彩色帶花紋瓷磚缺陷檢測的算法研究

劉利 于正林

摘 ?要： 針對彩色帶花紋瓷磚色差缺陷人工檢測效率低，而且穩定性差的問題，提出一種對彩色帶花紋的瓷磚色差檢測算法。文中的研究對象是靜止擺放的彩色帶花紋瓷磚，對其進行了多次實驗。首先對采集到的瓷磚圖像進行色彩空間轉換，對轉換后圖像的[V]分量進行中值濾波處理，接著對濾波后的[V]分量圖像進行二值化處理，然后對處理后的瓷磚樣本圖像進行灰度直方圖分割，選擇最合適的閾值將彩色帶花紋瓷磚從背景圖像里分割出來，最后再對分割出來的瓷磚進行分析。經過多次實驗可知，該方法對處理彩色帶花紋瓷磚色差缺陷效果顯著。

關鍵詞： 彩色瓷磚; 色差檢測; 缺陷檢測; 色彩空間轉換; 圖像分割; 中值濾波

中圖分類號： TN911.1?34 ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）19?0032?05

Abstract： In order to solve the problems of low efficiency and poor stability for detecting the chromatic aberration defects on the color patterned ceramic tile， a color difference detection algorithm for the color patterned ceramic tiles is proposed. The research object of this paper is the statically?placed color patterned ceramic tiles， and the related experiments for the ceramic tiles have been carried out. In the algorithm， the color space conversion is performed for the acquired ceramic tile image， the median filtering processing is conducted for the [V] component of the converted image， the binarization processing is accomplished for the filtered [V] component image， and then the gray histogram segmentation of the processed tile sample image is performed to select the most suitable threshold value to segment the color patterned ceramic tile from the background image. The segmented tile is analyzed. The conclusion got in the experiments shows this method has a remarkable effect on the processing for the color difference defects of the colored ceramic tiles with patterns.

Keywords： colored ceramic tile; color difference detection; colour space conversion; image segmentation; median filtering

0 ?引 ?言

瓷磚作為一種重要的地面、墻面裝飾材料[1]，在現在的日常生活中得到了非常廣泛的應用。到現階段，國產的各類瓷磚在生產過程中或多或少會出現各種各樣的缺陷，主要涉及到表面的裂縫、劃傷痕跡、孔洞問題以及多余的毛刺等，這對于最后生產出的產品的美觀性、完整性，特別是瓷磚的安全性能會有不良的影響，產品的質量在一定程度上也很難得到認可。從這個程度上來說，對生產的瓷磚進行必要的表面質量檢測具有非常重要的意義。

如今，隨著工業生產過程的競爭日益激烈，瓷磚的表面質量也成為一項重要競爭指標。毫無疑問對其進行相應的質量檢測是必不可少的，主要的檢測方法有人工、機械、射線以及機器視覺檢測。其中，人工檢測的缺點非常明顯，因為其需要很大的勞動強度，而且檢測效率低，檢測結果不理想;機械檢測作為一種接觸式的檢測，往往需要對檢測器械與被檢測物體進行相對位置的調節，因此這種方法的檢測效率也不高;效果比較理想的是射線檢測，這種方法可以實現較好的分辨率，但其相對復雜的結構往往會增加造價。因此，為了適應我國國情，研究一種彩色帶花紋的瓷磚算法具有重要的現實意義。將計算機的很多優點與數字圖像處理技術相結合進行視覺檢測，這樣可以大大提高檢測的效率，目前在發達國家它的應用很廣泛，但在中國，它的應用尚處于發展階段。

根據圖5可知，在此算法下彩色瓷磚無論怎樣擺放處理后的[V]通道的二值圖像沒有變化;根據圖6，圖7可知此算法可以準確地將彩色帶花紋瓷磚的裂痕、刮痕等檢測出來，而且帶裂痕的彩色瓷磚原圖和帶刮痕的彩色瓷磚原圖與所得到的相應二值圖像的效果吻合程度良好。

3 ?結 ?論

本文提出一種彩色瓷磚表面缺陷檢測算法：通過CCD相機對彩色瓷磚圖像采集、處理及對彩色瓷磚[V]通道的二值圖像分析，實現了對彩色瓷磚表面缺陷的檢測。

系統工作在HSV顏色空間，對彩色瓷磚表面缺陷檢測實驗表明：系統可以有效地對彩色帶花紋瓷磚進行裂痕、刮痕等的檢測，而且效果吻合程度良好;算法在計算效率方面具有較好優勢;照明條件等環境因素對檢測結果具有較大的影響，一個較好的實驗環境對本實驗有很大的幫助。本實驗的缺點是在瓷磚靜止的環境下進行拍攝檢測的，下一步會進行在線檢測的研究。

參考文獻

[1] 晁云，曹利鋼.基于機器視覺的陶瓷磚表面缺陷快速檢測方法的研究[J].制造業自動化，2013（17）：18?20.

CHAO Yun， CAO Ligang. Fast detection research of surface defect of ceramic tiles based on machine vision [J]. Manufacturing automation， 2013（17）： 18?20.

[2] 王鋒，周仁魁，楊小許，等.CCD攝像機圖像中心兩種標定方法的應用研究[J].光子學報，2006，35（2）：294?298.

WANG Feng， ZHOU Renkui， YANG Xiaoxu， et al. Applications of two types of calibration method to ccd camera′s image center measurement [J]. Acta photonica sinica， 2006， 35（2）： 294?298.

[3] PENG T，YONGHUI H E.Adaptive illumination light source for online machine vision inspection of tin steel strips [J].Baosteel technical research， 2013， 7（4）： 25?28.

[4] 劉思峰，謝乃明.灰色系統理論及其應用[M].6版.北京：科學出版社，2013.

LIU Sifeng， XIE Naiming. Grey system theory and its application [M]. 6th ed. Beijing： Science Press， 2013.

[5] 應玉龍，項明.局部相位量化特征的織物瑕疵檢測算法[J].西安工程大學學報，2015，29（5）：541?545.

YING Yulong， XIANG Ming. Fabric defect detection algorithm based on local phase quantization [J]. Journal of Xian Polytechnic University， 2015， 29（5）： 541?545.

[6] 胡坤.工件表面劃痕和豎條紋缺陷檢測算法研究[D].長沙：中南大學，2013.

HU Kun. Algorithm research on workpiece surface scratch and stripe defect inspection [D]. Changsha： Central South University，2013.

[7] PARKER J R.圖像處理與計算機視覺算法及應用[M].2版.北京：清華大學出版社，2012.

PARKER J R. Algorithms for image processing and computer vision [M]. 2nd ed. Beijing： Tsinghua University Press， 2012.

[8] KARIMI M H，ASEMANI D.Surface defect detection in tiling Industries using digital image processing methods： Analysis and evaluation [J].ISA transactions， 2014， 53（3）： 8?34.

[9] 戴衛軍.基于機器視覺的蜂窩陶瓷側面缺陷檢測算法研究[J].陶瓷學報，2014（3）：291?295.

DAI Weijun. Side defects detection algorithm for honeycomb ceramics based on machine vision [J]. Journal of ceramics， 2014（3）： 291?295.

[10] OBA R， POSSAMAI T S， NICOLAU V P. Thermal analysis of a tunnel kiln used to produce roof tiles [J]. Applied thermal engineering， 2014， 63（1）： 59?65.