值判断 是否存在边缺陷；
[0136] 以GrayAverage表示所述灰度差均值，贝lj:
[0137]
:其中N为中心线的像素个数，η为索引号，通过 所述索引号能够找到对应的坐标；
[0138] 若所述灰度差均值和灰度差之差大于或等于灰度差阈值，则判断为存在缺陷；
[0139] 若所述灰度差均值和灰度差之差小于灰度差阈值，则判断为不存在缺陷；
[0140] 以ΔGray表示所述灰度差阈值，则上述可以表示为：
[0141]
[0142] 最后，若判断存在缺陷，则进行缺陷标记。
[0143] 本发明提取边轮廓中心线及灰度图像，得到中心线上每个点的灰度值，求得该中 心线灰度均值，对其进行滤波，将滤波前后相减得到灰度差值DeltaGray(η)，设中心线灰度 差均值为GrayAverage，波动范围为ΔGray，那么则有：
[0144]
[0145] 正常的边灰度值应是近似相等，处于一个正常波动范围之间，如果音孔外轮廓上 某点到内轮廓的最短距离超过这个波动范围，那么存在缺陷。
[0146] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种玻璃面板的边缺陷检测方法，其特征在于，所述边缺陷检测方法的步骤包括： 步骤A，进行玻璃面板图像采集并进行灰度转换得到灰度图像，然后将所述灰度图像二 值化处理得到二值化图像，提取所述二值化图像中的感兴趣区域轮廓； 步骤B，对所述感兴趣区域轮廓进行处理，得到所述感兴趣区域轮廓的中屯、线图，遍历 所述中屯、线图得到中屯、线上每一个点的点坐标； 步骤C，提取所述感兴趣区域轮廓对应的灰度图像，根据中屯、线上每一个点的点坐标得 到该点对应的灰度值； 步骤D，对中屯、线的灰度值进行处理，根据处理后的中屯、线灰度值计算中屯、线灰度差均 值，然后根据所述中屯、线灰度差均值判断是否存在边缺陷并标记。2. 如权利要求1所述的边缺陷检测方法，其特征在于，步骤A具体包括： 步骤A1，对所述玻璃面板进行图像采集，然后将采集到的玻璃面板图像进行灰度转换， 将灰度转换后的图像进行高斯拉普拉斯锐化和中值滤波的预处理得到灰度图像； 步骤A2,用最大类间方差法对所述灰度图像进行二值化，得到二值化图像； 步骤A3,利用水平结构元素对所述二值化图像进行腐蚀，得到感兴趣区域轮廓。3. 如权利要求1所述的边缺陷检测方法，其特征在于，步骤B具体包括： 步骤B1，利用zhang快速并行细化算法对所述感兴趣区域轮廓进行细化，得到所述感 兴趣区域轮廓的中屯、线图； 步骤B2，遍历所述中屯、线图，得到中屯、线上每一个点的点坐标； WI(i，j)表示中屯、线上第i点的坐标，则该点坐标满足： I(i，j) = = 255,0《i《r，0《j《C，其中r表示所述灰度图像的高度，C表示所述 灰度图像的宽度。4. 如权利要求1所述的边缺陷检测方法，其特征在于，步骤C具体包括： 步骤C1，提取所述感兴趣区域轮廓对应的灰度图像； 步骤C2,根据步骤C1提取的灰度图像和中屯、线上每一个点的点坐标得到该点对应的 灰度值； WI(i，j)表示中屯、线上第i点的坐标，GrayVal(i，j)表示第i点对应的灰度值，W表示 根据水平区域轮廓高度设定的第i点的一邻域，则第i点的W邻域的灰度均值大小Gray(η) 为：,W < / < W，y < Η < Λ'''；； W所述灰度均值作为第i点对应的灰度值，其中Ν为中屯、线的像素个数，η为索引号， 通过所述索引号能够找到对应的坐标，t为变量。5. 如权利要求1所述的边缺陷检测方法，其特征在于，步骤D具体包括： 步骤D1，对中屯、线上每一个点的灰度值进行滤波得到滤波灰度值，根据每一个点的滤 波灰度值和对应的灰度值得到每一点对应的灰度差； WGray(η)表示第i点的灰度值，Grayl(η)表示第i的滤波灰度值，DeltaGray(η)表 不第i点的灰度差，贝ij: DeltaGray(η) =Gray1(η)-Gray(η)； 步骤D2,根据所述灰度差计算中屯、线的灰度差均值，然后根据所述灰度差均值判断是 否存在边缺陷； WGrayAverage表示所述灰度差均值，贝Ij:其中N为中屯、线的像素个数，η为索引号，通过所述 索引号能够找到对应的坐标； 若所述灰度差均值和灰度差之差大于或等于灰度差阔值，则判断为存在缺陷； 若所述灰度差均值和灰度差之差小于灰度差阔值，则判断为不存在缺陷； WAGray表示所述灰度差阔值，则上述可W表示为：步骤D3,若判断存在缺陷，则进行缺陷标记。6. -种玻璃面板的边缺陷检测系统，其特征在于，所述边缺陷检测系统包括： 采集处理单元，用于进行玻璃面板图像采集并进行灰度转换得到灰度图像，然后将所 述灰度图像二值化处理得到二值化图像，提取所述二值化图像中的感兴趣区域轮廓； 轮廓提取单元，用于对所述感兴趣区域轮廓进行处理，得到所述感兴趣区域轮廓的中 屯、线图，遍历所述中屯、线图得到中屯、线上每一个点的点坐标； 灰度提取单元，用于提取所述感兴趣区域轮廓对应的灰度图像，根据中屯、线上每一个 点的点坐标得到该点对应的灰度值； 缺陷标记单元，用于对中屯、线的灰度值进行处理，根据处理后的中屯、线灰度值计算中 屯、线灰度差均值，然后根据所述中屯、线灰度差均值判断是否存在边缺陷并标记。7. 如权利要求6所述的边缺陷检测系统，其特征在于，所述采集处理单元具体用于： 首先，对所述玻璃面板进行图像采集，然后将采集到的玻璃面板图像进行灰度转换，将 灰度转换后的图像进行高斯拉普拉斯锐化和中值滤波的预处理得到灰度图像； 其次，用最大类间方差法对所述灰度图像进行二值化，得到二值化图像； 最后，利用水平结构元素对所述二值化图像进行腐蚀，得到感兴趣区域轮廓。8. 如权利要求6所述的边缺陷检测系统，其特征在于，所述轮廓提取单元具体用于： 首先，利用zhang快速并行细化算法对所述感兴趣区域轮廓进行细化，得到所述感兴 趣区域轮廓的中屯、线图； 最后，遍历所述中屯、线图，得到中屯、线上每一个点的点坐标； WI(i，j)表示中屯、线上第i点的坐标，则该点坐标满足： I(i，j) = = 255,0《i《r，0《j《C，其中r表示所述灰度图像的高度，C表示所述 灰度图像的宽度。9. 如权利要求6所述的边缺陷检测系统，其特征在于，所述灰度提取单元具体用于： 首先，提取所述感兴趣区域轮廓对应的灰度图像； 最后，根据提取的灰度图像和中屯、线上每一个点的点坐标得到该点对应的灰度值； WI(i，j)表示中屯、线上第i点的坐标，GrayVal(i，j)表示第i点对应的灰度值，W表示 根据水平区域轮廓高度设定的第i点的一邻域，则第i点的W邻域的灰度均值大小Gray(η) 为：W所述灰度均值作为第i点对应的灰度值，其中N为中屯、线的像素个数，η为索引号， 通过所述索引号能够找到对应的坐标，t为变量。10.如权利要求6所述的边缺陷检测系统，其特征在于，所述缺陷标记单元具体用于： 首先，对中屯、线上每一个点的灰度值进行滤波得到滤波灰度值，根据每一个点的滤波 灰度值和对应的灰度值得到每一点对应的灰度差； WGray(η)表示第i点的灰度值，Grayl(η)表示第i的滤波灰度值，DeltaGray(η)表 示第i点的灰度差，则： DeltaGray(η) =Gray1(η)-Gray(η)； 其次，根据所述灰度差计算中屯、线的灰度差均值，然后根据所述灰度差均值判断是否 存在边缺陷； WGrayAverage表示所述灰度差均值，贝Ij:其中N为中屯、线的像素个数，η为索引号，通过所述 索引号能够找到对应的坐标； 若所述灰度差均值和灰度差之差大于或等于灰度差阔值，则判断为存在缺陷； 若所述灰度差均值和灰度差之差小于灰度差阔值，则判断为不存在缺陷； WΔGray表示所述灰度差阔值，则上述可W表示为：最后，若判断存在缺陷，则进行缺陷标记。
【专利摘要】本发明适用于玻璃面板边缺陷检测，提供了一种玻璃面板的边缺陷检测方法步骤包括：A，进行玻璃面板图像采集并进行灰度转换后再二值化处理得到二值化图像，提取感兴趣区域轮廓；B，对感兴趣区域轮廓进行处理，得到中心线图并进行遍历，得到中心线上每一个点的点坐标；C，提取感兴趣区域轮廓对应的灰度图像，根据点坐标得到该点对应的灰度值；D，对中心线的灰度值进行处理然后计算中心线灰度差均值，然后根据中心线灰度差均值判断是否存在边缺陷并标记。本发明根据玻璃面板边缘轮廓特征，提取出边缘的感兴趣区域轮廓，并基于感兴趣区域轮廓的中心线邻域的灰度均值对玻璃面板边缘进行检测缺陷，本发明可检测多种型号的玻璃面板边缺陷。
【IPC分类】G06K9/46, G06T7/00, G01N21/88
【公开号】CN105405142
【申请号】CN201510778599
【发明人】冯平, 程涛, 刘新辉, 彭涛, 孙高磊
【申请人】冯平, 程涛
【公开日】2016年3月16日
【申请日】2015年11月12日