一种基于图像处理的底板螺栓丢失检测方法，它属于铁路货车底板螺栓丢失检测技术领域。本发明解决了采用现有方法进行货车底板螺栓丢失故障检测时的检测准确率低的问题。本发明采用的技术方案主要包括以下步骤：步骤一、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；步骤二、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；步骤三、采用参数控制法对清晰度增强后图像进行螺栓丢失故障的检测。本发明可以应用于货车底板螺栓丢失故障检测。
1.一种基于图像处理的底板螺栓丢失检测方法，其特征在于，该方法包括以下步骤：步骤一、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；
步骤二、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；
步骤三、采用参数控制法检测清晰度增强后图像中是否存在螺栓丢失故障；其具体过程为：
步骤三一、设置像素块大小为a×a，将清晰度增强后图像左上角的a×a像素区域划分为一个像素块，像素块以步长1在清晰度增强后图像上进行滑窗移动，直至遍历整个清晰度增强后图像，获得全部的像素块；
步骤三二、首先确定一个基准尺寸为L的正方形，然后对正方形的宽高比进行扩增，获得扩增后的矩形；
所述扩增后的矩形在清晰度增强后图像上滑动，作用于清晰度增强后图像上的每个像素块，使每个像素块位于扩增后的矩形的中心位置；
步骤三三、根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测扩增后的矩形内是否存在螺栓丢失故障，并将存在螺栓丢失故障的矩形区域进行合并，获得检测结果；
所述扩增后的矩形内包含的像素点的最大梯度累加值的计算方法为：通过模板算子与扩增后的矩形内图像卷积得到梯度图像，再分别计算梯度图像横轴每行像素点梯度值的累积值以及纵轴每列像素点梯度值的累积值，分别找到水平方向最大梯度累积值和竖直方向最大梯度累积值；
利用求得的水平方向最大梯度累积值除以参与累加的像素个数得到最大的行平均梯度值，同理计算出最大的列平均梯度值；
若最大的行平均梯度值处于区间[Q3,Q′3]内，且最大的列平均梯度值处于区间[Q4,Q′4]内，则扩增后的矩形内所包含的像素点满足最大梯度累加值条件；
若扩增后的矩形内所包含的像素点的平均纹理值在设定的阈值范围70‑180内，则满足平均纹理值条件；
若扩增后的矩形内所包含的像素点的平均灰度值处于区间[Q1,Q′1]内，扩增后的矩形内所包含的像素点间的最大灰度差处于区间[Q2,Q′2]内，扩增后的矩形内所包含的像素点满足最大梯度累加值条件且扩增后的矩形内所包含的像素点满足平均纹理值条件，则扩增后的矩形内存在螺栓丢失故障，否则扩增后的矩形内不存在螺栓丢失故障。
2.根据权利要求1所述的一种基于图像处理的底板螺栓丢失检测方法，其特征在于，步骤二的具体过程为：
步骤二一、对截取出的螺栓子图进行颗粒去除，获得颗粒去除后的图像；
步骤二二、遍历截取出的螺栓子图和颗粒去除后图像的像素点，得到两幅图像同一个位置的像素点的灰度值，再计算同一个位置上两个灰度值的平均值，将平均值乘以系数权重r得到新的灰度值；
利用新的灰度值对颗粒去除后图像中的像素灰度值进行替代，替代完成后得到清晰度增强后的图像。
3.根据权利要求2所述的一种基于图像处理的底板螺栓丢失检测方法，其特征在于，所述步骤二一的具体过程为：
设f(x,y)为截取出的螺栓子图，x和y分别为截取出的螺栓子图的行和列坐标，G(x,y)为二维高斯函数，Eavr(x,y)为图像平均函数：其中：e为自然对数的底数，σ为二维高斯函数的标准差，μf(x,y)为f(x,y)中像素点的平均灰度值，W为f(x,y)的宽，H为f(x,y)的高；
fdis(x,y)＝G(x,y)*Eavr(x,y)其中，fdis(x,y)为颗粒去除后的图像，*代表相乘。
4.根据权利要求3所述的一种基于图像处理的底板螺栓丢失检测方法，其特征在于，所述系数权重r的表达式为：
其中，k1、k2为常数，μf(x,y)为f(x,y)中像素点的平均灰度值， 为颗粒去除后图像fdis(x,y)中像素点的平均灰度值， 为f(x,y)和fdis(x,y)中像素点灰度值的协方差，δf(x,y)为f(x,y)中像素点灰度值的方差， 为fdis(x,y)中像素点灰度值的方差。
5.一种基于图像处理的底板螺栓丢失检测方法，其特征在于，该方法包括以下步骤：步骤1、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；
步骤2、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；
步骤3、采用参数控制法检测清晰度增强后图像中是否存在螺栓丢失故障，其具体过程为：
步骤3.1、设置像素块大小为a×a，将清晰度增强后图像左上角的a×a像素区域划分为一个像素块，像素块以步长1在清晰度增强后图像上进行滑窗移动，直至遍历整个清晰度增强后图像，获得全部的像素块；
步骤3.2、首先确定一个基准尺寸为L的正方形，然后对正方形的宽高比进行扩增，获得扩增后的矩形；
所述正方形和扩增后的矩形在清晰度增强后图像上滑动，作用于清晰度增强后图像上的每个像素块，使每个像素块位于正方形和扩增后的矩形的中心位置；
步骤3.3、根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测扩增后的矩形内是否存在螺栓丢失故障；
所述扩增后的矩形内包含的像素点的最大梯度累加值的计算方法为：通过模板算子与扩增后的矩形内图像卷积得到梯度图像，再分别计算梯度图像横轴每行像素点梯度值的累积值以及纵轴每列像素点梯度值的累积值，分别找到水平方向最大梯度累积值和竖直方向最大梯度累积值；
利用求得的水平方向最大梯度累积值除以参与累加的像素个数得到最大的行平均梯度值，同理计算出最大的列平均梯度值；
若最大的行平均梯度值处于区间[Q3,Q′3]内，且最大的列平均梯度值处于区间[Q4,Q′4]内，则扩增后的矩形内所包含的像素点满足最大梯度累加值条件；
若扩增后的矩形内所包含的像素点的平均纹理值在设定的阈值范围70‑180内，则满足平均纹理值条件；
若扩增后的矩形内所包含的像素点的平均灰度值处于区间[Q1,Q′1]内，扩增后的矩形内所包含的像素点间的最大灰度差处于区间[Q2,Q′2]内，扩增后的矩形内所包含的像素点满足最大梯度累加值条件且扩增后的矩形内所包含的像素点满足平均纹理值条件，则扩增后的矩形内存在螺栓丢失故障，否则扩增后的矩形内不存在螺栓丢失故障；
根据正方形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测正方形内是否存在螺栓丢失故障；
所述正方形内包含的像素点的最大梯度累加值的计算方法为：通过模板算子与正方形内图像卷积得到梯度图像，再分别计算梯度图像横轴每行像素点梯度值的累积值以及纵轴每列像素点梯度值的累积值，分别找到水平方向最大梯度累积值和竖直方向最大梯度累积值；
利用求得的水平方向最大梯度累积值除以参与累加的像素个数得到最大的行平均梯度值，同理计算出最大的列平均梯度值；
若最大的行平均梯度值处于区间[Q3,Q′3]内，且最大的列平均梯度值处于区间[Q4,Q′4]内，则正方形内所包含的像素点满足最大梯度累加值条件；
若正方形内所包含的像素点的平均纹理值在设定的阈值范围70‑180内，则满足平均纹理值条件；
若正方形内所包含的像素点的平均灰度值处于区间[Q1,Q′1]内，正方形内所包含的像素点间的最大灰度差处于区间[Q2,Q′2]内，正方形内所包含的像素点满足最大梯度累加值条件且正方形内所包含的像素点满足平均纹理值条件，则正方形内存在螺栓丢失故障，否则正方形内不存在螺栓丢失故障；
并将存在螺栓丢失故障的正方形和矩形区域进行合并，获得检测结果。
6.根据权利要求5所述的一种基于图像处理的底板螺栓丢失检测方法，其特征在于，步骤2的具体过程为：
步骤2.1、对截取出的螺栓子图进行颗粒去除，获得颗粒去除后的图像；
步骤2.2、遍历截取出的螺栓子图和颗粒去除后图像的像素点，得到两幅图像同一个位置的像素点的灰度值，再计算同一个位置上两个灰度值的平均值，将平均值乘以系数权重r得到新的灰度值；
利用新的灰度值对颗粒去除后图像中的像素灰度值进行替代，替代完成后得到清晰度增强后的图像。
7.根据权利要求6所述的一种基于图像处理的底板螺栓丢失检测方法，其特征在于，所述步骤2.1的具体过程为：
设f(x,y)为截取出的螺栓子图，x和y分别为截取出的螺栓子图的行和列坐标，G(x,y)为二维高斯函数，Eavr(x,y)为图像平均函数：其中：e为自然对数的底数，σ为二维高斯函数的标准差，μf(x,y)为f(x,y)中像素点的平均灰度值，W为f(x,y)的宽，H为f(x,y)的高；
fdis(x,y)＝G(x,y)*Eavr(x,y)其中，fdis(x,y)为颗粒去除后的图像，*代表相乘。
8.根据权利要求7所述的一种基于图像处理的底板螺栓丢失检测方法，其特征在于，所述系数权重r的表达式为：
其中，k1、k2为常数，μf(x,y)为f(x,y)中像素点的平均灰度值， 为颗粒去除后图像fdis(x,y)中像素点的平均灰度值， 为f(x,y)和fdis(x,y)中像素点灰度值的协方差，δf(x,y)为f(x,y)中像素点灰度值的方差， 为fdis(x,y)中像素点灰度值的方差。
一种基于图像处理的底板螺栓丢失检测方法
技术领域
[0001] 本发明属于铁路货车底板螺栓丢失检测技术领域，具体涉及一种基于图像处理的底板螺栓丢失检测方法。
背景技术
[0002] 现有货车底板上的螺栓丢失故障监控方法为视觉判断，这种监控方法受外界影响颇大，例如拍摄的图片不清晰，有水迹干扰等客观因素；以及人工分时性疲劳，注意力不集
中等主观因素。这些客观因素和主观因素的存在都会造成对部件故障的漏检、误检等情况，
影响货车行驶安全。
[0003] 由于采用现有方法对底板螺栓丢失故障进行检测时容易造成漏检和误检，因此，若将现有方法直接应用于货车底板螺栓丢失故障检测会存在检测准确率低的问题。
发明内容
[0004] 本发明的目的是为解决采用现有方法进行货车底板螺栓丢失故障检测时的检测准确率低的问题，而提出了一种基于图像处理的底板螺栓丢失检测方法。
[0005] 本发明为解决上述技术问题所采取的技术方案是：
[0006] 基于本发明的一个方面，一种基于图像处理的底板螺栓丢失检测方法，所述方法包括以下步骤：
[0007] 步骤一、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；
[0008] 步骤二、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；
[0009] 步骤三、采用参数控制法检测清晰度增强后图像中是否存在螺栓丢失故障，其具体过程为：
[0010] 步骤三一、设置像素块大小为a×a，将清晰度增强后图像左上角的a×a像素区域划分为一个像素块，像素块以步长1在清晰度增强后图像上进行滑窗移动，直至遍历整个清
晰度增强后图像，获得全部的像素块；
[0011] 步骤三二、首先确定一个基准尺寸为L的正方形，然后对正方形的宽高比进行扩增，获得扩增后的矩形；
[0012] 所述扩增后的矩形在清晰度增强后图像上滑动，作用于清晰度增强后图像上的每个像素块，使每个像素块位于扩增后的矩形的中心位置；
[0013] 步骤三三、根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测扩增后的矩形内是否存在螺栓丢失故障，并将存在螺栓丢
失故障的矩形区域进行合并，获得检测结果。
[0014] 基于本发明的另一个方面，一种基于图像处理的底板螺栓丢失检测方法，所述方法包括以下步骤：
[0015] 步骤1、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；
[0016] 步骤2、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；
[0017] 步骤3、采用参数控制法检测清晰度增强后图像中是否存在螺栓丢失故障，其具体过程为：
[0018] 步骤3.1、设置像素块大小为a×a，将清晰度增强后图像左上角的a×a像素区域划分为一个像素块，像素块以步长1在清晰度增强后图像上进行滑窗移动，直至遍历整个清晰
度增强后图像，获得全部的像素块；
[0019] 步骤3.2、首先确定一个基准尺寸为L的正方形，然后对正方形的宽高比进行扩增，获得扩增后的矩形；
[0020] 所述正方形和扩增后的矩形在清晰度增强后图像上滑动，作用于清晰度增强后图像上的每个像素块，使每个像素块位于正方形和扩增后的矩形的中心位置；
[0021] 步骤3.3、根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测扩增后的矩形内是否存在螺栓丢失故障；
[0022] 根据正方形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测正方形内是否存在螺栓丢失故障；
[0023] 并将存在螺栓丢失故障的正方形和矩形区域进行合并，获得检测结果。
[0024] 本发明的有益效果是：本发明提出了一种基于图像处理的底板螺栓丢失检测方法，本发明设计出一种图像清晰算法，用于改善螺栓图像失真，设计出一种基于像素块的图
像内容参数设定法检测螺栓丢失，可使货车底板螺栓丢失故障检测自动化，不受人工心理
影响，提高故障检测的效率、准确率和识别率。
附图说明
[0025] 图1为本发明方法的流程图；
[0026] 图2为经压缩后的底部图像；
[0027] 图3为经过处理得到的清晰图像；
[0028] 图4为螺栓丢失检测结果图像。
具体实施方式
[0029] 具体实施方式一、结合图1说明本实施方式。本实施方式的一种基于图像处理的底板螺栓丢失检测方法，其具体为：
[0030] 步骤一、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；
[0031] 步骤二、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；
[0032] 步骤三、采用参数控制法检测清晰度增强后图像中是否存在螺栓丢失故障；其具体过程为：
[0033] 步骤三一、根据正常情况下螺栓在清晰度增强后图像中的大小，设置像素块大小为a×a，将清晰度增强后图像左上角的a×a像素区域划分为一个像素块，像素块以步长1在
清晰度增强后图像上进行滑窗移动，直至遍历整个清晰度增强后图像，获得全部的像素块；
[0034] 因为螺栓处图像可能为直径为12像素、14像素、16像素的圆形，那么可以选择中间的尺寸，比如将a的取值设置为14，由于后面有比例扩增环节，所以对整体检测无碍。
[0035] 步骤三二、首先确定一个基准尺寸为L的正方形，然后对正方形的宽高比进行扩增，获得扩增后的矩形；
[0036] 扩增比例包括：宽高比为1:2，宽高比为1:4，宽高比为2:1，宽高比为4:1；
[0037] 所述扩增后的矩形在清晰度增强后图像上滑动，作用于清晰度增强后图像上的每个像素块，使每个像素块位于扩增后的矩形的中心位置；
[0038] 步骤三三、根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测扩增后的矩形内是否存在螺栓丢失故障，并将存在螺栓丢
失故障的矩形区域进行合并，获得检测结果。
[0039] 利用高清相机对货车车底进行拍摄，获得货车底部各个角度的图像；根据硬件位置和轴距信息从获得的图像中定位到底板牵引变压器部件区域，以截取出需要检测的螺栓
子图。
[0040] 具体实施方式二、本实施方式与具体实施方式一不同的是：步骤二的具体过程为：
[0041] 步骤二一、对截取出的螺栓子图进行颗粒去除，获得颗粒去除后的图像；
[0042] 步骤二二、遍历截取出的螺栓子图和颗粒去除后图像的像素点，得到两幅图像同一个位置的像素点的灰度值，再计算同一个位置上两个灰度值的平均值，将平均值乘以系
数权重r得到新的灰度值；
[0043] 利用新的灰度值对颗粒去除后图像中的像素灰度值进行替代(即利用新的灰度值替代颗粒去除后的图像中同一位置的灰度值)，替代完成后得到清晰度增强后的图像。
[0044] 具体实施方式三、本实施方式与具体实施方式二不同的是：步骤二一的具体过程为：
[0045] 设f(x,y)为截取出的螺栓子图，x和y分别为截取出的螺栓子图的行和列坐标，G(x,y)为二维高斯函数，Eavr(x,y)为图像平均函数：
[0046]
[0047]
[0048] 其中：e为自然对数的底数，σ为二维高斯函数的标准差，μf(x,y)为f(x,y)中像素点的平均灰度值，W为f(x,y)的宽，H为f(x,y)的高；
[0049] fdis(x,y)＝G(x,y)*Eavr(x,y)
[0050] 其中，fdis(x,y)为颗粒去除后的图像，*代表相乘。
[0051] Eavr(x,y)平均函数，由公式可知，计算的是相邻像素之间的灰度差值和整个图像的平均灰度值之间的差值。颗粒感在图像中表现为灰度值的不连续，相邻灰度差比较大，为
了去除这些颗粒，首先就是通过相邻像素的灰度差值去替代颗粒像素点的灰度差，这样就
拉近了两个像素点的灰度差，但是这样计算只是解决了图像的局部问题，没有涉及到整个
图像的全局，所以本发明在基础上又增加了整个图像的平均灰度值，使两者相减，这样得到
的当前点的像素值会考虑到整个图像，不会出现局部像素灰度突兀问题，会使整体图像更
加平均。
[0052] 具体实施方式四、本实施方式与具体实施方式三不同的是：系数权重r的表达式为：
[0053]
[0054] 其中，k1、k2为常数，在本发明中两个数都取值为0.5，μf(x,y)为f(x,y)中像素点的平均灰度值， 为颗粒去除后图像fdis(x,y)中像素点的平均灰度值， 为f
(x,y)和fdis(x,y)中像素点灰度值的协方差，δf(x,y)为f(x,y)中像素点灰度值的方差，
为fdis(x,y)中像素点灰度值的方差。
[0055] 为了得到此系数权重，本发明用三个参数建立了截取出的子图和去颗粒图像的联系，即平均灰度值、协方差和方差，平均灰度值体现了图像间的灰度差异，方差体现了整体
空间差异，协方差体现了相关差异。此算法有两个目的：(1)通过此系数计算得到输出图像
更加细腻，图像中部件更真实，也就是更清晰。(2)为了保证输出图像(清晰图像)的稳定性，
通常的，我们会采集大量的图像作为输入图像，用来测试前一步算法的去颗粒效果，由于气
候条件的不同，采集到的图像也是不同的，通过建立两个图像间的联系，使得无论什么样的
图像都能得到很好的清晰效果。
[0056] 具体实施方式五、本实施方式与具体实施方式一不同的是：步骤三三中，根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检
测扩增后的矩形内是否存在螺栓丢失故障，其具体过程为：
[0057] 若扩增后的矩形内所包含的像素点的平均灰度值处于区间[Q1,Q′1]内，扩增后的矩形内所包含的像素点间的最大灰度差处于区间[Q2,Q′2]内，扩增后的矩形内所包含的像
素点满足最大梯度累加值条件且扩增后的矩形内所包含的像素点满足平均纹理值条件，则
扩增后的矩形内存在螺栓丢失故障，否则扩增后的矩形内不存在螺栓丢失故障。
[0058] Q1、Q′1、Q2和Q′2的取值可以需要根据实际的拍摄条件，比如拍摄的距离远近等因素进行调整。本发明中优选地，Q1的取值为80，Q′1的取值为150，Q2的取值为160，Q′2的取值
为200。
[0059] 具体实施方式六、本实施方式的一种基于图像处理的底板螺栓丢失检测方法，其具体为：
[0060] 步骤1、获取货车底部图像，从获取的图像中截取出需要检测的螺栓子图；
[0061] 步骤2、对截取出的螺栓子图进行清晰度增强，获得清晰度增强后的图像；
[0062] 步骤3、采用参数控制法检测清晰度增强后图像中是否存在螺栓丢失故障，其具体过程为：
[0063] 步骤3.1、设置像素块大小为a×a，将清晰度增强后图像左上角的a×a像素区域划分为一个像素块，像素块以步长1在清晰度增强后图像上进行滑窗移动，直至遍历整个清晰
度增强后图像，获得全部的像素块；
[0064] 步骤3.2、首先确定一个基准尺寸为L的正方形，然后对正方形的宽高比进行扩增，获得扩增后的矩形；
[0065] 扩增比例包括：宽高比为1:2，宽高比为1:4，宽高比为2:1，宽高比为4:1；
[0066] 所述正方形和扩增后的矩形在清晰度增强后图像上滑动，作用于清晰度增强后图像上的每个像素块，使每个像素块位于正方形和扩增后的矩形的中心位置；
[0067] 步骤3.3、根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测扩增后的矩形内是否存在螺栓丢失故障；
[0068] 根据正方形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检测正方形内是否存在螺栓丢失故障；
[0069] 并将存在螺栓丢失故障的正方形和矩形区域进行合并，获得检测结果。
[0070] 具体实施方式七、本实施方式与具体实施方式六不同的是：步骤2的具体过程为：
[0071] 步骤2.1、对截取出的螺栓子图进行颗粒去除，获得颗粒去除后的图像；
[0072] 步骤2.2、遍历截取出的螺栓子图和颗粒去除后图像的像素点，得到两幅图像同一个位置的像素点的灰度值，再计算同一个位置上两个灰度值的平均值，将平均值乘以系数
权重r得到新的灰度值；
[0073] 利用新的灰度值对颗粒去除后图像中的像素灰度值进行替代，替代完成后得到清晰度增强后的图像。
[0074] 具体实施方式八、本实施方式与具体实施方式七不同的是：步骤2.1的具体过程为：
[0075] 设f(x,y)为截取出的螺栓子图，x和y分别为截取出的螺栓子图的行和列坐标，G(x,y)为二维高斯函数，Eavr(x,y)为图像平均函数：
[0076]
[0077]
[0078] 其中：e为自然对数的底数，σ为二维高斯函数的标准差，μf(x,y)为f(x,y)中像素点的平均灰度值，W为f(x,y)的宽，H为f(x,y)的高；
[0079] fdis(x,y)＝G(x,y)*Eavr(x,y)
[0080] 其中，fdis(x,y)为颗粒去除后的图像，*代表相乘。
[0081] 具体实施方式九、本实施方式与具体实施方式八不同的是：系数权重r的表达式为：
[0082]
[0083] 其中，k1、k2为常数，μf(x,y)为f(x,y)中像素点的平均灰度值， 为颗粒去除后图像fdis(x,y)中像素点的平均灰度值， 为f(x,y)和fdis(x,y)中像素点灰度值的
协方差，δf(x,y)为f(x,y)中像素点灰度值的方差， 为fdis(x,y)中像素点灰度值的方
差。
[0084] 具体实施方式十、本实施方式与具体实施方式六不同的是：步骤3.3中，根据扩增后的矩形内包含的像素点的平均灰度值、最大灰度差、最大梯度累加值和平均纹理值，来检
测扩增后的矩形内是否存在螺栓丢失故障；根据正方形内包含的像素点的平均灰度值、最
大灰度差、最大梯度累加值和平均纹理值，来检测正方形内是否存在螺栓丢失故障；其具体
过程为：
[0085] 若扩增后的矩形内所包含的像素点的平均灰度值处于区间[Q1,Q′1]内，扩增后的矩形内所包含的像素点间的最大灰度差处于区间[Q2,Q′2]内，扩增后的矩形内所包含的像
素点满足最大梯度累加值条件且扩增后的矩形内所包含的像素点满足平均纹理值条件，则
扩增后的矩形内存在螺栓丢失故障，否则扩增后的矩形内不存在螺栓丢失故障；
[0086] 同理，对正方形内是否存在螺栓丢失故障进行检测。
[0087] 本发明中最大梯度累加值的计算方法为：
[0088] 将水平方向的模板算子与正方形内图像卷积得到水平方向梯度图像；
[0089] 水平方向的模板算子k1为：
[0090]
[0091] 将水平方向梯度图像的每行中像素梯度值进行累积，分别获得每行的梯度累加值，并从中选取出水平方向的最大的梯度累积值；
[0092] 将竖直方向的模板算子与正方形内图像卷积得到竖直方向梯度图像；
[0093] 竖直方向的模板算子k2为：
[0094]
[0095] 将竖直方向梯度图像的每列中像素梯度值进行累积，分别获得每列的梯度累加值，并选取出竖直方向的最大的梯度累积值。
[0096] 利用求得的水平方向最大梯度累积值除以参与累加的像素个数(对于同一个正方形来说，每行中参与累加的像素个数相等，每列中参与累加的像素个数也相等)得到最大的
行平均梯度值，同理计算出最大的列平均梯度值；
[0097] 若最大的行平均梯度值处于区间[Q3,Q′3]内，且最大的列平均梯度值处于区间[Q4,Q′4]内，则正方形内所包含的像素点满足最大梯度值条件。
[0098] 同理，计算出扩增后的矩形的最大行平均梯度值以及最大列平均梯度值。
[0099] Q3、Q′3、Q4和Q′4的取值同样也可以需要根据实际的拍摄条件，比如拍摄距离远近等因素进行调整。本发明中优选的Q3＝Q′3＝50，Q4＝Q′4＝100。
[0100] 本发明中平均纹理值的计算方法为：
[0101] 对于正方形内的任一像素点，采用邻域像素法计算该像素点的纹理值，对正方形内包含的全部像素点的纹理值取平均，将取平均结果作为正方形内包含的像素点的平均纹
理值。
[0102] 同理，计算扩增后矩形内包含的像素点的平均纹理值。
[0103] 若平均纹理值在设定的阈值范围70‑180内，则满足平均纹理值条件。
[0104] 实施例
[0105] 本发明提供了基于图像处理算法的底板螺栓丢失检测方法，为了实现上述目的本发明的技术方案如下：
[0106] 一、设计底板螺栓清晰算法
[0107] 底板螺栓图像由于受到外界天气、图片传输等多方面的影响都会产生一些噪声，而螺栓又是底板最小的部件，图像的质量好坏很大程度上决定了螺栓是否被检测到。并且
为了增加图片传输的速度，对图片进行了压缩处理，这就使得图像变的更加不清晰，如图2
所示为经压缩后的底部图像，其中实线框为丢失后的螺栓，虚线框为正常的螺栓。因此改善
图像的质量是很重要的一个环节，为此本发明设计了一种可以使底板螺栓清晰的算法，分
为以下几个步骤：
[0108] 1、图像颗粒去除。对图像进行低通滤波操作，使得其高频分量基本不变，不会存在很强的边缘信息。本发明中所采集图像，其质量问题主要是图像中存在一些颗粒感，这些颗
粒感会导致螺栓部位的灰度值跳跃比较大，不利于检测，所以有必要使得螺栓部件像素邻
域内的灰度值平均一些。方法如下：
[0109] 首先设x和y分别为二维图像的行列坐标，f(x,y)为输入图像，G(x,y)为二维高斯函数，Eavr(x,y)表示图像平均函数，fdis(x,y)为最终颗粒去除后图像。
[0110] 所用的公式如下：
[0111]
[0112]
[0113] fdis(x,y)＝G(x,y)*Eavr(x,y)
[0114] 其中，W为图像的宽，H为图像的高，μ为整个图像的平均灰度值，σ为高斯函数的标准差。
[0115] Eavr(x,y)平均函数，由公式可知，计算的是相邻像素之间的灰度差值和整个图像的平均灰度值之间的差值。颗粒感在图像中表现为灰度值的不连续，相邻灰度差比较大，为
了去除这些颗粒，首先就是通过相邻像素的灰度差值去替代颗粒像素点的灰度差，这样就
拉近了两个像素点的灰度差，但是这样计算只是解决了图像的局部问题，没有涉及到整个
图像的全局，所以本发明在基础上又增加了整个图像的平均灰度值，使两者相减，这样得到
的当前点的像素值会考虑到整个图像，不会出现局部像素灰度突兀问题，会使整体图像更
加平均。
[0116] 2、图像灰度值替代算法。
[0117] 去除颗粒后的图像因为灰度值被平均，有些模糊，为了使图像清晰，本发明分别遍历输入图像(图2)和去除颗粒图像的像素点，得到两幅图像同一个位置的像素点的灰度值，
然后计算两个灰度值的平均值，再通过乘以一个系数权重得到新的灰度值。为了得到此系
数，本发明用三个参数建立了输入图像和去颗粒图像的联系，即平均灰度值、协方差和方
差，平均灰度值体现了图像间的灰度差异，方差体现了整体空间差异，协方差体现了相关差
异。此算法有两个目的：(1)通过此系数计算得到输出图像更加细腻，图像中部件更真实，也
就是更清晰。(2)为了保证输出图像(清晰图像)的稳定性，通常的，我们会采集大量的图像
作为输入图像，用来测试前一步算法的去颗粒效果，由于气候条件的不同，采集到的图像也
是不同的，通过建立两个图像间的联系，使得无论什么样的图像都能得到很好的清晰效果。
如下公式所示：
[0118]
[0119] 其中，μf(x,y)为输入图像的平均灰度值， 为去除颗粒图像的平均值，为两幅图像的协方差， 为输入图像的方差， 为去颗粒图像的方差，k1、
k2为自然常数。
[0120] 如图3所示的经过上述步骤得到的清晰图像，螺栓部位已经得到了改善，对于后续的检测提供了很大的帮助。
[0121] 底板上的螺栓的直径都是根据底板紧固件所需的强度来决定的，因为底板上部件很多，所以所需的螺栓规格也是不一样的。在设计检测算法时，应当考虑到所有规格大小的
螺栓，本发明设计了一种多矩形检测算法：即一幅图像的每个像素块，都有多个以此像素块
为中心的矩形，通过这些矩形内所包含的图像内容信息来确定螺栓是否发生丢失。其中像
素块可以理解为像素点的集合，比如9个像素点，就可以构成3×3的一个像素块。
[0122] 本发明设计了多个参数用来检测不同规格的螺栓，具体包含三大类：像素块参数、矩形参数和图像内容参数。
[0123] 具体方法如下：
[0124] 1、像素块参数：此参数是根据螺栓的规格而确定的，例如底部的螺栓规格很多有M6、M8、M10等，相对应的螺栓处图像可能为直径为12像素、14像素、16像素的圆形，像素块是
按照此圆形的最大外接矩形计算，那么此像素块的参数设定就是144、196和256。当然不同
的摄像机因其分辨率的不同，成像后的实际距离和像素距离也是不同的。
[0125] 2、设置矩形参数。矩形的大小和多少决定了螺栓检测的精度和准确率，本文是按照长宽比例来进行的矩形的数量扩增，首先确定一个基准尺寸为L的正方形，然后再此基础
上分别对长和宽进行比例扩增，比例可以设置为的1：2、1：4等，得到的这些矩形类似滑动框
一样，作用在图像上的每个像素块，但如果是边界像素则不会扩充像素点，所有的矩形总保
持在当前的图像尺寸内。这样可以设置的矩形参数就包括：正常形的边长、扩增的比例和扩
增的个数。
[0126] 3.设置图像内容参数。通过设置图像内容参数来确定螺栓的丢失，并且还可以去除底板其他部件的干扰，保证识别率和准确率。图像内容参数如下：
[0127] (1)平均灰度值。即计算每个矩形区域内所包含的像素点的平均灰度值，此参数设置的依据为螺栓丢失后的形态在实际的底板上会出现一个孔洞，拍摄出的图像上此位置会
出现比较黑的情况，即灰度值比较小，螺栓在未丢失时不会出现此种现象，所以把它作为一
种参数设定。
[0128] (2)最大灰度差。最大灰度差就是矩形内最大的灰度值和最小灰度值的差值。在用摄像机拍摄底部图像时，会进行必要的补光操作，如果不补光则无法拍摄到晚上行驶的货
车，所以人工光源是始终存在的。当螺栓丢失后虽然丢失位置会存在灰度值变小情况，但是
由于洞口的灰度不均匀，在拍摄时由于光源的影响在图像上会出现反光点的存在，表现为
白色的亮点，属于高频部分且灰度值很大。由于正常螺栓处图像不会存在亮点，灰度值不会
在某个位置发生突变，灰度差较低，而丢失位置灰度差较高，所以将它设定为检测参数。
[0129] (3)最大梯度值。首先通过模板算子与图像卷积得到梯度图像，然后分别计算梯度图横轴和纵轴所有像素点梯度值的累积值，找到累积最大值(如果有多个最大值，则随机去
一个)，最后会得到两个最大值，分别是水平方向和竖直方向。此参数的确定是由于底部螺
栓基本都是六角的，是存在边缘的，当用检测模板卷积时边缘处的灰度值会变大，即梯度值
也会变大，那么累积值就会增加，而丢失后的螺栓梯度累积值不会很明显。本发明通过以下
改进的两个模板算子进行卷积操作，k1表示在水平方向，k2表示在竖直方向。如下卷积模板：
[0130]
[0131]
[0132] (4)平均纹理值。螺栓丢失前后的表面纹理是不同的，通过计算平均纹理值来确定是否丢失。纹理的计算采用的是邻域像素法，矩形所包围的区域有多个像素点，每个像素点
的周围有8个像素点，分别计算这8个点的灰度值和中心点灰度值的大小，如果某点的灰度
值小于中心点的灰度值则记为0，如果大于则计为1，这样一共能获得8个有0和1组成的数
字，以当前中心点的左顶点作为起始点，顺时针方向把这些点连起来就会得到一个8位的二
进制数，然后再转化为10进制数，就得到了一个新的数值，这个数值就是当前中心像素点的
灰度值，也称表面纹理值然后再计算出这些表面纹理值的平均值就是平均纹理值。平均纹
理值对于矩形区域内的像素灰度分布很敏感，对于螺栓而言，其在矩形区域内位置的改变，
平均纹理值也会改变，所以此参数一定程度上决定了检测到螺栓的矩形框数量。
[0133] 图像内容参数中每一项都包含两个阈值，即螺栓丢失时的标准阈值和检测阈值。标准阈值是根据先验知识分析图像中螺栓丢失的形态得到的，这是需要查阅大量的丢失图
像样本才能确定的数值，它可以是一个定值也可以是一个范围。而检测阈值是人工设定的
根据标准而调整的，这个数值最好是一个范围而不是定值，因为在故障检测过程中，定值可
能会因为检测不到导致漏报发生，而范围会有更好的容错性，虽然可能会增加些误报，但是
漏报的概率却大大降低。
[0134] 如图4所示，本发明选取合适的检测阈值，检测到的螺栓丢失图像，图4中的矩形框为本发明通过适合的比例选择的；为了减少误报警，平均纹理值的设定选择与标准阈值相
近的数值，最后有三个矩形框找到了螺栓的丢失位置。最后把三个矩形框合并成一个框，上
传报警信息至平台。
[0135] 本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以
做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明
的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
