CN114022574A - 一种工业视觉检测的图像颜色质量判定方法 - Google Patents

Abstract

本发明公开一种针对工业环境视觉检测的图像颜色质量判定方法，该方法通过将成像采集镜头的检测视野范围进行多区域划分，将24色标准色卡作为基准标定样本，将样本分别依次放置在划分的不同区域，并采集对应的真彩图像。计算每个区域真彩图像与标准色卡上灰阶部分色块的灰度值，通过对两者的相关性分析，判断图像采集效果在灰度空间内是否符合色卡标准。然后对检测物品干扰色分别在标准色卡与真彩图像中的RGB值进行交叉判定，验证通过后，计算真彩图像中同一色块在不同区域的RGB值变异系数，利用此变异系数来判定不同区域对于图像采集颜色质量是否有影响。该方法简单、有效，且检测速度快，具备广阔的应用前景。

Description

一种工业视觉检测的图像颜色质量判定方法

技术领域

本发明涉及计算机机器视觉技术领域，特别涉及一种工业视觉检测的图像颜色质量判定方法及系统。

背景技术

在工业制造领域中，计算机视觉在智能制造工业检测中发挥着对物品检测分析的作用。但在实际应用过程中，由于生产环境本身的复杂多变，而计算机视觉技术本身对光线敏感，使得成像图像颜色质量的稳定性无法得到有效保证，进而造成对实际生产的误导。

发明内容

本发明为解决智能制造生产线上图像采集的质量无法得到有效保证的问题，本发明目的是提出一种针对工业环境视觉检测的图像颜色质量判定方法及系统，能够快速有效地判定在线成像颜色质量检测，保证在线采集图像的稳定性，从而提高产品生产的质量。

为实现达到上述目的，本发明采用如下技术方案：

本发明提供一种工业视觉检测的图像颜色质量判定方法，其特征在于：包括依次进行第一检测判定、第二检测判定以及第三检测判定，第一检测判定为基于灰度值来判定图像采集效果在灰度空间内是否符合色卡标准；第二检测判定为基于干扰色RGB值来判定物品的干扰色对图像颜色质量的影响；第三检测判定为基于RGB值标的准偏差及变异系数来判定判定不同区域对于图像采集颜色质量是否有影响。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，其特征在于，该方法的具体步骤如下：步骤一、选取标准色卡作为基准标定样本；步骤二、将图像采集镜头的检测视野范围进行多区域划分，得到检测视野的不同区域；步骤三、将标准色卡分别放置在划分的不同区域内，并采集得到对应的真彩图像；步骤四、分别计算出真彩图像中色卡上的白→灰→黑六个灰阶色块的灰度值，并排序；步骤五、计算标准色卡中白→灰→黑的六个灰阶色块的灰度值，并与步骤四中真彩图像中获得的排序后的灰度值进行相关性分析，从而判定图像采集效果在灰度空间内是否符合色卡标准；步骤六、针对每个区域，分别选取检测物品的干扰色，并计算出标准色卡以及相应真彩图像中的各干扰色色块的RGB值以及RGB值的比例关系；步骤七、将标准色卡与相应的真彩图像中的干扰色色块的RGB值比例关系进行交叉判定，从而判定物品的干扰色对图像颜色质量的影响；步骤八、计算所划分的所有区域的真彩图像中六个灰阶色块以及各干扰色色块的RGB值，对每个颜色在所划分区域的RGB值进行标准偏差及变异系数的计算，根据计算出的标准偏差及变异系数结果来判定不同区域对于图像采集颜色质量是否有影响。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，步骤二中检测视野范围呈矩形，将检测视野范围划分为左、中、右的三个等尺寸区域，并进行编号i＝1，2，3。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，标准色卡为24色标准色卡，步骤三中将24色标准色卡分别放置在三个区域上，采集得到对应的真彩图像。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，步骤四的具体过程如下：RGB值转换为灰度值的转换公式为：

Y＝0.299·R+0.587·G+0.114·B (1)

公式(1)中，R值、G值、B值分别表示红色值、绿色值、蓝色值；Y值表示灰度值；

真彩图像中色卡白→灰→黑的六个灰阶色块中的RGB值分别表示为(R_i1,G_i1,B_i1)、(R_i2,G_i2,B_i2)、(R_i3,G_i3,B_i3)、(R_i4,G_i4,B_i4)、(R_i5,G_i5,B_i5)、(R_i6,G_i6,B_i6)，i＝1,2,3，通过公式(1)计算得到真彩图像中色卡中六个灰阶色块对应灰度值，分别表示为Y_i1、Y_i2、Y_i3、Y_i4、Y_i5、Y_i6，i＝1,2,3，并将所得灰度值进行排序。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，步骤五的具体过程如下：

a)标准色卡中每个色块的RGB值为确定的已知值，令标准色卡中白→灰→黑六个灰阶色块的RGB值分别为(R₁,G₁,B₁)、(R₂,G₂,B₂)、(R₃,G₃,B₃)、(R₄,G₄,B₄)、(R₅,G₅,B₅)、(R₆,G₆,B₆)；

通过公式(1)计算得到标准色卡中六个灰阶色块的对应灰度值，分别表示为Y₁、Y₂、Y₃、Y₄、Y₅、Y₆，并将所得灰度值进行排序；

b)将不同区域色卡的六个灰阶色块的灰度值分别与标准色卡的六个灰阶色块的灰度值进行相关性系数r_i计算，i＝1,2,3，计算公式如下：

公式(2)中，Y_i＝[Y_i1,Y_i2,Y_i3,Y_i4,Y_i5,Y_i6]，i＝1,2,3；Y＝[Y₁,Y₂,Y₃,Y₄,Y₅,Y₆]；Cov(Y_i,Y)为Y_i与Y的协方差；Var(Y_i)为Y_i的方差；Var(Y)为Y的方差；

c)若相关性系数r_i越接近于1，则表明图像采集效果在灰度空间内越符合色卡标准。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，步骤六的具体过程如下：针对每个区域，分别选取检测物品的至少二个干扰色，并计算出标准色卡以及相应真彩图像中的各个干扰色色块的RGB值，以及RGB值的比例关系：当干扰色为两个时，令干扰色分别为C₁、C₂，对于标准色卡中C₁、C₂，计算出标准色卡中C₁、C₂的RGB值表示为(R_c1,G_c1,B_c1)、(R_c2,G_c2,B_c2)，并计算出对应RGB值的比例关系表示为：a₁:b₁:c₁和a₂:b₂:c₂；对于真彩图像中C₁、C₂，计算出标准色卡中C₁、C₂的RGB值表示为(R_c3,G_c3,B_c3)、(R_c4,G_c4,B_c4)，并计算出对应RGB值的比例关系表示为：a₃:b₃:c₃和a₄:b₄:c₄。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，步骤七的具体过程如下：

a)对于干扰色C₁，首先计算干扰色C₁在真彩图像中的RGB比例值与标准色卡中中干扰色C₁的RGB比例值的相关性系数r₁₁：

然后，再计算干扰色C₁在真彩图像中的RGB比例值与标准色卡中干扰色C₂的RGB比例值的相关性系数r₁₂：

公式(3)(4)中，Cov(*)表示协方差；(*)表示方差；

b)比较r₁₁与r₁₂的大小，若r₁₁＞r₁₂，则表明干扰色C₁对于成像质量影响较低；若r₁₁＜r₁₂，意味着真彩图像中的颜色C₁被识别成C₂，表明干扰色C₁对于成像质量影响较高；

c)对于干扰色C₂，首先计算干扰色C₂在真彩图像中的RGB比例值与标准色卡中中干扰色C₂的RGB比例值的相关性系数r₂₂：

然后，再计算干扰色C₂在真彩图像中的RGB比例值与标准色卡中干扰色C₁的RGB比例值的相关性系数r₂₁：

公式(5)(6)中，Cov(*)表示协方差；(*)表示方差；

d)比较r₂₂与r₂₁的大小，若r₂₂＞r₂₁，则表明干扰色C₂对于成像质量影响较低；若r₂₂＜r₂₁，意味着真彩图像中的颜色C₂被识别成C₁，表明干扰色C₂对于成像质量影响较高；

e)若同时满足r₁₁＞r₁₂且r₂₂＞r₂₁，则表明在线成像质量不受干扰色C₁、C₂的影响。

进一步地，在本发明提供的工业视觉检测的图像颜色质量判定方法中，还可以具有这样的特征：其中，步骤八的具体过程如下：

a)当干扰色为C₁、C₂两个时，首先分别计算出真彩图像中六个灰阶色块(G₁、G₂、G₃、G₄、G₅、G₆)的RGB值以及干扰色色块C₁、C₂的RGB值，得到八个色块的RGB值表示如下：

b)对于八个色块中每个色块，对R值、G值、B值分别进行标准偏差和变异系数计算，得到对应的变异系数:

对于灰阶色块G₁在三张真彩图像的三组RGB值分别为：

灰阶色块G₁的R值的变异系数

按照如下公式计算：

公式(7)中，N＝3；

为灰阶色块G₁的R值的标准偏差；

为灰阶色块G₁的R值的平均值；

灰阶色块G₁的G值的变异系数

按照如下公式计算：

公式(8)中，N＝3；

为灰阶色块G₁的G值的标准偏差，

为灰阶色块G₁的G值的平均值；

灰阶色块G₁的B值的变异系数

按照如下公式计算：

公式(9)中，N＝3；

为灰阶色块G₁的B值的标准偏差；

为灰阶色块G₁的B值的平均值；

对于灰阶色块G₂、G₃、G₄、G₅、G₆以及干扰色色块C₁、C₂的R值、G值、B值变异系数，通过公式(7)至(9)，将公式中灰阶色块G₁的RGB值替换为相应色块的RGB值，即可用同样的方式计算得该色块的RGB值的变异系数；

c)判定不同区域对于图像采集颜色质量是否有影响：

设定RGB值的变异系数阈值为10％，若所计算出的所有变异系数均在10％以内，则表明不同区域对于图像采集颜色质量没有影响。

本发明的作用和效果：

本发明的工业视觉检测的图像颜色质量判定方法通过将成像采集镜头的检测视野范围进行多区域划分，将标准色卡作为基准标定样本分别依次放置在所划分的不同区域上，并采集对应的真彩图像。为检验固定区域的图像颜色质量，通过对色卡上指定的梯度色块进行灰度计算，并将灰度值排序与标准色卡中实际的颜色梯度进行相关性分析，来判断图像采集效果在灰度空间内是否符合色卡标准。为验证检测物品的干扰色对图像颜色质量的影响，选取检测物品的主要干扰色，并计算出标准色卡中干扰色的RGB值。同时，计算各真彩图像中干扰色的RGB值及其RGB值比例关系，并与标准色卡中各干扰色的RGB值比例进行交叉判定。为测试检测视野中不同区域对图像颜色质量的影响，分别计算出不同区域色卡的灰阶色块及各个干扰色色块的RGB值。通过对同一色块在不同区域的RGB值进行标准偏差及变异系数计算，利用此标准偏差和变异系数来判定图像颜色质量的优劣。本发明的方法具有简单、有效，且检测速度快的特点，用机器视觉技术对工业图像进行无损检测，从而达到快速评价工业环境下视觉检测图像颜色质量的优劣效果，具备广阔的应用前景。

附图说明

图1是本发明实施例中工业视觉检测的图像颜色质量判定方法的流程图；

图2是本发明实施例中24色标准色卡的示意图；

图3是本发明实施例中检测视野的多区域划分示意图；

图4是本发明实施例中24色标准色卡在不同区域的真彩图像；

图5是本发明实施例中干扰色的交叉判定的示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明的技术方案作具体阐述。

<实施例>

本发明的工业视觉检测的图像颜色质量判定方法括依次进行第一检测判定、第二检测判定以及第三检测判定。其中第一检测判定为基于灰度值来判定图像采集效果在灰度空间内是否符合色卡标准。第二检测判定为基于干扰色RGB值来判定物品的干扰色对图像颜色质量的影响。第三检测判定为基于RGB值标的准偏差及变异系数来判定判定不同区域对于图像采集颜色质量是否有影响。

参阅图1，本实施例的工业视觉检测的图像颜色质量判定方法包括以下步骤：

步骤一、选取标准色卡作为基准标定样本。

本实施例中选取美侬24色标准色卡作为基准标定样本，但不以此为限制，在其他实施例中也可以使用36色标准色卡、48色标准色卡等。

本实施例的24色标准色卡如图2所示，其中最后一行的六个色块为黑→灰→白灰阶色块。

美侬24标准色卡中各色块实际的RGB值如表1所示，其中#19、#20、#21、#22、#23、#24此六个是灰阶色块。

表1

步骤二、将图像采集镜头的检测视野范围进行多区域划分，得到检测视野的不同区域。如图3所示，检测视野范围呈矩形，将检测视野范围划分为左、中、右的三个等尺寸区域，并进行编号i＝1，2，3。

步骤三、将标准色卡分别放置在划分的不同区域内，并采集得到对应的真彩图像。如图4所示，将24色标准色卡分别放置在所划分的三个区域上，本实施例中对应三个区域得到三张真彩图像。

本实施例中所用的图像采集过程通过工业视觉检测在线成像采集平台实施，该平台包括有光源、图像采集镜头、相机以及计算机，图像采集镜头确定矩形的检测视野范围，相机用于采集真彩图像，计算机运行如步骤一至步骤八的计算机程序。

步骤四、针对每个区域，分别计算出真彩图像中色卡上的白→灰→黑六个灰阶色块的灰度值并排序。

步骤四的具体过程如下：

RGB值转换为灰度值的转换公式为：

Y＝0.299·R+0.587·G+0.114·B (1)

公式(1)中，R值、G值、B值分别表示红色值、绿色值、蓝色值；Y值表示灰度值。

真彩图像中色卡白→灰→黑的六个灰阶色块中的RGB值分别表示为(R_i1,G_i1,B_i1)、(R_i2,G_i2,B_i2)、(R_i3,G_i3,B_i3)、(R_i4,G_i4,B_i4)、(R_i5,G_i5,B_i5)、(R_i6,G_i6,B_i6)，其中i＝1,2,3对应左、中、右三张真彩图像，通过公式(1)计算得到真彩图像中色卡中六个灰阶色块对应灰度值，分别表示为Y_i1、Y_i2、Y_i3、Y_i4、Y_i5、Y_i6，i＝1,2,3，并将所得灰度值进行排序。

在计算上述RGB值时，由于不同区域真彩图像中色中白→灰→黑六个色块每个灰阶色块的RGB值并不是唯一值，在实际计算时选取每个色块上代表性的若干像素(如四个角和中心位置的像素)，计算这些像素RGB值的平均值，以该平均值作为该色块的RGB值。

本实施例中本步骤通过上述RGB值的平均值算法对左、中、右三个区域真彩图像中灰阶色块的RGB值，得到结果如表2所示：

表2

本实施例中本步骤通过公式(1)对左、中、右三个区域真彩图像中灰阶色块的计算灰度值，得到的结果如表3所示：

表3

步骤五、计算标准色卡中白→灰→黑的六个灰阶色块的灰度值，并与步骤四中真彩图像中获得的排序后的灰度值进行相关性分析，从而判定图像采集效果在灰度空间内是否符合色卡标准。

步骤五的具体过程如下：

a)标准色卡中每个色块的RGB值为确定的已知值(参阅表1中序号#19至#24对应的RGB值)，令该标准色卡中白→灰→黑六个灰阶色块的RGB值分别为(R₁,G₁,B₁)、(R₂,G₂,B₂)、(R₃,G₃,B₃)、(R₄,G₄,B₄)、(R₅,G₅,B₅)、(R₆,G₆,B₆)；

通过公式(1)计算得到标准色卡中六个灰阶色块的对应灰度值，分别表示为Y₁、Y₂、Y₃、Y₄、Y₅、Y₆，并将所得灰度值进行排序，计算得到的灰度值和排序情况如下表4所示：

表4

b)将不同区域色卡的六个灰阶色块的灰度值分别与标准色卡的六个灰阶色块的灰度值进行相关性系数r_i计算，i＝1,2,3，计算公式如下：

公式(2)中，Y_i＝[Y_i1,Y_i2,Y_i3,Y_i4,Y_i5,Y_i6]，i＝1,2,3；Y＝[Y₁,Y₂,Y₃,Y₄,Y₅,Y₆]；Cov(Y_i,Y)为Y_i与Y的协方差；Var(Y_i)为Y_i的方差；Var(Y)为Y的方差。

c)若相关性系数r_i越接近于1，则表明图像采集效果在灰度空间内越符合色卡标准。相关性系数r_i≥0.99，即表明图像采集效果在灰度空间内符合色卡标准。

根据表3与表4中灰阶色块的灰度值，计算出三个不同区域真彩图像中灰阶色块的灰度值与标准色卡中灰阶色块灰度值的相关性系数，计算得出的左、中、右三个区域的结果分别为0.9904、0.9924、0.9910，均接近于1，因此图像采集效果在灰度空间符合色块标准。

步骤六、针对每个区域，分别选取检测物品的至少二个干扰色，并计算出标准色卡以及相应真彩图像中的各干扰色色块的RGB值以及RGB值的比例关系。

步骤六的具体过程如下：

针对每个区域，分别选取检测物品的至少二个干扰色，并计算出标准色卡以及相应真彩图像中的各个干扰色色块的RGB值，以及RGB值的比例关系:

具体来说，比如检测样品为烟叶，那么其干扰色为黄色#15和红色#12。

采集真彩图像的干扰色色块的RGB值的计算方式采用步骤四中色块RGB平均值的计算方式，用得到RGB平均值来表示该干扰色色块的RGB值。

当干扰色为两个时，令干扰色分别为C₁、C₂，对于标准色卡中C₁、C₂，计算出标准色卡中C₁、C₂的RGB值表示为(R_c1,G_c1,B_c1)、(R_c2,G_c2,B_c2)，并计算出对应RGB值的比例关系表示为：a₁:b₁:c₁和a₂:b₂:c₂。对于真彩图像中C₁、C₂，计算出标准色卡中C₁、C₂的RGB值表示为(R_c3,G_c3,B_c3)、(R_c4,G_c4,B_c4)，并计算出对应RGB值的比例关系表示为：a₃:b₃:c₃和a₄:b₄:c₄。

通过上述采用步骤四中RGB值的平均值算法对左、中、右三个区域真彩图像中干扰色色块的RGB值，得到结果如表5所示：

表5

步骤七、针对每个区域，将标准色卡与相应的真彩图像中的干扰色色块的RGB值比例关系进行交叉判定，从而判定物品的干扰色对图像颜色质量的影响，判定过程参阅图5。

步骤七的具体过程如下：

a)对于干扰色C₁，首先计算干扰色C₁在真彩图像中的RGB比例值与标准色卡中中干扰色C₁的RGB比例值的相关性系数r₁₁：

然后，再计算干扰色C₁在真彩图像中的RGB比例值与标准色卡中干扰色C₂的RGB比例值的相关性系数r₁₂：

公式(3)(4)中，Cov(*)表示协方差；(*)表示方差；

b)比较r₁₁与r₁₂的大小，若r₁₁＞r₁₂，则表明干扰色C₁对于成像质量影响较低；若r₁₁＜r₁₂，意味着真彩图像中的颜色C₁被识别成C₂，表明干扰色C₁对于成像质量影响较高；

c)对于干扰色C₂，首先计算干扰色C₂在真彩图像中的RGB比例值与标准色卡中中干扰色C₂的RGB比例值的相关性系数r₂₂：

然后，再计算干扰色C₂在真彩图像中的RGB比例值与标准色卡中干扰色C₁的RGB比例值的相关性系数r₂₁：

公式(5)(6)中，Cov(*)表示协方差；(*)表示方差；

d)比较r₂₂与r₂₁的大小，若r₂₂＞r₂₁，则表明干扰色C₂对于成像质量影响较低；若r₂₂＜r₂₁，意味着真彩图像中的颜色C₂被识别成C₁，表明干扰色C₂对于成像质量影响较高；

e)若同时满足r₁₁＞r₁₂且r₂₂＞r₂₁，则表明在线成像质量不受干扰色C₁、C₂的影响。

本实施例中干扰色色块的RGB比例值的相关性系数，得到结果如表6所示：

表6

根据由表6中的相关系数值可知，标准色卡与真彩图像同一色块RGB值之间的相关性系数明显大于与干扰色色块之间的相关性系数，因此成像质量不受干扰色的影响。

步骤八、计算所划分的所有区域的真彩图像中六个灰阶色块以及各干扰色色块的RGB值，对每个颜色在所划分区域的RGB值进行标准偏差及变异系数的计算，根据计算出的标准偏差及变异系数结果来判定不同区域对于图像采集颜色质量是否有影响。

步骤八的具体过程如下：

a)当干扰色为C₁、C₂两个时，首先分别计算出真彩图像中六个灰阶色块(G₁、G₂、G₃、G₄、G₅、G₆)的RGB值以及干扰色色块C₁、C₂的RGB值，得到八个色块的RGB值表示如下：

b)对于八个色块中每个色块，对R值、G值、B值分别进行标准偏差和变异系数计算，得到对应的变异系数:

对于灰阶色块G₁在三张真彩图像的三组RGB值分别为：

灰阶色块G₁的R值的变异系数

按照如下公式计算：

公式(7)中，N＝3；

为灰阶色块G₁的R值的标准偏差；

为灰阶色块G₁的R值的平均值；

灰阶色块G₁的G值的变异系数

按照如下公式计算：

公式(8)中，N＝3；

为灰阶色块G₁的G值的标准偏差，

为灰阶色块G₁的G值的平均值；

灰阶色块G₁的B值的变异系数

按照如下公式计算：

公式(9)中，N＝3；

为灰阶色块G₁的B值的标准偏差；

为灰阶色块G₁的B值的平均值；

对于灰阶色块G₂、G₃、G₄、G₅、G₆以及干扰色色块C₁、C₂的R值、G值、B值变异系数，通过公式(7)至(9)，将公式中灰阶色块G₁的RGB值替换为相应色块的RGB值，即可用同样的方式计算得该色块的RGB值的变异系数；

c)判定不同区域对于图像采集颜色质量是否有影响：

设定RGB值的变异系数阈值为10％，若所计算出的所有变异系数均在10％以内，则表明不同区域对于图像采集颜色质量没有影响，图像颜色质量满足在线成像采集要求，图像成像质量优。

下表7示意了黑色色块(#19)、白色色块(#24)、干扰色色块(#12)和(#15)计算的其在不同区域真彩图像的RGB值：

表7

根据上述公式(7)(8)(9)计算出黑色色块(#19)、白色色块(#24)、干扰色色块(#12)和(#15)其在不同区域真彩图像的RGB值变异系数，如下表8如下：

由表8结果可看出，除了#12的G值变异系数和B值变异系数超过10％，其余所有色块的RGB值变异系数均在10％以内，表明不同区域对于图像采集颜色质量影响很小，几乎没有影响，该图像颜色质量大致满足在线成像采集要求。

上述实施例仅为本发明的优选实施例，并不用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (9)

1.一种工业视觉检测的图像颜色质量判定方法，其特征在于：包括依次进行第一检测判定、第二检测判定以及第三检测判定，

所述第一检测判定为基于灰度值来判定图像采集效果在灰度空间内是否符合色卡标准；

所述第二检测判定为基于干扰色RGB值来判定物品的干扰色对图像颜色质量的影响；

所述第三检测判定为基于RGB值标的准偏差及变异系数来判定判定不同区域对于图像采集颜色质量是否有影响。

2.如权利要求1所述的工业视觉检测的图像颜色质量判定方法，其特征在于，该方法的具体步骤如下：

步骤一、选取标准色卡作为基准标定样本；

步骤二、将图像采集镜头的检测视野范围进行多区域划分，得到检测视野的不同区域；

步骤三、将标准色卡分别放置在划分的不同区域内，并采集得到对应的真彩图像；

步骤四、分别计算出真彩图像中色卡上的白→灰→黑六个灰阶色块的灰度值，并排序；

步骤五、计算标准色卡中白→灰→黑的六个灰阶色块的灰度值，并与步骤四中真彩图像中获得的排序后的灰度值进行相关性分析，从而判定图像采集效果在灰度空间内是否符合色卡标准；

步骤六、针对每个区域，分别选取检测物品的干扰色，并计算出标准色卡以及相应真彩图像中的各干扰色色块的RGB值以及RGB值的比例关系；

步骤七、将标准色卡与相应的真彩图像中的干扰色色块的RGB值比例关系进行交叉判定，从而判定物品的干扰色对图像颜色质量的影响；

步骤八、计算所划分的所有区域的真彩图像中六个灰阶色块以及各干扰色色块的RGB值，对每个颜色在所划分区域的RGB值进行标准偏差及变异系数的计算，根据计算出的标准偏差及变异系数结果来判定不同区域对于图像采集颜色质量是否有影响。

3.如权利要求2所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，步骤二中所述检测视野范围呈矩形，将所述检测视野范围划分为左、中、右的三个等尺寸区域，并进行编号i＝1，2，3。

4.如权利要求2所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，所述标准色卡为24色标准色卡，步骤三中将24色标准色卡分别放置在三个区域上，采集得到对应的真彩图像。

5.如权利要求2所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，步骤四的具体过程如下：

RGB值转换为灰度值的转换公式为：

Y＝0.299·R+0.587·G+0.114·B (1)

公式(1)中，R值、G值、B值分别表示红色值、绿色值、蓝色值；Y值表示灰度值；

真彩图像中色卡白→灰→黑的六个灰阶色块中的RGB值分别表示为(R_i1,G_i1,B_i1)、(R_i2,G_i2,B_i2)、(R_i3,G_i3,B_i3)、(R_i4,G_i4,B_i4)、(R_i5,G_i5,B_i5)、(R_i6,G_i6,B_i6)，i＝1,2,3，通过公式(1)计算得到真彩图像中色卡中六个灰阶色块对应灰度值，分别表示为Y_i1、Y_i2、Y_i3、Y_i4、Y_i5、Y_i6，i＝1,2,3，并将所得灰度值进行排序。

6.如权利要求5所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，步骤五的具体过程如下：

a)所述标准色卡中每个色块的RGB值为确定的已知值，令所述标准色卡中白→灰→黑六个灰阶色块的RGB值分别为(R₁,G₁,B₁)、(R₂,G₂,B₂)、(R₃,G₃,B₃)、(R₄,G₄,B₄)、(R₅,G₅,B₅)、(R₆,G₆,B₆)；

通过公式(1)计算得到所述标准色卡中六个灰阶色块的对应灰度值，分别表示为Y₁、Y₂、Y₃、Y₄、Y₅、Y₆，并将所得灰度值进行排序；

b)将不同区域色卡的六个灰阶色块的灰度值分别与标准色卡的六个灰阶色块的灰度值进行相关性系数r_i计算，i＝1,2,3，计算公式如下：

公式(2)中，Y_i＝[Y_i1,Y_i2,Y_i3,Y_i4,Y_i5,Y_i6]，i＝1,2,3；Y＝[Y₁,Y₂,Y₃,Y₄,Y₅,Y₆]；Cov(Y_i,Y)为Y_i与Y的协方差；Var(Y_i)为Y_i的方差；Var(Y)为Y的方差；

c)若相关性系数r_i越接近于1，则表明图像采集效果在灰度空间内越符合色卡标准。

7.如权利要求2所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，步骤六的具体过程如下：

针对每个区域，分别选取检测物品的至少二个干扰色，并计算出标准色卡以及相应真彩图像中的各个干扰色色块的RGB值，以及RGB值的比例关系：

当干扰色为两个时，令干扰色分别为C₁、C₂，对于标准色卡中C₁、C₂，计算出标准色卡中C₁、C₂的RGB值表示为(R_c1,G_c1,B_c1)、(R_c2,G_c2,B_c2)，并计算出对应RGB值的比例关系表示为：a₁:b₁:c₁和a₂:b₂:c₂；

对于真彩图像中C₁、C₂，计算出标准色卡中C₁、C₂的RGB值表示为(R_c3,G_c3,B_c3)、(R_c4,G_c4,B_c4)，并计算出对应RGB值的比例关系表示为：a₃:b₃:c₃和a₄:b₄:c₄。

8.如权利要求7所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，步骤七的具体过程如下：

a)对于干扰色C₁，首先计算干扰色C₁在真彩图像中的RGB比例值与标准色卡中中干扰色C₁的RGB比例值的相关性系数r₁₁：

然后，再计算干扰色C₁在真彩图像中的RGB比例值与标准色卡中干扰色C₂的RGB比例值的相关性系数r₁₂：

公式(3)(4)中，Cov(*)表示协方差；(*)表示方差；

b)比较r₁₁与r₁₂的大小，若r₁₁＞r₁₂，则表明干扰色C₁对于成像质量影响较低；若r₁₁＜r₁₂，意味着真彩图像中的颜色C₁被识别成C₂，表明干扰色C₁对于成像质量影响较高；

c)对于干扰色C₂，首先计算干扰色C₂在真彩图像中的RGB比例值与标准色卡中中干扰色C₂的RGB比例值的相关性系数r₂₂：

然后，再计算干扰色C₂在真彩图像中的RGB比例值与标准色卡中干扰色C₁的RGB比例值的相关性系数r₂₁：

公式(5)(6)中，Cov(*)表示协方差；(*)表示方差；

d)比较r₂₂与r₂₁的大小，若r₂₂＞r₂₁，则表明干扰色C₂对于成像质量影响较低；若r₂₂＜r₂₁，意味着真彩图像中的颜色C₂被识别成C₁，表明干扰色C₂对于成像质量影响较高；

e)若同时满足r₁₁＞r₁₂且r₂₂＞r₂₁，则表明在线成像质量不受干扰色C₁、C₂的影响。

9.如权利要求2所述的工业视觉检测的图像颜色质量判定方法，其特征在于：

其中，步骤八的具体过程如下：

a)当干扰色为C₁、C₂两个时，首先分别计算出真彩图像中六个灰阶色块(G₁、G₂、G₃、G₄、G₅、G₆)的RGB值以及干扰色色块C₁、C₂的RGB值，得到八个色块的RGB值表示如下：

b)对于八个色块中每个色块，对R值、G值、B值分别进行标准偏差和变异系数计算，得到对应的变异系数:

对于灰阶色块G₁在三张真彩图像的三组RGB值分别为：

灰阶色块G₁的R值的变异系数

按照如下公式计算：

公式(7)中，N＝3；

为灰阶色块G₁的R值的标准偏差；

为灰阶色块G₁的R值的平均值；

灰阶色块G₁的G值的变异系数

按照如下公式计算：

公式(8)中，N＝3；

为灰阶色块G₁的G值的标准偏差，

为灰阶色块G₁的G值的平均值；

灰阶色块G₁的B值的变异系数

按照如下公式计算：

公式(9)中，N＝3；

为灰阶色块G₁的B值的标准偏差；

为灰阶色块G₁的B值的平均值；

对于灰阶色块G₂、G₃、G₄、G₅、G₆以及干扰色色块C₁、C₂的R值、G值、B值变异系数，通过公式(7)至(9)，将公式中灰阶色块G₁的RGB值替换为相应色块的RGB值，即可用同样的方式计算得该色块的RGB值的变异系数；

c)判定不同区域对于图像采集颜色质量是否有影响：

设定RGB值的变异系数阈值为10％，若所计算出的所有变异系数均在10％以内，则表明不同区域对于图像采集颜色质量没有影响。

Images