一种基于机器视觉的纸张缺陷检测方法

摘要

本发明涉及图像处理技术领域，具体涉及一种基于机器视觉的纸张缺陷检测方法，包括：采集纸张表面图像，获取纸张表面图像的连通域，根据连通域的凸包区域的最小外接矩形获取连通域的第一椭圆和第二椭圆，进一步得到连通域对于椭圆的拟合度，进而筛选疑似纸浆点区域，根据疑似纸浆点区域与邻域连通域的第一距离以及第二距离获取疑似纸浆点区域与邻域连通域的临近程度，根据临近程度获取疑似纸浆点区域为纸浆点的概率，进而获取所有不为纸浆点的连通域，对不为纸浆点的连通域进行标记，得到标记图像；对标记图像进行分割，得到条痕缺陷。本发明排除了纸浆点的干扰，对纸张缺陷检测更(56)对比文件郝勇;温钦华;吴文辉;邱小川.轴承防尘盖缺陷机器视觉自动检测方法研究.测控技术.2020,(第01期),第85-90页.

权利要求

1.一种基于机器视觉的纸张缺陷检测方法，其特征在于，该方法包括以下步骤：

采集纸张表面图像；获取纸张表面图像的连通域；获取每个连通域的凸包区域的最小外接矩形，作为每个连通域的第一矩形；根据每个连通域的第一矩形获取每个连通域的第一椭圆和第二椭圆；根据每个连通域的第一椭圆和第二椭圆获取每个连通域对于椭圆的拟合度；根据每个连通域对于椭圆的拟合度筛选疑似纸浆点区域；

将任意一个疑似纸浆点区域作为目标区域，获取目标区域的所有邻域连通域；将目标区域的中心与邻域连通域的中心的连线的长度作为目标区域与邻域像素点的第一距离，根据连线上目标区域的像素点以及邻域连通域的像素点获取目标区域与邻域像素点的第二距离；

根据目标区域与每个邻域连通域的第一距离以及第二距离获取目标区域与每个邻域连通域的临近程度；根据目标区域与所有邻域连通域的临近程度获取目标区域为纸浆点的概率；获取所有疑似纸浆点区域为纸浆点的概率；根据每个疑似纸浆点区域为纸浆点的概率以及每个连通域对于椭圆的拟合度获取所有不为纸浆点的连通域；

对纸浆表面图像中所有不为纸浆点的连通域进行标记，得到标记图像；利用基于标记的分水岭算法对标记图像进行分割，分割得到的边缘为条痕缺陷的边缘，根据条痕缺陷的边缘获取条痕缺陷；

所述根据每个连通域对于椭圆的拟合度筛选疑似纸浆点区域，包括的具体步骤如下：获取每个连通域的面积；当连通域的面积位于预设精度面积和预设标准面积中间且连通域对于椭圆的拟合度大于预设第一阈值时，将连通域作为疑似纸浆点区域；

所述根据目标区域与每个邻域连通域的第一距离以及第二距离获取目标区域与每个邻域连通域的临近程度，包括的具体步骤如下：其中， 为目标区域与第j个邻域连通域的临近程度； 为目标区域与第j个邻域连通域的第一距离； 为目标区域与第j个邻域连通域的第二距离；为目标区域的邻域连通域的个数；

所述根据目标区域与所有邻域连通域的临近程度获取目标区域为纸浆点的概率，包括的具体步骤如下：其中 为目标区域为纸浆点的概率； 为目标区域与第j个邻域连通域的临近程度；

为目标区域的邻域连通域的个数；

所述根据每个疑似纸浆点区域为纸浆点的概率以及每个连通域对于椭圆的拟合度获取所有不为纸浆点的连通域，包括的具体步骤如下：当疑似纸浆点区域为纸浆点的概率小于预设第二阈值时，疑似纸浆点区域对应的连通域不为纸浆点；当连通域的面积小于等于预设精度面积或大于等于预设标准面积中间且连通域对于椭圆的拟合度小于等于预设第一阈值时，连通域不为纸浆点。

2.根据权利要求1所述的一种基于机器视觉的纸张缺陷检测方法，其特征在于，所述获取纸张表面图像的连通域，包括的具体步骤如下：根据纸张表面图像中每个像素点的梯度幅值获取纸张表面梯度图像，对纸张表面梯度图像进行阈值分割，得到纸张表面二值图像；对纸张表面二值图像进行连通域分析，获取纸张表面二值图像中所有连通域；对纸张表面二值图像中的每个多连通域进行填充，将多连通域转换为单连通域；

将纸张表面二值图像中的每个单连通域中的像素点在纸张表面图像中对应的所有像素点构成纸张表面图像的一个连通域。

3.根据权利要求1所述的一种基于机器视觉的纸张缺陷检测方法，其特征在于，所述根据每个连通域的第一矩形获取每个连通域的第一椭圆和第二椭圆，包括的具体步骤如下：将连通域的第一矩形的中心点作为椭圆的中心点，记为 ，将第一矩形的对角线的长度作为椭圆的长轴的长度，记为 ；过连通域的第一矩形的任意一个对角线作垂直平分线，将垂直平分线与连通域的边缘的两个交点形成的线段的长度，作为椭圆的短轴的长度，记为b；

将连通域的第一矩形中，中心点为 ，长轴的长度为 ，短轴的长度为b的两个椭圆分别记为第一椭圆和第二椭圆。

4.根据权利要求1所述的一种基于机器视觉的纸张缺陷检测方法，其特征在于，所述根据每个连通域的第一椭圆和第二椭圆获取每个连通域对于椭圆的拟合度，包括的具体步骤如下：获取第一椭圆的两个焦点和第二椭圆的两个焦点；连通域的第 个边缘像素点对于第一椭圆的拟合度为：其中， 为连通域的第 个边缘像素点对于第一椭圆的拟合度； 为连通域的第 个边缘像素点； 、 为第一椭圆中两个焦点；为第一椭圆的长轴长度； 为连通域的第 个边缘像素点 到第一椭圆的焦点 的欧式距离， 为连通域的第 个边缘像素点 到第一椭圆的焦点 的欧式距离；为超参数； 为以自然常数为底的指数函数；

将连通域的所有边缘像素点对于第一椭圆的拟合度的均值作为连通域对于第一椭圆的拟合度；

同理，获取连通域对于第二椭圆的拟合度；将连通域对于第一椭圆的拟合度和连通域对于第二椭圆的拟合度中的较大值作为连通域对于椭圆的拟合度。

5.根据权利要求1所述的一种基于机器视觉的纸张缺陷检测方法，其特征在于，所述获取目标区域的所有邻域连通域，包括的具体步骤如下：将 、 、 、 、 、 、 以及 分别作为一个邻域方向，获取

目标区域的中心的每个邻域方向上最近的连通域，作为目标区域的邻域连通域。

6.根据权利要求1所述的一种基于机器视觉的纸张缺陷检测方法，其特征在于，所述根据连线上目标区域的像素点以及邻域连通域的像素点获取目标区域与邻域像素点的第二距离，包括的具体步骤如下：获取连线上目标区域的所有边缘像素点与连线上邻域连通域的所有边缘像素点两两之间的欧式距离，将连线上目标区域的边缘像素点与邻域连通域的边缘像素点之间最小的欧式距离作为目标区域与邻域连通域的第二距离。

说明书

一种基于机器视觉的纸张缺陷检测方法

技术领域

[0001] 本发明涉及图像处理技术领域，具体涉及一种基于机器视觉的纸张缺陷检测方法。

背景技术

[0002] 纸张作为文字的载体之一，在日常生活中不可或缺。在纸张生产过程中，由于照明系统、机器故障和人工操作不当等问题，会导致纸张生产过程中出现缺陷，如条痕等。

[0003] 为了避免纸张缺陷给纸张生产造成巨大损失，需要对纸张缺陷进行检测。由于纸张上的条痕可能不明显，利用现有的机器视觉的检测方法如边缘检测方法无法完整的将其检测出来。而分水岭分割算法的分割精度较高，对微弱边缘具有良好的响应，可以用来检测纸张上的条痕，但在检测过程中，图像表面细微的灰度变化以及纸张上的纸浆点会导致分水岭算法过度分割，干扰条痕的检测。

发明内容

[0004] 本发明提供一种基于机器视觉的纸张缺陷检测方法，以解决现有的问题。

[0005] 本发明的一种基于机器视觉的纸张缺陷检测方法采用如下技术方案：

[0006] 本发明一个实施例提供了一种基于机器视觉的纸张缺陷检测方法，该方法包括以下步骤：

[0007] 采集纸张表面图像；获取纸张表面图像的连通域；获取每个连通域的凸包区域的最小外接矩形，作为每个连通域的第一矩形；根据每个连通域的第一矩形获取每个连通域的第一椭圆和第二椭圆；根据每个连通域的第一椭圆和第二椭圆获取每个连通域对于椭圆的拟合度；根据每个连通域对于椭圆的拟合度筛选疑似纸浆点区域；

[0008] 将任意一个疑似纸浆点区域作为目标区域，获取目标区域的所有邻域连通域；将目标区域的中心与邻域连通域的中心的连线的长度作为目标区域与邻域像素点的第一距离，根据连线上目标区域的像素点以及邻域连通域的像素点获取目标区域与邻域像素点的第二距离；

[0009] 根据目标区域与每个邻域连通域的第一距离以及第二距离获取目标区域与每个邻域连通域的临近程度；根据目标区域与所有邻域连通域的临近程度获取目标区域为纸浆点的概率；获取所有疑似纸浆点区域为纸浆点的概率；根据每个疑似纸浆点区域为纸浆点的概率以及每个连通域对于椭圆的拟合度获取所有不为纸浆点的连通域；

[0010] 对纸浆表面图像中所有不为纸浆点的连通域进行标记，得到标记图像；利用基于标记的分水岭算法对标记图像进行分割，分割得到的边缘为条痕缺陷的边缘，根据条痕缺陷的边缘获取条痕缺陷。

[0011] 优选的，所述获取纸张表面图像的连通域，包括的具体步骤如下：

[0012] 根据纸张表面图像中每个像素点的梯度幅值获取纸张表面梯度图像，对纸张表面梯度图像进行阈值分割，得到纸张表面二值图像；对纸张表面二值图像进行连通域分析，获取纸张表面二值图像中所有连通域；对纸张表面二值图像中的每个多连通域进行填充，将多连通域转换为单连通域；

[0013] 将纸张表面二值图像中的每个单连通域中的像素点在纸张表面图像中对应的所有像素点构成纸张表面图像的一个连通域。

[0014] 优选的，所述根据每个连通域的第一矩形获取每个连通域的第一椭圆和第二椭圆，包括的具体步骤如下：

[0015] 将连通域的第一矩形的中心点作为椭圆的中心点，记为 ，将第一矩形的对角线的长度作为椭圆的长轴的长度，记为 ；过连通域的第一矩形的任意一个对角线作垂直平分线，将垂直平分线与连通域的边缘的两个交点形成的线段的长度，作为椭圆的短轴的长度，记为b；

[0016] 将连通域的第一矩形中，中心点为 ，长轴的长度为 ，短轴的长度为b的两个椭圆分别记为第一椭圆和第二椭圆。

[0017] 优选的，所述根据每个连通域的第一椭圆和第二椭圆获取每个连通域对于椭圆的拟合度，包括的具体步骤如下：

[0018] 获取第一椭圆的两个焦点和第二椭圆的两个焦点；连通域的第 个边缘像素点对于第一椭圆的拟合度为：

[0019]

[0020] 其中， 为连通域的第 个边缘像素点对于第一椭圆的拟合度； 为连通域的第个边缘像素点； 、 为第一椭圆中两个焦点；为第一椭圆的长轴长度； 为连通域的第 个边缘像素点 到第一椭圆的焦点 的欧式距离， 为连通域的第 个边缘像素点 到第一椭圆的焦点 的欧式距离； 为超参数； 为以自然常数为底的指数函数；

[0021] 将连通域的所有边缘像素点对于第一椭圆的拟合度的均值作为连通域对于第一椭圆的拟合度；

[0022] 同理，获取连通域对于第二椭圆的拟合度；将连通域对于第一椭圆的拟合度和连通域对于第二椭圆的拟合度中的较大值作为连通域对于椭圆的拟合度。

[0023] 优选的，所述根据每个连通域对于椭圆的拟合度筛选疑似纸浆点区域，包括的具体步骤如下：

[0024] 获取每个连通域的面积；当连通域的面积位于预设精度面积和预设标准面积中间且连通域对于椭圆的拟合度大于预设第一阈值时，将连通域作为疑似纸浆点区域。

[0025] 优选的，所述获取目标区域的所有邻域连通域，包括的具体步骤如下：

[0026] 将 、 、 、 、 、 、 以及 分别作为一个邻域方向，获取目标区域的中心的每个邻域方向上最近的连通域，作为目标区域的邻域连通域。

[0027] 优选的，所述根据连线上目标区域的像素点以及邻域连通域的像素点获取目标区域与邻域像素点的第二距离，包括的具体步骤如下：

[0028] 获取连线上目标区域的所有边缘像素点与连线上邻域连通域的所有边缘像素点两两之间的欧式距离，将连线上目标区域的边缘像素点与邻域连通域的边缘像素点之间最小的欧式距离作为目标区域与邻域连通域的第二距离。

[0029] 优选的，所述根据目标区域与每个邻域连通域的第一距离以及第二距离获取目标区域与每个邻域连通域的临近程度，包括的具体步骤如下：

[0030]

[0031] 其中， 为目标区域与第j个邻域连通域的临近程度； 为目标区域与第j个邻域连通域的第一距离； 为目标区域与第j个邻域连通域的第二距离；为目标区域的邻域连通域的个数。

[0032] 优选的，所述根据目标区域与所有邻域连通域的临近程度获取目标区域为纸浆点的概率，包括的具体步骤如下：

[0033]

[0034] 其中 为目标区域为纸浆点的概率； 为目标区域与第j个邻域连通域的临近程度；为目标区域的邻域连通域的个数。

[0035] 优选的，所述根据每个疑似纸浆点区域为纸浆点的概率以及每个连通域对于椭圆的拟合度获取所有不为纸浆点的连通域，包括的具体步骤如下：

[0036] 当疑似纸浆点区域为纸浆点的概率小于预设第二阈值时，疑似纸浆点区域对应的连通域不为纸浆点；当连通域的面积小于等于预设精度面积或大于等于预设标准面积中间且连通域对于椭圆的拟合度小于等于预设第一阈值时，连通域不为纸浆点。

[0037] 本发明的技术方案的有益效果是：本发明实施例通过获取纸张表面图像的连通域，根据连通域的凸包区域的最小外接矩形获取连通域的第一椭圆和第二椭圆，进一步得到连通域对于椭圆的拟合度，根据拟合度筛选出形状近似椭圆的微小区域，即为疑似纸浆点的区域，获取疑似纸浆点区域与邻域连通域的中心点之间的距离以及中心点连线上疑似纸浆点区域与邻域连通域的最小距离，分别作为第一距离以及第二距离，根据第二距离与第一距离的比值获取疑似纸浆点区域与邻域连通域的临近程度，根据临近程度获取疑似纸浆点区域为纸浆点的概率，进而获取所有不为纸浆点的连通域，对不为纸浆点的连通域进行标记，得到标记图像，对标记图像进行分割，得到条痕缺陷。本发明通过获取疑似纸浆点区域，根据疑似纸浆点区域为纸浆点的概率筛选出所有不为纸浆点的区域，使得对标记图像进行分水岭分割时，排除了纸浆点对分割效果的影响，避免了过分割，获得了条痕缺陷准确的边缘，对纸张缺陷检测更加准确。

附图说明

[0038] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0039] 图1为本发明的一种基于机器视觉的纸张缺陷检测方法的步骤流程图；

[0040] 图2为纸张表面图像；

[0041] 图3为纸张表面梯度图像；

[0042] 图4为条痕边缘图像。

具体实施方式

[0043] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于机器视觉的纸张缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0044] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0045] 下面结合附图具体的说明本发明所提供的一种基于机器视觉的纸张缺陷检测方法的具体方案。

[0046] 请参阅图1，其示出了本发明一个实施例提供的一种基于机器视觉的纸张缺陷检测方法的步骤流程图，该方法包括以下步骤：

[0047] S001．采集纸张表面图像。

[0048] 利用工业相机拍摄纸张表面，得到纸张表面RGB图像。需要说明的是，相机垂直角度拍摄可以最大程度的减少光照方向的影响，所以工业相机拍摄角度为垂直拍摄。拍摄的纸张表面RGB图像中只包含纸张区域，不包含其他背景区域。

[0049] 为便于后续分析处理，对纸张表面RGB图像进行灰度化操作，得到灰度图，记为纸张表面图像。本发明实施例的一个纸张表面图像参见图2。

[0050] 至此，获取了纸张表面图像。

[0051] S002．获取纸张表面图像的连通域。

[0052] 需要说明的是，在纸张的生产过程中，可能会因为人为失误或其他原因导致纸张产生条痕缺陷，所以在出厂时需要对条痕缺陷进行检测，但在质量容错范围内的纸浆点会因为过分割的问题影响检测结果，所以需要对纸张表面图像中连通域进行提取，以便根据连通域的形状以及分布特征筛选出可能为纸浆点的连通域，在后续对纸张表面图像进行分割时，避开纸浆点，避免过分割，获取准确的条痕缺陷。

[0053] 在本发明实施例中，首先获取纸张表面图像中每个像素点的梯度幅值，纸张表面图像中所有像素点的梯度幅值构成纸张表面梯度图像，参见图3，对纸张表面梯度图像进行阈值分割，得到纸张表面二值图像，纸张表面二值图像中白色的像素点为纸张上的纸浆点边缘或条痕缺陷边缘或噪声点。在本发明实施例中，对纸张表面梯度图像进行阈值分割的方法为大津阈值分割法，在其他实施例中，实施人员可根据实际实施情况选择阈值分割方法。

[0054] 对纸张表面二值图像进行连通域分析，获取纸张表面二值图像中所有连通域。在本发明实施例中，采用的连通域分析方法为 算法，在其他实施例中，实施人员可根据实际实施情况选择连通域分析方法。

[0055] 需要说明的是，获取的纸张表面二值图像中连通域可能为纸浆点的边缘构成的连通域，可能为条痕缺陷的边缘构成的连通域，也可能为噪声点。为了获取完整的纸浆点或条痕缺陷，需要对连通域进行填充。

[0056] 在本发明实施例中，对于纸张表面二值图像中的每个多连通域，对多连通域中间的空洞区域进行填充，将多连通域转换为单连通域。需要说明的是，多连通域与单连通域为公知技术，在本发明实施例中不再详细赘述。

[0057] 至此，获取了纸张表面二值图像中的连通域。

[0058] 将纸张表面二值图像中的每个连通域中的像素点在纸张表面图像中对应的所有像素点构成纸张表面图像的一个连通域，如此可获得纸张表面图像的多个连通域。

[0059] 至此，获取了纸张表面图像中的连通域。

[0060] S003．筛选疑似纸浆点区域。

[0061] 需要说明的是，在得到纸张表面图像的连通域后，为防止在检测过程中纸浆点等微小区域对检测结果产生影响，所以需要对其进行提取。因为纸浆点的形状近似椭圆和圆形，所以本发明实施例首先通过椭圆拟合以及面积判断来筛选可能为纸浆点的连通域，再根据可能为纸浆点的连通域的分布位置进行纸浆点连通域的进一步筛选，获取准确的纸浆点连通域，以便后续在对纸张表面图像进行分割的过程中剔除纸浆点的影响，获取准确的条痕缺陷。

[0062] 在本发明实施例中，首先对纸张表面图像中每个连通域分别进行凸包检测，得到每个连通域的凸包区域，获取每个连通域的凸包区域的最小外接矩形，记为每个连通域的第一矩形。

[0063] 需要说明的是，由于第一矩形为连通域的凸包区域的最小外接矩形，若连通域为椭圆的形状，则椭圆的中心点位于第一矩形的中心，椭圆的长轴长度接近于第一矩形的对角线长度。

[0064] 在本发明实施例中，将纸张表面图像中任意一个连通域作为目标连通域，获取目标连通域的第一矩形的中心点，作为目标连通域所要拟合的椭圆的中心点，将其坐标记为。获取目标连通域的第一矩形的对角线长度，作为目标连通域所要拟合的椭圆的长轴的长度，用 表示。过目标连通域的第一矩形的任意一个对角线作垂直平分线，将垂直平分线与目标连通域的边缘的两个交点形成的线段的长度，作为目标连通域所要拟合的椭圆的短轴的长度，用b表示。

[0065] 获取目标连通域的第一矩形中，中心点为 ，长轴长度为 ，短轴长度为b的椭圆，则可能存在两个不同的椭圆，此两个椭圆的长轴分别为目标连通域的第一矩形的两个对角线。将此两个椭圆分别记为第一椭圆和第二椭圆。

[0066] 椭圆上的两个焦点位于椭圆的长轴上，两个焦点之间的距离的为焦距，若将焦距记为 ，根据椭圆定理可知 ，由此可获得椭圆的两个焦点。将第一椭圆中两个焦点分别记为 、 ，将第二椭圆中两个焦点分别记为 、 。

[0067] 需要说明的是，根据椭圆定理可知，椭圆上任意一个点到椭圆的两个焦点的距离之和等于椭圆长轴的长度，因此可根据该定理计算目标连通域边缘上的每个像素点对于第一椭圆、第二椭圆的拟合度。

[0068] 在本发明实施例中，将目标连通域的边缘上的像素点记为边缘像素点，获取每个边缘像素点对于第一椭圆的拟合度，如目标连通域的第 个边缘像素点对于第一椭圆的拟合度为：

[0069]

[0070] 其中， 为目标连通域的第 个边缘像素点对于第一椭圆的拟合度； 为目标连通域的第 个边缘像素点； 、 为第一椭圆中两个焦点；为第一椭圆的长轴长度；为以自然常数为底的指数函数； 为目标连通域的第 个边缘像素点 到
第一椭圆的焦点 的欧式距离， 为目标连通域的第 个边缘像素点 到第一椭圆的焦点 的欧式距离； 为超参数，用来防止 恒趋近于0，在本发明实施例中，，在其他实施例中，实施人员可根据实际实施情况设置 的值；当
越趋近于0时，目标连通域的第 个边缘像素点对于第一椭
圆的拟合度越大。

[0071] 将目标连通域的所有边缘像素点对于第一椭圆的拟合度的均值作为目标连通域对于第一椭圆的拟合度。

[0072] 同理，获取目标连通域对于第二椭圆的拟合度，将目标连通域对于第一椭圆的拟合度和目标连通域对于第二椭圆的拟合度中的较大值作为目标连通域对于椭圆的拟合度。

[0073] 需要说明的是，目标连通域对于椭圆的拟合度越高，目标连通域的形状越近似于椭圆，目标连通域越可能为纸张中的纸浆点。由于纸浆点的面积较小，因此可通过限制拟合度和面积来筛选出可能为纸浆点的连通域。根据人为经验，检测机器的精确度一般为，因此将 作为预设精度面积，所以本发明实施例只关注面积大于 的目标连通域，在纸张检测标准中，对于出现的一些微小区域具有包容性，所以根据一般检测标准规定当目标连通域面积小于 时，其可能为纸浆点，因此将 作为预设标准面积。

[0074] 在本发明实施例中，获取目标连通域的面积，用S表示。预设一个阈值 ，记为预设第一阈值，用来筛选拟合度大的目标连通域，由于拟合度的范围为[0,1]，为使得缺陷检测更为全面，本发明实施例选择拟合度范围[0,1]中间的0.5作为预设第一阈值 ，在其他实施例中，实施人员可根据实际实施情况设置预设第一阈值 的值。

[0075] 当目标连通域满足以下条件时，将目标连通域作为疑似纸浆点区域：

[0076]

[0077] 其中，S为目标连通域的面积，为目标连通域对于椭圆的拟合度； 为预设第一阈值。

[0078] 同理，获取每个连通域对于椭圆的拟合度以及每个连通域的面积，根据每个连通域对于椭圆的拟合度以及每个连通域的面积，获取所有疑似纸浆点区域。不满足以上条件的连通域则不为纸浆点。

[0079] 至此，获取了疑似纸浆点区域。

[0080] S004．获取标记图像。

[0081] 需要说明的是，由于条痕的整体走向为直线型，但局部可能存在变化，且由于条痕缺陷的部分区域不明显，因此在步骤S002获取连通域时，可能将条痕缺陷分成了多个连通域，条痕缺陷的每个连通域都为细长的形状分布，其和椭圆的形状较为相似，因此获得的疑似纸浆点区域可能也包含了部分条痕缺陷的连通域，需要将其剔除。条痕缺陷的所有连通域整体近似分布在一条直线上，条痕缺陷的相邻连通域之间的距离较小，因此可结合该特征筛选出疑似纸浆点区域中的条痕缺陷。

[0082] 在本发明实施例中，将每个连通域拟合的椭圆的中心作为每个连通域的中心。将任意一个疑似纸浆区域作为目标区域。将 、 、 、 、 、 、 、分别作为一个邻域方向，获取目标区域的中心的每个邻域方向上最近的连通域记为目标区域的邻域连通域，则由于共有8个邻域方向，则目标区域最多有8个邻域连通域。

[0083] 将目标区域的任意一个邻域连通域作为目标邻域连通域，将目标区域的中心与目标邻域连通域的中心相连，将连线的长度（即目标区域的中心与目标邻域连通域的中心之间的欧式距离）作为目标区域与目标邻域连通域的第一距离，获取连线上目标区域的所有边缘像素点与连线上目标邻域连通域的所有边缘像素点两两之间的欧式距离，将其中最小的欧式距离作为目标区域与目标邻域连通域的第二距离。

[0084] 同理，获取目标区域与每个邻域连通域的第一距离以及第二距离。

[0085] 根据目标区域与每个邻域连通域的第一距离以及第二距离获取目标区域与每个邻域连通域的临近程度，如目标区域与第j个邻域连通域的临近程度为：

[0086]

[0087] 其中， 为目标区域与第j个邻域连通域的临近程度； 为目标区域与第j个邻域连通域的第一距离； 为目标区域与第j个邻域连通域的第二距离；为目标区域的邻域连通域的个数；当第二距离与第一距离的比值 越小，表示目标区域以及第j个邻域连通域越细长，且其之间的距离越近，目标区域与第j个邻域连通域越可能同为条痕缺陷的一部分，此时目标区域与第j个邻域连通域的临近程度越大；当第二距离与第一距离的比值越大，表示目标区域与第j个邻域连通域之间的距离越远，目标区域以及第j个邻域连通域之间越不连续，目标区域与第j个邻域连通域越不可能同为条痕缺陷的一部分，此时目标区域与第j个邻域连通域的临近程度越小。

[0088] 需要说明的是，当目标区域与一个邻域连通域的临近程度越大，与其他的邻域连通域的邻接程度越小时，目标区域越可能为条痕缺陷的一部分，目标区域越不可能为纸浆点，当目标区域与所有邻域连通域的临近程度相差不大时，目标区域越不可能为条痕缺陷的一部分，目标区域越可能为纸浆点。

[0089] 在本发明实施例中，根据目标区域与所有邻域连通域的临近程度获取目标区域为纸浆点的概率：

[0090]

[0091] 其中 为目标区域为纸浆点的概率； 为目标区域与第j个邻域连通域的临近程度；为目标区域的邻域连通域的个数； 为目标区域与所有邻域连通域的临近程度的熵，当目标区域与所有邻域连通域的临近程度都相等（即都为）时，目标区域与所有邻域连通域的临近程度的熵最大，为 ，因此利用
除以 进行归一化；当目标区域与所有邻域连通域的临近程度
的熵越大时，目标区域与所有邻域连通域的临近程度相差不大，目标区域越不可能为条痕缺陷的一部分，越可能为纸浆点，此时目标区域为纸浆点的概率越大；反之，当目标区域与所有邻域连通域的临近程度的熵越小时，目标区域与所有邻域连通域的临近程度之间相差较大，目标区域不可能为条痕缺陷的一部分，越不可能为纸浆点，此时目标区域为纸浆点的概率越小。

[0092] 同理，获取每个疑似纸浆点区域为纸浆点的概率。

[0093] 预设一个阈值 ，记为预设第二阈值，用来筛选为纸浆点的连通域，本发明实施例中预设第二阈值 =0.5，在其他实施例中，实施人员可根据实际实施情况设置预设第二阈值 的值。当疑似纸浆点区域为纸浆点的概率大于或等于预设第二阈值 时，将疑似纸浆点区域作为纸浆点，否则，疑似纸浆点区域不为纸浆点。

[0094] 至此，获取了纸浆点。

[0095] 纸浆点之外的连通域即为不为纸浆点的连通域。对纸浆表面图像中所有不为纸浆点的连通域进行标记，得到标记图像。

[0096] 至此，获取了标记图像。

[0097] S005．根据标记图像获取纸张缺陷区域。

[0098] 需要说明的是，所有不为纸浆点的连通域即为条痕缺陷的连通域，由于连通域为根据纸张表面图像中像素点的梯度获得，对于条痕缺陷较为不明显的边缘在连通域中可能不包含。而分水岭对于微弱边缘具有良好的响应，因此可结合分水岭分割算法获取条痕缺陷准确的边缘。分水岭分割基于图像梯度图进行，从图像梯度图中的极小值开始向上淹没形成一个集水盆，在集水盆边界建坝，以实现分割的效果。若直接对纸张表面梯度图像进行分水岭分割，会受到纸张表面梯度图像中噪声点或纸浆点的影响，导致过度分割。基于标记的分水岭分割对需要分割的区域进行标记，只从标记区域的极小值向上淹没，可避免过度分割。本发明实施例获得的标记图像中标记的区域为不为纸浆点的连通域，即为需要分割的区域。

[0099] 在本发明实施例中，利用基于标记的分水岭算法对标记图像进行分割，分割得到的所有区域的边缘即为条痕缺陷的边缘，条痕边缘图像参见图4，条痕缺陷的边缘所围成的区域即为条痕缺陷。

[0100] 至此，获取了纸张表面的完整的条痕缺陷。

[0101] 通过以上步骤，完成了纸张缺陷的检测。

[0102] 本发明实施例通过获取纸张表面图像的连通域，根据连通域的凸包区域的最小外接矩形获取连通域的第一椭圆和第二椭圆，进一步得到连通域对于椭圆的拟合度，根据拟合度筛选出形状近似椭圆的微小区域，即为疑似纸浆点的区域，获取疑似纸浆点区域与邻域连通域的中心点之间的距离以及中心点连线上疑似纸浆点区域与邻域连通域的最小距离，分别作为第一距离以及第二距离，根据第二距离与第一距离的比值获取疑似纸浆点区域与邻域连通域的临近程度，根据临近程度获取疑似纸浆点区域为纸浆点的概率，进而获取所有不为纸浆点的连通域，对不为纸浆点的连通域进行标记，得到标记图像，对标记图像进行分割，得到条痕缺陷。本发明通过获取疑似纸浆点区域，根据疑似纸浆点区域为纸浆点的概率筛选出所有不为纸浆点的区域，使得对标记图像进行分水岭分割时，排除了纸浆点对分割效果的影响，避免了过分割，获得了条痕缺陷准确的边缘，对纸张缺陷检测更加准确。

[0103] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。