一种金属表面强反光去除方法、设备及介质
本发明属于机器视觉工业检测,具体涉及一种金属表面强反光去除方法,尤其适用于高反光金属工件在主动照明条件下的镜面高光去除与表面微观形貌保持。
背景技术:
1、工业机器视觉在金属零件检测中应用广泛,尤其金属板材的在线尺寸测量与表面缺陷检测普遍采用主动照明成像方式获取工件表面图像。主动照明能够提高图像对比度并突出表面特征,是工业现场的主流采集手段。
2、然而,金属表面具有高反射特性,在主动照明条件下极易产生局部过曝与镜面高光。这种强反光会给后续的视觉检测带来三方面危害:其一,高光区域像素灰度饱和,丢失表面微观几何形貌信息;其二,高光覆盖真实缺陷与纹理特征,导致缺陷漏检与尺寸误检率升高;其三,高光与正常表面的交界处引入伪边缘、伪梯度,干扰边缘检测与几何尺寸测量,降低检测精度。
3、针对金属表面强反光问题,现有技术中已有多种去除方法,但仍存在明显不足。一类方法通过多图像融合、偏振成像、多曝光或高动态范围(hdr)技术抑制高光,但这类方法需要多次采集或专用光学硬件,难以满足在线实时检测与运动场景的要求,且系统成本高。另一类方法基于颜色先验(如色度分析、双色反射模型)区分漫反射与镜面反射分量,但其依赖图像的颜色信息,而在工业灰度相机以及金属近无色的特性下往往失效。还有一类方法基于全局正则化或低秩分解(如鲁棒主成分分析、全变分约束),将高光视为全局稀疏分量并以固定或全局权重进行分离,难以区分真实纹理梯度与高光引入的伪梯度,容易对微观几何纹理造成过平滑,导致形貌信息丢失。此外,单纯的修复补全方法直接对高光区域进行填充,同样会丢失微观形貌或引入人工梯度。
4、进一步需要说明的是,本发明的方法建立在金属表面高光与待提取特征在强度—梯度域上的物理差异之上。在主动照明成像条件下,金属板材的镜面强反光区域呈现“极高亮度、近零梯度”的特征:其像素灰度接近成像传感器的饱和上限,而由于镜面反射均匀,该区域内的局部梯度幅值趋近于零;与之相对,待提取的划痕、边缘及本征纹理特征呈现“中等亮度、高梯度”的特征:其灰度处于动态范围中段,而局部梯度幅值显著。正是这一强度—梯度的二元差异,使得仅依赖单通道亮度先验与空间梯度先验即可对高光与真实结构加以区分,无需引入颜色先验或时序多帧信息,从而适配工业现场单相机、单帧的在线检测条件。
5、具体而言,现有基于全局均匀低秩—稀疏分解的反射去除方法存在三方面固有局限:其一,全局惩罚权重对所有像素一视同仁,具有盲目性,无法针对过曝区域与正常区域施加差异化约束;其二,在对高光区域进行稀疏剥离时,会对与之邻接的边缘与划痕产生“附带损伤”,造成边缘过平滑与微观结构丢失;其三,对于大面积的过曝块区,全局模型因缺乏局部结构引导而建模失败,残留明显的高光伪影。上述局限均源于现有技术未对像素的强度—梯度属性进行空间自适应的解耦,本发明正是针对这三方面局限而提出。
6、综上所述,现有方法难以在单帧灰度图像、无需额外硬件、且不依赖颜色先验的条件下,同时实现金属表面强反光的有效去除与表面微观几何纹理的保持,尤其在金属板材在线尺寸及缺陷检测场景中仍存在技术空白。因此,亟需一种能够兼顾强反光抑制与微观形貌保持的金属表面图像处理方法。
技术实现思路
1、现有的金属表面强反光去除方法,难以在单帧灰度图像、无需额外硬件、且不依赖颜色先验的条件下,同时实现强反光的有效去除与表面微观几何纹理的保持,导致金属板材在线尺寸及缺陷检测误检率升高。针对现有技术中的缺陷,本发明提供一种金属表面强反光去除方法、设备及介质。
2、根据本发明提供的一种金属表面强反光去除方法、设备及介质,所述方案如下:
3、第一方面,提供了一种金属表面强反光去除方法,所述方法包括:
4、s1,获取工业相机采集的金属表面单通道灰度观测图像x,所述观测图像的像素灰度值位于[0,255]区间,且同时包含金属表面本征纹理与待去除的镜面强反光高光;
5、s2,构建代理空间xp:采用otsu自适应阈值算法对所述观测图像x进行二值化,定位核心饱和高光区域,得到二值掩膜ω;再基于所述二值掩膜ω对所述观测图像x中的饱和区域进行基于navier-stokes方程的图像修复,生成近似表征漫反射背景的代理空间xp,以隔离真实微观几何梯度与由高光边界引入的伪梯度;
6、s3,提取双物理先验:基于所述观测图像x计算归一化强度矩阵inor,inor∈[0,1],用于表征各像素的过曝程度;对所述代理空间xp施加空间微分算子,提取并归一化得到代理空间梯度矩阵xp,nor,xp,nor∈[0,1],用于表征漫反射背景的微观几何纹理强度;
7、s4,以所述归一化强度矩阵 inor为强度先验、以所述代理空间梯度矩阵xp,nor为梯度先验,构建与所述观测图像同尺寸的空间自适应惩罚权重矩阵w:
8、
9、其中,α 为强度惩罚陡峭因子,τ 为归一化过曝阈值且 τ∈(0,1),τ 取接近图像传感器饱和点的值,γ 为梯度保持缩放因子;
10、s5,将强反光去除建模为低秩矩阵与稀疏矩阵的结构感知分解约束优化问题:
11、;
12、其中,l为待恢复的低秩漫反射背景矩阵,s为稀疏镜面高光矩阵,⊙表示hadamard积,λ为全局平衡参数且λ>0,‖·‖为核范数,‖·‖1为l1范数;
13、s6,采用交替方向乘子法对所述步骤s5的优化问题进行迭代求解,交替更新所述低秩矩阵l、所述稀疏矩阵s、拉格朗日乘子 y 及惩罚参数μ,直至满足预设收敛条件,输出所述低秩矩阵l作为去除强反光后的金属基底图像。
14、优选地,所述步骤s2中,所述otsu自适应阈值算法通过使前景与背景的类间方差最大化来选取分割阈值,将灰度值高于所述分割阈值的像素标记为饱和高光候选像素,由所述饱和高光候选像素构成所述二值掩膜ω。
15、优选地,所述步骤s2中,所述基于navier-stokes方程的图像修复在所述二值掩膜ω指示的饱和区域内求解流体动力学方程,使修复结果保持等照度线连续性,避免所述二值掩膜的硬边界引入人为梯度,从而隔离高光边界伪梯度对所述步骤s3中空间梯度计算的干扰。
16、优选地,所述步骤s3中,所述归一化强度矩阵inor由所述观测图像x的像素灰度值逐点除以灰度满量程值255线性归一化得到,即:
17、。
18、优选地,所述步骤s3中,所述代理空间梯度矩阵xp,nor通过对所述代理空间xp先施加高斯平滑以抑制残余噪声、再计算空间一阶微分并取其l2范数、最后归一化至[0,1]区间得到,表达为:
19、。
20、优选地,所述步骤s4中,所述归一化过曝阈值τ取0.95,所述强度惩罚陡峭因子α取0.05,所述梯度保持缩放因子γ取150;所述步骤s5中,所述全局平衡参数λ取0.025。
21、优选地,所述步骤s6中,第k次迭代按如下顺序更新各变量:
22、;
23、;
24、;
25、;
26、其中,svt为奇异值阈值算子,soft为软阈值算子,所述稀疏矩阵s的收缩阈值为随空间位置变化的矩阵 λw/μ,ρ为步长缩放因子且ρ>1,μmax为预设的惩罚参数上限。
27、优选地,所述预设收敛条件为重建相对误差小于预设容差ε,即:
28、;
29、其中,‖·‖f为frobenius范数,所述预设容差ε取105;满足所述预设收敛条件时迭代终止,所得低秩矩阵l即为去除强反光并保留微观几何纹理的金属基底图像。
30、第二方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现任一项所述的金属表面强反光去除方法的步骤。
31、第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的金属表面强反光去除方法的步骤。
32、与现有技术相比,本发明的优点在于:
33、1、本发明仅需单帧灰度图像、无需多帧采集或专用硬件,满足在线检测实时性;
34、2、本发明不依赖颜色先验与全局正则,适配工业灰度相机及金属近无色特性;
35、3、本发明代理空间加双物理先验隔离伪梯度,去高光同时保持微观几何纹理;
36、4、本发明空间自适应加权l1区分真实纹理梯度与高光伪梯度,避免过平滑;
37、5、本发明通过admm迭代求解,收敛稳定、计算高效;
38、6、本发明适用于金属板材在线尺寸及缺陷检测,提升精度、降低误检率。
39、本发明的其他有益效果,将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述,本领域技术人员通过这些技术特征和技术方案的介绍,应能理解所述技术特征和技术方案带来的有益技术效果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com