一种通过分析光源在物体表面所成影像的亮度图像检测表面桔皮的方法

摘要

本发明涉及一种通过分析光源在物体表面所成影像的亮度图像检测表面桔皮的方法，所采用的方法为：第一步骤：获取光源在被测物体表面所成的影像的亮度图像；第二步骤：采用检测算法对图像进行分析，得出表面桔皮的纹理结构数据。第三步骤：针对不同类型的检测对象，通过不同的标定参数将其得出的数据转换为0－99.9范围内，得出对桔皮的评价，其值越高，表面的桔皮现象越小，表面质量越好。本发明的有益效果是：对硬件和检测环境的要求低，检测速度快，可以高效，大批量的检测具有高反射能力物体表面的桔皮纹理结构。

说明书

技术领域

本发明属于涂装领域和计算机应用领域，尤其是高光泽度材料表面桔皮质量检测方法，具体地讲是一种通过分析光源在物体表面所成影像的亮度图像检测表面桔皮的方法。

背景技术

涂层表面外观呈现许多半圆状突起，像桔皮一样的波纹称为桔皮。

早期，对高光泽度物体表面的桔皮质量的检测方式主要为人眼目测的方式，但由于没有明确的评估标准，而且受观察者的主观感受与个人经验影响较大，其结果不够客观。

后来人们用粗糙度仪来进行评定，利用不同程度的物理桔皮作为视觉评估标准。但这种测定只能在实验室内进行，而且所测得的只是表面的机械轮廓，非光学轮廓。

目前，对桔皮质量的检测主要通过激光桔皮扫描仪进行，该仪器采用激光聚焦在被测物体表面，通过反射光线的明暗变化分析表面的光学轮廓结构。存在设备对硬件和检测环境要求较高，且造价昂贵的缺点。

物体表面上的桔皮纹理会造成表面反射光线的明暗变化。人类眼睛可以看到0.1～10.0mm之间的结构尺寸。当光照射物体表面时，桔皮纹理各个位置反射光强不同，其中在桔皮纹理波峰和波谷的地方反射光线最强，在纹理的斜坡地方反射光线最弱。表现的结果即为光源在表面所成影像的亮度变化，人眼通过高光亮区和非光亮区的反差，就形成了视觉对桔皮的评估。因此存储光源在物体表面的成像的亮度信息并进行分析，即可读出物体表面的桔皮纹理数据。

发明内容

本发明的目的是提供一种以特定光源照射物体表面并获取其在表面的成像，通过分析光源影像的亮度信息对表面的桔皮进行评价，能准确、简便的检测具有高反射能力物体表面的桔皮结构的方法。

为了实现上述目的，本发明所采用的方法为：

第一步骤：获取被测物体表面光学图像：以光源照射高光泽度物体表面，利用相机或传感器获取光源在物体表面所成影像，将影像以计算机图像存储格式存储于计算机或嵌入式系统中。

第二步骤：采用检测算法对图像进行分析，得出表面桔皮的纹理结构数据，其具体方法是：

第一步：图像预处理：提取出图像中光源影像部分；

第二步：对光源影像部分进行一维亮度采样；

第三步：对一维亮度信号去噪：在检测过程中环境噪音和高频噪音会对测评结果有影响，因此从二维图像上提取能准确反应物体表面桔皮纹理的亮度信号，才能保证桔皮检测的准确度。在本方法中采用EMD算法将一维亮度信号分解成不同频率的子信号，其中最高频子信号为高频白噪音，低频子信号主要为系统噪音包括环境光和硬件设备等对信号的影响，根据实际设备和情况可以确定代表系统噪音的子信号，去掉白噪音和系统噪音后，将剩下的子信号合成，即可得到一维桔皮信号；

第四步：分析一维桔皮信号：将两个极大值点间的距离定义为一个波长，首先找出一维桔皮信号中所有极大值点，计算出一维桔皮信号中的所有波长，其中波长越长，表明物体表面的桔皮结构越大，反之则越小，将波长大于0.6mm的定义为长波，将波长在0.1mm-0.6mm之间的定义为短波，统计长波和短波的数量，计算该一维桔皮信号的长波和短波数量的比值；

第五步：对光源影像进行多次亮度采样，按照本步骤中的第3步-第4步计算出所有一维桔皮信号中的长短波比值，并求取它们的平均值Avg，以减少统计的误差，Avg即表征表面桔皮的数据；

第三步骤：通过参数标定将桔皮数据转换为桔皮评价。针对不同类型的检测对象设定一组标定参数(a，b)，将平均值Avg转换到相应的范围内，该范围与标准板的桔皮值的范围一致。计算OP＝Avg*a+b，OP即为对被测对象桔皮的评价。

标定参数的确定方法：

因为不同类型物体的表面光学反射性能不同，它们表面亮度图像的特征元素对表面的桔皮的反映也不同。因此需要为不同类型的检测对象设定一个标定参数，使检测算法能正确的评价对象表面的桔皮，同时也将它们的检测值标定到一个统一的范围内。

第一步、针对某种类型的检测对象，选定n张该类型的标准板。已知它们的桔皮值分别为ST₁、ST₂...ST_n，其值的范围在0-99.9。

第二步、对该批标准板按照上述第一步骤和第二步骤计算出它们的桔皮数据Avg₁、Avg₂...Avg_n。

第三步、求方程组a[Avg₁、Avg₂...Avg_n]^T+b＝[ST₁、ST₂...ST_n]的最小二乘解(a，b)作为该类材料表面的标定参数。

本发明的有益效果是：对硬件和检测环境的要求低，检测速度快，可以高效，大批量的检测具有高反射能力物体表面的桔皮纹理结构。

附图说明

图1为本发明经带状光源照射后物体表面的原始图像。

其中虚线区域即为光源影像定位区域。

图2为本发明预处理后的图像。

图3为本发明在光源影像区选取扫描线的示意图。

其中上方亮带中的一条黑线即为提取的一条扫描线。

图4为本发明扫描线的一维亮度信号图。

图5为本发明采用EMD算法对扫描线进行波分解的示意图。

其中从上至下的第一条波信号即为高频白噪音，第二至第四条为桔皮信号，第五条至第七条为系统噪音。

图6为本发明从一维亮度信号中提取出的桔皮信号示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。

本发明的具体步骤是：

第一步骤：图像获取：

将光源和图像采集元件固定于一黑盒子内组成一套图像采集设备。黑盒子表面有上下两条矩形狭缝，狭缝之间为一图像采集孔，其内部置图像采集元件，如CMOS/CDT镜头或传感器。黑盒子内置两条由若干标准LED光源组成的光带，在光带和狭缝之间置散光片。当点亮LED光带时，其发出的光经过散光片和狭缝后形成两条均匀的矩形光带。此时矩形光带照射物体表面，利用CMOS/CDT等图像采集设备采集光源在物体表面所成的二维亮度影像。控制采集设备与被测对象的距离，使采集的影像最清晰。

第二步骤：采用检测算法对图像进行分析，得出表面桔皮纹理结构值，其具体方法是：

1.图像预处理：包括

a)定位光源影像：

将二维亮度图像以给定阈值100(可以根据实际情况调整)二值化，得到黑白图像，采用Seed Filling算法在黑白图像中求出所有的连通区域，其中最大的两个连通区域即为光源影像的主要部分；

b)计算定位区域：

将a)中所求的连通区域适当变换得到定位区域；增加连通区域的高度，使得定位区域可以包含完整的影像边界信息；减小连通区域的宽度，消除端点效应对结果的影像(图1)。

2.亮度采样：

对光源影像进行亮度采样，在光源影像区域的上下两条亮带内每隔一定距离横向选取一条扫描线，得到m条一维亮度信号B_j(j＝1，2...m)，图3中亮带中间的黑色直线即为一条扫描线，图4为该扫描线的一维亮度信号B_j。

3.提取桔皮信号：

对2中选取的一维亮度信号B_j进行分解，去噪后提取出桔皮信号O_j：

a)采用EMD(经验模式分解)算法将一维亮度信号分解为n条不同频率的子信号(图5)，将这些子信号按频率从高到低一次编号为S₁...S_n；

b)将这些子信号分为三类：

S₁(第一条子信号)为高频白噪音；

S₂至S_i()为桔皮信号；

S_i至S_n为系统噪音。

提取其中的桔皮信号S₂至S_i子信号并合成，即得到一维桔皮信号O_j(图6)：

4.统计：

a)统计一维桔皮信号O_j中的长短波的数量：将波信号上相邻两个极大值点或相邻两个极小值点之间的波信号作为一个完整的波，定义其间的距离为一个波长，将波长小于0.6mm的波归纳为短波，波长大于0.6mm小于10mm的波归纳为长波，统计去噪后的一维桔皮信号O_j中的长波的数量LW_j和短波数量SW_j；

b)计算一维桔皮信号O_j中的LW_j和SW_j的比值R_j＝LW_j/SW_j；

c)计算出各桔皮信号中长短波数量比值R_j(j＝1，2...m)的平均值Avg；

第三步骤：通过参数标定将桔皮数据转换为桔皮评价。

对平均值Avg进行线性变换，通过该检测对象类型的标定参数(a，b)将其值转换为0到99.9之间的数值OP，OP＝a*Avg+b。转换后的数值OP即可表征被测物体表面的桔皮纹理结构值，分数越高，表面桔皮越小，质量越好。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。