1.一种基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:该方法包括下列顺序的步骤:
(1)获取丝饼图像,进行降采样:读取文件夹中所有的丝饼图像;对丝饼图像的长和宽进行等大缩小;
(2)对经降采样后的丝饼图像进行灰度化处理;
(3)对经灰度化处理后的丝饼图像进行高斯滤波以及二值化处理;
(4)对经二值化处理后的丝饼图像进行绘制边缘轮廓,再绘制边缘轮廓的最小外接矩形,即构造一个最小的矩形包围住边缘轮廓;
(5)构建一张掩膜图像,与经降采样后的相与后得到掩膜后的图像;
(6)设定油污像素的范围,然后对掩膜后的图像进行像素处理;
(7)对经像素处理后的图像进行log算子运算和膨胀处理;
(8)对经膨胀处理后的图像进行轮廓提取,根据提取到的轮廓获得轮廓的质心坐标;
(9)通过轮廓的质心坐标与最小外接矩形的四个顶点坐标比较得到结果:若轮廓的质心横坐标在最小外接矩形的四个顶点的两个横坐标之间,且轮廓的质心纵坐标也在最小外接矩形的四个顶点的两个纵坐标之间,则判断丝饼图像有油污;否则,判断丝饼图像无油污。
2.根据权利要求1所述的基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:在步骤(4)中,所述绘制边缘轮廓具体包括以下步骤:(2a)对二值化后的图像进行寻找轮廓,定义背景为黑色,定义物体为白色;
(2b)寻找白色的物体轮廓;
(2c)绘制寻找到的白色的物体轮廓。
3.根据权利要求1所述的基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:在步骤(4)中,所述绘制边缘轮廓的最小外接矩形具体包括以下步骤:(3a)首先计算出边缘轮廓的最小外接矩形的四个顶点坐标;
(3b)然后根据边缘轮廓的最小外接矩形的四个顶点坐标去绘制边缘轮廓的最小矩形框。
4.根据权利要求1所述的基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:所述步骤(5)包括以下步骤:(4a)创建一张与经降采样后的丝饼图像一样大小的图像,将该图像上的所有像素都初始化为0,且该图像全为黑色;
(4b)在这张全黑的图像上用最小外接矩形的四个顶点坐标绘制矩形,将矩形内的区域的像素值全部设置为255,即矩形内的区域都变成白色,矩形外的区域都还是黑色,得到掩膜图像;
(4c)将经降采样后的丝饼图像上的每个像素与掩膜图像对应位置的每个像素进行与运算,得到掩膜后的图像,掩膜后的图像保留着经降采样后的丝饼图像上所对应矩形内的图像,而在矩形外图像均为黑色;
设置经降采样后的丝饼图像的像素为x[i],而掩膜图像只有黑色和白色,黑色像素为
0,白色像素为1;
x[i]&1=x[i];该公式的结果可知与掩膜上白色区域相与,最终得到它原本身;
x[i]&0=0;该公式的结果可知与掩膜上黑色区域相与,最终变成黑色。
5.根据权利要求1所述的基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:在步骤(6)中,所述进行像素处理具体是指:根据设定油污像素的范围,若大于此范围,则将像素变成255,即变成白色;若小于此范围,则将像素变成0,即变成黑色。
6.根据权利要求1所述的基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:在步骤(8)中,所述进行log算子运算具体包括以下步骤:(6a)对掩膜后的图像进行高斯滤波;
(6b)进行拉普拉斯算子运算,拉普拉斯算子的计算公式为:其中,f(x,y)代代表着该图像上点的坐标, 为对该函数f(x,y)的二阶偏导,为对横坐标x的二阶偏导, 为对纵坐标y的二阶偏导。
7.根据权利要求1所述的基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法,其特征在于:在步骤(9)中,所述根据轮廓获得其质心坐标包括以下步骤:(7a)计算出膨胀后图像中轮廓的零阶矩m00以及一阶矩m10、m01;
(7b)计算膨胀后图像中轮廓的质心:m10/m00代表质心的横坐标,m01/m00代表质心的纵坐标;
(7c)若膨胀后图像上的轮廓宽度为M,长度为N,则该轮廓的零阶矩m00以及一阶矩m10、m01的计算公式如下:
零阶矩:
其中,f(i,j)为图像中轮廓某一点的像素值,M为膨胀后图像中轮廓横坐标的最大值,N为膨胀后图像中轮廓纵坐标的最大值;
一阶矩: