第一章 绪论 1
1.1 引言 1
1.2 玻璃缺陷检测方法和装置概述 1
1.3 光栅投影法的研究概述 4
1.3.1 光栅投影的三维形貌测量方法 4
1.3.2 云纹相位的求解方法 5
1.3.3 相位展开方法 6
1.4 图像分割方法的研究概述 7
1.4.1 基于梯度的分割方法 7
1.4.2 基于阈值的分割方法 8
1.4.3 基于结构元素探测的分割方法 8
1.5 缺陷特征参数的提取和分类方法研究概述 9
1.5.1 缺陷特征参数的提取方法 9
1.5.2 缺陷特征的分类方法 9
1.6 本书的主要工作及结构 11
第二章 玻璃缺陷的在线检测技术 13
2.1 浮法玻璃的生产过程 13
2.2 玻璃缺陷的成因与分类 17
2.2.1 光学变形缺陷 17
2.2.2 夹杂物缺陷 17
2.2.3 气泡缺陷 17
2.2.4 划伤缺陷 17
2.3 玻璃缺陷在线检测的技术要求及方案设计 18
2.3.1 玻璃缺陷在线检测的技术要求 18
2.3.2 玻璃缺陷在线检测方案 18
2.4 图像采集模块的设计 19
2.4.1 检测光路的设计 19
2.4.2 线阵CCD相机的选择与设置 22
2.4.3 线阵CCD相机镜头的选择 23
2.4.4 数据采集器的设置 24
2.5 图像处理模块的设计 25
2.5.1 双冷阴极荧光灯照明方式的图像处理方法 25
2.5.2 光栅投影成像方式的图像处理方法 28
2.6 主控模块的设计 30
第三章 基于傅里叶变换的云纹图像处理 32
3.1 云纹图像的校正 32
3.1.1 云纹图像的灰度分布 32
3.1.2 基于余弦曲线的云纹校正[115] 33
3.1.3 云纹图像的校正结果 34
3.1.4 典型缺陷云纹图像的校正 35
3.2 云纹相位的求解方法 40
3.2.1 卷积解调法 40
3.2.2 相移法 41
3.2.3 傅里叶变换的云纹图像处理算法 42
3.2.4 改进的傅里叶变换的云纹图像处理算法 44
3.3 云纹图像的傅里叶变换 44
3.3.1 相位信息的提取 45
3.3.2 缺陷特征信息的提取 45
3.4 频域滤波器的设计 46
3.4.1 滤波器中心位置的确定 46
3.4.2 滤波器形状的确定 46
3.4.3 滤波器宽度的确定 48
3.4.4 平顶高斯滤波器参数的确定 48
3.5 云纹曲线的傅里叶反变换 49
3.5.1 缺陷位置对反变换结果的影响 49
3.5.2 叠接去除法的实现 52
3.5.3 叠接云纹曲线的滤波器 53
3.5.4 叠接去除法的处理结果及分析 54
3.6 云纹图像处理算法的实现 56
3.6.1 云纹图像处理算法流程 56
3.6.2 边界图像的处理与实现 57
3.6.3 云纹图像子块的处理结果 58
第四章 玻璃缺陷相位图像的处理方法 63
4.1 相位展开的基本原理 63
4.1.1 一维相位展开 64
4.1.2 二维相位展开 64
4.1.3 残差定理 65
4.2 经典相位主值图像的展开算法 67
4.2.1 逐点相位展开法 67
4.2.2 枝切法 68
4.2.3 质量图导引法 69
4.2.4 基于快速傅里叶变换（FFT）的最小二乘法 70
4.3 典型缺陷的相位主值图像的展开 71
4.3.1 无缺陷相位主值图像的展开 71
4.3.2 典型缺陷的相位主值差图像 73
4.3.3 经典相位展开法的展开结果 74
4.3.4 经典相位展开法的展开结果分析 76
4.3.5 基于跳变校正的相位展开算法 79
4.4 基于相位真实值的屈光度测量 83
4.4.1 光学变形缺陷的屈光度测量原理 83
4.4.2 实验及结果分析 85
4.5 基于相位图的缺陷范围确定 87
4.5.1 结合相位与特征的缺陷检测方法 87
4.5.2 缺陷相位真值差图像的分割 89
4.5.3 缺陷范围的确定方法 99
4.5.4 典型缺陷的缺陷范围 102
第五章 缺陷特征图像的分割 104
5.1 缺陷范围内的缺陷特征图像 104
5.2 缺陷特征图像的降噪 107
5.2.1 典型的降噪算法 107
5.2.2 基于分段线性变换的图像降噪 110
5.2.3 典型缺陷图像的降噪结果 111
5.3 缺陷特征图像的阈值分割 113
5.4 基于最大类间方差的双阈值分割法 114
5.4.1 算法实现的原理 114
5.4.2 典型缺陷特征图像的分割结果 115
5.5 基于灰度区间的动态双阈值分割 116
5.5.1 常用的动态阈值分割算法 117
5.5.2 动态阈值分割算法的选取 119
5.5.3 迭代阈值法的分割结果 121
5.6 二次迭代的双阈值分割 123
5.6.1 二次迭代的动态阈值的计算 123
5.6.2 二次迭代的阈值分割结果 124
5.6.3 三值化图像的合成 126
第六章 缺陷表征参数的处理与性能测试 129
6.1 缺陷类型的判定与识别方法 129
6.1.1 基于三值化图像的缺陷特征选取 129
6.1.2 基于决策树的缺陷类型判断 132
6.1.3 基于不变矩的特征提取 134
6.1.4 基于神经网络的缺陷类型识别 135
6.2 缺陷大小和位置的计算方法 141
6.2.1 含有缺陷内核的缺陷大小和位置的计算 141
6.2.2 不含缺陷内核的缺陷大小和位置的计算 144
6.3 检测方法的性能测试 146
6.3.1 缺陷内核大小的检测精度和检出能力测试 146
6.3.2 实时性测试 149
参考文献 151