个目标边缘线的毛刺模糊因子。

步骤S4：根据目标边缘线的毛刺可能性和毛刺模糊因子的差异，获得目标边缘线的噪声影响因子；基于每个疑似毛刺边缘线的噪声影响因子，对灰度图像进行滤波，获得增强图像。

在不受到噪声影响的理想情况下，目标边缘线的毛刺可能性和毛刺模糊因子会存在正相关性，而噪声会打破这种正相关性，使得目标边缘线的毛刺可能性和毛刺模糊因子存在差异，因此可对目标边缘线的毛刺可能性和毛刺模糊因子的差异进行分析，通过获取的噪声影响因子反映目标边缘线的受到噪声的影响程度，便于后续基于噪声影响因子对各疑似毛刺边缘线进行不同强度的滤波处理，从而去除噪声的影响。

优选地，在本发明的一个实施例中目标边缘线的噪声影响因子的获取方法具体包括：

噪声对目标边缘线的影响越大，导致目标边缘线的毛刺可能性和毛刺模糊因子的差异越大，因此可对根据目标边缘线的毛刺可能性和毛刺模糊因子的差异进行归一化处理，获得目标边缘线的噪声影响因子。

在本发明的一个实施例中可通过计算目标边缘线的毛刺可能性和毛刺模糊因子的差值的绝对值，实现对二者的差异分析。

目标边缘线的噪声影响因子的表达式可以具体例如为：

其中，表示目标边缘线的噪声影响因子；表示目标边缘线的毛刺可能性；表示目标边缘线的毛刺模糊因子；表示归一化函数。

通过上述相同的方法便可得到每个疑似毛刺边缘线的噪声影响因子，每个疑似毛刺边缘线的噪声影响因子越大，说明该疑似毛刺边缘线受到噪声的影响程度越大，因此可基于每个疑似毛刺边缘线的噪声影响因子，对灰度图像进行滤波，获得增强图像，消除噪声对毛刺检测的干扰，提高后续对钛金属加工表面毛刺的检测精度。

优选地，在本发明的一个实施例中增强图像的获取方法具体包括：

本发明实施例选用信息保留能力较好的维纳滤波算法对灰度图像进行滤波，由于噪声影响因子越大，说明该疑似毛刺边缘线受到噪声的影响程度越大，因此可将每个疑似毛刺边缘线的噪声影响因子作为维纳滤波算法所使用的比例因子，并基于维纳滤波算法，对灰度图像中每个疑似毛刺边缘线的最小外接圆所在区域进行滤波，获得增强图像，使得对受到不同噪声影响程度的目标边缘线进行不同强度的滤波，在去除噪声的同时尽可能保留毛刺的特征，提高后续对钛金属加工表面毛刺的检测精度，维纳滤波算法是本领域技术人员熟知的技术手段，在此不做赘述。

至此，得到了质量更好的增强图像，后续可在增强图像中准确检测出存在的毛刺部位。

步骤S5：对增强图像进行边缘检测，获得增强图像中的毛刺部位。

由于增强图像中的噪声得到了有效去除，因此便可对增强图像进行边缘检测，获得增强图像中的毛刺部位，提高对钛金属加工表面毛刺的检测精度。

优选地，在本发明的一个实施例中毛刺部位的获取方法具体包括：

基于Canny边缘检测算法等边缘检测算法，对增强图像进行边缘检测，获得增强图像中的优化加工边缘线，由于增强图像中的噪声得到了有效去除，因此优化加工边缘线中出现的断开缺失现象是由毛刺所引起的，因此可将优化加工边缘线和预设加工轨迹进行对比，将优化加工边缘线相对于预设加工轨迹所缺失的部分，作为增强图像中的毛刺部位。

本发明一个实施例提供了一种钛金属加工过程中毛刺检测系统，该系统包括存储器、处理器和计算机程序，其中存储器用于存储相应的计算机程序，处理器用于运行相应的计算机程序，计算机程序在处理器中运行时能够实现步骤S1~S5所描述的方法。

综上所述，本发明实施例首先获取待测加工钛金属表面的灰度图像，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线；根据以每个像素点为中心的预设邻域内各像素点的灰度值的分布，获得每个像素点的灰度变化因子；将任意一个疑似毛刺边缘线作为目标边缘线，将与目标边缘线相邻的两个加工边缘线作为目标边缘线的参考加工边缘线，根据目标边缘线上各像素点的灰度变化因子，以及目标边缘线与参考加工边缘线之间像素点的灰度变化因子的差异，获得目标边缘线的毛刺可能性；获取目标边缘线和每个纹理边缘线的质心，将目标边缘线与每个纹理边缘线之间质心的距离，作为每个纹理边缘线的距离参数；选取预设数量个距离参数最小的纹理边缘线作为目标边缘线的参考纹理边缘线；根据每个参考纹理边缘线上各像素点的梯度值，以及每个参考纹理边缘线的距离参数，获得目标边缘线的毛刺模糊因子；根据目标边缘线的毛刺可能性和毛刺模糊因子的差异，获得目标边缘线的噪声影响因子；基于每个疑似毛刺边缘线的噪声影响因子，对灰度图像进行滤波，获得增强图像；对增强图像进行边缘检测，获得增强图像中的毛刺部位。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (9)

1.一种钛金属加工过程中毛刺检测方法，其特征在于，所述方法包括：

获取待测加工钛金属表面的灰度图像，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线；

根据以每个像素点为中心的预设邻域内各像素点的灰度值的分布，获得每个像素点的灰度变化因子；将任意一个疑似毛刺边缘线作为目标边缘线，将与目标边缘线相邻的两个加工边缘线作为目标边缘线的参考加工边缘线，根据目标边缘线上各像素点的所述灰度变化因子，以及目标边缘线与参考加工边缘线之间像素点的灰度变化因子的差异，获得目标边缘线的毛刺可能性；

获取目标边缘线和每个纹理边缘线的质心，将目标边缘线与每个纹理边缘线之间所述质心的距离，作为每个纹理边缘线的距离参数；选取预设数量个所述距离参数最小的纹理边缘线作为目标边缘线的参考纹理边缘线；根据每个参考纹理边缘线上各像素点的梯度值，以及每个参考纹理边缘线的所述距离参数，获得目标边缘线的毛刺模糊因子；

根据目标边缘线的所述毛刺可能性和所述毛刺模糊因子的差异，获得目标边缘线的噪声影响因子；基于每个疑似毛刺边缘线的所述噪声影响因子，对灰度图像进行滤波，获得增强图像；

对增强图像进行边缘检测，获得增强图像中的毛刺部位；

所述获得增强图像包括：

将每个疑似毛刺边缘线的所述噪声影响因子作为维纳滤波算法所使用的比例因子，并基于维纳滤波算法，对灰度图像中每个疑似毛刺边缘线的最小外接圆所在区域进行滤波，获得增强图像。

2.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述获得灰度图像中的加工边缘线、疑似毛刺边缘线和纹理边缘线包括：

基于边缘检测算法，对灰度图像进行边缘检测，获得灰度图像中的加工边缘线和纹理边缘线；

将所述加工边缘线和预设加工轨迹进行对比，将所述加工边缘线相对于预设加工轨迹所缺失的部分，作为疑似毛刺边缘线。

3.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述获得每个像素点的灰度变化因子包括：

将灰度图像中的任意一个像素点作为目标像素点，将以目标像素点为中心的预设邻域内的任意一个像素点，作为待测像素点；若待测像素点的灰度值大于或等于以待测像素点为中心的预设窗口中所有像素点的灰度值，则将待测像素点标记为极大像素点，并获取预设邻域内的所有极大像素点；

将任意一个极大像素点作为目标极大像素点，将距离目标极大像素点最近的其他极大像素点，作为目标极大像素点的参考极大像素点；

将目标极大像素点与对应的参考极大像素点的灰度值的平均值，作为目标极大像素点的第一灰度参数；对目标极大像素点与对应的参考极大像素点之间连线上的所有像素点的灰度值的整体水平进行分析，获得目标极大像素点的第二灰度参数；根据所述第一灰度参数和所述第二灰度参数，获取目标极大像素点的初始灰度变化参数，所述初始灰度变化参数与所述第一灰度参数呈正相关，所述初始灰度变化参数与所述第二灰度参数成负相关；

对目标极大像素点与对应的参考极大像素点之间的距离进行负相关映射，获得目标极大像素点的第一距离权重，利用目标极大像素点的所述第一距离权重，对所述初始灰度变化参数进行加权，获得目标极大像素点的真实灰度变化参数；

对预设邻域内的所有极大像素点的所述真实灰度变化参数的整体水平进行分析后并进行归一化处理，获得目标像素点的灰度变化因子。

4.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述获得目标边缘线的毛刺可能性包括：

对目标边缘线或每个参考加工边缘线上的所有像素点的所述灰度变化因子的整体水平进行分析，获得目标边缘线或每个参考加工边缘线的整体灰度变化因子；

根据目标边缘线与每个参考加工边缘线之间所述整体灰度变化因子的差异，获得每个参考加工边缘线的灰度变化差异值，将所有参考加工边缘线的所述灰度变化差异值的最大值，作为目标边缘线的灰度变化特征值；

根据目标边缘线的所述整体灰度变化因子和所述灰度变化特征值，获得目标边缘线的毛刺可能性，所述毛刺可能性与目标边缘线的所述灰度变化特征值呈正相关，所述毛刺可能性与目标边缘线的所述整体灰度变化因子呈负相关，所述毛刺可能性是归一化处理后的数值。

5.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述获得目标边缘线的毛刺模糊因子包括：

对每个纹理边缘线上的所有像素点的梯度值的整体水平进行分析，获得每个纹理边缘线的梯度分布值，对所有纹理边缘线的所述梯度分布值的整体水平进行分析，获得整体梯度分布参数；

根据所述整体梯度分布参数和每个参考纹理边缘线的所述梯度分布值，获得每个参考纹理边缘线的初始梯度特征值；所述初始梯度特征值与所述整体梯度分布参数呈正相关，所述初始梯度特征值与每个参考纹理边缘线的所述梯度分布值成负相关；

对每个参考纹理边缘线的所述距离参数进行负相关映射，获得每个参考纹理边缘线的第二距离权重；利用每个参考纹理边缘线的所述第二距离权重，对每个参考纹理边缘线的初始梯度特征值进行加权，获得每个参考纹理边缘线的真实梯度特征值；

对所有参考纹理边缘线的所述真实梯度特征值的整体水平进行分析后并进行归一化处理，获得目标边缘线的毛刺模糊因子。

6.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述获得目标边缘线的噪声影响因子包括：

对根据目标边缘线的所述毛刺可能性和所述毛刺模糊因子的差异进行归一化处理，获得目标边缘线的噪声影响因子。

7.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述对增强图像进行边缘检测，获得增强图像中的毛刺部位包括：

对增强图像进行边缘检测，获得增强图像中的优化加工边缘线；

将所述优化加工边缘线和预设加工轨迹进行对比，将所述优化加工边缘线相对于预设加工轨迹所缺失的部分，作为增强图像中的毛刺部位。

8.根据权利要求1所述的一种钛金属加工过程中毛刺检测方法，其特征在于，所述预设数量的取值范围为10~30的整数。

9.一种钛金属加工过程中毛刺检测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~8任意一项所述方法的步骤。