论文部分内容阅读
纵观板材加工的发展史,小到摆件木雕,大到气势磅礴的木式建筑群,板材由于本身表面天然优美的纹理及光彩艳丽的色泽使其在大量行业中得以使用。近年来由于人们对于特殊纹理、气味等材质的追捧,一些特殊纹理和较为稀有的树种的经济价值直线上涨,同时也带动了整个板材加工业的发展,然而板材的质量检测一直是决定板材价值的第一前提要素。随着板材加工量的提升,人为检测识别的工作量也随着加大,带来的人工费用、感官疲劳、工作效率、情绪等影响检测的因素也随之增加,因而使用计算机视觉检测作为了一种新的检测手段。本文研究是基于计算机视觉对木质板材进行检测,在获取板材图像信息后,根据图像信息研究板材缺陷的分割提取算法。通过对板材缺陷图像的特征信息进行研究,研究了两类基于不同图像特征的缺陷分割算法。在灰度图像为背景的前提下,利用阈值分割方法,研究了两种使用阈值分割算法:第一种是基于无缺陷标准模板的板材缺陷图像阈值分割算法,人工选择无缺陷标准模版,建立标准灰度值,通过待测板材图像的全部像素点作差逐一比对,求和然后取平均值作为最终图像分割阂值;第二种是基于单像素点阈值的板材缺陷图像分割算法,舍去了人工选取无缺陷标准模版的过程,采用二次阈值的方法,首先利用单像素点与周围像素点之间的差异,判断正常区域与纹理区域的边界和正常区域与缺陷区域的边界,然后利用边界点与边界点之间的差异再次求取阈值,判断出正常区域与缺陷区域之间的边界,从而达到板材缺陷图像的分割提取目的。在彩色图像为背景的前提下,将图像分别转换成基于HSI颜色空间和LAB颜色空间下的图像,然后对两幅图像同时采用K均值聚类法对缺陷进行分割。最后将得到的两幅缺陷分割图转换成基于RGB颜色空间下的图像,利用区域合并的算法判断合并缺陷区域,合并后图像使用数学形态学相关运算进行滤波降噪,从而获得最终分割图像。