(佛山職業(yè)技術(shù)學(xué)院，廣東 佛山 528137)

0 引言

隨著瓷磚市場(chǎng)的不斷發(fā)展，人們對(duì)瓷磚的質(zhì)量要求越來(lái)越高，因此，質(zhì)量檢測(cè)成為瓷磚生產(chǎn)線上不可缺少的重要環(huán)節(jié)。而常見(jiàn)的瓷磚表面缺陷包含裂紋、斑點(diǎn)、色差、黑心、鼓泡、磕碰、針孔等缺陷，針對(duì)這些缺陷，中國(guó)的許多中小企業(yè)依然依靠人工檢測(cè)完成，即使部分企業(yè)使用自動(dòng)化檢測(cè)，也是大部分購(gòu)買(mǎi)國(guó)外實(shí)時(shí)在線檢測(cè)設(shè)備，存在價(jià)格昂貴、不方便維護(hù)和升級(jí)等不利因素。而國(guó)內(nèi)部分瓷磚檢測(cè)設(shè)備主要應(yīng)用于瓷磚素坯或者純色瓷磚以及簡(jiǎn)單紋理瓷磚的缺陷檢測(cè)。

為了減少瓷磚缺陷檢測(cè)誤差，提高檢測(cè)精度、準(zhǔn)確度和生產(chǎn)效率，推進(jìn)了質(zhì)量檢測(cè)的自動(dòng)化，采用了機(jī)器視覺(jué)技術(shù)對(duì)帶有隨機(jī)紋理的瓷磚表面缺陷進(jìn)行自動(dòng)檢測(cè)。在空域范圍內(nèi)，段春梅等[1]采用機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)對(duì)采集到的瓷磚素坯圖像采用雙邊濾波器進(jìn)行圖像預(yù)處理，降低噪聲，提高圖像質(zhì)量，然后利用 Canny 邊緣算子提取圖像邊緣，在圖像邊緣的基礎(chǔ)上，采用最佳閾值分割算法實(shí)現(xiàn)圖像分割，利用圓形度對(duì)缺陷特征進(jìn)行描述，并實(shí)現(xiàn)缺陷判別，最后通過(guò)實(shí)驗(yàn)驗(yàn)證表面缺陷檢測(cè)的準(zhǔn)確度和穩(wěn)定性。李慶利等[2]提出了一種基于灰色關(guān)聯(lián)分析的特征顏色提取算法，完成了陶瓷磚表面缺陷檢測(cè)軟件設(shè)計(jì)。馮浩等[3]利用雙目立體視覺(jué)技術(shù)設(shè)計(jì)出一種以視差圖作為分割基礎(chǔ)的檢測(cè)流程，實(shí)現(xiàn)陶瓷表面的落渣缺陷檢測(cè)問(wèn)題。賴(lài)文敬等[4]提出了一種基于相位測(cè)量輪廓術(shù)(PMP)的瓷磚表面平整度非接觸式無(wú)損檢測(cè)方法，檢測(cè)效率和精度較高，可以進(jìn)行多個(gè)瓷磚同時(shí)檢測(cè)等優(yōu)點(diǎn)。戴衛(wèi)軍[5]針對(duì)蜂窩陶瓷形狀不規(guī)則、側(cè)面裂紋和側(cè)面缺損細(xì)微造成外觀質(zhì)量檢測(cè)難的問(wèn)題,將機(jī)器視覺(jué)應(yīng)用到側(cè)面缺陷檢測(cè)中。余承樂(lè)等[6]運(yùn)用改進(jìn)后的邊緣檢測(cè)算子IMP-Canny對(duì)古陶瓷進(jìn)行裂紋檢測(cè)。

但是實(shí)際上，瓷磚種類(lèi)繁多，具有各種各樣不規(guī)則的紋理，缺陷的形態(tài)和大小不固定，并且缺陷與紋理背景可能區(qū)分不明顯，從而增加了檢測(cè)的難度。在空域范圍內(nèi)檢測(cè)，由于紋理空間的復(fù)雜性，將會(huì)導(dǎo)致檢測(cè)精度低，因此在頻域范圍內(nèi)，基于傅里葉變換的隨機(jī)紋理瓷磚的缺陷檢測(cè)具有高精度、高可靠性等特性。劉偉斌等[7]通過(guò)傅里葉變換對(duì)含有疵點(diǎn)的織物進(jìn)行缺陷檢測(cè)，在頻域范圍內(nèi)，設(shè)計(jì)頻域?yàn)V波器分離正常的紋理信息，保留瑕疵信息；應(yīng)用傅里葉逆變換重構(gòu)灰度圖像，然后進(jìn)行分割，閾值化，檢測(cè)出瑕疵點(diǎn)。項(xiàng)文波等[8]提出一種基于傅立葉變化及逆變換獲取重構(gòu)圖像，從而提取方向紋理表面缺陷的算法，該算法通過(guò)頻域?yàn)V波和圖像重建有效地去除方向紋理的影響，提取換熱器表面缺陷區(qū)域。董明利等[9]提出一種基于光學(xué)傅里葉變換的大視場(chǎng)周期性微結(jié)構(gòu)缺陷檢測(cè)方法,并搭建相關(guān)實(shí)驗(yàn)系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證。王福亮,左博等[10-11]基于傅里葉圖像重建進(jìn)行磁體表面切削缺陷的檢測(cè)，實(shí)驗(yàn)結(jié)果表明，該方法能有效地檢測(cè)出一種表面切削缺陷。

本文旨在研究出一套基于傅里葉變換的隨機(jī)紋理瓷磚表面缺陷檢測(cè)的設(shè)計(jì)方案，使得瓷磚表面缺陷檢測(cè)具有更高的精確度和可靠性。通過(guò)傅里葉變換，可以獲得瓷磚的光譜圖，設(shè)計(jì)頻率濾波器實(shí)現(xiàn)頻率濾波消除紋理背景的影響，利用傅里葉逆變換實(shí)現(xiàn)圖像重建，轉(zhuǎn)換回空間域，再采用閾值化、形態(tài)學(xué)操作提取瓷磚表面缺陷區(qū)域。在頻域的濾波器設(shè)計(jì)中，研究截止頻率參數(shù)對(duì)該方法的影響，從而得到優(yōu)化值。實(shí)驗(yàn)結(jié)果表明，該方法能有效地檢測(cè)瓷磚的表面缺陷，特別是在空間域中不利于缺陷檢測(cè)的情況下。

1 瓷磚缺陷檢測(cè)系統(tǒng)

在此工作中，開(kāi)發(fā)了基于機(jī)器視覺(jué)的缺陷檢測(cè)系統(tǒng)，該系統(tǒng)適用于大幅面瓷磚快速檢測(cè)，系統(tǒng)包括檢測(cè)平臺(tái)、升降導(dǎo)軌、升降支架、掃描裝置安裝支架、相機(jī)、光源、和計(jì)算機(jī)。如圖1所示。其中，工業(yè)相機(jī)、光源都安裝在掃描裝置安裝支架上, 相機(jī)的高度和角度可根據(jù)需求任意調(diào)整，以便實(shí)現(xiàn)全方位的拍照。該系統(tǒng)檢測(cè)流程為：通過(guò)傳輸帶將待瓷磚傳輸?shù)綑z測(cè)平臺(tái)上,當(dāng)瓷磚到達(dá)檢測(cè)平臺(tái)的設(shè)定區(qū)域后,啟動(dòng)第二電機(jī)使升降支架到達(dá)指定位置,緊接著攝像機(jī)光電觸發(fā),開(kāi)始進(jìn)行快速拍攝,然后將拍攝好的圖像通過(guò)數(shù)據(jù)接口等傳送至計(jì)算機(jī)的軟件,識(shí)別瓷磚表面的缺陷。

圖1 瓷磚缺陷檢測(cè)系統(tǒng)圖

基于傅里葉變換的瓷磚表面缺陷檢測(cè)的圖像處理流程如圖2所示。首先將采集的圖片灰度化得到灰通圖像G(x,y)，經(jīng)傅里葉變換將灰度圖像G(x,y)轉(zhuǎn)換為光譜圖F(u,v)，設(shè)計(jì)一定截止頻率的濾波器進(jìn)行濾波，然后利用傅里葉逆變換轉(zhuǎn)換回空間域獲得圖像D(x,y)，最后通過(guò)閾值化、形態(tài)學(xué)操作，通過(guò)面積特征提取瓷磚表面的缺陷。

圖2 基于傅里葉變換的表面缺陷檢測(cè)圖像處理流程圖

2 缺陷檢測(cè)方法

2.1 離散傅里葉變換法

二維離散傅里葉變換的作用是將空間域信號(hào)變換到頻域。通過(guò)相機(jī)采集到的一幅尺寸為M*N的瓷磚圖像F(x,y)數(shù)據(jù)是二維離散的,將該圖像灰度化得到瓷磚的8位灰度圖像G(x,y)，其離散傅里葉[12]變換為：

(1)

F(u,v)所在坐標(biāo)系被稱(chēng)為頻域,其中由u= 0,1, 2,...,M-1和v= 0,1,2,...,N-1定義的M×N矩陣常稱(chēng)為頻域矩陣。通常來(lái)說(shuō)，F(xiàn)(u,v) 也是復(fù)數(shù)，其可定義為[10]：

F(u,v)=R(u,v)+jI(u,v)

(2)

傅里葉變換后所得頻譜圖中含了3種用于描述圖像信息的特征的變量，即為傅里葉變換的幅度、相位角和功率譜，其計(jì)算公式分別為：

(3)

(4)

P(u,v)=|F(u,v)|2=R2(u,v)+I2(u,v)

(5)

一般設(shè)置傅里葉頻譜的原點(diǎn)是(M/2,N/2)，有利于進(jìn)行頻譜分析，其中頻譜圖大小為圖像大小，中心點(diǎn)為低頻分量，中心亮點(diǎn)代表了整幅圖像的平均灰度，每一個(gè)像素點(diǎn)都代表一個(gè)頻率值，該點(diǎn)的灰度值表示其幅值。

2.2 濾波器設(shè)計(jì)

瓷磚紋理是隨機(jī)的，其傅里葉變換對(duì)應(yīng)的的頻譜圖以圖像中心點(diǎn)呈發(fā)散狀態(tài)分布。傅里葉頻率域?yàn)V波的目的是增強(qiáng)缺陷區(qū)域，抑制紋理背景。因此需要設(shè)計(jì)一個(gè)最佳濾波器，對(duì)頻率進(jìn)行濾波，以達(dá)到增強(qiáng)缺陷，濾除紋理背景的目的。由于瓷磚表面的缺陷和瓷磚紋理圖案都具有隨機(jī)性，設(shè)計(jì)濾波器時(shí)一定要設(shè)置合適的參數(shù)，區(qū)分瓷磚紋理信息和表面缺陷信息[5]。本文設(shè)計(jì)理想高通濾波器，抑制紋理信息，凸顯表面缺陷。濾波器設(shè)計(jì)[13]公式為：

(6)

其中:D0表示通帶的半徑，D(u,v)表示頻域中，點(diǎn)(u,v)與中心點(diǎn)(M/2,N/2)的距離。

(7)

在所設(shè)計(jì)的濾波器中，參數(shù)截止頻率會(huì)影響檢測(cè)效果，截止頻率過(guò)大則會(huì)漏檢缺陷，截止頻率過(guò)小則無(wú)法有效抑制背景紋理，所以需通過(guò)實(shí)驗(yàn)評(píng)估參數(shù)變化的影響，選擇最合適的截止頻率優(yōu)化濾波器。

2.3 缺陷定位

經(jīng)過(guò)濾波器濾波后的圖像，通過(guò)傅里葉逆變換進(jìn)行重建得到重構(gòu)圖，然后進(jìn)行blob分析，識(shí)別缺陷區(qū)域。其具體步驟如下：

第一步：傅里葉逆變換

對(duì)濾波后的圖片進(jìn)行傅里葉逆變換，其二維離散傅里葉逆變換[10]公式如下：

(8)

其中:x= 0,1,2,…,M-1 和y= 0,1,2,…,N-1。因此，給定F(u,v) 就可以通過(guò)逆DFT得到D(x,y)。

第二步：圖像分割

將重構(gòu)圖像分離為目標(biāo)像素和背景像素，閾值分割之后一般需要進(jìn)行開(kāi)操作、閉操作等形態(tài)學(xué)處理才能滿(mǎn)足使用要求。其迭代的最佳閾值計(jì)算方法為：首先分別計(jì)算圖像背景區(qū)域B和缺陷物體區(qū) O的灰度均值hb和ho，通過(guò)背景區(qū)域和目標(biāo)區(qū)域的灰度值計(jì)算閾值初始值Yk，根據(jù)計(jì)算好的閾值將圖像劃分為h1和h2兩部分區(qū)域，重新計(jì)算兩區(qū)域的平均灰度值h1和h2，然后通過(guò)h1和h2求閾值Yk+1，比較Yk與Yk+1的大小，如果相等，則為最佳閾值，如果不相等，則迭代操作，直到滿(mǎn)足要求。其流程如下圖3所示[14]。

圖3 最佳閾值計(jì)算的流程圖

通過(guò)閾值分割，初步確定缺陷區(qū)域目標(biāo)，但是存在一定噪點(diǎn)，則需要通過(guò)開(kāi)運(yùn)算去除噪聲，除去圖像中的較小面積的像素塊，消除噪點(diǎn)的影響，平滑缺陷目標(biāo)對(duì)象的邊界輪廓，保留缺陷目標(biāo)的形狀信息，同時(shí)不能明顯改變其目標(biāo)區(qū)域的面積。其腐蝕運(yùn)算和膨脹運(yùn)算公式如下所示[15]。開(kāi)運(yùn)算則先腐蝕運(yùn)算，再膨脹運(yùn)算。本文的采取圓形結(jié)構(gòu)元素實(shí)現(xiàn)開(kāi)運(yùn)算操作。

D(x,y)=min(x′,y′)src(x+x′,y+y′)

(9)

D(x,y)=max(x′,y′)src(x+x′,y+y′)

(10)

第三步：采用面積濾波獲取缺陷區(qū)域。

在瓷磚目標(biāo)缺陷分割完成之后，緊接著需要對(duì)分割出來(lái)的缺陷進(jìn)行量化操作。量化操作需要依據(jù)缺陷的相關(guān)特征參數(shù)進(jìn)行操作，然后根據(jù)特征參數(shù)對(duì)所分割出的缺陷進(jìn)行定量分析。由于瓷磚表面缺陷一般都是形狀不規(guī)則，為了更好地獲取缺陷目標(biāo)，本文采用的是面積特征參數(shù)對(duì)瓷磚目標(biāo)缺陷進(jìn)行量化操作，獲取最終的缺陷目標(biāo)，并用紅色填充缺陷區(qū)域。

3 實(shí)驗(yàn)結(jié)果與分析

針對(duì)8種不同紋理的300*300像素瓷磚和8種不同紋理的600*600像素瓷磚進(jìn)行檢測(cè)實(shí)驗(yàn)。其中無(wú)缺陷的瓷磚樣本2樣，有缺陷的樣本14樣，樣本缺陷有裂紋、斑點(diǎn)、色差、黑心、磕碰，劃痕、污點(diǎn)等真實(shí)缺陷共計(jì)35處。針對(duì)每種樣本采集1幅圖像共計(jì)16幅樣本圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證與分析，并分別從準(zhǔn)確率、時(shí)間效率等方面對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行比較與分析。

3.1 常見(jiàn)的瓷磚缺陷檢測(cè)

由于篇幅有限，本文僅對(duì)尺寸為300*300像素的瓷磚樣本圖像進(jìn)行分析介紹，實(shí)驗(yàn)采集的瓷磚圖片樣本是300*300像素的24位的帶紋理的灰度圖像，將其灰度化得到8位的灰度圖像，如圖4所示，圖4(a)是無(wú)缺陷的瓷磚灰度圖像，圖4(c)是帶有缺陷的瓷磚灰度圖像，兩張圖像具有相同的紋理背景，利用上面的二維離散傅里葉變換方法，分別得到圖像的頻率譜,如圖4(b)(d)所示。

圖4 瓷磚的灰度圖像和傅里葉變換圖像

對(duì)圖4(d)所示的帶有缺陷的瓷磚樣本圖像頻率譜圖進(jìn)行濾波，為了得到最優(yōu)化的濾波器，分別取截止頻率0.1,0.4,0.6進(jìn)行實(shí)驗(yàn)，并對(duì)相應(yīng)的效果進(jìn)行分析選取最合適的截止頻率，其處理后的效果如圖5所示。

圖5 截止頻率對(duì)圖4(d)頻譜圖的濾波效果影響

截止頻率確定刪除頻率的區(qū)域大小。截止頻率小可能無(wú)法有效地移除背景紋理信息，如圖5(a)所示，該截止頻率為0.1,該圖可以清晰的顯示缺陷區(qū)域，包含一大一小兩個(gè)缺陷區(qū)域，但是周邊還有一定的紋理信息；截止頻率大則可能導(dǎo)致缺陷的丟失，如圖5(c)所示,該截止頻率為0.6，該圖已經(jīng)全部移除紋理背景，但是小缺陷區(qū)域則不明顯。實(shí)驗(yàn)結(jié)果表示，截止頻率取值0.4時(shí)，該樣本圖像具有最佳的檢測(cè)效果，如圖5(b)所示,去掉大部分背景紋理信息，同時(shí)明顯顯示缺陷區(qū)域。

然后在此基礎(chǔ)上通過(guò)傅里葉逆變換得到重構(gòu)圖，并進(jìn)行閾值操作、開(kāi)運(yùn)算操作(圓形半徑取值3.5)及通過(guò)面積特征進(jìn)行缺陷最后定位，圖4(a)(c)的缺陷檢測(cè)效果圖如圖6所示。

圖6 圖4(a)(c)的最終缺陷檢測(cè)圖

3.2 準(zhǔn)確率與檢測(cè)速度分析

用于實(shí)驗(yàn)的16個(gè)樣本的圖像上共有35個(gè)真實(shí)缺陷，對(duì)于300*300像素瓷磚樣本，共有19個(gè)真實(shí)缺陷數(shù)目，實(shí)際檢測(cè)出15個(gè)完整缺陷，3個(gè)不完整缺陷數(shù)目，1個(gè)虛假缺陷數(shù)目；對(duì)于600*600像素瓷磚樣本，共有16個(gè)真實(shí)缺陷數(shù)目，實(shí)際檢測(cè)出14個(gè)完整缺陷，1個(gè)不完整缺陷數(shù)目，1個(gè)虛假缺陷數(shù)目。見(jiàn)表1所示。

表1 瓷磚缺陷檢測(cè)對(duì)比表

在檢測(cè)過(guò)程中，采集圖片、傅里葉變換、濾波、傅里葉逆變換、blob分析分別消耗時(shí)間為：10.264 ms、28.103 ms、16.095 ms、35.574 ms,整個(gè)程序共計(jì)消耗3 517.867 ms。

4 結(jié)論

搭建基于機(jī)器視覺(jué)的瓷磚表面缺陷檢測(cè)系統(tǒng),采用傅里葉變換算法，將瓷磚缺陷檢測(cè)從空域轉(zhuǎn)到頻域進(jìn)行處理，有利于缺陷與紋理背景區(qū)分不明顯的隨機(jī)紋理瓷磚缺陷高精度檢測(cè)。在頻域空間，設(shè)計(jì)合適的濾波器進(jìn)行濾波，抑制紋理背景信息，增強(qiáng)缺陷區(qū)域信息，然后通過(guò)傅里葉逆變換重構(gòu)圖像，通過(guò)Blob分析以識(shí)別缺陷區(qū)域。實(shí)驗(yàn)結(jié)果表明，該方法能有效、穩(wěn)定地檢測(cè)隨機(jī)紋理瓷磚圖像的缺陷。這種基于傅里葉變換的方法可以處理任意大小像素的瓷磚圖像。其中濾波器的截止頻率取值會(huì)影響缺陷檢測(cè)結(jié)果，通過(guò)實(shí)驗(yàn)找出了其優(yōu)化值。