数学形态学在磁瓦表面缺陷检测中的运用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (16): 182-184.

• 图形、图像、模式识别 • 上一篇下一篇

数学形态学在磁瓦表面缺陷检测中的运用

郑晓曦,严俊龙

五邑大学信息学院，广东江门 529020

收稿日期:2007-12-16 修回日期:2008-03-12 出版日期:2008-06-01 发布日期:2008-06-01
通讯作者: 郑晓曦

Application of mathematical morphology to dectect surface disfigurement of arc segments ceramic magnet

ZHENG Xiao-xi,YAN Jun-long

College of Information，Wuyi University，Jiangmen，Guangdong 529020，China

Received:2007-12-16 Revised:2008-03-12 Online:2008-06-01 Published:2008-06-01
Contact: ZHENG Xiao-xi

摘要/Abstract

摘要： 高效、快速的磁瓦图像处理方法是基于机器视觉技术磁瓦表面缺陷检测系统的关键技术之一。由于数学形态学具有简化图像数据，保持它们基本的形状特性，同时天然具有并行实现的结构特点。提出了一种将数学形态学运用到磁瓦表面缺陷检测中的方法。通过选择合适的结构元素，对缺陷图像进行多种形态学运算，提取出缺陷轮廓，并作为缺陷面积计算的基础。实验结果表明，该方法效果良好，缺陷的检测准确率高，计算处理的速度快。

关键词: 磁瓦, 缺陷检测, 数学形态学, 图像处理

Abstract: The effective and fast image processing techenique is important for surface disfigurement dectecting system based on machine-vision for arc segments ceramic magnet.Because mathematical morphology takes on characteristics of making image data simple and making parallel processing easy，this paper provides a method of detecting surface disfigurement with mathematical morphology for arc segments ceramic magnet.By choosing suitable structrue elements，image data with surface disfigurement are operated with methods of morphology and then the outlines of disfigurement are extracted.The test results indicate that this method is effective，and takes on high precision ratio and fast computing processing.

Key words: arc segments ceramic magnet, disfigurement dectecting, mathematical morphology, image processing

郑晓曦,严俊龙. 数学形态学在磁瓦表面缺陷检测中的运用[J]. 计算机工程与应用, 2008, 44(16): 182-184.

ZHENG Xiao-xi,YAN Jun-long. Application of mathematical morphology to dectect surface disfigurement of arc segments ceramic magnet[J]. Computer Engineering and Applications, 2008, 44(16): 182-184.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	彭昭勇，伍权，陈华伟，郑跃，王书祥. 基于文献计量的机器视觉缺陷检测研究述评[J]. 计算机工程与应用, 2021, 57(4): 28-34.
[7]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[8]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[9]	翁玉尚，肖金球，夏禹. 改进Mask R-CNN算法的带钢表面缺陷检测[J]. 计算机工程与应用, 2021, 57(19): 235-242.
[10]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[11]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[12]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[13]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[14]	李忠海，白秋阳，王富明，刘海荣. 基于语义分割的钢轨表面缺陷实时检测系统[J]. 计算机工程与应用, 2021, 57(12): 248-256.
[15]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.

数学形态学在磁瓦表面缺陷检测中的运用

Application of mathematical morphology to dectect surface disfigurement of arc segments ceramic magnet

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics