本發(fā)明涉及數(shù)據(jù)處理。更具體地，本發(fā)明涉及一種金屬件折彎成型質(zhì)量評價方法。
背景技術：
1、在金屬件折彎成型過程中，由于加工環(huán)境復雜多變，采集到的工件表面圖像常呈現(xiàn)對比度低的問題，而細微的折痕、裂紋等缺陷往往隱藏在低對比度區(qū)域，直接影響后續(xù)質(zhì)量檢測的準確性。因此，需要對折彎區(qū)域圖像進行增強。
2、直方圖均衡化作為經(jīng)典的圖像增強方法，通過擴展像素值動態(tài)范圍來提高整體對比度，在早期工業(yè)檢測中得到廣泛應用。然而該方法存在顯著局限性：直方圖均衡化算法對高頻灰度區(qū)域會過度增強，而低頻灰度區(qū)域則可能被弱化甚至丟失。由于金屬表面細微的折痕、裂紋等缺陷往往對應著低頻灰度值分布，在直方圖均衡化處理過程中，這些關鍵的缺陷特征容易被背景的噪聲淹沒或完全丟失，從而嚴重影響質(zhì)量評價結果的準確性。
技術實現(xiàn)思路
1、解決上述直方圖均衡化會導致折痕、裂紋等低頻灰度區(qū)域被背景的噪聲淹沒或完全丟失，影響質(zhì)量評價結果的準確性的技術問題，本發(fā)明提供了一種金屬件折彎成型質(zhì)量評價方法，包括：
2、對于折彎區(qū)域圖像中的任意一種灰度值，根據(jù)灰度值對應的像素點與小于該灰度值的各灰度值對應的像素點的分布關系，確定該灰度值與小于該灰度值的各灰度值之間的分布包含程度；
3、根據(jù)灰度值的局部范圍內(nèi)大于該灰度值的所有灰度值與小于該灰度值的所有灰度值之間的分布包含程度，確定該灰度值的分界程度；
4、根據(jù)各灰度值的分界程度對各灰度值的頻率進行修正，獲取各灰度值的修正頻率；
5、根據(jù)各灰度值的修正頻率對折彎區(qū)域圖像進行增強，得到增強圖像；
6、根據(jù)增強圖像進行金屬件折彎成型質(zhì)量評價。
7、優(yōu)選地，所述確定該灰度值與小于該灰度值的各灰度值之間的分布包含程度，包括：
8、獲取各灰度值對應的所有像素點對應的最小外接矩形，作為各灰度值的最小外接矩形；
9、對于任意兩個灰度值，獲取此兩個灰度值的最小外接矩形獲取此兩個像素點之間的分布重合程度；將所述分布重合程度與分布重合程度的可信度的乘積作為此兩個像素點之間的分布包含程度。
10、優(yōu)選地，所述分布重合程度的獲取方法為：
11、獲取此兩個灰度值的最小外接矩形之間的交集以及并集，根據(jù)交集中包含的像素點數(shù)量與并集中包含的像素點數(shù)量的比值作為此兩個像素點之間的分布重合程度。
12、優(yōu)選地，所述可信度的獲取方法為：
13、將灰度值的最小外接矩形均勻劃分為若干個網(wǎng)格，統(tǒng)計每個網(wǎng)格中包含的該灰度值對應的像素點的數(shù)量，獲取任意兩個網(wǎng)格中包含的該灰度值對應的像素點的數(shù)量的平均差異，對所述平均差異進行負相關歸一化，得到該灰度值的分布分散程度；
14、對于任意兩個像素點，將此兩個像素點的分布分散程度中的最小值作為此兩個像素點之間的分布重合程度的可信度。
15、優(yōu)選地，所述確定該灰度值的分界程度，包括：
16、該灰度值之后的若干灰度值作為該灰度值的后向參考灰度值，將該灰度值之前的若干灰度值作為該灰度值的前向參考灰度值；
17、根據(jù)該灰度值的后向參考灰度值與該灰度值的所有前向參考灰度值之間的分布包含程度、該灰度值的后向參考灰度值與該灰度值以及該后向參考灰度值之前的所有后向參考灰度值之間的分布包含程度，確定后向參考灰度值下該灰度值的分界概率；
18、將該灰度值的所有后向參考灰度值下該灰度值的分界概率的均值，作為該灰度值的分界程度。
19、優(yōu)選地，所述分界概率的獲取方法為：
20、對于灰度值的任意一個后向參考灰度值，獲取后向參考灰度值與該灰度值的所有前向參考灰度值之間的分布包含程度的均值，作為第一均值；獲取后向參考灰度值與該灰度值以及該后向參考灰度值之前的所有后向參考灰度值之間的分布包含程度的均值，作為第二均值；將第二均值與第一均值的差作為前后向類間差異；將后向參考灰度值與該灰度值的所有前向參考灰度值之間的分布包含程度兩兩之間差異的均值，作為前向類內(nèi)差異；將后向參考灰度值與該灰度值以及該后向參考灰度值之前的所有后向參考灰度值之間的分布包含程度兩兩之間差異的均值，作為后向類內(nèi)差異；
21、根據(jù)前后向類間差異、前向類內(nèi)差異以及后向類內(nèi)差異，確定后向參考灰度值下該灰度值的分界概率。
22、優(yōu)選地，所述分界概率滿足表達式：
23、；
24、其中，表示第個灰度值的第個后向參考灰度值下第個灰度值的分界概率；表示第個灰度值的第個后向參考灰度值的前后向類間差異；表示前向類內(nèi)差異，表示后向類內(nèi)差異；表示s型曲線；表示以自然常數(shù)為底的指數(shù)函數(shù)。
25、優(yōu)選地，所述修正頻率滿足表達式：
26、；
27、其中，表示第個灰度值的修正頻率，表示第個灰度值的分界程度；表示第個灰度值的頻率；表示折彎區(qū)域圖像中灰度值的數(shù)量；表示第個灰度值的分界程度；表示第個灰度值的頻率。
28、優(yōu)選地，所述根據(jù)各灰度值的修正頻率對折彎區(qū)域圖像進行增強，得到增強圖像，包括：
29、以灰度值為橫軸，以各灰度值的修正頻率為縱軸，構建灰度直方圖，對灰度直方圖進行直方圖均衡化，得到折彎區(qū)域圖像的增強圖像。
30、優(yōu)選地，所述根據(jù)增強圖像進行金屬件折彎成型質(zhì)量評價，包括：
31、將增強圖像輸入到訓練好的神經(jīng)網(wǎng)絡中，輸出金屬件折彎缺陷。
32、本發(fā)明的有益效果在于：本發(fā)明利用兩個灰度值之間的分布包含程度量化了此兩個灰度值屬于同一個圖像特征的可能性；依據(jù)灰度值的局部范圍內(nèi)大于該灰度值的所有灰度值與小于該灰度值的所有灰度值之間的分布包含程度，確定灰度值的分界程度，利用分界程度反映了灰度值作為兩種圖像特征的分界灰度值的可能性。基于分界程度對灰度值的頻率進行修正，使得在增強時能夠重點增強分界灰度值，使得不同圖像特征之間的對比度增大，避免了高頻灰度區(qū)域過度增強，低頻灰度值區(qū)域被吞噬，能夠突出了裂紋、褶皺等異常區(qū)域，針對性強化折彎區(qū)域的微弱缺陷特征，提高金屬件折彎成型質(zhì)量評價的準確性。
1.一種金屬件折彎成型質(zhì)量評價方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述確定該灰度值與小于該灰度值的各灰度值之間的分布包含程度，包括：
3.根據(jù)權利要求2所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述分布重合程度的獲取方法為：
4.根據(jù)權利要求2所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述可信度的獲取方法為：
5.根據(jù)權利要求1所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述確定該灰度值的分界程度，包括：
6.根據(jù)權利要求5所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述分界概率的獲取方法為：
7.根據(jù)權利要求6所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述分界概率滿足表達式：
8.根據(jù)權利要求1所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述修正頻率滿足表達式：
9.根據(jù)權利要求1所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述根據(jù)各灰度值的修正頻率對折彎區(qū)域圖像進行增強，得到增強圖像，包括：
10.根據(jù)權利要求1所述的一種金屬件折彎成型質(zhì)量評價方法，其特征在于，所述根據(jù)增強圖像進行金屬件折彎成型質(zhì)量評價，包括：