(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210437696.9 (22)申请日 2022.04.25 (65)同一申请的已公布的文献号 申请公布号 CN 114549525 A (43)申请公布日 2022.05.27 (73)专利权人 海门裕隆光电科技有限公司 地址 226000 江苏省南 通市海门市三厂街 道中华东路2号 (72)发明人 余彤　刘凌佳　江稳楹　张永敏　 (74)专利代理 机构 杭州聚邦知识产权代理有限 公司 33269 专利代理师 周美锋 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01)G06T 7/90(2017.01) G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 3/40(2006.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) 审查员 徐晓艳 (54)发明名称 一种基于改进canny算法的工业图像检测方 法 (57)摘要 本发明涉及一种基于改进canny算法的工业 图像检测方法， 通过将图像中的每个点转换为 RGB三维空间中的向量， 计算向量之间的向量相 似度和欧式距离， 根据向量之间的相似度和欧式 距离建立坐标系， 对向量进行聚类得到不同类别 的图像， 获取每类图像与原图像的差图， 对差图 进行插值补全， 计算出补全后的差图的色彩不连 续性和纹理不连续性， 综合得到补全后的差图的 不连续性， 根据不连续性最小的差图得到噪声图 像和噪声概率图， 将噪声概率图中超 过阈值的概 率值对应的像素点进行密度聚类， 根据密度分布 设置不同尺 寸的高斯核进行滤波， 对图像检测中 的高斯滤波进行改进， 使高斯滤波在去噪的同时 尽量多保留图像边缘信息， 得到更优的边缘检测 结果。 权利要求书3页 说明书11页 附图4页 CN 114549525 B 2022.08.16 CN 114549525 B 1.一种基于改进can ny算法的工业图像 检测方法， 其特 征在于， 包括： 将图像中的每个像素点转换为RGB三维空间中的向量， 根据向量之间的向量相似度进 行聚类得到不同类别的图像； 获取每类图像与原图像的差 图， 对每个差 图进行插值补全， 并将补全后的差 图转换到 HSV颜色空间， 对HSV颜色空间中的H通道图像中的像素点进行k ‑means聚类， 计算出聚类区 域中每个像素点的色彩不连续性， 将所有像素点的色彩不连续性均值作为该补 全后的差图 的色彩不连续 性； 将每个补全后的差图中每个像素点与其不同方向上的相邻像素点组成点对， 统计每个 补全后的差图中的点对在不同尺寸的滑动窗口中出现的次数得到不同的灰度共生矩阵， 将 灰度共生矩阵均值作为该补全后的差图的纹 理不连续 性； 根据每个补全后的差图的色彩不连续性和纹理不连续性得到每个补全后的差图的不 连续性； 将所有补全后的差图中不连续性最小的补全后的差图对应的类别图像作为噪声图像， 计算出噪声图像中每 个像素的噪声概 率得到噪声概 率图； 对噪声概率图中超过概率阈值的像素点进行密度聚类， 对聚类区域进行等级划分， 根 据区域等级设置不同尺寸的高斯核 进行滤波。 2.根据权利要求1所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述向量相似度的计算方法为： 式中， 为向量相似度， 和 表示不同的向量， 表示 的长度， 表示 的长度， ， 。 3.根据权利要求1所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述对差图进行插值补全步骤如下： 将差图中像素值为0的像素点o周围八邻域中水平方向、 垂直方向作为第一优先级， 左 上和右下 连线方向、 左下和右上 连线方向作为第二优先级； 若优先级相同， 则 选择不同方向中， 像素相差较小的方向为插值方向， 并将该方向上较 小的像素值补到o 点， 完成插值补全。 4.根据权利要求1所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述补全后的差图的不连续 性计算方法为： 式中， 为补全后的差图的不连续性， 为补全后的差图的色彩不连续性， 为补全后 的差图的纹 理不连续 性， 为色彩不连续 性的权重， 为纹理不连续 性的权重。 5.根据权利要求4所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述补全后的差图的色彩不连续 性的获取步骤为： 将k‑means聚类区域 内的像素点转换为树结构， 将左子树作为连续节点的集合， 右子树 作为不连续节点的集 合， 得到不连续节点的数量 和位置分布情况； 则该区域 不连续概率系数 的计算公式为：权　利　要　求　书 1/3 页 2 CN 114549525 B 2式中， 为该聚类区域内对应的树结构中的不连续节点的数量， 为该聚类区域内对 应的树结构中的节点总数； 则该区域内每 个像素的不连续 性 计算公式为： 式中， 为每个像素的八邻域在树结构中的不连续节点的数量； 则每个像素的色彩不连续 性的计算方法为： 式中， 为每个像素的色彩不连续 性； 则补全后的差图的色彩不连续 性 的计算方法为： 式中， ， 为补全后的差图中像素个数。 6.根据权利要求5所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述将k‑means聚类区域内的像素点 转换为树结构的方法为： 以每个聚类 中心点为中心， 作为树结构的根节点， 左子树为连续子树， 右子树为不连续 子树， 以左上角的邻域像素为起始像素逆时针搜索八邻域像素值， 并按照像素值从小到大 排序， 得到节点序列； 判断节点序列中每个像素是否为突变点， 若是突变点， 则将突变点归为不连续子树的 节点， 若不是突变点， 则将归为连续子树的节点； 分别以根节点的八邻域像素为中心， 先以根节点的左上角邻域像素为中心， 开始逆时 针搜索八邻域像素值， 去除之前已经搜索到的像素， 得到像素值节 点序列， 并按照像素值从 小到大进行排序； 判断序列中每个像素是否为突变点， 若是突变点， 加入不连续子树的节点中， 否则， 归 为连续子树中该像素点的子节点； 将突变点添加为不连续子树的节点时， 若此时不连续子树有多个节点， 则计算该突变 点与不连续子树中每个节点对应像素点之 间的距离， 将突变点添加为与其距离最近的节点 的子节点； 重复上述添加过程， 将该聚类区域中全部像素点添加到树结构中。 7.根据权利要求6所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述判断像素点是否为 突变点的步骤如下： 设序列中每 个数据为 ,第1,2个数据为 , 不作处理， 直接当做非突变点； 当 ≥3时， 得到实际序列 ， 设虚拟序列为 ； 计算实际序列与虚拟序列的余 弦相似度， 若余 弦相似度大于0.8， 则 不是突变点， 否则 是突变点。 8.根据权利要求4所述的一种基于改进canny算法的工业图像检测方法， 其特征在于， 所述补全后的差图的纹 理不连续 性的获取 方法为：权　利　要　求　书 2/3 页 3 CN 114549525 B 3