钢板表面缺陷感兴趣区域检测算法
图像预处理作为缺陷图像检测的关键环节，对缺陷分割和识别的精度产生重要影响。图像预处理包括：原始钢板图像感兴趣区域（Region of Interest，ROI）检测、图像去噪和图像增强。原始图像ROI检测的目的是迅速找出存在缺陷的钢板图像；图像去噪是为了减少噪声对处理结果的影响；图像增强的目的是提高背景与前景的对比度。本文根据实际生产需要，分析了钢板图像自身特点，构造出原始钢板图像ROI检测算法和缺陷图像不均匀光照矫正和增强算法，实现钢板缺陷图像的预处理。本文实验均在WIN7X64操作系统、Matlab2016a运行，CPU为Inter Core i5-3230 2.60GHz、内存为DDR 3 1866 8.0GB。
2.1基于梯度的钢板表面图像ROI检测算法
钢板图像ROI检测的目的是通过前端初步的分析减少后端图像处理的压力。采集到的钢板表面图像只有少部分存在缺陷，如果对这些图像全部进行处理，不仅占用大量内存空间而且会影响系统整体检测效率，因此本文给出了基于梯度的原始钢板图像ROI检测算法，剔除非缺陷图像。
2.1.1 ROI检测算法
在生产过程中，钢板运行速率一般保持在1.5m/s，数据率约192Mbps，因此要求ROI算法快速高效。算法满足上述要求的同时还要尽量降低错检率和漏检率。因此本文根据第三方提供的缺陷样本，构造了以下算法；
步骤1：采用Sobel算子对图像进行边缘检测。
步骤2；将梯度图像进行分块处理，分块数量为。
步骤3；依次统计每个子图像的方差，并对个方差值由大到小进行排序。
步骤4；取前Ｗ个方差求和并取均值，记为ave。
步骤5；将均值ave与阈值T进行比较，如果ave＞T，则表明存在缺陷，需要进行下一步处理；否则，表明该钢板图像无缺陷存在，将其丢弃，重新读入钢板图像。
流程图如图2.1所示：

图2.1 ROI检测算法流程图
钢板图像在采集过程中会受到噪声的影响，图像梯度和噪声区别明显，噪声点相对独立，图像梯度相对连续，因此采用梯度分析法可以有效避免噪声影响。在钢板图像中，缺陷所占比例较小，因此对梯度图像进行分块处理可突出缺陷所占比重。钢板图像纹理信息丰富，简单的对梯度图像进行阈值分割会提高错检率，钢板图像背景特征具有一致性，利用本文算法对局部梯度图像计算统计值可消除纹理影响。梯度在数字图像中定义为差分操作，采用梯度方法受环境影响较小并具有较强的鲁棒性。
2.1.2 实验结果分析
该实验样本中包括针孔、夹杂、擦伤、划痕、锟印等缺陷种类，另外包括无缺陷标准钢板图像验证该算法的有效性。实验中图像分块数量为64块，即；由观察和分析发现，每种缺陷所占面积一般不超过钢板图像面积的20％，故m＝12；阀值T是利用上述算法对无缺陷图像求取ave值得到。图2.2、2.3为分别为缺陷图像示例、ROI缺陷图像检测示例。


图2.2 缺陷图像示例

图2.3 ROI缺陷检测图像示例

欢迎使用Markdown编辑器

你好！这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全新的界面设计 ，将会带来全新的写作体验；
在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
全新的 KaTeX数学公式 语法；
增加了支持甘特图的mermaid语法¹ 功能；
增加了 多屏幕编辑 Markdown文章功能；
增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

项目
- 项目
  - 项目

项目1
项目2
项目3

计划任务
完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	`'Isn't this fun?'`	‘Isn’t this fun?’
Quotes	`"Isn't this fun?"`	“Isn’t this fun?”
Dashes	`-- is en-dash, --- is em-dash`	– is en-dash, — is em-dash

创建一个自定义列表

Markdown: Text-to-HTML conversion tool
Authors: John; Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ(n)=(n−1)!∀n∈N\Gamma(n) = (n-1)!\quad\forall n\in\mathbb NΓ(n)=(n−1)!∀n∈N 是通过欧拉积分

Γ(z)=∫0∞tz−1e−tdt .\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

Mon 06Mon 13Mon 20已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid

关于 甘特图 语法，参考这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：:

张三李四王五你好！李四, 最近怎么样?你最近怎么样，王五？我很好，谢谢!我很好，谢谢!李四想了很长时间,文字太长了不适合放在一行.打量着王五...很好... 王五, 你怎么样?张三李四王五

这将产生一个流程图。:

链接

长方形

圆

圆角长方形

菱形

关于 Mermaid 语法，参考这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

Created with Raphaël 2.2.0开始我的操作确认？结束yesno

关于 Flowchart流程图 语法，参考这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件或者.html文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

mermaid语法说明 ↩︎
注脚的解释 ↩︎

钢板表面缺陷感兴趣区域检测算法相关推荐

OpenCV-视频流动态特征感兴趣区域检测--模板匹配(MatchingMethod)
目的:在这里,我们做一个模拟智能手机在拍照时候追踪笔筒的一个模型目录 1.主程序段如下: 2.模板匹配MatchingMethod的回调函数如下: 追踪的对象如下图所示,是一个红色笔筒 --01. ...
微帧ROI视频智能编码：基于人眼感兴趣区域，实现极致观感体验
"The world is too much with us". 为了更好地认识这个纷繁复杂的世界,人类进化出了一套独特的视觉系统--中央凹成像系统,即当我们看东西时,眼睛聚焦的地 ...
基于python的移动物体检测_感兴趣区域的移动物体检测，框出移动物体的轮廓 (固定摄像头, opencv-python)...
感兴趣区域.特定区域.框出移动物体的轮廓.越界检测.入侵物体检测.使用 opencv-python库的函数cv2.findContours.cv2.approxPolyDP.cv2.arcLength ...
算法应用一：【指纹识别】+【图像分割】一种面向“感兴趣区域”的指纹图像分割算法
请使用任何图像处理方法和编程语言,从图的背景中分割出感兴趣区域的指纹区域. 解释为什么你选择使用这种方法.(请注意,将提供jpg图像作为输入.) I=imread('1.jpg'); f=rgb2gr ...
OpenCV中感兴趣区域的选取与检测(一)
1.感兴趣区域的选取感兴趣区域(Region of Interest, ROI)的选取,一般有两种情形:1)已知ROI在图像中的位置:2)ROI在图像中的位置未知. 1)第一种情形很简单,根据RO ...
活动作品计算机视觉课程第七讲-带你简单快速学习2021年春晚背后刘德华与背景分离切换到另一场景视觉算法（中集）：OpenCV4图像分割提取图像任意感兴趣区域
计算机视觉课程第七讲-带你简单快速学习2021年春晚背后刘德华与背景分离切换到另一场景视觉算法(中集):OpenCV4图像分割提取图像任意感兴趣区域本专栏将会带大家学习 <计算机视觉与图形学& ...
使用 OpenCV 和 Tesseract 对图像中的感兴趣区域 (ROI) 进行 OCR
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在这篇文章中,我们将使用 OpenCV 在图像的选定区域上应用 O ...
乳腺肿瘤超声图像感兴趣区域的自动识别综述
1. 研究背景与意义乳腺恶性肿瘤是女性最常见的恶性肿瘤之一,其死亡率已经超过宫颈癌死亡率,位居癌症死亡率的前五名 [d1]. 美国癌症协会的调查报告 [d2] 显示2008年全球新发乳腺癌病例达1 ...
提取图像感兴趣区域_从图像中提取感兴趣区域
提取图像感兴趣区域 Welcome to the second post in this series where we talk about extracting regions of intere ...

钢板表面缺陷感兴趣区域检测算法