圖1.陰影校正消除了光照變化引起的緩慢強(qiáng)度變化（頂部圖像），從而使劃痕檢測更加可靠（底部圖像）。

　　圖2.上面一排（從左起）：良好的零件，一次刮擦，多次刮擦。底部行（從左開始）良好部分的FFT，一次刮擦的濾波FFT，多次刮擦的濾波FFT。

　　圖3.通過形態(tài)學(xué)和其他方法檢測到粉末金屬零件中的裂紋。

　　圖4.通過變換檢測到的帶紋理的臺面材料的劃痕（樣品右側(cè)的洋紅色線）。

對于人或機(jī)器視覺來說，檢測產(chǎn)品表面缺陷（例如變色，灼傷，裂紋和劃痕）是一項艱巨的任務(wù)。這些缺陷可能具有隨機(jī)的形狀和較低的對比度，并且常常被產(chǎn)品的自然表面紋理或圖案所遮蓋。使用機(jī)器視覺檢測這些缺陷需要了解缺陷的外觀，對照明，相機(jī)分辨率和零件展示以及精密的機(jī)器視覺算法的關(guān)注。

在這里，我們討論裂縫和劃痕，這些裂縫和劃痕的強(qiáng)度會快速變化，從而產(chǎn)生較高的空間頻率。

了解任務(wù)

了解這些缺陷是如何發(fā)生的，可以使您對缺陷在圖像中的顯示方式有所了解。例如，金屬粉末（燒結(jié)）零件可能僅在材料較薄的地方開裂。通過將機(jī)器視覺分析限制在發(fā)生缺陷的區(qū)域，結(jié)構(gòu)和方向，這種“先驗知識”可以提高缺陷檢測的可靠性。

目前如何檢測？如果是通過機(jī)器視覺完成的，那么當(dāng)前系統(tǒng)的不足之處是什么？當(dāng)機(jī)器視覺取代人工檢測時，詢問檢測員他們?nèi)绾瓮瓿扇蝿?wù)并觀看他們的工作。例如，要檢測光滑塑料上的劃痕，檢測員可能會轉(zhuǎn)動零件直到劃痕“亮起”。

我們通過直觀地了解和通過培訓(xùn)了解這些缺陷的外觀來檢測表面缺陷。例如，劃痕通常表現(xiàn)為一系列筆直或逐漸彎曲的線段，這些線段我們利用“格式塔”功能下意識地連接到一條線中。對于機(jī)器視覺，這些功能須通過視覺算法來近似。

在艱巨的檢測任務(wù)上，人類檢測員的決定可能會不同意-是碰巧出現(xiàn)的劃痕還是只是一些亮點？這是警告，可能無法進(jìn)行可靠的缺陷檢測。如果缺陷很清楚并且構(gòu)成缺陷的要素得到了明確規(guī)定，那么機(jī)器視覺比人類視覺可以做出更一致的決策。

在表面缺陷檢測中，照明尤為重要，因為這些缺陷通常對比度很低，因此適當(dāng)?shù)恼彰骺梢苑糯?。對于提高平面高度的缺陷，請嘗試使用低角度照明來“照亮”凸起區(qū)域的邊緣。對于平坦的缺陷，或在曲面上查找缺陷時，請嘗試散射光。如您所知，照明有點像藝術(shù)。向您的照明供應(yīng)商或視覺集成商尋求幫助。

相機(jī)和鏡頭在裂痕或刮痕上的圖像須達(dá)到三個像素或更多。有時需要多個攝像頭或跨步零件才能以所需的分辨率檢測零件的整個表面。因為我們正在尋找小的缺陷，所以使零件表面保持清晰的焦點非常重要。當(dāng)零件表面彎曲時，這可能是一個挑戰(zhàn)。

陰影校正

有了清晰的零件和缺陷零件的清晰圖像，您就可以嘗試各種機(jī)器視覺算法。包含此類算法的軟件可以輕松嘗試不同的解決方案，并且對于檢測裂紋和劃痕非常有用。

如果刮擦或裂紋的強(qiáng)度遠(yuǎn)高于或低于零件的自然紋理，則檢測任務(wù)似乎很容易：應(yīng)用強(qiáng)度閾值以僅顯示刮擦或裂紋的像素，而這些像素的數(shù)量就是缺陷信號。

但是，超出閾值的像素值可能是由于照明不均勻，而不是劃痕或裂縫。陰影校正可消除照明的變化，從而改善裂紋和劃痕的檢測。陰影校正通常通過空間頻率濾波或通過將輸入圖像除以參考圖像來完成。

空間高通濾波器可放大高空間頻率的裂紋和劃痕，并消除由于照明強(qiáng)度變化而引起的低頻變化。該過濾器會破裂和刮擦檢測。不幸的是，它還會放大零件的表面紋理，從而產(chǎn)生嘈雜的圖像，可能使劃痕或裂紋檢測變得困難。

代替放大高空間頻率，我們可以減去低空間頻率。首先，通過平均每個像素周圍的像素強(qiáng)度，根據(jù)輸入圖像制作低通（模糊）圖像。這些局部平均值近似于緩慢變化的光強(qiáng)度。接下來，從輸入圖像中減去低通圖像，留下高空間頻率變化（劃痕和裂縫），而強(qiáng)度背景幾乎保持不變。

甲參考圖像是通過在時間上平均化的圖像的序列，而不代替一部分創(chuàng)建。參考圖像顯示照度分布。隨后的輸入圖像除以參考圖像，以消除照明的影響。由于圖像強(qiáng)度是照明度和零件的反射率或透射率的乘積，因此參考圖像的逐像素除法會抵消照明因子，僅留下零件的反射率或透射率。該方法通常用于顯微鏡檢測，但在生產(chǎn)線中較少使用。

黃金參考方法

大多數(shù)零件的反射率或透射率變化會掩蓋劃痕和裂紋。我們可以通過平均已知好零件的準(zhǔn)確對齊圖像（而不是空圖像）來擴(kuò)展參考圖像的概念，以產(chǎn)生黃金參考圖像。整體方差給出了零件上每個點的自然或可接受變化的估計值。

從輸入零件圖像中減去或分割該黃金參考，以消除照明變化和零件反射率或透射率變化。方差度量用于設(shè)置圖像中每個點的檢測閾值。當(dāng)零件強(qiáng)度結(jié)構(gòu)受到非常嚴(yán)格的控制時（例如，使用半導(dǎo)體），此方法效果很好。黃金參考圖像和零件輸入圖像還須在位置，旋轉(zhuǎn)和比例上準(zhǔn)確對齊。

匹配過濾器去除重復(fù)圖案

黃金參考方法有時可以刪除重復(fù)的零件圖案，例如網(wǎng)格或網(wǎng)格。但是，如果零件的結(jié)構(gòu)和反射率或透射率不受嚴(yán)格控制，則黃金方法會發(fā)出錯誤警報。在這些情況下，匹配的濾波器可能會產(chǎn)生更好的結(jié)果。

基本思想是構(gòu)建一個與零件重復(fù)圖案的空間頻率分量匹配的濾波器，然后應(yīng)用該濾波器濾除圖案，使表面缺陷大部分保持完好無損，從而優(yōu)化表面缺陷的信噪比。使用匹配濾鏡的優(yōu)點包括對濾鏡和輸入圖像之間的對齊不匹配具有一定的容忍度，并且通過歸一化可以對圖案強(qiáng)度變化具有容忍度。

使用快速傅立葉變換（FFT）將重復(fù)圖案的已知良好圖像轉(zhuǎn)換為空間頻率空間，以制成匹配濾波器。然后將FFT應(yīng)用于輸入的零件圖像?，F(xiàn)在，在空間頻域中，我們將輸入圖像除以匹配的濾波器，從而有效地去除了輸入圖像中與匹配的濾波器的頻率匹配的空間頻率。如果我們不在乎表面缺陷的位置和結(jié)構(gòu)，那么有時可以在空間頻域中檢測到缺陷。或者，我們使用逆FFT構(gòu)造沒有重復(fù)圖案結(jié)構(gòu)的空間強(qiáng)度圖像，并在空間域中進(jìn)行檢測。

如果缺陷中的空間頻率與濾波器中的空間頻率重疊，則缺陷將被部分擦除。如果有足夠的重疊，則濾波后的信號將不足以提供可靠的缺陷檢測。

結(jié)構(gòu)方法

即使使用上述方法，缺陷信號通常仍然太弱而無法可靠檢測。結(jié)構(gòu)方法使用缺陷結(jié)構(gòu)的先驗知識來改進(jìn)檢測。例如，劃痕在圖像中顯示為大約在一條線上的點。通過放大或累積沿線的點，我們可以提高此類缺陷的檢測可靠性。這是許多結(jié)構(gòu)方法中的兩種。

數(shù)學(xué)形態(tài)學(xué)可以修改并檢測圖像中的形狀（形態(tài)）。該侵蝕操作“剝離”從明亮的物體邊緣像素。擴(kuò)散操作將像素添加到明亮的對象。假設(shè)劃痕比其上的物體亮，并且我們知道劃痕的大致方向。然后，使用方向性擴(kuò)展，我們可以擴(kuò)展并“填充”草稿中的點，以便它們接觸。然后，方向腐蝕可以選擇“使”結(jié)果線“變細(xì)”，以減少“變色”的噪聲像素。假設(shè)您事先了解一些缺陷結(jié)構(gòu)，則可以使用許多其他形態(tài)運(yùn)算符來改進(jìn)缺陷檢測。

在變換中，高于閾值的每個像素都會對其進(jìn)行投票以對所有可能的行進(jìn)行投票。具有足夠投票數(shù)（高于閾值）的可能線條表示圖像中的劃痕或裂縫像素線。盈泰德方法能夠檢測非常弱的線信號，因為它們整合了許多像素上的線的證據(jù)。它們在某些情況下效果很好，但通常設(shè)置緩慢或太難。

每一個新的表面缺陷都是一個挑戰(zhàn)，但是憑借經(jīng)驗和正確的工具，這是可以解決的。如果您在這方面有需求，我們十分歡迎您咨詢！