1.一种基于计算机视觉的竹条表面缺陷检测方法,包括以下步骤：Ⅰ、摄取竹条图像

摄取竹条表面灰度图像f；

Ⅱ、归一化

采用伽玛校正法对图像f进行归一化，得到图像fg；

Ⅲ、滤波

对图像fg进行中值滤波以及高斯滤波获得图像f1；

Ⅳ、小波变换处理

小波变换处理得到图像f2；

Ⅴ、最大类间方差法的阈值分割

用最大类间方差法对图像f2进行阈值分割，获得图像f3；

以竹条图像为前景，前景点面积占图像总面积比例为w0，前景点灰度均值为u0；背景点面积占图像总面积比例为w1，背景点灰度均值为u1；整个图像的灰度均值为u＝w0×u0+w1×u1；

2 2

目标函数g(t)＝w0×(u0-u)+w1×(u1-u)，g(t)为分割阈值t的类间方差表达式；遍历图像f2所有的灰度值，取t从0到255，当g(t)取得最大值时、所对应的t＝t0为图像f2前景与背景的分割灰度阈值；

Ⅵ、孔洞填充

对图像f3上的竹条图像的虫洞和/或霉斑区域进行孔洞填充，得到模板f4；图像中孔洞缺陷水平方向最大长度为T个像素，取长度大于T的水平线型结构元素对图像f3闭操作，完成孔洞填充；

Ⅶ、霉斑和/或虫洞缺陷判断

用差影法、即用图像f4-f3得到分割图像f5，竹条图像中的虫洞和/或霉斑缺陷分割出在f5显示；

Ⅶ-1、若图像f5中显示的缺陷无连通域或者缺陷连通域面积小于缺陷域面积阈值A，则认为没有霉斑和/或虫洞缺陷，并进入步骤Ⅷ；所述缺陷域面积阈值A为要求检测的最小缺陷面积或者通过预先实验设定阈值A；

Ⅶ-2、若图像f5中显示的缺陷连通域面积等于或大于缺陷域面积阈值A，则计算缺陷连通域所对应图像的平均灰度值Gm与图像f5中竹条图像的平均灰度值G0的差Tm，若Tm大于孔洞灰度差阈值G则认为存在霉斑和/或虫洞缺陷，判断此为缺陷竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；

所述孔洞灰度差阈值G小于竹条平均灰度值50～70；

若Tm不大于孔洞灰度差阈值G则认为不存在霉斑或虫洞缺陷，进入步骤Ⅷ；

Ⅷ、边缘和裂缝检测

用canny算子对图像f2进行检测，获得竹条边缘和裂缝缺陷的图像f6；

Ⅸ、去除竹条边缘

图像f6各列从上端到下端、及从下端到上端检索、获得的第一个非零像素点置零，去除图像f6上的竹条上、下边缘，得到竹条的裂缝缺陷图像f7；

Ⅹ、裂缝缺陷判断

计算f7中非零像素点总个数Se和最大连通域长度Me以及非零像素点所对应的平均灰度值；

设定非零像素点总个数阈值T1，T1设定为最小裂缝缺陷长度像素值两倍，或者通过预先实验设定阈值；

设定最大连通域长度阈值T2，T2设定为裂缝缺陷长度像素值，或者通过预先实验设定阈值；

若Se＞T1或者Me＞T2，同时非零像素点平均灰度Hm与竹条平均灰度G0的差大于裂缝灰度差阈值H，则判定为有裂缝缺陷的竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；若无未检测的竹条，检测完成；

若Se＞T1或者Me＞T2均不成立，认为是合格竹条；若Se＞T1或者Me＞T2，但非零像素点平均灰度与竹条平均灰度G0的差不大于裂缝灰度差阈值H，认为是合格竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；若无未检测的竹条，检测完成；

所述裂缝灰度差阈值H小于步骤Ⅶ的孔洞灰度差阈值G，通过预先实验设定。

2.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅰ摄取竹条图像时采用无反光的黑色背景。

3.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅳ采用sym4小波对图像f1进行四级小波变换，再对图像f1基于小波去除竖直方向和对角方向的第四级细节系数，并去除水平方向第一级细节系数。

4.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅵ对处于竹条图像边缘的虫洞和/或霉斑缺陷进行闭操作时；水平线性结构元素的长度像素值为T～(T+10)。

5.根据权利要求4所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅵ的闭操作之后，再用长度等于或大于2～5像素与水平线交角为90度的线型结构元素对图像f3执行腐蚀操作。

6.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅶ中缺陷域面积阈值A取值为2～5个像素。

7.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅶ-2中的孔洞灰度差阈值G设定为70～90。

8.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤X中的裂缝灰度差阈值H设定为40～60。

9.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅹ中非零像素点总个数阈值T1设为50～70个；最大连通域长度阈值T2设为

20～40个像素值。

10.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：所述步骤Ⅶ-2中所检测竹条缺陷连通域的平均灰度值Gm的求取方法如下：图像f5缺陷区域的灰度值为1，背景区域的灰度值为0；图像f5与f2的各个点的灰度值相乘，相乘后f2背景区域灰度值为0，f2缺陷区域的灰度值保持不变，其平均灰度为Gm；

所述步骤Ⅹ中所检测竹条非零像素点平均灰度Hm的求取方法如下：图像f7的非零像素点灰度值为1，背景区域的灰度值为0；图像f7与f2的各个点的灰度值相乘，相乘后f2背景区域灰度值为0，f2非零像素点的灰度值保持不变，其平均灰度为Hm。