一种基于图像处理的传动轴零部件缺陷检测方法及系统与流程

本发明涉及图像处理。具体涉及一种基于图像处理的传动轴零部件缺陷检测方法及系统。

背景技术：

1、花键是一种常见的传动轴零部件，在传动系统中通过精准的旋转运动，确保扭矩得以平稳、无损地传递，从而支撑着机械设备的高效运转和整体安全，然而，随着时间的推移，花键在承受连续的机械应力和磨损下，或是由于制造过程中的细微偏差，可能会逐渐发生变形或损伤，这类微小但关键的缺陷，一旦未能被及时察觉与纠正，将悄然侵蚀设备的性能，严重时甚至触发安全隐患，威胁到生产线的稳定性和操作人员的安全。

2、传统上，花键检测依赖于人工目视检查，这种方法虽然直观，但效率低下且准确性受限，无法满足现代制造业对高精度与自动化的需求。人工检测不仅耗时耗力，而且受个人经验与视觉极限的制约，难以保证检测的一致性和可靠性。

3、为应对上述挑战，现代检测技术开始转向图像处理，旨在通过智能化的图像分析手段，自动识别花键齿轮的边缘特征，以判断是否存在缺陷，如有公告号为cn115049667b的中国专利文件，提供了一种齿轮缺陷检测方法，包括：获取待检测的齿轮的表面图像，进而得到表面图像的齿轮区域图像，根据齿轮区域图像，确定齿轮边缘、齿轮中心点以及各个真实角点，进而确定各个疑似角点和伪角点，从而确定齿轮的距离缺陷指标值、面积缺陷指标值和角度缺陷指标值，结合这三种缺陷指标值，计算出齿轮的综合缺陷指标值，最终确定齿轮的缺陷等级。

4、然而，传统的对花键齿轮进行边缘检测的过程中依赖于高斯滤波对图像进行预处理以去噪，根据去噪后的图像进行边缘提取，尽管高斯滤波有助于减少噪声，但在噪声较大的区域，尤其是椒盐噪声，高斯滤波后的图像仍然可能残留噪声，导致边缘检测算法将这些区域错误地识别为噪声边缘，或使得真正的边缘信息变得模糊，并且处理含多齿轮纹理复杂或低对比度区域时，高斯滤波的平滑作用可能会削弱边缘的清晰度，导致边缘检测算法识别的边缘位置不够精确，或在纹理丰富的区域产生虚假边缘，导致后续计算齿轮特征时出现误差，降低缺陷检测结果的准确性。

技术实现思路

1、为解决利用边缘检测算法提取花键齿轮边缘的过程中，由于高斯滤波效果不好，导致边缘检测结果不够准确，影响后续缺陷检测的准确性的问题，本发明提出一种基于图像处理的传动轴零部件缺陷检测方法及系统，具体采用如下方案：

2、一方面，本发明提供一种基于图像处理的传动轴零部件缺陷检测方法，包括：

3、获取花键齿轮表面的灰度图，以所述灰度图中任一像素点为中心像素点，计算中心像素点的邻域范围内不包括所述中心像素点时的第一灰度值方差，以及所述邻域范围内包括所述中心像素点时的第二灰度值方差，将所述第一灰度值方差和第二灰度值方差的差值的绝对值作为所述中心像素点的噪声程度；所述邻域范围内包括多个邻域像素点；

4、基于所述中心像素点的噪声程度，以及所述中心像素点与多个所述邻域像素点的灰度值的对比度、所述中心像素点的灰度值和多个所述邻域像素点的平均灰度值的灰度值差异，计算所述中心像素点修正后的灰度值，所述修正后的灰度值与所述噪声程度、所述对比度、所述灰度值差异均为正相关；

5、计算所述中心像素点的滤波值：

6、

7、式中，为第个中心像素点的滤波值，为第个邻域像素点修正后的灰度值，为第个邻域像素点与第个中心像素点的距离权重，所述距离权重与二者之间的距离为负相关，为第个邻域像素点与第个中心像素点的相似性，为所述邻域像素点的数量；

8、基于所有中心像素点的滤波值得到滤波后的图像，进行边缘检测，根据边缘检测结果中的花键齿轮边缘和预先的缺陷图像对比，得到缺陷检测结果。

9、上述技术方案，通过计算中心像素点的邻域范围内灰度方差，方差越大说明灰度波动越大，中心像素点越可能存在噪声，以此对每个中心像素点的噪声可能性进行初步评估，并且将中心像素点与邻域像素点的对比度和灰度值差异纳入修正后的灰度值计算，确保在抑制噪声的同时，有效保留图像的细节和边缘信息，避免过度平滑导致的边缘模糊，并且基于邻域像素点与中心像素点的相似性，对滤波过程中的距离权重进行加权处理，使得距离近且灰度相似的像素点在滤波过程中贡献更大，实现更精细的局部调整，并且通过计算邻域像素点修正后的灰度值与加权距离的乘积累加，以及权重的累加，得到中心像素点的滤波值，这一过程增强了滤波的自适应性，能够根据不同区域的特性进行灵活调整，既通过滤波抑制了噪声又保留了图像细节的高质量图像，最后基于滤波后的图像进行边缘检测，能够更准确地识别花键齿轮的边缘，提高了缺陷检测的准确性和可靠性，将检测到的边缘与预设的缺陷图像模板进行对比，能够自动识别和定位潜在的磨损或变形区域，提高缺陷检测的自动化程度，总之，该方法能够有效应对不同背景噪声和纹理复杂条件下的零件缺陷检测，提高了传动轴零部件缺陷检测的效率和准确性，一定程度上保证了零件质量。

10、进一步的，所述中心像素点修正后的灰度值，按照如下关系式计算：

11、

12、式中，为第个中心像素点修正后的灰度值，为第个中心像素点的灰度值，为多个所述邻域像素点的平均灰度值，第个中心像素点与多个所述邻域像素点的灰度值的对比度，为第个中心像素点的噪声程度，为自然指数函数，为向上取整函数。

13、上述技术方案，通过结合噪声程度和对比度来修正灰度值，该公式能够有针对性地在高噪声区域进行更强烈的平滑处理，而在低噪声或边缘区域保持更多细节，实现了噪声抑制与细节保留的有效平衡，公式中的自然指数函数和对比度的乘积，确保了像素点的灰度值修正能够根据其噪声程度和周围环境的对比度动态调整。

14、进一步的，所述邻域像素点与所述中心像素点的距离权重满足如下关系式：

15、

16、式中，为第个邻域像素点与第个中心像素点的距离权重，为第个邻域像素点与第个中心像素点的欧式距离。

17、上述技术方案定义了邻域像素点和中心像素点的距离权重，该距离权重与二者之间的欧式距离为倒数关系，该公式确保了邻近像素点对中心像素点的滤波值影响更大，有效保持了图像的局部特征和细节，随着距离的增加，像素点的距离权重呈递减趋势，这使得远处的噪声点对中心像素点的滤波值影响较小，从而在滤波过程中自动抑制了远离中心点的噪声，提高了滤波处理的准确性。

18、进一步的，所述邻域像素点与所述中心像素点的相似性是基于所述邻域像素点与所述中心像素点的灰度差异计算，且满足如下公式：

19、

20、式中，为第个邻域像素点与第个中心像素点的相似性，为第个邻域像素点的灰度值，为第个中心像素点的灰度值，为多个所述邻域像素点的灰度值与所述中心像素点的灰度值之间的差值的平均数，为所述邻域像素点的数量，为自然指数函数。

21、上述技术方案通过基于灰度差异计算相似性，该公式能够精确衡量邻域像素点与中心像素点之间的灰度匹配程度，确保在滤波过程中优先保留与中心像素点灰度相近的信息，有效保护图像的细节和纹理，避免信息丢失，并且公式的构造使得灰度差异较大的邻域像素点对中心像素点的影响减弱，这有助于在处理图像时自动抑制噪声，同时由于采用了邻域像素点灰度差异的平均数，该方法能够自适应地调整相似性的权重，平衡噪声抑制与关键特征的保留。

22、进一步的，所述中心像素点与多个所述邻域像素点的灰度值的对比度的获取方法为：

23、根据多个所述邻域像素点的最大灰度值和最小灰度值的灰度值差异，以及所述中心像素点和多个所述邻域像素点的灰度值的标准差，计算所述中心像素点与多个所述邻域像素点的灰度值的对比度，所述对比度与所述灰度值差异正相关、与所述灰度值的标准差负相关。

24、进一步的，所述中心像素点与多个所述邻域像素点的灰度值的对比度满足如下关系式：

25、

26、式中，为第个中心像素点与多个所述邻域像素点的灰度值的对比度，为第个中心像素点和多个所述邻域像素点中的最大灰度值，为第个中心像素点和多个所述邻域像素点中的最小灰度值，为第个中心像素点和多个所述邻域像素点的灰度值的标准差。

27、上述技术方案通过计算中心像素点与邻域像素点灰度值的最大和最小值差，除以灰度值的标准差，该公式能够突出图像中边缘和高对比度区域，有效增强图像处理算法对细节和边界信息的敏感度，在高噪声或灰度值变化不大的区域，对比度会相对较低，从而在后续处理中对这些区域的噪声具有更强的抑制能力，在后续处理中，对于高对比度区域（如边缘和细节处）提供更强的增强效果，而对于低对比度或平滑区域则减少锐化，从而在提升图像清晰度的同时，避免过度锐化造成的伪影或失真。

28、进一步的，多个所述邻域像素点修正后的灰度值的获取方法与所述中心像素点修正后的灰度值的获取方法相同。

29、另一方面，本发明还提供一种基于图像处理的传动轴零部件缺陷检测系统，所述缺陷检测系统包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序以实现任一项所述监测方法的步骤。

30、本发明具有以下效果：

31、本发明通过评估图像的噪声程度和自适应调整像素点的灰度值，实现了对图像的自适应滤波，该方法有效抑制噪声，同时精细保留图像细节与边缘，避免了过度平滑，显著提升了图像质量，基于优化后的图像，边缘检测更为精确，配合预设缺陷模板对比，自动识别磨损与变形，提高了缺陷检测的准确性和自动化水平。