彩色带花纹瓷砖缺陷检测的算法研究

刘利 于正林

摘  要： 针对彩色带花纹瓷砖色差缺陷人工检测效率低，而且稳定性差的问题，提出一种对彩色带花纹的瓷砖色差检测算法。文中的研究对象是静止摆放的彩色带花纹瓷砖，对其进行了多次实验。首先对采集到的瓷砖图像进行色彩空间转换，对转换后图像的[V]分量进行中值滤波处理，接着对滤波后的[V]分量图像进行二值化处理，然后对处理后的瓷砖样本图像进行灰度直方图分割，选择最合适的阈值将彩色带花纹瓷砖从背景图像里分割出来，最后再对分割出来的瓷砖进行分析。经过多次实验可知，该方法对处理彩色带花纹瓷砖色差缺陷效果显著。

关键词： 彩色瓷砖; 色差检测; 缺陷检测; 色彩空间转换; 图像分割; 中值滤波

中图分类号： TN911.1?34                        文献标识码： A                         文章编号： 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

瓷砖作为一种重要的地面、墙面装饰材料[1]，在现在的日常生活中得到了非常广泛的应用。到现阶段，国产的各类瓷砖在生产过程中或多或少会出现各种各样的缺陷，主要涉及到表面的裂缝、划伤痕迹、孔洞问题以及多余的毛刺等，这对于最后生产出的产品的美观性、完整性，特别是瓷砖的安全性能会有不良的影响，产品的质量在一定程度上也很难得到认可。從这个程度上来说，对生产的瓷砖进行必要的表面质量检测具有非常重要的意义。

如今，随着工业生产过程的竞争日益激烈，瓷砖的表面质量也成为一项重要竞争指标。毫无疑问对其进行相应的质量检测是必不可少的，主要的检测方法有人工、机械、射线以及机器视觉检测。其中，人工检测的缺点非常明显，因为其需要很大的劳动强度，而且检测效率低，检测结果不理想;机械检测作为一种接触式的检测，往往需要对检测器械与被检测物体进行相对位置的调节，因此这种方法的检测效率也不高;效果比较理想的是射线检测，这种方法可以实现较好的分辨率，但其相对复杂的结构往往会增加造价。因此，为了适应我国国情，研究一种彩色带花纹的瓷砖算法具有重要的现实意义。将计算机的很多优点与数字图像处理技术相结合进行视觉检测，这样可以大大提高检测的效率，目前在发达国家它的应用很广泛，但在中国，它的应用尚处于发展阶段。

根据图5可知，在此算法下彩色瓷砖无论怎样摆放处理后的[V]通道的二值图像没有变化;根据图6，图7可知此算法可以准确地将彩色带花纹瓷砖的裂痕、刮痕等检测出来，而且带裂痕的彩色瓷砖原图和带刮痕的彩色瓷砖原图与所得到的相应二值图像的效果吻合程度良好。

3  结  论

本文提出一种彩色瓷砖表面缺陷检测算法：通过CCD相机对彩色瓷砖图像采集、处理及对彩色瓷砖[V]通道的二值图像分析，实现了对彩色瓷砖表面缺陷的检测。

系统工作在HSV颜色空间，对彩色瓷砖表面缺陷检测实验表明：系统可以有效地对彩色带花纹瓷砖进行裂痕、刮痕等的检测，而且效果吻合程度良好;算法在计算效率方面具有较好优势;照明条件等环境因素对检测结果具有较大的影响，一个较好的实验环境对本实验有很大的帮助。本实验的缺点是在瓷砖静止的环境下进行拍摄检测的，下一步会进行在线检测的研究。

参考文献

[1] 晁云，曹利钢.基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究[J].制造业自动化，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] 王锋，周仁魁，杨小许，等.CCD摄像机图像中心两种标定方法的应用研究[J].光子学报，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] 刘思峰，谢乃明.灰色系统理论及其应用[M].6版.北京：科学出版社，2013.

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

[5] 应玉龙，项明.局部相位量化特征的织物瑕疵检测算法[J].西安工程大学学报，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.工件表面划痕和竖条纹缺陷检测算法研究[D].长沙：中南大学，2013.

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

[7] PARKER J R.图像处理与计算机视觉算法及应用[M].2版.北京：清华大学出版社，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] 戴卫军.基于机器视觉的蜂窝陶瓷侧面缺陷检测算法研究[J].陶瓷学报，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.