Andreas Eckerstorfer,
"Oberflächeninspektion: Entwurf und Implementierung eines Algorithmus zum Auffinden von Kratzern"
, 10-2004
Original Titel:
Oberflächeninspektion: Entwurf und Implementierung eines Algorithmus zum Auffinden von Kratzern
Sprache des Titels:
Deutsch
Original Kurzfassung:
Es wird ein rotationsinvarianter Algorithmus zum Auffinden von Kratzern in
Graustufenbildern von geschliffenen Metallteilen zur Verwendung in einem automatisierten
Inspektionssystem entwickelt und analysiert.
Kratzer sind dunklere Kurven im Bild, die mit freiem Auge leicht erkannt werden können.
Nach Diskussion einiger Methoden der Textursynthese wird das mögliche Vorliegen einer
vorgeschlagenen Gibbsverteilung untersucht.
Dann wird der Algorithmus erläutert, der in drei Schritte unterteilt ist.
Im ersten Schritt wird das Graustufenbild mit Hilfe der Information in der Umgebung eines
Pixels in ein Schwarz-Weiß-Bild transformiert.
Im zweiten Schritt werden kleine Geradenstücke unter verschiedenem Winkel durch
Vergleich mit der Nachbarschaft eines jeden Pixels gesucht. Ist diese Übereinstimmung groß,
wird ein neues Pixel im Zentrum der Nachbarschaft schwarz gesetzt.
Im dritten und letzten Schritt werden die gefundenen Kratzer klassifiziert. Dazu wird das
erzeugte Bild in Streifen derselben Richtung wie die Geradenstücke im zweiten Schritt
unterteilt. Falls in einem dieser Streifen viel mehr schwarze Pixel gefunden werden als in
jedem anderen Streifen, muss mit großer Wahrscheinlichkeit ein Kratzer in diesem Streifen
vorliegen.
Wird kein Kratzer gefunden, besteht das Werkstück die Prüfung.
Sprache der Kurzfassung:
Deutsch
Englische Kurzfassung:
A rotation-invariant algorithm for a self-acting inspection system to detect scratches in
grayscale images of ground metallic material will be discussed.
Scratches are darker curves on the image, which can easily be detected with our eyes.
After discussing some methods of texture synthesis, a supposed Gibbs distribution is
investigated.
Then the main algorithm is presented, which is divided into three main parts.
As a first step the grayscale image is transformed into a binary image using local pixel
information.
As a second step small line segments of different angels are searched for by comparison
with the neighbourhood of each pixel. If this correspondence is high, the new pixel at the
center of this neighborhood is set to black.
In the third and last step the discovered scratches are classified. The resulting image is
partitioned into stripes of the same direction as the line segment used in step 2. If the number
of black pixels in one of these stripes is much larger than the number of black pixels in the
other stripes, then with high probability there must be a scratch in this stripe.
If no scratch is found, the material passes the inspection.
Forschungs-