一种基于图像的发电设备零件生产检测方法与流程

本发明涉及图像处理。具体涉及一种基于图像的发电设备零件生产检测方法。

背景技术：

1、在发电设备制造领域，对生产过程中的零件进行缺陷检测对于保证产品质量具有重要意义，传统的方法是通过人工观察零件表面是否存在制造缺陷，如裂纹、变形和瑕疵，但效率低下且主观性强。随着技术的发展，基于图像处理分析的检测技术广泛地应用在发电设备零件生产检测的过程中，该技术通过实时分析和处理生产过程中的零件图像，及时识别潜在的制造缺陷，如裂纹、变形和瑕疵，确保成品零件达到严格的质量标准，能够有效监控制造质量，如公告号为cn113267502b授权专利文件，提供了一种基于机器视觉的微电机摩擦片残缺检测系统及检测方法，包括：将待检零件放置载物台上，通过相机采集待检摩擦片的图像；工控机对采集的待检摩擦片图像进行一系列图像处理和图像分析，以判断待检摩擦片是否残缺。

2、在利用基于图像处理分析的检测技术对发电设备零件的检测过程中，为了更精准地检测细微缺陷，通常需要对拍摄的图像进行放大处理，通常是利用双线性插值法进行图像缩放，如公开号为cn104866862a的专利申请文件公开了一种带钢表面面积型缺陷识别分类的方法，主要是提取带钢表面图片，进行双线性差值算法缩放，再进行图像特征提取，根据提取的特征数据输入到改进的随机森林分类器中完成缺陷识别检测。

3、但是，由于发电设备零件表面往往包含复杂的曲面结构，形成细腻的颜色渐变，同时存在锐利的细节边缘和潜在的微小缺陷，利用双线性插值法在处理此类图像时，难以完美保持细节清晰度，常导致图像细节模糊，且易产生锯齿噪声，严重影响缩放后图像的视觉效果，降低了检测精度。

技术实现思路

1、为解决双线性插值法对零件进行缩放时，图像细节不清晰，容易产生锯齿噪声，导致检测精度较低的问题，本发明提出一种基于图像的发电设备零件生产检测方法，具体采用如下方案：

2、一种基于图像的发电设备零件生产检测方法，包括：

3、预处理发电设备的零件图像，并进行分块，以分块中最大梯度值的像素点对应的梯度方向作为分块的梯度变化方向；

4、任选一分块作为目标分块，以所述目标分块内像素点的灰度方差和梯度均值以及梯度方差之积，作为所述目标分块的非纯色度，根据所述非纯色度，以及所述目标分块内像素点与其梯度方向上相邻的像素点的灰度差异，计算所述目标分块的噪声可能性，所述噪声可能性与所述非纯色度、所述灰度差异均为正相关；

5、经过所述目标分块的中心像素点作所述梯度变化方向的平行线，所述目标分块在所述平行线上相邻的分块作为所述目标分块的邻域分块，将所述目标分块的噪声可能性、所述邻域分块之间的相似性、所述目标分块与邻域分块的灰度偏差，这三者的乘积作为所述目标分块的噪声程度；

6、根据所述噪声程度的大小筛选出正常分块和异常分块，并根据所述正常分块的灰度值对所述异常分块的灰度值进行更新，得到更新后的零件图像。

7、上述技术方案通过引入一系列创新的图像分析和处理策略，有效解决了传统双线性插值法在处理复杂零件图像时的局限性，显著提升了检测精度和可靠性，具体体现在：通过将零件图像分割成多个分块，并利用分块中最大梯度值的像素点对应的梯度方向作为参考，然后通过计算目标分块内像素点的灰度方差、梯度均值和梯度方差，形成了一个综合指标，即非纯色度，这一指标能够有效反映分块内颜色和纹理的复杂度，非纯色度越高，表明分块内的像素值变化越大，可能存在更多的细节或噪声，然后通过将目标分块的噪声可能性、邻域分块之间的相似性以及目标分块与邻域分块的灰度偏差结合起来评估目标分块的噪声程度，其中，噪声可能性反映目标分块内部的不一致性，而相似性和灰度偏差则从邻域角度考察，这种综合分析有助于区分真正的噪声和图像中的细节变化，避免误判，根据噪声程度区分正常分块和异常分块，异常分块通常代表了图像中的噪声分块，使用正常分块的灰度值来更新异常分块的灰度值，可以有效减少图像噪声，使得图像整体上的纹理保持一致性，提高图像的整体清晰度和视觉质量，相较于传统的图像缩放技术，本发明方法特别适用于处理包含复杂曲面、颜色渐变和锐利边缘的发电设备零件图像，有效克服了传统双线性插值法的局限性，显著提升了发电设备零件检测的准确性和效率。

8、优选的，所述目标分块的噪声可能性满足如下关系式：

9、

10、式中，为第个目标分块的噪声可能性，为第个目标分块的非纯色度，为第个目标分块的第个像素点的灰度值，为所述第个像素点的梯度方向上第个相邻像素点的灰度值，为所述相邻像素点的序号，为所述相邻像素点的总数量，为第个分块的像素点总数。

11、上述技术方案通过考虑像素点的梯度方向和灰度值差异，公式能够适应不同的图像特征，如曲面、渐变色或锐利边缘，即使在光照变化或图像质量不一的情况下，也能保持较高的噪声识别精度，这种自适应性对于处理多样化的发电设备零件图像至关重要，提高了算法的鲁棒性和适用范围。

12、优选的，所述目标分块内像素点与其梯度方向上相邻的像素点是以所述目标分块内任一像素点为中心，沿着该像素点的梯度方向上位于该像素点两侧的相邻像素点作为该像素点梯度方向上相邻的像素点。

13、优选的，所述邻域分块的数量为2，且分别位于所述目标分块两侧。

14、优选的，所述目标分块与邻域分块的灰度偏差的获取方法为：

15、将所述邻域分块内位于所述平行线上的像素点作为所述目标分块的中心像素点的邻域像素点；

16、按照如下公式计算所述目标分块与邻域分块的灰度偏差：

17、

18、式中，为第个目标分块与邻域分块的灰度偏差，为第个目标分块内像素点的序号，为第个目标分块的像素点总数，为第个目标分块内第个像素点与所述梯度变化方向上下一个相邻的像素点之间的灰度差异，所述灰度差异为灰度差值的绝对值，为所述邻域像素点的灰度值的一阶差分的均值，为绝对值符号。

19、上述技术方案通过计算目标分块内每个像素点与其梯度方向上相邻像素点的灰度差值的绝对值，并将其与邻域像素点的灰度值的一阶差分均值进行比较，该公式能够准确地量化目标分块与邻域分块之间的灰度偏差。这种量化方法充分考虑了图像局部区域的灰度分布特性，有助于更精细地评估图像的均匀性和一致性。

20、优选的，所述邻域分块之间的相似性的获取方法为：

21、两个所述邻域分块的最大梯度值的像素点到所述目标分块的最大梯度值的像素点的距离分别为d1和d2；

22、两个所述邻域分块之间的相似性按照如下公式计算：

23、

24、式中，为第个目标分块的两个邻域分块之间的相似性，、分别为两个所述邻域分块的噪声可能性。

25、上述技术方案通过计算两个邻域分块的最大梯度值的像素点到目标分块最大梯度值的像素点的距离，引入了空间位置因素，确保了相似性的评估不仅仅局限于灰度或颜色信息，而是综合考虑了分块在图像中的相对位置，这种空间定位有助于识别特定的几何特征或缺陷，并且通过比较两个邻域分块的噪声可能性的一致性，有助于筛选出具有相似噪声特征的区域，从而更准确地定位和处理图像中的异常区域，避免将正常的纹理变化误判为噪声。

26、优选的，筛选出正常分块和异常分块的方法为：将噪声程度大于预设噪声程度阈值的目标分块作为异常分块，将噪声程度小于或等于预设噪声程度阈值的目标分块作为正常分块。

27、优选的，根据所述正常分块的灰度值对所述异常分块的灰度值进行更新的方法为：

28、通过归一化操作获得所有分块的噪声程度的归一化值；

29、将所述正常分块中的像素点作为正常像素点，所述异常分块中的像素点作为异常像素点；

30、选取每个异常像素点距离最近的正常像素点，将所述正常像素点的灰度值和所述异常像素点所在分块的噪声程度之积，作为所述异常像素点更新后的灰度值。

31、上述技术方案将异常像素点所在分块的噪声程度与正常像素点的灰度值相乘，以更新异常点的灰度值，从而减少噪声对图像整体质量的影响，实现了对图像中异常像素点的灰度值的动态更新，通过更新灰度值，可以增强图像中不同区域的对比度，使重要特征（如裂缝、凹痕、划痕等）更加明显，易于检测识别，提高了检测的精度。

32、优选的，所述分块的大小为个像素点大小，为预设值。

33、优选的，所述预处理包括利用双线性插值法将所述零件图像放大，并进行灰度化。

34、本发明具有以下效果：

35、本发明通过创新的图像分块与特征分析，利用非纯色度指标精准识别噪声，结合邻域分析优化噪声评估，有效区分并减少图像噪声，极大改善了图像清晰度与细节保留，适用于处理复杂结构的发电设备零件，克服了传统双线性插值法的局限，提高了检测的精度和效率。