CN101751572A - 一种图案检测方法、装置、设备及系统 - Google Patents
一种图案检测方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN101751572A CN101751572A CN200810217990A CN200810217990A CN101751572A CN 101751572 A CN101751572 A CN 101751572A CN 200810217990 A CN200810217990 A CN 200810217990A CN 200810217990 A CN200810217990 A CN 200810217990A CN 101751572 A CN101751572 A CN 101751572A
- Authority
- CN
- China
- Prior art keywords
- image
- standardization
- pattern detection
- standardized images
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明适用于检测领域,提供了一种图案检测方法、装置、设备及系统,所述方法包括下述步骤:采集包括待测图案的图像;对采集的图像进行标准化处理,得到标准化图像;将所述标准化图像与预先存储的参考图像进行比较,得到图案检测结果;所述标准化处理包括对采集的图像进行灰度二值化处理,以及对所述二值化处理后的图像进行边缘跟踪处理。本发明实施例避免了采用目测方法检测图案而带来的诸多不足,降低了图案检测成本和误判率,提高了图案检测效率和一致性。
Description
技术领域
本发明属于检测领域,尤其涉及一种图案检测方法、装置、设备及系统。
背景技术
随着电子产业的不断发展壮大,电子产品的生产规模也日益扩大,一般在电子产品生产过程中,均会在电子产品上粘贴某种特定的图案,作为该电子产品的标签,如雷雕标签等,以便用户识别。在电子产品生产过程中,为了保持粘贴于电子产品上的图案相同,需要对这些粘贴于电子产品上的图案进行检测,如何快速准确的对粘贴于电子产品上的图案进行检测也成为电子产品生产过程中的一个难题。
在目前的电子产品生产过程中,该类图案的检测一般采用人工目测的方法进行检测,产线员工直接在流水线上手动取产品,根据厂家预先制定的判别标准进行目测,来对这类图案进行检测。这种检测方法破坏了产线的流畅性,增加了成本,检测效率低,影响产线产量,同时目测判断的主观性强,一致性差,导致误判率大。
发明内容
本发明的目的在于提供一种图案检测方法,旨在解决现有的图案检测方法成本高、效率低、一致性差、误判率大的问题。
本发明是这样实现的,一种图案检测方法,所述方法包括下述步骤:
采集包括待测图案的图像;
对采集的图像进行标准化处理,得到标准化图像;
将所述标准化图像与预先存储的参考图像进行比较,得到图案检测结果;
所述标准化处理包括对采集的图像进行灰度二值化处理,以及对所述二值化处理后的图像进行边缘跟踪处理。
本发明的另一目的在于提供一种图案检测装置,所述装置包括:
图像采集单元,用于采集包括待测图案的图像;
标准化处理单元,用于所述图像采集单元采集的图像进行标准化处理,得到标准化图像;以及
图案检测单元,用于将所述标准化处理单元得到的标准化图像与预先存储的参考图像进行比较,得到图案检测结果;
所述标准化处理单元包括:
二值化模块,用于对采集的图像进行灰度二值化处理;以及
边缘跟踪模块,用于对所述二值化模块处理后的图像进行边缘跟踪,找到图像的边框和边框点坐标数组并截取边框区域,得到标准化图像。
本发明的另一目的在于提供一种包括所述图案检测装置的图案检测设备。
本发明的再一目的在于提供一种图案检测系统,包括图像获取装置,所述系统还包括所述图案检测装置。
在本发明实施例中,通过采集包括待测图案的图像,并对采集的图像进行标准化处理,得到标准化图像,将该标准化图像与预先存储的参考图像进行对比,即可根据对比结果和预先设置的误差范围得到图案检测结果,从而避免了采用目测方法检测图案而带来的诸多不足,降低了图案检测成本和误判率,提高了图案检测效率和一致性。
附图说明
图1是本发明实施例提供的图案检测方法的实现流程图;
图2是本发明实施例提供的采集的包括雷雕标签的图像;
图3是本发明实施例提供的对图2所示的图像进行标准化处理后,得到的标准化图像;
图4是本发明实施例提供的根据配置文件从图3所示的标准化图像中求出的区域图像;
图5是本发明实施例提供的对采集的图像进行标准化处理的实现流程图;
图6是本发明实施例提供的对图2所示的图像进行灰度归一化处理后的图像;
图7是本发明实施例提供的对图6所示的图像进行灰度二值化处理后的图像;
图8是本发明实施例提供的边缘点的示意图;
图9是本发明实施例提供的图案检测系统的结构框图;
图10是本发明实施例提供的图9中的图案检测装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中,通过采集包括待测图案的图像,再对采集的图像进行图像标准化处理,得到标准化图像,通过将该标准化图像与预先存储的参考图像进行比较,从而达到对待测图案进行检测的目的。
图1示出了本发明实施例提供的图案检测方法的实现流程,详述如下:
在步骤S101中,采集包括待测图案的图像。
其中待测图案可以为粘贴于电子产品上作为标签(如雷雕标签等)的图案,也可以为其他图案。为了更好的与预先存储的参考图像进行比较,在采集包括待测图案的图像时,进行单帧图像采集,得到单帧图像。如图2所示,为采集到的包括雷雕标签的图像。
在本发明实施例中,可以采用摄像机等图像拍摄设备来拍摄包括待测图案的图像。当在电子产品生产过程中,需要检测粘贴于电子产品上作为雷雕标签的图案时,可以采用普通的感光耦合元件(Change Coupled Device,CCD)工业摄像机进行图像拍摄,同时为了使拍摄的图像更加逼真且不受外界环境的影响,在采用普通的CCD工业摄像机进行图像拍摄时,在内部光源发光均匀、柔和、无强烈反射的灯箱环境下进行图像拍摄。
在本发明实施例中,在采用摄像机等图像拍摄设备来拍摄包括待测图案的图像之前,该方法还包括下述步骤:
对图像拍摄设备进行初始化。
在本发明实施例中,预先需要对图像拍摄设备进行的初始化主要包括判断是否有图像拍摄设备资源以及图像拍摄设备的个数。其中图像拍摄设备可以是普通的CCD工业摄像头等。当判定有图像拍摄设备时,启用图像拍摄设备并初始化图像拍摄设备参数。需要初始化的图像拍摄设备参数包括但不限于画面长宽、分辨率模式、拍摄模式、色彩模式、增益、曝光时间、自动白平衡级别等。
在本发明另一实施例中,为了在电子产品生产过程中,更有效的对粘贴于电子产品上的图案进行检测,在对图像拍摄设备进行初始化后,该方法还包括下述步骤:
定时从并口读取信号,当从并口读取到定位信号后,通知图像拍摄设备进行图像拍摄操作。在本发明实施例中,可以通过预先设置定时器的定时时间,当达到预先设置的定时时间时,就从并口读取一次信号,判断读取的信号是否为定位信号,如果是,则通知图像拍摄设备进行拍摄操作,否则,等待下一个定时时间到达。
在步骤S102中,对采集的图像进行标准化处理,得到标准化图像。
在本发明实施例中,为了更好的将采集的图像与预先存储的参考图像进行比较,需要对采集的包括待测图案的图像进行标准化处理,得到标准化图像。如将图2所示的图像标准化处理后,可以得到图3所示的标准化图像。在本发明实施例中,标准化处理包括对采集的图像进行灰度二值化处理,以及对二值化处理后的图像进行边缘跟踪处理,找到图像的边框和边框点坐标数组并截取边框区域,得到标准化图像。当采集的图像质量较差时,为了使图案检测结果更准确,在本发明另一实施例中,在对采集的图像进行二值化处理之前,对采集的图像进行平滑滤噪处理,和/或,对平滑滤噪处理后的图像进行灰度归一化处理。当采集图像时的角度超出预先设置的误差范围内时,为了更好的将标准化图像与参考图像进行比较,在本发明另一实施例中,对采集的图像进行边缘跟踪处理后,再根据边框点坐标数组进行图像倾斜斜率计算,以及根据边框区域和斜率对图像进行标准化旋转操作,得到标准化旋转后的边框点坐标数组。当采集的图像与预先设置的标准图像大小不一致时,为了使图案检测结果更准确,在本发明另一实施例中,在对边缘跟踪处理后的图像或者旋转处理后的图像进行长宽计算处理和缩放处理。这些标准化处理的具体过程在下文中进行详细说明。
在步骤S103中,将得到的标准化图像与预先存储的参考图像进行比较,得到图案检测结果。
在本发明实施例中,如果标准化图像与参考图像之间的差别在误差范围内,则图案检测结果为合格,如果标准化图像与参考图像之间的差别不在误差范围内,则图案检测结果为不合格。
在本发明实施例中,为了检测标准化图像是否合格,需要预先对合格的图案进行采样,并对采样得到的包括合格图案的图像进行标准化处理后,进行存储,作为参考图像。
由于标准化图像中包括多种图像信息,如果将标准化图像中的每种图像信息均与参考图像中的对应图像信息进行比较,则运算量过大,成本过高,速度过慢,难以达到工业应用的要求,因此,为了简化标准化图像与参考图像进行比较的复杂度,加快比较速度,降低比较成本,在本发明另一实施例中,在步骤S103之前,该方法还包括下述步骤:
预先配置图像的区域位置信息,并将该配置信息存储为配置文件。其中图像的区域位置信息包括但不限于区域图像位置、区域图像二值化信息、区域图像百分比等。
根据预先存储的配置文件中的区域位置信息,求出标准化图像中的区域位置信息。由于配置文件中的区域位置信息包括区域图像位置、区域图像二值化信息、区域图像百分比等,因此,在此步骤中,求出标准化图像中与该区域位置信息对应的信息,如求出区域图像位置、区域图像二值化信息、区域图像百分比等。求出标准化图像的区域位置信息后,根据标准化图像的区域位置信息得到的区域图像如图4所示。
此时,为了将求出的标准化图像中的区域位置信息与参考图像中对应的区域位置信息进行比较,得到图案检测结果,在本发明实施例中,可以在预先采样并存储参考图像时,即根据配置文件中的区域位置信息,求出参考图像中的区域位置信息,并进行存储;也可以直接存储标准化处理后的参考图像,在根据配置文件求出标准化图像中的区域位置信息时,根据配置文件,求出参考图像中的区域位置信息。此时,将得到的标准化图像与预先存储的参考图像进行比较,得到图案检测结果的步骤具体为:
将求出的标准化图像中的区域位置信息与参考图像中对应的区域位置信息进行比较,得到图案检测结果。其具体过程为:将求出的标准化图像中的区域位置信息与参考图像中对应的区域位置信息进行比较,如果两者之间的差别在预设的误差范围内,则图案检测结果为合格,否则,图案检测结果为不合格。
图5示出了本发明实施例提供的对采样的图像进行标准化处理的实现流程,详述如下:
在步骤S501中,对采集的图像进行平滑滤噪处理,以消除图像拍摄过程中产生的噪音。
在本发明实施例中,采用3×3的高斯(Gauss)低通滤波模板对采集的图像进行平滑滤噪处理。其中3×3的Gauss低通滤波模板如下所示:
1/16 | 2/16 | 1//16 |
2/16 | 4/16 | 2/16 |
1/16 | 2/16 | 1/16 |
采用3×3的Gauss低通滤波模板对采集得到的图像进行平滑滤噪处理的过程如下:
在3×3方阵中,中间点的灰度值=方阵中各点的灰度值和模板中对应位置系数相乘后的和,如:
a5=a1*1/16+a2*2/16+a3*1/16+
a4*2/16+a5*4/16+a6*2/16+
a7*1/16+a8*2/16+a9*1/16;其中a1、a2、a3、a4、a5、a6、a7、a8、a9为方阵中各点的灰度值。
在步骤S502中,对平滑滤噪处理后的图像进行灰度归一化处理。
在本发明实施例中,可以根据图像中各像素间的灰度均方差对图像进行灰度归一化处理。如对图2所示的图像进行灰度归一化处理后,得到图6所示的图像。其具体过程如下:
灰度的取值范围为(0~255)。由于光照、背景等条件影响,拍摄的图像灰度值很可能集中在某个范围内,如(a~b),灰度集中在某个范围内不利于二值化时将其准确的划分到0或者255,因此,灰度归一化的作用是将集中的灰度扩张到(0~255),扩张算法为x’=(x-a)/(b-a)*255。如当拍摄的图像的灰度范围为(50~200)时,扩张算法为x’=(x-50)/(200-50)*255。当x=50时,x’=0;当x=200时,x’=255。经上述扩张算法实现灰度归一化处理后,图像的灰度分散,能区分原本灰度接近的不同物体。一般a、b为图像灰度的两个极值,可按实际效果进行调整。
在步骤S503中,对灰度归一化处理后的图像进行灰度二值化处理。
在本发明实施例中,可以采用最大间类方差法(OTSU方法)对图像进行灰度二值化处理。如对图6所示的图像进行灰度二值化处理后,得到图7所示的图像。OTSU方法是通过利用直方图的零阶、一阶累积矩(cumulative moment)来最大化判别函数,从而选择最佳阀值的。采用OTSU方法对图像进行灰度二值化处理的具体过程如下:
假设给定图像具有L(1,2,...L)级灰度,阈值设为T,把灰度大于或等于T和小于T的像素分为两类,分别为A类和B类。A类中的像素总数为NA(k),平均灰度值为μA(k),方差为σA(k)。B类中的像素总数为NB(k),平均灰度值为μB(k),方差为σB(k)。所有图像像素平均值为μ,则A类和B类的类间方差σAB和类内方差σAA(σBB=σAA)可由式(1)和式(2)得到:
令C=σ2AB/σ2AA,从而求出使C值最大时的k值,此时k(即σ2AB)即为OTSU算法定义的最佳阈值T。
在步骤S504中,对灰度二值化处理后的图像进行边缘跟踪,找到图像的边框并截取边框区域,得到边框点坐标数组。
在本发明实施例中,采用条件连通法来进行边缘跟踪处理。请参阅图8,为边缘点的示意图。该边缘点需要满足如下条件:
1、中心点必须为黑点;在本发明实施例中,灰度为0的点为黑点,灰度为255的点为白点。
2、上、下、左、右四个点不能全为黑点,如果上、下、左、右四个点均为0,则表示为内部点;
3、3×3连通区域内除中心点以外的其他八个点中至少两个为黑点,如果3×3连通区域内除中心点以外的其他八个点中只有一个黑点,则表示为毛刺点,如果3×3连通区域内除中心点以外的其他八个点中没有一个黑点,则表示为孤立点。
首先从上到下或从左到右获取所要追踪的边框上的一个点,取满足一定条件(因为边框具有一定厚度,可以取连续几个黑点的第一个)的一个黑点,作为跟踪的起始点,设为点(i,j)。然后按照下表中1到8的顺序((i+1,j)、(i+1,j+1)、(i,j+1)、(i-1,j+1)、(i-1,j)、(i-1,j-1)、(i,j-1)、(i+1,j-1))进行扩展,根据上述边缘点需要满足的条件,判断(i+1,j)是否为边界点,如果是,把(i+1,j)定为起点继续循环查找,直到找到某点,它的周围8个点都不是边界点时结束,此时,表示边缘追踪失败;或者绕边缘一圈,重新回到起点(i,j),表示追踪完成,循环结束。在查找过程中,对查找过的点和未查找点进行标识,如采用0标识未被查找过的点,采用1标识已被查找过的点;当循环进行时,只有当该点的标识位为0时才进行判断是否为边界点,否则跳过该点。每取得一个边界点,都在边框点坐标数组中追加该点。边缘追踪失败则直接判断产品为不良。边缘追踪成功,则进行以下的内部信息判断。
6 | 7 | 8 |
5 | (i,j)起始点 | 1 |
4 | 3 | 2 |
经上述边缘跟踪处理后,即可得到边框截取后的图像以及边框点坐标数组。
在步骤S505中,根据边框点坐标数组进行图像倾斜斜率计算。其具体计算过程如下:
从起点开始,分别向左右两个方向计算;
当每五个点的y值变化超过3时,即认为到了拐点,计算左右两个拐点间的斜率。
在步骤S506中,根据边缘跟踪得到的边框区域和斜率计算得到的斜率对图像进行旋转标准化,得到标准化旋转后的图像以及标准化旋转后的边框点坐标数组。
在步骤S507中,根据标准化旋转后的边框点坐标数组计算边框的长和宽。其具体过程如下:
对边框坐标数组进行遍历,求出水平方向上的最大值(X_max)和最小值(X_min),以及垂直方向上的最大值(Y_max)和最小值(Y_min);
根据求出的X_max,X_min,Y_max,Y_min得到边框的长和宽分别为:
长=X_max-X_min;
宽=Y_max-Y_min。
在步骤S508中,根据计算出的边框的长和宽,将图像缩放到预先设置的标准化后的长和宽。如对图7所示的图像进行上述一系列标准化处理后,得到图3所示的标准化后的图像。
图9示出了本发明实施例提供的图案检测系统的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
该图案检测系统包括图像获取装置1和图案检测装置2。其中图像获取装置1包括图像拍摄设备11和灯箱12。图像拍摄设备11在灯箱12的环境下拍摄包括待测图案的图像。该图像拍摄设备11可以直接采用普通CCD工业摄像机。其中图像拍摄设备11可以有多个。灯箱12为图像拍摄设备11提供内部光源发光均匀、柔和、无强烈反射的图像采集环境,以使采集的图像更加逼真且不受外界环境的影响,提高图案检测的正确率。
图案检测装置2对图像获取装置1获取的图像进行标准化处理,得到标准化图像,同时将该标准化图像与预先存储的参考图像进行比较,得到图案检测结果。该图案检测装置2可以是安装到计算机中的软件模块,图案获取装置1通过USB接口将其获取的图像数据传输至安装有图案检测装置2的计算机中,安装有图案检测装置2的计算机通过实现图案检测装置的软件模块对获取的图像进行标准化处理,得到标准化图像,同时通过将标准化图像与预先存储的参考图像进行比较,如果标准化图像与参考图像之间的差别在误差范围内,则图案检测结果为合格,否则,图案检测结果为不合格。
同时图像检测装置2将图案检测结果通过并口传输至PLC控制器,以使PLC控制器根据该检测结果做进一步的操作。
图10示出了图9中的图案检测装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分。该图案检测装置可以是内置于图案检测设备中的软件单元、硬件单元或者软硬件相结合的单元,也可以作为独立的挂件集成到图案检测设备或者图案检测设备的应用系统中。其中:
图像采集单元91采集图像拍摄设备11拍摄的包括待测图案的图像。其中待测图案可以为粘贴于电子产品上作为标签(如雷雕标签等)的图案,也可以为其他图案。请参阅图2,为采集的包括雷雕标签的图像。在本发明实施例中,可以采用摄像机等图像拍摄设备在灯箱环境下拍摄包括待测图案的图像。
为了使图像拍摄设备处于工作状态,该装置还包括初始化单元92。该初始化单元92对图像拍摄设备进行初始化。在本发明实施例中,预先需要对图像拍摄设备进行的初始化主要包括判断是否有图像拍摄设备资源以及图像拍摄设备的个数。其中图像拍摄设备可以是普通的CCD工业摄像头等。当有图像拍摄设备时,启用图像拍摄设备并初始化图像拍摄设备参数。需要初始化的图像拍摄设备参数包括但不限于画面长宽、分辨率模式、拍摄模式、色彩模式、增益、曝光时间、自动白平衡级别等。
为了在电子产品生产过程中,更有效的对粘贴于电子产品上的图案进行检测,该装置还包括信号接收单元93。该信号接收单元93定时从并口读取信号,且当从并口读取到定位信号后,通知图像采集单元91进行图像采集操作。此时图像采集单元91通知图像拍摄设备11进行图像拍摄操作。
标准化处理单元94对图像采集单元91采集到的图像进行标准化处理,得到标准化图像。如将图2所示的图像标准化处理后,可以得到图3所示的标准化图像。其中标准化处理单元94包括二值化模块943和边缘跟踪模块944。当采集的图像质量较差时,为了使图案检测结果更准确,在本发明另一实施例中,标准化处理单元94还包括平滑滤噪模块941和/或归一化模块942。当采集图像时的角度超出预先设置的误差范围内时,为了更好的将标准化图像与参考图像进行比较,在本发明另一实施例中,标准化处理单元94还包括斜率计算模块945和旋转模块946。当采集的图像与预先设置的标准图像大小不一致时,为了使图案检测结果更准确,在本发明另一实施例中,该标准化处理单元94还包括长宽计算模块947和缩放模块948。
其中平滑滤噪模块941对图像采集单元91采集到的图像进行平滑滤噪处理,以消除图像拍摄过程中产生的噪音。在本发明实施例中,采用3×3的高斯(Gauss)低通滤波模板对采样得到的图像进行平滑滤噪处理。其具体过程如上所述,在此不再赘述。
归一化模块942对平滑滤噪模块941处理后的图像进行灰度归一化处理。在本发明实施例中,可以根据图像中各像素间的灰度均方差对图像进行灰度归一化处理,其具体过程如上所述,在此不再赘述。如对图2所示的图像进行灰度归一化处理后,其效果如图6所示。
二值化模块943对归一化模块942处理后的图像进行灰度二值化处理。在本发明实施例中,可以采用OTSU方法对图像进行灰度二值化处理,其具体过程如上所述,在此不再赘述。如对图6所示的图像进行灰度二值化处理后,其效果如图7所示。
边缘跟踪模块944对二值化模块943处理后的图像进行边缘跟踪,找到图像的边框并截取边框区域,得到边框点坐标数组。在本发明实施例中,采用条件连通法来进行边缘跟踪处理,其具体过程如上所述,在此不再赘述。
斜率计算模块945根据边缘跟踪模块944得到的边框点坐标数组进行图像倾斜斜率计算。其具体计算过程如上所述,在此不再赘述。
旋转模块946根据边缘跟踪模块944得到的图像和斜率计算模块945得到的倾斜角对图像进行旋转标准化,得到标准化旋转后的图像以及标准化旋转后的边框点坐标数组。
长宽计算模块947根据旋转模块946得到的标准化旋转后的边框点坐标数组计算边框的长和宽。其具体计算过程如上所述,在此不再赘述。
缩放模块948根据长宽计算模块947计算出的边框的长和宽,将图像缩放到预先设置的标准化后的长和宽。如对图7所示的图像进行上述一系列标准化处理后,得到图3所示的标准化后的图像。
图案检测单元95将标准化处理单元94得到的标准化图像与预先存储的参考图像进行比较,得到图案检测结果。在本发明实施例中,如果标准化图像与参考图像之间的差别在误差范围内,则图案检测结果为合格,如果标准化图像与参考图像之间的差别不再误差范围内,则图案检测结果为不合格。
其中图案检测单元95包括标准化图像信息获取模块951、参考图像信息获取模块952和对比判断模块953。标准化图像信息获取模块951获取标准化处理单元94得到的标准化图像中的图像信息。参考图像信息获取模块952获取参考图像中相应的图像信息。对比判断模块953将标准化图像信息获取模块951获取的图像信息与参考图像信息获取模块952获取的图像信息进行对比,并根据对比结果和预先设置的误差范围得到图案检测结果。
由于标准化图像中包括多种图像信息,如果将标准化图像中的每种图像信息均与参考图像中的对应图像信息进行比较,则运算量过大,成本过高,速度过慢,难以达到工业应用的要求,因此,为了简化标准化图像与参考图像进行比较的复杂度,加快比较速度,降低比较成本,在本发明另一实施例中,该装置还包括图像信息配置单元96。该图像信息配置单元96预先配置图像的区域位置信息,并将该配置信息存储为配置文件。其中图像的区域位置信息包括但不限于区域图像位置、区域图像二值化信息、区域图像百分比等。
此时,标准化图像信息获取模块951根据图像信息配置单元96得到的配置文件,从标准化处理单元94得到的标准化图像中获取配置文件中配置的图像信息。如从图3所示的标准化图像中获取配置文件中的图像信息得到的区域图像如图4所示。参考图像信息获取模块952根据图像信息配置单元96得到的配置文件,从参考图像中获取配置文件中配置的图像信息。为了节省参考图像的存储空间,在本发明另一实施例中,也可以在采集参考图像,并对参考图像进行标准化处理后,即根据配置文件从标准化处理后的参考图像中获取配置文件中的图像信息并存储,则此时,参考图像信息获取模块952可以直接读取存储的参考图像。对比判断模块953将标准化图像信息获取模块951获取的图像信息与参考图像信息获取模块952获取的图像信息进行对比,并根据对比结果和预先设置的误差范围得到图案检测结果。
在本发明实施例中,通过采集包括完整的待测图案的图像,并对采集的图像进行标准化处理,得到标准化图像,将该标准化图像与预先存储的参考图像进行对比,即可根据对比结果和预先设置的误差范围得到图案检测结果,从而避免了采用目测方法检测图案而带来的诸多不足,降低了图案检测成本和误判率,提高了图案检测效率和一致性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (20)
1.一种图案检测方法,其特征在于,所述方法包括下述步骤:
采集包括待测图案的图像;
对采集的图像进行标准化处理,得到标准化图像;
将所述标准化图像与预先存储的参考图像进行比较,得到图案检测结果;
所述标准化处理包括对采集的图像进行灰度二值化处理,以及对所述二值化处理后的图像进行边缘跟踪处理。
2.如权利要求1所述的方法,其特征在于,在所述采集包括待测图案的图像的步骤之前,所述方法还包括下述步骤:
对图像拍摄设备进行初始化,所述图像拍摄设备用于拍摄包括待测图案的图像。
3.如权利要求2所述的方法,其特征在于,在所述对图像拍摄设备进行初始化的步骤之后,所述方法还包括下述步骤:
定时从并口读取信号,当从并口读取到定位信号后,通知图像拍摄设备进行图像拍摄操作。
4.如权利要求1所述的方法,其特征在于,在所述对采集的图像进行灰度二值化处理的步骤之前,所述方法还包括:
对采集的图像进行平滑滤噪处理;和/或
对平滑滤噪处理后的图像进行灰度归一化处理。
5.如权利要求1至4任一权利要求所述的方法,其特征在于,在所述对采集的图像进行边缘跟踪处理的步骤之后,所述方法还包括:
根据边缘跟踪处理得到的边框点坐标数组进行图像倾斜斜率计算;
根据所述斜率和边缘跟踪处理得到的边框区域对图像进行标准化旋转操作,得到标准化旋转后的边框点坐标数组。
6.如权利要求5所述的方法,其特征在于,在所述根据所述边框区域和所述斜率对图像进行标准化旋转操作的步骤之后,所述方法还包括:
根据标准化旋转后的边框点坐标数组计算边框的长和宽;
根据计算出的边框的长和宽,将标准化旋转后的图像缩放为预先设置的标准化边框的长和宽。
7.如权利要求4所述的方法,其特征在于,所述对采集的图像进行平滑滤噪处理的步骤具体为:
采用3×3的高斯低通滤波模板对采集的图像进行平滑滤噪处理。
8.如权利要求4所述的方法,其特征在于,所述对平滑滤噪处理后的图像进行灰度归一化处理的步骤具体为:
根据图像中各像素间的灰度均方差对平滑滤噪处理后的图像进行灰度归一化处理。
9.如权利要求1所述的方法,其特征在于,所述将所述标准化图像与预先存储的参考图像进行比较,得到图案检测结果的步骤具体为:
获取所述标准化图像中的图像信息;
获取参考图像中的图像信息;
将所述标准化图像中的图像信息与参考图像中的图像信息进行对比,如果对比结果在误差范围内,则检测结果为合格,否则,检测结果为不合格。
10.如权利要求1所述的方法,其特征在于,所述方法还包括下述步骤:
预先配置图像的区域位置信息,并将所述区域位置信息存储为配置文件,所述区域位置信息包括区域图像位置、区域图像二值化信息、区域图像百分比。
11.如权利要求10所述的方法,其特征在于,所述将所述标准化图像与预先存储的参考图像进行比较,得到图案检测结果的步骤具体为:
根据所述配置文件,获取标准化图像中的区域位置信息;
根据所述配置文件,获取参考图像中的区域位置信息;
将标准化图像中的区域位置信息与参考图像中的区域位置信息进行对比,如果对比结果在误差范围内,则检测结果为合格,否则,检测结果为不合格。
12.一种图案检测装置,其特征在于,所述装置包括:
图像采集单元,用于采集包括待测图案的图像;
标准化处理单元,用于对所述图像采集单元采集的图像进行标准化处理,得到标准化图像;以及
图案检测单元,用于将所述标准化处理单元得到的标准化图像与预先存储的参考图像进行比较,得到图案检测结果;
所述标准化处理单元包括:
二值化模块,用于对采集的图像进行灰度二值化处理;以及
边缘跟踪模块,用于对所述二值化模块处理后的图像进行边缘跟踪,找到图像的边框和边框点坐标数组并截取边框区域,得到标准化图像。
13.如权利要求12所述的装置,其特征在于,所述装置还包括:
初始化单元,用于对图像拍摄设备进行初始化,所述图像拍摄设备用于拍摄包括待测图案的图像。
14.如权利要求12所述的装置,其特征在于,所述装置还包括:
信号接收单元,用于定时从并口读取信号,当从并口读取到定位信号后,通知所述图像采集单元采集包括待测图案的图像。
15.如权利要求12所述的装置,其特征在于,所述标准化处理单元还包括:
平滑滤噪模块,用于对所述图像采集单元采集的图像进行平滑滤噪处理;
归一化模块,用于对所述平滑滤噪模块处理后的图像进行灰度归一化处理;
斜率计算模块,用于根据所述边缘跟踪模块得到的边框点坐标数组进行图像倾斜斜率计算;
旋转模块,用于根据所述边缘跟踪模块得到的边框区域和所述斜率计算模块得到的斜率,对图像进行标准化旋转操作,得到标准化旋转后的边框点坐标数组;
长宽计算模块,用于根据所述旋转模块得到的标准化旋转后的边框点坐标数组计算边框的长和宽;
缩放模块,用于根据所述长宽计算模块计算出的边框的长和宽,将标准化旋转后的图像缩放为预先设置的标准化边框的长和宽。
16.如权利要求12所述的装置,其特征在于,所述图案检测单元包括:
标准化图像信息获取模块,用于获取所述标准化图像中的图像信息;
参考图像信息获取模块,用于获取参考图像中的图像信息;
对比判断模块,用于将所述标准化图像信息获取模块得到的图像信息与所述参考图像信息获取模块得到的图像信息进行对比,如果对比结果在误差范围内,则检测结果为合格,否则,检测结果为不合格。
17.如权利要求12所述的装置,其特征在于,所述装置还包括:
图像信息配置单元,用于预先配置图像的区域位置信息,并将所述区域位置信息存储为配置文件,所述区域位置信息包括区域图像位置、区域图像二值化信息、区域图像百分比。
18.如权利要求17所述的装置,其特征在于,图案检测单元包括:
标准化图像信息获取模块,用于根据所述配置文件,获取标准化图像中的区域位置信息;
参考图像信息获取模块,用于根据所述配置文件,获取参考图像中的区域位置信息;
对比判断模块,用于将所述标准化图像信息获取模块得到的图像信息与所述参考图像信息获取模块得到的图像信息进行对比,如果对比结果在误差范围内,则检测结果为合格,否则,检测结果为不合格。
19.一种包括权利要求12至18任一权利要求所述的图案检测装置的图案检测设备。
20.一种图案检测系统,包括图像获取装置,其特征在于,所述系统还包括权利要求12所述的图案检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810217990A CN101751572A (zh) | 2008-12-05 | 2008-12-05 | 一种图案检测方法、装置、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810217990A CN101751572A (zh) | 2008-12-05 | 2008-12-05 | 一种图案检测方法、装置、设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101751572A true CN101751572A (zh) | 2010-06-23 |
Family
ID=42478533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810217990A Pending CN101751572A (zh) | 2008-12-05 | 2008-12-05 | 一种图案检测方法、装置、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101751572A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721364A (zh) * | 2011-03-30 | 2012-10-10 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
CN102805600A (zh) * | 2011-05-31 | 2012-12-05 | 鸿富锦精密工业(深圳)有限公司 | 物品搜寻系统、方法及具有该系统之智能扫地机 |
CN103454280A (zh) * | 2012-05-31 | 2013-12-18 | 吴江迈为技术有限公司 | 一种太阳能电池片破损的判断方法 |
CN103630070A (zh) * | 2013-04-08 | 2014-03-12 | 苏州工业园区凯艺精密科技有限公司 | 图像检测仪的检测方法及图像检测仪 |
CN103996212A (zh) * | 2013-02-18 | 2014-08-20 | 威达电股份有限公司 | 自动描绘对象边缘走向之方法 |
CN104118609A (zh) * | 2014-07-22 | 2014-10-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN105303540A (zh) * | 2015-08-14 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子图像纠偏装置 |
CN105303552A (zh) * | 2015-08-07 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子定位装置 |
CN105303541A (zh) * | 2015-08-14 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子图像纠偏方法 |
CN105303551A (zh) * | 2015-08-07 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子定位方法 |
CN106197612A (zh) * | 2016-07-25 | 2016-12-07 | 江苏科技大学 | 一种基于机器视觉的透明瓶装液位检测方法 |
CN106548200A (zh) * | 2016-10-31 | 2017-03-29 | 黄建文 | 一种图像比较系统和方法 |
CN106803249A (zh) * | 2016-12-19 | 2017-06-06 | 广州视源电子科技股份有限公司 | 电子器件在板卡图中的突显方法及系统 |
CN103914827B (zh) * | 2013-09-06 | 2017-07-11 | 贵州大学 | 汽车密封条轮廓缺陷的视觉检测方法 |
CN106976606A (zh) * | 2017-03-10 | 2017-07-25 | 天津大学 | 基于webaccess远程检测工厂满箱的方法 |
CN107084666A (zh) * | 2017-05-10 | 2017-08-22 | 中国计量大学 | 基于机器视觉的刹车片尺寸综合检测方法 |
US10127645B2 (en) | 2015-08-14 | 2018-11-13 | Direct Genomics Co., Ltd | Single-molecule image correction method, device and system, and computer-readable storage medium |
CN109000887A (zh) * | 2018-05-25 | 2018-12-14 | 京东方科技集团股份有限公司 | 一种图案检测装置及方法、图案化控制系统及方法 |
CN109309829A (zh) * | 2017-07-27 | 2019-02-05 | 嘉兴鹏武电子科技有限公司 | 一种采集卡以及一种测试方法 |
CN109637502A (zh) * | 2018-12-25 | 2019-04-16 | 宁波迪比亿贸易有限公司 | 琴弦阵列布局机构 |
CN113063346A (zh) * | 2020-10-14 | 2021-07-02 | 泰州无印广告传媒有限公司 | 产品外观合格等级辨识平台 |
CN113065502A (zh) * | 2019-12-12 | 2021-07-02 | 天目爱视(北京)科技有限公司 | 一种基于标准化设置的3d信息采集系统 |
WO2023045038A1 (zh) * | 2021-09-27 | 2023-03-30 | 深圳技术大学 | 一种融合云端的产品分拣系统及方法 |
-
2008
- 2008-12-05 CN CN200810217990A patent/CN101751572A/zh active Pending
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721364B (zh) * | 2011-03-30 | 2015-12-02 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
CN102721364A (zh) * | 2011-03-30 | 2012-10-10 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
CN102805600A (zh) * | 2011-05-31 | 2012-12-05 | 鸿富锦精密工业(深圳)有限公司 | 物品搜寻系统、方法及具有该系统之智能扫地机 |
CN103454280A (zh) * | 2012-05-31 | 2013-12-18 | 吴江迈为技术有限公司 | 一种太阳能电池片破损的判断方法 |
CN103454280B (zh) * | 2012-05-31 | 2015-11-25 | 吴江迈为技术有限公司 | 一种太阳能电池片破损的判断方法 |
CN103996212B (zh) * | 2013-02-18 | 2017-11-14 | 威达电股份有限公司 | 自动描绘对象边缘走向之方法 |
CN103996212A (zh) * | 2013-02-18 | 2014-08-20 | 威达电股份有限公司 | 自动描绘对象边缘走向之方法 |
CN103630070A (zh) * | 2013-04-08 | 2014-03-12 | 苏州工业园区凯艺精密科技有限公司 | 图像检测仪的检测方法及图像检测仪 |
CN103914827B (zh) * | 2013-09-06 | 2017-07-11 | 贵州大学 | 汽车密封条轮廓缺陷的视觉检测方法 |
CN104118609A (zh) * | 2014-07-22 | 2014-10-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN104118609B (zh) * | 2014-07-22 | 2016-06-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
US10885644B2 (en) | 2014-07-29 | 2021-01-05 | Banma Zhixing Network (Hongkong) Co., Limited | Detecting specified image identifiers on objects |
CN105303189B (zh) * | 2014-07-29 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
US10360689B2 (en) | 2014-07-29 | 2019-07-23 | Alibaba Group Holding Limited | Detecting specified image identifiers on objects |
CN110852996A (zh) * | 2015-08-07 | 2020-02-28 | 深圳市真迈生物科技有限公司 | 一种单分子定位方法 |
CN105303551A (zh) * | 2015-08-07 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子定位方法 |
CN110889825A (zh) * | 2015-08-07 | 2020-03-17 | 深圳市真迈生物科技有限公司 | 一种单分子定位装置 |
CN105303552A (zh) * | 2015-08-07 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子定位装置 |
CN105303540A (zh) * | 2015-08-14 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子图像纠偏装置 |
CN110895800A (zh) * | 2015-08-14 | 2020-03-20 | 深圳市真迈生物科技有限公司 | 一种单分子图像纠偏方法 |
US10127645B2 (en) | 2015-08-14 | 2018-11-13 | Direct Genomics Co., Ltd | Single-molecule image correction method, device and system, and computer-readable storage medium |
CN105303541A (zh) * | 2015-08-14 | 2016-02-03 | 深圳市瀚海基因生物科技有限公司 | 一种单分子图像纠偏方法 |
CN111062898A (zh) * | 2015-08-14 | 2020-04-24 | 深圳市真迈生物科技有限公司 | 一种单分子图像纠偏装置 |
CN106897988A (zh) * | 2015-08-14 | 2017-06-27 | 深圳市瀚海基因生物科技有限公司 | 单分子图像纠偏系统 |
CN106197612A (zh) * | 2016-07-25 | 2016-12-07 | 江苏科技大学 | 一种基于机器视觉的透明瓶装液位检测方法 |
CN106197612B (zh) * | 2016-07-25 | 2019-09-03 | 江苏科技大学 | 一种基于机器视觉的透明瓶装液位检测方法 |
CN106548200A (zh) * | 2016-10-31 | 2017-03-29 | 黄建文 | 一种图像比较系统和方法 |
CN106803249A (zh) * | 2016-12-19 | 2017-06-06 | 广州视源电子科技股份有限公司 | 电子器件在板卡图中的突显方法及系统 |
CN106976606A (zh) * | 2017-03-10 | 2017-07-25 | 天津大学 | 基于webaccess远程检测工厂满箱的方法 |
CN107084666A (zh) * | 2017-05-10 | 2017-08-22 | 中国计量大学 | 基于机器视觉的刹车片尺寸综合检测方法 |
CN109309829A (zh) * | 2017-07-27 | 2019-02-05 | 嘉兴鹏武电子科技有限公司 | 一种采集卡以及一种测试方法 |
CN109000887A (zh) * | 2018-05-25 | 2018-12-14 | 京东方科技集团股份有限公司 | 一种图案检测装置及方法、图案化控制系统及方法 |
WO2019223763A1 (zh) * | 2018-05-25 | 2019-11-28 | 京东方科技集团股份有限公司 | 图像检测方法、装置、设备及介质,图案化控制系统及方法 |
US11270152B2 (en) | 2018-05-25 | 2022-03-08 | Boe Technology Group Co., Ltd. | Method and apparatus for image detection, patterning control method |
CN109637502A (zh) * | 2018-12-25 | 2019-04-16 | 宁波迪比亿贸易有限公司 | 琴弦阵列布局机构 |
CN109637502B (zh) * | 2018-12-25 | 2023-01-20 | 泉州市望海机械科技有限公司 | 琴弦阵列布局机构 |
CN113065502A (zh) * | 2019-12-12 | 2021-07-02 | 天目爱视(北京)科技有限公司 | 一种基于标准化设置的3d信息采集系统 |
CN113063346A (zh) * | 2020-10-14 | 2021-07-02 | 泰州无印广告传媒有限公司 | 产品外观合格等级辨识平台 |
WO2023045038A1 (zh) * | 2021-09-27 | 2023-03-30 | 深圳技术大学 | 一种融合云端的产品分拣系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101751572A (zh) | 一种图案检测方法、装置、设备及系统 | |
CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
US8363933B2 (en) | Image identification method and imaging apparatus | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN109255787A (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
CN107203990A (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN102680481B (zh) | 棉纤维杂质的检测方法 | |
CN107240112B (zh) | 一种复杂场景下个体x角点提取方法 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN111444964B (zh) | 一种基于自适应roi划分的多目标快速图像匹配方法 | |
CN102930279B (zh) | 用于产品数量检测的图像识别方法 | |
CN110533654A (zh) | 零部件的异常检测方法及装置 | |
KR101842535B1 (ko) | 부호의 광학적 검출 방법 | |
CN103852034A (zh) | 一种电梯导轨垂直度检测方法 | |
CN110009615A (zh) | 图像角点的检测方法及检测装置 | |
CN111767826A (zh) | 一种定时定点场景异常检测方法 | |
CN114693678A (zh) | 工件质量智能检测方法、装置 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
CN117523573A (zh) | 基于多阶段视觉检测融合故障预警的水表读数方法、系统 | |
CN112132823A (zh) | 一种基于人工智能的光伏电池图像局部光照不均处理方法 | |
CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
CN116486212A (zh) | 一种基于计算机视觉的水尺识别方法、系统及存储介质 | |
CN111161264A (zh) | 一种对含有缺陷的tft电路图像的分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20100623 |