1.轴承端面防尘盖品质监测方法，其特征是，包括以下步骤：第一步，在离线情况下，获取合格轴承的端面图像，通过预处理，分割出字符区域，计算出字符区域的中心点坐标和轴承圆心坐标，从而得到旋转角度，再根据得到的旋转角度将字符区域通过双线性插值旋转变换校正成水平的字符，并提取字符的二次轮廓特征，作为匹配模板；

第二步，对被检测轴承的采集图像先通过预处理分割出防尘盖区域，然后通过阈值分割将防尘盖区域的背景与字符或缺陷区域分割出来；

第三步，对分割出来的字符或缺陷区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像；根据分割出的字符或缺陷区域的中心点坐标与轴承圆心坐标的关系计算出旋转角度，并通过双线性插值以及旋转角度将字符或缺陷区域旋转成为水平方向；

第四步，判断分割出来的字符或缺陷区域的大小，超过上限预设值和小于下限预设值的区域均为缺陷区域，对于处于预设大小范围内的字符或缺陷区域进行阈值分割及归一化处理；

第五步，提取字符或缺陷区域的特征向量，与模板中的特征向量进行匹配，如果相关系数小于预设值，则该区域内有缺陷；

第六步，计算每个字符区域的中心坐标与轴承圆心坐标连接线的斜率，通过斜率对区域按顺时针方向进行排序；排序过后进行移位匹配，匹配度最高的排列顺序即和模板中的排列顺序是一致的，然后选出和模板中不一致的字符，并根据与对应位置的模板特征相关系数来判断是否存在缺陷，如果对应位置的模板特征相关系数超过预设值，则该区域为字符，反之则为缺陷，输出检测结果。

2.如权利要求1所述轴承端面防尘盖品质监测方法，其特征是，所述第一步具体为：(1)在离线情况下采集合格轴承的端面图像f(x，y)，采用黑色面板作为轴承的背景，图像为640*480的灰度图像；

(2)对采集的图像f(x，y)进行幂次灰度变换，生成g(x，y)：γ

g(x，y)＝cf(x，y)

其中，一般取c＝1，根据所采集的图像，人为调教参数γ，获得视觉效果较好的图像即可，一般取1～3；

(3)对图像g(x，y)进行中值滤波，滤波模板大小为3*3；

(4)根据阈值Th将轴承与背景分离开，Th取15，根据实际情况进行调整；再通过四个方向的扫描，确定轴承的外轮廓，分别从左向右自上而下，从右向左自下而上逐行扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p1、p2；然后根据p1、p2数组头尾位置，确定中间段的扫描范围，并根据所确定的左右范围，分别从上到下，自下而上从左到右，自上而下从右到左逐列扫 描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p3、p4；最后将p1、p3、p2、p4按顺序组合成一个数组p，该数组描述轴承的外轮廓；

(5)计算圆心坐标：假设第i个采样点为P(xi，yi)，轴承圆心坐标为(a，b)，P(xi，yi)到轴承圆心坐标(a，b)的距离为ri，则P(xi，yi)与(a，b)构成了半径为ri的圆，其面积为si，设s为拟合出的圆的面积，则圆的面积误差：

2 2 2 2 2

δi＝si-s＝πri-πr＝π[(xi-a)+(yi-b)-r]设面积误差平方和函数为J：

然后由最小二乘原理：

J(a，b，r)＝min

J是关于a、b和r的函数，参数a、b、r根据求函数极值的方法来计算，所以当参数a、b和r满足公式条件：J取得极小值；由此来计算我们所需要的圆心坐标(a，b)以及圆的半径r；

(6)根据轴承的型号参数能够得知各个区域占轴承外圆半径的比例，据此分离出以轴承圆心为中心各个环形区域，最终得到轴承防尘盖部分，为一环形区域，并将背景设为白色，以便后续处理；

(7)阈值分割：采用OTSU法确定防尘盖区域的分割阈值Threshold_OTSU；根据分割效果对阈值进行调整Threshold＝Threshold_OTSU+a，a为偏移量，低于阈值的部分标记为0，高于阈值的部分标记为1，然后对图像进行反色；

(8)对图像进行阈值分割后，根据连通域将字符部分标记出来，计算每个连通域的最大矩形框，对分割出来的字符区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像，计算矩形框的中心点坐标与轴承圆心坐标的角度，根据角度对分割出的灰度图像通过双线性插值旋转变换后，字符区域变为水平；

(9)旋转字符区域后，提取每个字符的外接矩形框，并将图像归一化为32*24像素大小的图像；

(10)根据步骤(7)中求出的阈值Threshold对字符的灰度图像进行二值化处理，并依次提取轴承字符的二次轮廓特征，提取的步骤如下：先对二值字符图像分别按左、右、上、下四个方向依次提取，假设第一层轮廓层次特征为L1(j)，j＝0，1，…Length-1；从左向右扫描对j行进行扫描，第一个像素值为1的点的横坐标就是L1(j)的值：L1(j)＝min{min{I|f(I，j)＝1}，width-1}，j＝0，1，…Length-1从左到右字符图像的j行进行扫描，第n次由‘0’变到‘1’时的横坐标即为字符图像左侧第n层轮廓特征Ln(j)；

Ln0(j)＝min{min{i|i＞Ln-1(j)∧f(i，j)＝0}，width-1}j＝0，1…Length-1Ln(j)＝min{min{i|i＞Ln0(j)∧f(i，j)＝1}，width-1}j＝0，1…Length-1同上所述，右侧轮廓层次特征提取以及上下方向轮廓层次特征提取如下：右侧轮廓层次特征公式：

R1(j)＝max{max{i|f(i，j)＝1}，0}，Rn0(j)＝max{max{i|i＞Rn-1(j)∧f(i，j)＝0}，0}，Rn(j)＝max{max{i|i＞Rn0(j)∧f(i，j)＝1}，0}，j＝0，1，···Length-1；

上方轮廓层次特征公式：

U1(j)＝min{min{i|f(j，i)＝1}，Length-1}，Un0(j)＝min{min{i|i＞Un-1(i)∧f(j，i)＝0}，Length-1}，Un(j)＝min{min{i|i＞Un0(i)∧f(j，i)＝1}，Length-1}，j＝0，1，…Width-1；

下方轮廓层次特征公式：

D1(j)＝max{max{i|f(j，i)＝1}，0}，Dn0(j)＝max{max{i|i＞Dn-1(j)∧f(j，i)＝0}，0}，Dn(j)＝max{max{i|i＞Dn0(j)∧f(j，i)＝1}，0}，j＝0，1，…width-1；

最后，将四个方向上的轮廓层次特征合并起来即得到所要的字符特征：C(k)＝{Ln(j)，Rn(j)，Un(i)，Dn(i)}.

i＝0，1，···Length-1；j＝0，1，···Width-1依次提取字符的特征二次轮廓特征；

(11)对廓层次特征G(k)进行小波分解：将G(k)通过低通滤波器h(n)进行分解，得到的结果即是G(k)的低频近似分量，为G(k)维数的一半，其中，j表示第j层小波分解，ai(n)表示第j层分解的低频分量，di(n)表示第j层分解的高频分量，h(n)和g(n)为Daubechies(dbN)小波系中的“db2”所对应的低通、高通滤波器的掩模；

(12)计算每个字符区域的中心坐标与轴承圆心坐标连接线的斜率，通过斜率对区域按顺时针方向进行排序；

(13)保存字符的特征向量信息，作为后续的匹配模板。

3.如权利要求2所述轴承端面防尘盖品质监测方法，其特征是，所述第二步具体为：(1)保持与模板制作时的相同采集环境，采集被检测轴承的端面图像；

(2)对采集的图像f(x，y)进行幂次灰度变换，生成g(x，y)：g(x，y)＝cf(x，y)γ

其中，一般取c＝1，根据所采集的图像，人为调教参数γ，获得视觉效果较 好的图像即可，一般取1～3；

(3)对图像进行中值滤波，提取轴承的外轮廓，计算圆心坐标，分割出防尘盖区域，通过OTSU法计算分割阈值，并根据步骤(7)中的偏移量a对阈值进行调整，最后进行阈值分割，并做反色处理，最终字符或缺陷标记为1，背景标记为0。

4.如权利要求1所述轴承端面防尘盖品质监测方法，其特征是，所述第三步具体为：(1)对图像进行阈值分割后，根据连通域将字符或缺陷部分标记出来，计算每个连通域的最大矩形框，对分割出来的字符或缺陷区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像；

(2)计算矩形框的中心坐标与轴承圆心坐标的角度；根据角度对分割出的灰度图像通过双线性插值旋转变换后，字符或缺陷区域变为水平。

5.如权利要求2所述轴承端面防尘盖品质监测方法，其特征是，所述第四步具体为：(1)判断分割出的字符或缺陷区域的大小，根据模板中分割出来的字符区域的大小来设置长度的上下阈值Th1_L、Th2_L和宽度的上下限阈值Th1_W、Th2_W；当分割出来的字符或缺陷区域长度和宽度超出预设值Th1_L、Th1_W，或者小于预设值Th2_L、Th2_W时，可以判断该区域为缺陷，将该部分标记出来，输出结果为轴承有缺陷；

(2)判断分割出的字符或缺陷区域的个数，如果与模板中分割出来的字符个数不相符，则也判定轴承有缺陷；

(3)当字符或缺陷区域满足大小条件，以及个数条件时，对字符或缺陷区域进行大小归一化，归一化为32*24像素大小的图像，然后进入第(5)步。

6.如权利要求2所述轴承端面防尘盖品质监测方法，其特征是，所述第五步具体为：(1)与步骤(10)相同，对灰度图像进行二值化后，提取字符或缺陷的二次轮廓特征，特征维数为224；

(2)与步骤(11)相同，通过2次小波分解，将二次轮廓特征向量进行分解，最终获得维数为56的小波二次轮廓特征；

(3)依次计算提取到的二次轮廓特征向量与模板中的特征向量的相关系数：其中，D(x，y)为相关系数，x为二次轮廓特征向量，xi为特征向量x中的第i个特征值，为特征向量x的平均数；y为模板中的特征向量，yi为特征向量y 中的第i个特征值，为特征向量y的平均数；

(4)当相关系数最大，且超过预设值时，该区域目标判别为对应的模板中的字符；其中，一般预设值为0.95，可根据需求进行调整；如果相关系数的最大值没有超过预设值，则该区域目标为缺陷，标记该区域并输出结果；所有区域目标均判别为字符时，进入第六步。