螺纹钢表面缺陷检测算法研究.pdf

A Dissertation Submitted in Partial Fulfillment of the Requirements
for the Degree of Master in Engineering
Detection algorithm research on the surface
defects of the rebar
Master Candidate： Lai Yu
Major： Mechanical Engineering
Supervisor ： Prof. Jianyi Kong
Wuhan University of Science and Technology
Wuhan, Hubei 430081,
May,18,2015
摘要
本文针对螺纹钢表面复杂的外观特征，基于机器视觉的理论技术研究，对螺
纹钢表面缺陷进行检测研究，具体通过 与 VC++ 的编程工具的结合
使用，实现了复杂背景下的螺纹钢表面检测算法研究。对螺纹钢正面和侧面图像
的联合处理，研究了螺纹钢表面缺陷的处理方法的效果，设计了基于投影重心的
亚像素边界定位方法，为螺纹钢在线检测提供了参考依据。
本文研究的主要工作如下：
（1）针对螺纹钢中常见噪声的类型，研究了常用的平滑去噪的处理方法，通
过各种算法处理的实验效果的对比研究，最终确定选择处理速度快、处理效果较
好的中值滤波的平滑方法来抑制螺纹钢图像包含的噪声。
（2）针对螺纹钢的尺寸计算的要求，分别对螺纹钢正面图像和侧面图像制定
不同的图像处理流程。对螺纹钢侧面图像进行特征分析，制定了图像处理流程。
根据处理流程，分析了螺纹钢侧面图像二值化分割的算法，通过处理效果对比，
选择大津法（OTSU 法）作为螺纹钢侧面图像的二值化分割算法；再利用边缘算子
对于边缘的提取，选择 Canny 边缘算子进行边缘提取；在获得螺纹钢侧面图像边
缘后，利用基于投影重心的亚像素边界定位方法对螺纹钢侧面图像的尺寸进行分
析与计算，得出螺纹钢图像的横肋高和螺纹钢内径尺寸。
（3）对螺纹钢正面图像进行特征分析，制定了图像处理流程。根据处理流程，
分析了螺纹钢边缘提取的算法，通过边缘算子对于边缘的提取效果，选择 Canny
边缘算子作为边缘提取算子；在获得螺纹钢侧面图像边缘后，利用边缘轮廓跟踪
算法对螺纹钢侧面图像的尺寸进行分析与计算，最终得出结果。
（4）对螺纹钢典型的表面质量缺陷特征进行模式识别，利用决策树的分类方
法进行分类。实验结果证明，该方法具有较高的正确率。
关键词：机器视觉；螺纹钢；亚像素；边缘轮廓跟踪；决策树
I
Abstract
The appearance of the rebar surface complex characteristics, the author of this
paper, based on the theory of machine vision technology research, the test study on the
appearance quality of the rebar and concrete by combined with vc + +
programming tools, realized the complex background of the appearance quality of the
rebar detection algorithm research. Joint of rebar front and side image processing, the
appearance quality of the rebar is studied, the effect of the processing method designed
th