划痕作为汽车损伤的主要表现之一,不但会影响汽车美观而且可能引起钣金件锈蚀。目前汽车表面划痕检测仍以人工检测为主,现有的自动化检测方法尚不成熟,因此针对汽车表面划痕的自动化检测研究具有重要的意义。本文利用图像处理技术对划痕自动化检测问题进行研究,针对检测过程中存在的背景干扰多、传统边缘检测算法效果不理想、划痕特征提取困难等问题,提出了基于图像处理的车辆表面划痕检测方法。主要工作如下:1)基于椭圆拟合的车轮检测算法车轮检测的目的是获得图像中待测汽车车轮的位置信息,进而实现在一幅图像中确定车身的大致位置,车轮位置将会作为下一步车身提取算法的重要参数。由于最小二乘法具有计算效率高、对噪声鲁棒性强等优点,本文以最小二乘椭圆拟合作为车轮检测算法的基础。首先提取待测图像中的轮廓,为解决实际应用时图像中轮廓不连续的问题,设计了一种断裂轮廓的处理方法,将断裂的车轮轮廓连接起来,减小对后续椭圆拟合结果的影响;在提取轮廓之后,应用最小二乘椭圆拟合算法将所有轮廓拟合成椭圆,并给出三个筛选条件用于筛选拟合椭圆,最终标记筛选结果,完成车轮检测。2)基于HSV颜色模型的车身提取算法确定车轮位置之后,下一步工作是提取出图像中的车身区域,根据车身颜色一致的特点,针对HSV颜色空间下不同颜色车身的H、S、V分量分布直方图进行分析,得到了直方图的分布规律。根据该规律,利用车轮检测得到的车轮位置信息,设计了基于HSV颜色模型的车身提取算法。先利用车轮位置标记车身中央区,利用中央区颜色信息计算得到图像分割的全局阈值。在完成阈值分割后,再利用形态学优化方法,使得最终得到的图像分割结果更符合期望效果。3)基于多方向卷积核的划痕边缘检测算法确定车身范围之后,便可进行车身划痕检测,划痕在图像中具有一种典型边缘特征,可以利用边缘检测算法提取出图像中的划痕区域。Canny算子以其良好的精确性广泛地应用在边缘检测研究中,但是传统的Canny算子只计算水平方向梯度和垂直方向梯度,对于这两个方向的边缘检测效果较好,对其他方向的边缘检测效果稍差。由于划痕边缘方向变化幅度较大且灰度值对比度较低的特点,传统算法在检测划痕边缘时会出现弯曲处边缘缺失的情况。针对此问题,本文设计了基于多方向卷积核的划痕边缘检测算法,得到待测灰度图像中的划痕边缘。4)基于多特征参数的区域筛选在边缘检测的结果中,除了划痕还可能存在几何形状与划痕相似度较高的干扰区域,特征计算与筛选的目的就是区分划痕和干扰,减少误检提高精确率。由于划痕在图像中面积占比小、结构相对简单、缺少纹理信息等原因导致常用算法提取有效特征相对困难,这对划痕的特征提取算法提出了更高的要求。本文从特征参数的物理意义出发,分析了划痕与干扰区域的差异,进而将划痕长度、宽度、斜率、曲线拟合度和垂直邻域灰度向量作为主要特征,并利用图像细化算法设计了基于骨架的划痕多特征参数计算方法。根据每个目标区域的特征参数进行区域筛选,保留下划痕区域,完成划痕检测。最后通过在正常天气条件下室外停车场人为拍摄得到的80幅汽车图像进行实验,对本文设计的划痕检测方法的效果进行了验证,待测图像中总计存在102条划痕,其中正确检出77个,错误检出21个,检测精确率达到78.6%,召回率达到75.5%,两项评价指标均优于已有算法。实验结果表明,本文方法可以较好地完成汽车表面划痕检测工作。