CN115908362A - 一种滑板轮的耐磨性检测方法 - Google Patents

Abstract

本发明公开了一种滑板轮的耐磨性检测方法，属于图像识别技术领域；包括以下步骤：获取滑轮表面的灰度图像；并获取灰度图像的灰度直方图；获取每个第一分段点对应的增强灰度图像；获取增强灰度图像的中闭合边缘线的清晰度；将最大的质量评价值对应的增强灰度图像作为最优灰度图像；根据最优灰度图像中闭合区域的密集程度，以及最优灰度图像中所有闭合区域的面积的均匀性，获取滑轮的表面的耐磨程度。本发明通过增强后图像中的坑孔的边缘清晰度以及闭合边缘内部像素点的灰度均匀性之间的关系判断滑板轮表面中是否存在较大的缺陷位置，对滑轮的磨损程度的均匀性进行分析，从而实现对滑轮的耐磨性进行评价。

Description

一种滑板轮的耐磨性检测方法

技术领域

本发明涉及图像识别技术领域，具体涉及一种滑板轮的耐磨性检测方法。

背景技术

滑轮生产过后，需要对新得到的滑轮进行抽样检测，检测滑轮的耐磨性，对滑轮表面的耐磨性主要是通过耐磨测试仪对滑轮进行检测，通过在不同的时间下，滑轮表面的粗糙程度对滑轮的耐磨性进行检测。现有技术在进行表面的磨损程度的检测过程中，通过简单的对图像进行预处理后，通过滑轮表面中的坑孔的多少以及大小对得到的滑轮的磨损程度进行分析，但由于坑孔和滑轮表面的颜色相近，因此在对图像进行分割的过程中，得到的坑孔的数量和面积并不准确，导致对滑轮的耐磨性进行检测时结果不精准。本领域技术人员为了能够分割出清晰的坑孔缺陷，通过先要对图像进行增强，通常采用直方图均衡化通过使用累积函数对灰度值进行调整以实现对比度的增强，但是在增强的过程中，引起变换后图像的灰度级减少，造成图像中的弱边缘细节消失，从而难以准确的检测出滑轮表面图像中坑孔边缘。

发明内容

为了解决现有技术中的不足，本发明提供一种滑板轮的耐磨性检测方法，该方法通过增强后图像中的坑孔的边缘清晰度以及闭合边缘内部像素点的灰度均匀性之间的关系判断滑板轮表面中是否存在较大的缺陷位置，对滑轮的磨损程度的均匀性进行分析，从而实现对滑轮的耐磨性进行评价。

本发明的目的是提供一种滑板轮的耐磨性检测方法，包括以下步骤：

获取滑轮表面的灰度图像；并获取灰度图像的灰度直方图；

将灰度图像中每个灰度值作为第一分段点；将灰度直方图中出现频率最高的灰度值作为第二分段点；根据每个第一分段点与第二分段点对灰度图像中的灰度值进行分段线性变换，获取每个第一分段点对应的增强灰度图像；

对增强灰度图像进行边缘检测，获取增强灰度图像中闭合边缘线和闭合边缘线围成的闭合区域，以及非闭合边缘线的端点；根据增强灰度图像中所有相邻端点之间距离的均值，以及端点的数量获取增强灰度图像中边缘的连贯性；根据增强灰度图像中边缘的连贯性，以及增强灰度图像中闭合边缘线的对比度，获取增强灰度图像的中闭合边缘线的清晰度；

根据增强灰度图像中所有闭合区域内像素点的灰度均匀程度，以及增强灰度图像中闭合边缘线的清晰度，获取每个第一分段点对应增强灰度图像的质量评价值；将最大的质量评价值对应的增强灰度图像作为最优灰度图像；

根据最优灰度图像中闭合区域的密集程度，以及最优灰度图像中所有闭合区域的面积的均匀性，获取滑轮的表面的耐磨程度。

在一实施例中，所述增强灰度图像中闭合边缘线的对比度是按照以下步骤获取：

根据增强灰度图像中每个闭合边缘线上边缘像素点与其邻域像素点的灰度差异，获取增强灰度图像中每个闭合边缘线的对比度；

将所有闭合边缘线的对比度的均值作为增强灰度图像中闭合边缘线的对比度。

在一实施例中，所述最优灰度图像中闭合区域的密集程度是按照以下步骤获取：

将最优灰度图像中每个闭合区域的中心与其相邻闭合区域的中心之间的距离的熵值，作为最优灰度图像中闭合区域的密集程度。

在一实施例中，所述最优灰度图像中所有闭合区域的面积的均匀性是按照以下步骤获取：

将所有闭合区域的面积的方差作为所述最优灰度图像中所有闭合区域的面积的均匀性。

在一实施例中，所述增强灰度图像中所有闭合区域内像素点的灰度均匀程度的获取方法包括：

将增强灰度图像中所有闭合区域内像素点的灰度值的熵值，作为增强灰度图像中所有闭合区域内像素点的灰度均匀程度。

在一实施例中，所述每个第一分段点对应的增强灰度图像是根据以下步骤获取：

根据每个第一分段点及第二分段点对灰度图像中的灰度值进行分段线性变换，获取变换后的灰度值，并获取变换后的灰度值对应的灰度图像；

将变换后的灰度值对应的灰度图像作为每个第一分段点对应的增强灰度图像。

本发明的有益效果是：本发明提供的一种滑板轮的耐磨性检测方法，该方法通过选取不同分段点基于分段线性变化方法对滑轮表面的灰度图像进行增强，提高灰度图像中的边缘信息和背景之间的对比度，再基于增强后的灰度图中的边缘信息和背景之间的对比度，以及闭合区域内像素点的灰度均匀程度，获取每个第一分段点与第二分段点对应增强后的灰度图像的质量评价值，通过增强后的图像中的坑孔的边缘的特征构建对灰度图像的质量的评价，从而获取质量评价值最高对应的第一分段点，及对应的增强后的灰度图像，使得到的增强后的图像中的特征分布更明显，在后续对滑轮表面的磨损性能检测过程中，使得检测滑轮的磨损程度的准确性更高。

附图说明

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。

图1为本发明的一种滑板轮的耐磨性检测方法的实施例总体步骤的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的主要目的是：利用图像识别技术，不同的分段点对得到的图像对灰度图像中的灰度值进行分段线性变换获取变换，提高边缘信息和背景之间的对比度，通过提高边缘对比度，再根据得到图像中的边缘信息进行分析和判断，得到滑轮表面的磨损程度，提高检测滑轮耐磨性的检测精度。

本发明所针对的情景为：滑轮工业生产过后需要对滑轮的耐磨程度进行检测，滑轮的耐磨程度影响滑轮的使用寿命，通过在滑板车耐磨检测仪上对滑轮进行测试，测试后通过机器视觉判断滑轮的磨损程度。

本发明提供的一种滑板轮的耐磨性检测方法，参见图1所示，包括以下步骤：

S1、获取滑轮表面的灰度图像；并获取灰度图像的灰度直方图；

在本实施例中，通过将待测的滑轮安装到磨损度测试机上进行磨损度测试，在测试机上安装相机，通过相机采集测试后的滑轮的表面图像，根据测试后的表面图像上坑孔的数量与坑孔的分布情况进行对滑轮表面的粗糙度进行评价。

在测试机上滑轮的前方安装高分辨率相机，在滑轮工件的后方以及上方安装光源，采集滑轮工件的表面图像。随后对表面图像进行灰度处理获取滑轮表面的灰度图像，并获取灰度图像的灰度直方图。

S2、将灰度图像中每个灰度值作为第一分段点；将灰度直方图中出现频率最高的灰度值作为第二分段点；根据每个第一分段点与第二分段点对灰度图像中的灰度值进行分段线性变换，获取每个第一分段点对应的增强灰度图像；

需要说明的是，依据滑轮表面的灰度图像上坑孔的数量与坑孔的分布情况进行对滑轮表面的粗糙度进行评价时，需要清晰的灰度图像才能够准确地对滑轮表面的粗糙度进行评价。为此本实施例中，对滑轮表面增强的目的主要是为了使得到的滑轮表面图像上的坑孔的边缘更清晰，由于canny算法对边缘进行检测的过程中，图像中的弱边缘很难检测到，并且得到的图像中的边缘并不清晰，因此需要进行图像增强来提高边缘的对比度。

在本实施例中，主要基于采用分段线性增强，将图像中的灰度范围进行分段，提高图像中不同区域，即背景和目标区域的对比度，增强边缘的清晰度从而提高坑孔检测的准确性。增强的过程中，首先选取初始增强的第一分段点和第二分段点。增强时的第二分段点选取灰度直方图中出现频率最高的灰度值作为第二分段点的值，第一分段点根据不同的灰度值对图像的影响进行筛选；可以将灰度图像中的最小灰度值作为初始的第一分段点的值，并设置步长为1对初始的第一分段点进行遍历，依次遍历至灰度图像中的最大灰度值为止，通过对不同的第一分段点与第二分段点对灰度图像进行增强，并通过对增强后的灰度图中的边缘的特征变化选取最优的第一分段点。

具体的，所述每个第一分段点对应的增强灰度图像是根据以下步骤获取：

根据每个第一分段点及第二分段点对灰度图像中的灰度值进行分段线性变换，获取变换后的灰度值，并获取变换后的灰度值对应的灰度图像；

将变换后的灰度值对应的灰度图像作为每个第一分段点对应的增强灰度图像。

需要说明的是，基于分段线性变化来增强图像为现有技术，在此不再赘述。

S3、对增强灰度图像进行边缘检测，获取增强灰度图像中闭合边缘线和闭合边缘线围成的闭合区域，以及非闭合边缘线的端点；根据增强灰度图像中所有相邻端点之间距离的均值，以及端点的数量获取增强灰度图像中边缘的连贯性；根据增强灰度图像中边缘的连贯性，以及增强灰度图像中闭合边缘线的对比度，获取增强灰度图像的中闭合边缘线的清晰度；

需要说明的是，对得到的灰度图像中的坑孔进行检测时，坑孔的边缘检测不清晰，会将多个坑孔检测为一个坑孔，对于好的滑轮表面的灰度图像中的边缘梯度大，边缘连贯性好且闭合区域中的像素点的分布均匀，通过选取合适的分段点对图像进行增强后，若选取增强的分段点不好，滑轮表面的坑孔部分的边缘不清晰，对图像进行分割时得到的分割块可能为多个坑孔组合而成，分割块内的像素点分布不均匀。图像中的坑孔边缘的清晰程度和分割块内部的像素点的均匀程度表征当前选取阈值的好坏，清晰度越高，分段点选取的越好，清晰度越小，分段点选取的效果越差。通过canny边缘检测算子对得到的图像进行边缘检测，得到的边缘曲线不清晰，图像中较弱的边缘难以检测到，导致通过坑孔的分布和大小进行耐磨性分析时，得到的结果不准确，因此通过不同第一分段点对应增强后的图像中边缘的变化来对图像的质量进行分析，具体如下：

首先，根据canny边缘检测算子对增强灰度图像进行边缘检测，获取增强灰度图像中闭合边缘线和闭合边缘线围成的闭合区域，以及非闭合边缘线的端点；根据端点之间距离的分布判断边缘的连贯性。若得到的图像中端点的数量越少，端点之间的最小距离L越小，对应的图像中的边缘的连贯性越好。则增强灰度图像中边缘的连贯性的计算公式如下：

式中，表示增强灰度图像中边缘的连贯性；表示增强灰度图像中所有相邻端点之间距离的均值；表示第一分段点为时所对应增强灰度图像中端点的数量；其中，增强灰度图像中所有相邻端点之间距离的均值计算公式为：，式中，表示增强灰度图像中的第个边缘端点的坐标；表示增强灰度图像中的第个边缘端点的坐标；表示为增强灰度图像中所有端点的总数，表示增强灰度图像中所有相邻端点之间距离的均值。

需要说明的是，增强灰度图像中的端点的数量越少且端点之间的距离越小对应的得到的增强灰度图像中的边缘的连贯性越好，增强灰度图像中的坑孔的边缘的检测效果越好，对应通过canny边缘检测后的增强灰度图像中的边缘为封闭的闭合区域，闭合的区域中不会存在端点。另外，得到的增强灰度图像中的端点的数量较少，增强灰度图像中的坑孔的检测效果越好，由于canny对弱边缘检测效果较差，因此得到的增强灰度图像中的边缘断开，产生端点，分开的两个端点之间的距离越小对应的坑孔的边缘检测效果越好。

其次，所述增强灰度图像中闭合边缘线的对比度是按照以下步骤获取：根据增强灰度图像中每个闭合边缘线上边缘像素点与其邻域像素点的灰度差异，获取增强灰度图像中每个闭合边缘线的对比度；将所有闭合边缘线的对比度的均值作为增强灰度图像中闭合边缘线的对比度。则增强灰度图像中每个闭合边缘线的对比度的计算公式如下：

式中，表示为增强灰度图像中闭合边缘的第个边缘点的灰度值，表示为增强灰度图像中的第个边缘点的8邻域中的第个像素点的灰度值，表示增强灰度图像中闭合边缘上像素点的总个数，表示为增强灰度图像中第t个闭合边缘区域中的所有边缘像素点与邻域像素点之间的差异的均值，差异值越大，对应的闭合边缘像素点越清晰；根据得到的第一分段点为时所对应增强灰度图像中所有闭合边缘的边缘对比度的均值，则所有闭合边缘线的对比度的均值计算公式为：，其中，表示第一分段点为时所对应增强灰度图像中所有闭合边缘线的对比度的均值，作为第一分段点为时所对应增强灰度图像中闭合边缘线的对比度；T表示闭合边缘的数量。

需要说明的是，计算的增强灰度图像中第t个闭合边缘区域中的所有边缘像素点与邻域像素点之间的差异的均值越大，对应的闭合边缘的对比度越大，从而对应的闭合边缘越清晰。

最后，根据增强灰度图像中边缘的连贯性，以及增强灰度图像中闭合边缘线的对比度，获取增强灰度图像的中闭合边缘线的清晰度，其增强灰度图像的中闭合边缘线的清晰度计算公式如下：

式中，表示增强灰度图像中边缘的连贯性；表示第一分段点为时所对应增强灰度图像中闭合边缘线的对比度；表示第一分段点为时所对应增强灰度图像中闭合边缘线的清晰度。

需要说明的是，计算得到的增强灰度图像中的边缘的像素点之间的距离越小，边缘像素点与邻域像素点之间的差异越大，得到的边缘越清晰。当第一分段点为所对应的增强灰度图像中边缘的连贯性的值越大且边缘与邻域之间的差异的值越大，得到增强灰度图像中的分割边缘越好。

S4、根据增强灰度图像中所有闭合区域内像素点的灰度均匀程度，以及增强灰度图像中闭合边缘线的清晰度，获取每个第一分段点对应增强灰度图像的质量评价值；将最大的质量评价值对应的增强灰度图像作为最优灰度图像；

其中，所述增强灰度图像中所有闭合区域内像素点的灰度均匀程度的获取方法包括：

将增强灰度图像中所有闭合区域内像素点的灰度值的熵值，作为增强灰度图像中所有闭合区域内像素点的灰度均匀程度。则增强灰度图像中所有闭合区域内像素点的灰度均匀程度计算公式如下：

式中，表示增强灰度图像中所有闭合区域内第i个像素点的灰度值出现的频数；表示以2为底的对数函数；表示第一分段点为所对应的增强灰度图像中所有闭合区域内像素点的灰度值的熵值，作为增强灰度图像中所有闭合区域内像素点的灰度均匀程度。需要说明的是，计算得到的闭合区域中像素点的灰度值的分布越均匀，说明闭合区域为一个坑孔的概率越大；若闭合区域中的灰度值分布越不均匀，则计算出的灰度值的熵值的值越大，说明闭合区域内部存在多个坑孔。产生的原因是坑孔的边缘梯度小，进行canny边缘检测的过程中，图像中的弱边缘检测效果较差通过选取不同第一分段点进行判断和分析，能够有效地增强灰度图像中的边缘和其他区域的对比度。因此，增强灰度图像中所有闭合区域内像素点的灰度值的熵值越小，图像的边缘检测后的效果越好。

需要说明的是，所有闭合区域内的像素点的像素值分布越均匀，对应的增强灰度图像中对闭合区域的分割效果越好，说明增强灰度图像中分割块之间的对比度越好，因此通过对第一分段点为时对图像进行评价，根据得到图像的质量的评价值越高，对应的选取的分段点的效果越好。

增强灰度图像中还存在弱边缘并未检测到，因此得到的增强灰度图像中的闭合区域内的像素点的分布不均匀，影响对增强灰度图像中的坑孔的面积的判断，需要根据增强灰度图像中边缘的清晰度和闭合区域内部像素点的分布是否均匀对图像的质量进行评估，主要影响图像质量的是图像中的边缘的清晰程度，因此边缘的清晰程度占用更多的占比。

为此，在本实施例中，根据增强灰度图像中所有闭合区域内像素点的灰度均匀程度，以及增强灰度图像中闭合边缘线的清晰度，获取每个第一分段点对应增强灰度图像的质量评价值；则每个第一分段点对应增强灰度图像的质量评价值计算公式如下：

式中，表示第一分段点为对应增强灰度图像的质量评价值；表示第一分段点为所对应的增强灰度图像中所有闭合区域内像素点的灰度值的熵值，即为增强灰度图像中所有闭合区域内像素点的灰度均匀程度；表示第一分段点为时所对应增强灰度图像中闭合边缘线的清晰度；、表示第一分段点为时所对应增强灰度图像中灰度均匀程度和清晰度所对应的权重占比；在本实施例中，，可以根据需求对各部分的占比进行调节；需要说明的是，根据得到增强灰度图像中闭合边缘线的清晰度以及增强灰度图像中所有闭合区域内像素点的灰度均匀程度对图像进行评价的好处在于，所有闭合区域内的像素点的灰度值分布越均匀，对应的增强灰度图像中对闭合区域的分割效果越好，说明增强灰度图像中分割块之间的对比度越好；由于增强灰度图像中所有闭合区域内像素点的灰度值的熵值越小，图像的边缘检测后的效果越好；第一分段点为时所对应增强灰度图像中闭合边缘线的清晰度值越大，得到增强灰度图像中的分割边缘越好；则通过灰度均匀程度以及闭合边缘线的清晰度对图像进行评价，能够更好对图像的质量进行评价，其评价值越高说明图像的边缘信息越清晰；另外，主要影响图像质量的是图像中的边缘的清晰程度，因此边缘的清晰程度设置的占比；而灰度值的熵值设置的占比，从而根据增强灰度图像中闭合边缘线的清晰度以及增强灰度图像中所有闭合区域内像素点的灰度均匀程度在不同的占比下对增强灰度图像的质量评价更为准确。

依次计算获取不同的第一分段点对应增强灰度图像的质量评价值，将最大的质量评价值对应的增强灰度图像作为最优灰度图像；并将最大的质量评价值对应的第一分段点作为最优第一分段点。

至此，通过计算的最优第一分段点与第二分段点对灰度图像中的灰度值进行分段线性变换，获取的增强灰度图像，作为最优灰度图像。从而根据最优灰度图像对其耐磨的检测，提高了后续对滑轮表面的磨损程度状况进行分析时的准确性。

S5、根据最优灰度图像中闭合区域的密集程度，以及最优灰度图像中所有闭合区域的面积的均匀性，获取滑轮的表面的耐磨程度。

需要说明的是，根据最优灰度图像中的闭合区域的面积和密集程度对滑轮表面的磨损性进行评价，滑轮的耐磨性较好时，通过耐磨测试仪对滑轮的表面进行测试后，滑轮的耐磨性越好，得到的最优灰度图像中的坑孔的面积大小均匀并且得到的坑孔的分布密集，说明滑轮的耐磨性较好；得到的最优灰度图像中的坑孔单个面积较大，且分割块之间分布不均匀，说明滑轮表面的耐磨性较差，导致测试过程中，滑轮表面的磨损坑孔大小不均，分布位置不均。

具体的，所述最优灰度图像中闭合区域的密集程度是按照以下步骤获取：

将最优灰度图像中每个闭合区域的中心与其相邻闭合区域的中心之间的距离的熵值，作为最优灰度图像中闭合区域的密集程度。

在本实施例中，通过对最优灰度图像进行canny算法边缘检测后最优灰度图像中的闭合的边缘区域的中心点之间的距离，得到相邻的闭合区域中心点之间的距离，得到所有相邻闭合区域的中心距离中的最小值和最大值，并统计不同距离出现的频率；根据最优灰度图像中的闭合区域的中心点坐标位置出现的频率得到坐标的熵来表征最优灰度图像中闭合区域的密集程度：则最优灰度图像中闭合区域的密集程度计算公式如下：

式中，表示每个闭合区域的中心与其相邻闭合区域的中心之间的距离为时出现的频率；、分别表示所有相邻闭合区域的中心之间的距离中的最小值和最大值；通过对最优灰度图像中相邻分割块中心点之间的距离进行统计得到出现的频数；表示最优灰度图像中每个闭合区域的中心与其相邻闭合区域的中心之间的距离的熵值，即为最优灰度图像中闭合区域的密集程度，的值越大，说明图像中的坑孔之间的分布越散，的值越小，说明坑孔分布的越密集规律。

进一步，所述最优灰度图像中所有闭合区域的面积的均匀性是按照以下步骤获取：

将所有闭合区域的面积的方差作为所述最优灰度图像中所有闭合区域的面积的均匀性。则最优灰度图像中所有闭合区域的面积的均匀性计算公式如下：

式中，表示为最优灰度图像中第个闭合区域的面积，表示为最优灰度图像中闭合区域面积的均值，表示为最优灰度图像中闭合区域的总数量，表示最优灰度图像中所有闭合区域的面积的均匀性；计算最优灰度图像中所有闭合区域的面积的均匀性主要是基于方差求闭合区域的分布的均匀程度，其中，的值越小越均匀。

进一步，根据最优灰度图像中闭合区域的密集程度，以及最优灰度图像中所有闭合区域的面积的均匀性，获取滑轮的表面的耐磨程度。则滑轮的表面的耐磨程度计算公式如下：

式中，表示最优灰度图像中每个闭合区域的中心与其相邻闭合区域的中心之间的距离的熵值，即为最优灰度图像中闭合区域的密集程度；表示最优灰度图像中所有闭合区域的面积的均匀性；表示为滑轮表面的耐磨程度；耐磨性越差对应测试后的滑轮表面产生的坑孔越大，坑孔分布的越密集说明还轮表面的耐磨性越均匀，得到增强后的分割块的面积越大，分布越离散，对应的滑轮的表面的耐磨性越差，分割块的面积越小，分布的越均匀，说明滑轮的耐磨性越好。

本实施例可根据最优灰度图像中的闭合区域的面积和密集程度对滑轮表面的磨损性进行评价，滑轮的耐磨性较好时，通过耐磨测试仪对滑轮的表面进行测试后，滑轮的耐磨性越好，得到的最优灰度图像中的坑孔的面积大小均匀并且得到的坑孔的分布密集，说明滑轮的耐磨性较好；得到的最优灰度图像中的坑孔单个面积较大，且分割块之间分布不均匀，说明滑轮表面的耐磨性较差，导致测试过程中，滑轮表面的磨损坑孔大小不均，分布位置不均。因此，操作人员可以根据滑轮的表面的耐磨程度对滑轮的耐磨性能进行判断。

以上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。

Claims (6)

1.一种滑板轮的耐磨性检测方法，其特征在于，包括以下步骤：

获取滑轮表面的灰度图像；并获取灰度图像的灰度直方图；

将灰度图像中每个灰度值作为第一分段点；将灰度直方图中出现频率最高的灰度值作为第二分段点；根据每个第一分段点与第二分段点对灰度图像中的灰度值进行分段线性变换，获取每个第一分段点对应的增强灰度图像；

对增强灰度图像进行边缘检测，获取增强灰度图像中闭合边缘线和闭合边缘线围成的闭合区域，以及非闭合边缘线的端点；根据增强灰度图像中所有相邻端点之间距离的均值，以及端点的数量获取增强灰度图像中边缘的连贯性；根据增强灰度图像中边缘的连贯性，以及增强灰度图像中闭合边缘线的对比度，获取增强灰度图像的中闭合边缘线的清晰度；

根据增强灰度图像中所有闭合区域内像素点的灰度均匀程度，以及增强灰度图像中闭合边缘线的清晰度，获取每个第一分段点对应增强灰度图像的质量评价值；将最大的质量评价值对应的增强灰度图像作为最优灰度图像；

根据最优灰度图像中闭合区域的密集程度，以及最优灰度图像中所有闭合区域的面积的均匀性，获取滑轮的表面的耐磨程度。

2.根据权利要求1所述的滑板轮的耐磨性检测方法，其特征在于，所述增强灰度图像中闭合边缘线的对比度是按照以下步骤获取：

根据增强灰度图像中每个闭合边缘线上边缘像素点与其邻域像素点的灰度差异，获取增强灰度图像中每个闭合边缘线的对比度；

将所有闭合边缘线的对比度的均值作为增强灰度图像中闭合边缘线的对比度。

3.根据权利要求1所述的滑板轮的耐磨性检测方法，其特征在于，所述最优灰度图像中闭合区域的密集程度是按照以下步骤获取：

将最优灰度图像中每个闭合区域的中心与其相邻闭合区域的中心之间的距离的熵值，作为最优灰度图像中闭合区域的密集程度。

4.根据权利要求1所述的滑板轮的耐磨性检测方法，其特征在于，所述最优灰度图像中所有闭合区域的面积的均匀性是按照以下步骤获取：

将所有闭合区域的面积的方差作为所述最优灰度图像中所有闭合区域的面积的均匀性。

5.根据权利要求1所述的滑板轮的耐磨性检测方法，其特征在于，所述增强灰度图像中所有闭合区域内像素点的灰度均匀程度的获取方法包括：

将增强灰度图像中所有闭合区域内像素点的灰度值的熵值，作为增强灰度图像中所有闭合区域内像素点的灰度均匀程度。

6.根据权利要求1所述的滑板轮的耐磨性检测方法，其特征在于，所述每个第一分段点对应的增强灰度图像是根据以下步骤获取：

根据每个第一分段点及第二分段点对灰度图像中的灰度值进行分段线性变换，获取变换后的灰度值，并获取变换后的灰度值对应的灰度图像；

将变换后的灰度值对应的灰度图像作为每个第一分段点对应的增强灰度图像。

Images