基于机器视觉的零件缺陷检测

基于机器视觉的零件缺陷检测，主要是对热轧钢缺陷的检测。

%%%与inspectionoflwb相比，将检测程序集成到一块了，并与2相比，缩减了检测区域，确定了矩形小区域。
%%%%先判断长条形异常点，如果有，累加个数，如果超过某数，则有缺陷，否则，判断该点周围有无凹坑缺陷的可能（周围异常点个数多于某个数目）
%%%单个图像检测程序
%%%优化还在进行中……
%%%比6对裁剪图像左右进行了扩展，只是演示了效果，没有考虑优化和时间 啊啊
%%%%对最顶行和最低行8行进行了处理啊啊啊
function [caijianxxx3x4]=inspection10oflwb（imagethrethre2）

%image=double（image）;

[mn]=size（image）;

tic;
%x（1:m1:n）=0;%x（1:m1:n）=255;%%%%注意此处不能是x=255；这样只是使第一个元素为255了啊啊啊啊
x=zeros（mn）;

%temp1（1:m）=0;%%%%第一个点的位置
%temp2（1:m）=0;%%%%第二个点的位置
%dis（1:m）=0;%%%%两个点之间的距离
temp1=zeros（1m）;
temp2=zeros（1m）;
%dis=zeros（1m）;


%meanofcolumn1=0;
%meanofcolumn2=0;
%temp（2）=0;

tic;
%%%查找第一个点
for kk=4:n-3  %%%（注意：这儿从4开始，意味着后面程序几个地方也从4开始，如35行for循环）
%if（（abs（image（1kk-1）-image（1kk+1））>50）&&（abs（image（1kk-1）+image（1kk-2）+image（1kk-3）-image（1kk+1）-image（1kk+2）-image（1kk+3））>150）&&（abs（image（1kk-1）+image（1kk-2）-image（1kk+1）-image（1kk+2））>100））
if（（（image（1kk+1）-image（1kk-1））>thre）&&（（image（1kk+1）+image（1kk+2）+image（1kk+3）-image（1kk-1）-image（1kk-2）-image（1kk-3））>（3*thre））&&（（image（1kk+1）+image（1kk+2）-image（1kk-1）-image（1kk-2））>（2*thre）））
temp1（1）=kk;
break;
end
end

%x（1kk）=0;

%%%查找第二个点inspection10oflwb（
for tt=n-3:-1:4
if（abs（image（1tt-1）+image（1tt-2）+image（1tt-3）-image（1tt+1）-image（1tt+2）-image（1tt+3））>（3*thre））
temp2（1）=tt;
break;
end
end

%x（1tt）=0;

%dis（1）=tt-kk;
%%%判断两个点是否重合，重合说明圆钢跳动跳出图像范围（或者另外一条边在没有检测的六个像素点内），视野内只有一个边缘，并且得出是哪个边，然后后续处理

%%%%查找其余行的两个边缘点
for ii=2:m
    %%%第一个点
    %if（abs（image（iikk-1）-image（iikk+1））<50）
    if（image（iikk+1）-image（iikk-1）
        if（image（iikk）-image（iikk-2）>thre）
            kk=kk-1;
        else
            if（image（iikk+2）-image（iikk）>thre）
                kk=kk+1;
            else
                if（image（iikk-1）-image（iikk-3）>thre）
                    kk=kk-2;
                else
                    if（image（iikk+3）-image（iikk+1）>thre）
                        kk=kk+2;
                    end
                end
            end
        end

    end

    temp1（ii）=kk;
    %%%第二个点
    if（image（iitt-1）-image（iitt+1）
        if（image（iitt-2）-image（iitt）>thre）
            tt=tt-1;
        else
            if（image（iitt）-image（iitt+2）>thre）
                tt=tt+1;
            else
                if（image（iitt-3）-image（iitt-1）>thre）
                    tt=tt-2;
                else
                    if（image（iitt+1）-image（iitt+3）>thre）
                        tt=tt+2;
                    end
                end
            end
        end

    end
    temp2（ii）=tt;
 %   dis（ii）=temp2（ii）-temp1（ii）;
    %x（iikk）=0;
    %x（iitt）=0;
end
dis=temp2-temp1;%%%%优化的代码
%%%%以下为将检测出的图像进行拉直处理:以第一个点为基准，先让每一行第一个点在同一列上，然后平移第二个边缘点，然后以最左侧的第二个边缘点为准，图像分
%%%%割，切去背景，得到拉直的无背景图像
for ii=1:m
    d=temp1（ii）-temp1（1）;
    for jj=temp1（1）:（temp1（1）+dis（ii）-1）%jj=4:n-3
        x（iijj）=image（iijj+d）;
    end
end

%w

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-05-01 00:22  热轧钢缺陷检测\
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\1100000200.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\1100000356.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\1100004532.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\1300004702可能工人敲的.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\1800013422.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\1800013528.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\2000001263.BMP
     文件      525366  2014-04-27 14:58  热轧钢缺陷检测\2000001904.BMP
     文件     2098230  2014-04-27 14:57  热轧钢缺陷检测\900013248.BMP
     文件       13969  2014-04-27 14:58  热轧钢缺陷检测\rezhagangquexianjiance.m