钢铁表面缺陷检测

勿喷，感觉自己写的老菜了，都是参考别人写的论文搞的。

4月末的某一天，老师打电话问我对一个比赛有没有兴趣。关于工业质量钢板质量检测的，当时对图像处理很感兴趣就答应了，虽然自己着实很菜但是还是答应了，于是就去做。其实自己也没有啥思路，自己去找了找网上相关的论文。其中有一篇挺好的。照着里面的思路慢慢去做。发现识别出来的效果还行。

主要方法：

1对图片进行top-hat变换：

Top-hat 去光照不均图像增强方法 数学形态学是在集合的层次上来描述和分析图像，着重研究图像的几何结构。
腐蚀和膨胀是形态学的两种最基本的运算，从数学角度来说，就是将图像与结构元素进行卷积。常见的数学形态学有二值形态学和灰度形态学。灰度形态学就是直接对灰度图像进行形态操作，二值形态学是对二值化的图像进行形态操作。形
态学运算在图像处理领域常被用来进行图像分割，特征提取，有的文献也介绍了用形态学运算对图像进行滤波处理，而且效果很好。二值形态学是在集合理论的基础上定义的。二值形态学最基本的运算腐蚀和膨胀。膨胀和腐蚀是相反的一对操作，膨胀就是求局部最大值的操作，腐蚀就是求局部最小值的操作。这里需要先介绍结构元素的概念。结构元素也被称为核元素，是进行形态学运算的模板。在腐蚀或者膨胀的时候，通过结构元素在图像区域按约定的规则进行运算，然后将变换结果输出，最后就得到形态运算后的结果。常见的结构元素是扁平型的，即结构元素高度为 0，也有非扁平型结构元素。结构元素的形状也有很多种，比如矩形的，十字交叉形的，菱形的，圆形的和椭圆形的。在选择结构元素时，需要
根据具体的目的来选择。结构元素一个重要的参考点，也称为锚点，决定了对图像进行形态操作时，以哪一个点为基准点。结构元素的大小也对最后的形态运算结果有很大影响。比如 3×3 的和 5×5 的结构元素。在进行形态学操作时，较大
的结构元素可以获得更好的处理效果，但是通常会耗时很多，相反，较小的结构元素处理起来会很快，但是处理效果欠佳。实际运用中需要通过一定的实验来确定灰度图像的腐蚀和膨胀过程可通过灰度图像和结构元素的二元函数关系计算出
来。Top-hat 则是灰度图像与灰度腐蚀、膨胀相结合的一种复合运算。设 F(x, y) 表示输入图像的二元函数，S(x, y) 为结构元素，SD 表示结构元素的定义域，则 S 对F 的腐蚀（ FS ）和膨胀（ F S ）运算定义如下：

另外，灰度图像的开运算、闭运算是灰度腐蚀、膨胀相结合的复合运算，定义如下，

灰度图像的开运算是结构元素对灰度图像先腐蚀再膨胀，该运算常可用来去除灰度图像中相对于结构元素较小的高灰度区域，而对较大的亮区域则不做响应；灰度图像闭运算即结构元素对灰度图像先膨胀再腐蚀。基于上述灰度图像的一些
基本运算，Top-hat 变换定义为

从上式中可知，Top-hat 的基本原理是先通过结构元素 S 对图像 F 进行开运算，以此提取出图像背景区域的灰度图像，然后将原图像与开运算的结果作差后得到Top-hat 运算的结果。因为开运算带来的结果是放大了局部低亮度的区域，因此，
从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域。

采用 Top-hat 变换后的图像使光照不均图像得到了适当的灰度校正，有效地改善了缺陷图像的质量，便于后续图像处理。

2：图像滤波：

带钢图像采集、传输阶段以及现场环境中的某些干扰因素（如粉尘、水雾）等都会给采集到的图像带来一定程度的噪声因此采集到的图像需进行滤波处理。图像滤波根据操作空间的不同分为空域滤波和频域滤波。空域滤波是在图像所在像素空间进行的。频域滤波是把图像看成二维信号，在频域进行操作。

1：均值滤波：

均值滤波是一种领域增强算法，即用一个窗口在图像上滑动，然后求出该窗口覆盖区域内各个像素的灰度平均值，最后窗口中心位置的灰度值用图像区域的各个像素的均值来代替，常用的滤波窗口有 33、55，根据实际要处理的图像的要求选择不同的窗口模板。均值滤波用公式表示为：
$g(x,y) = \frac{1}{m}\sum{f(k,l)}$g(x,y)=m1​∑f(k,l)
g(x,y)为处理后的像素的灰度值， f(k,l) 为处理前模板内像素的灰度值，m为模板中包含当前像素在内的像素总个数。均值滤波不能很好的保护图像的细节，其在平滑消除噪声的同时将会使图像变得模糊，从而将严重改变缺陷区域的边缘灰度值，因此均值滤波往往应用在对图像处理要求不高的场合。

2中值滤波：

中值滤波是一种基于排序统计理论的有效抑制噪声的非线性滤波方法，具体操作过程是采用一个滑动窗口在图像上依次滑动，将窗口内各点的灰度值按大小顺序排列，用平滑模板邻域内各点的中值来代替模板中心像素点的灰度值用公式表示如下：

中值滤波在一定条件下能有效过滤掉脉冲噪声，但不适合细节太多的图像.

3 双边滤波：

双边滤波是一种非线性滤波方法。该滤波方法考虑空域信息和灰度相似性，达到保边缘和去噪的目的。在双边滤波器中，输出像素的值依赖于邻域像素值的加权值组合，公式如下：

而加权系数 lkjiw),( 取决于定义域核和值域核的乘积。两者相乘后，就会生产依赖于数据的双边滤波权重函数，如下所示

：

3对缺陷进行分割：

4.1 边缘检测

边缘检测是提取图像中灰度变化明显的部分，并据此确定缺陷区域的位置边缘检测首先检测出图像局部特征的不连续性，然后进行边缘连接，并通过封闭的边界实现缺陷区域的分割。 常用的边缘检测算子如 Sobel 算子、Roberts 算子、Prewitt 算子等。 等到有时间在写下，啥时候自己也能成为超级大佬。