金屬表面檢測廠家表示圖畫的特征提取可理解為從高維圖畫空間到低維特征空間的映射，是依據機器視覺的外表缺陷檢測的重要一環，其有用性對后續缺陷方針辨認精度、核算復雜度、魯棒性等均有重大影響。特征提取的根本思維是使方針在得到的子空間中具有較小的類內聚散度和較大的類間聚散度。現在常用的圖畫特征首要有紋路特征、色彩特征、形狀特征等。今天就讓金屬表面檢測廠家無錫市東富達科技有限公司小編為大家帶來金屬表面檢測廠家外表缺陷檢測紋路特征提取及算法的簡單講解。

紋路是表達圖畫的一種重要特征，它不依賴于色彩或亮度而反映圖畫的同質現象，反映了外表結構安排擺放的重要信息以及它們與周圍環境的聯絡。與色彩特征和灰度特征不同，紋路特征不是依據像素點的特征，它需求在包括多個像素點的區域中進行核算核算，即部分性；一起，部分紋路信息也存在不同程度的重復性，即全局性。紋路特征常具有旋轉不變性，而且關于噪聲有較強的抵抗能力。  

依據的紋路特征提取辦法——核算法。  

核算辦法將紋路看用隨機現象，從核算學的視點來剖析隨機變量的散布，然后完成對圖畫紋路的描繪。直方圖特征是簡略的核算特征，但它只反映了圖畫灰度呈現的概率，沒有反映像素的空間散布信息；灰度共生矩(GLCM)是依據像素的空間散布信息的常用核算辦法；部分二值形式(LBP)具有旋轉不變性和多尺度性、核算簡略；此外，還有行程長度核算法、灰度差分核算法等，因核算量大、作用不杰出而約束了其運用。  

(1)直方圖特征。圖畫的直方圖供給了圖畫的許多信息和特征，常用的直方圖特征有大值、小值、均值、中值、值域、熵、方差和熵等。直方圖特征辦法核算簡略、具有平移和旋轉不變性、對色彩像素的準確空間散布不靈敏等，所以在外表檢測、缺陷辨認得到不少運用。  

(2)灰度共生矩。Haralick等人提出的灰度共生矩是一種廣泛運用的運用核算特征來描繪紋路的辦法。灰度共生矩陣便是從圖畫灰度級為的像素出發，核算與其距離為、灰度級為的像素一起呈現的概率。一般取0°、45°、90°和135°這4個方向。灰度共生矩陣反映了圖畫灰度關于方向、相鄰間隔、改變幅度的綜合信息，所以可以作為剖析圖畫基元和擺放結構的信息。  

這就是今天的全部內容，如果大家想了解更多金屬表面檢測廠家的相關內容，歡迎關注金屬表面檢測廠家無錫市東富達科技有限公司小編。