CN104408727A - 一种图像边缘污点检测方法及系统 - Google Patents

一种图像边缘污点检测方法及系统 Download PDF

Info

Publication number
CN104408727A
CN104408727A CN201410727665.2A CN201410727665A CN104408727A CN 104408727 A CN104408727 A CN 104408727A CN 201410727665 A CN201410727665 A CN 201410727665A CN 104408727 A CN104408727 A CN 104408727A
Authority
CN
China
Prior art keywords
image
stain
edge
block
pixels
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.)
Granted
Application number
CN201410727665.2A
Other languages
English (en)
Other versions
CN104408727B (zh
Inventor
魏永涛
徐博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Goertek Inc
Original Assignee
Goertek Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Goertek Inc filed Critical Goertek Inc
Priority to CN201410727665.2A priority Critical patent/CN104408727B/zh
Publication of CN104408727A publication Critical patent/CN104408727A/zh
Application granted granted Critical
Publication of CN104408727B publication Critical patent/CN104408727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Abstract

本发明涉及图像处理技术领域，提供一种图像边缘污点检测方法及系统，方法包括：对图像进行分析，检测获取图像的边缘线；以图像的边缘线为基础，确定边缘污点检测区域；通过污点检测标准块对边缘污点检测区域进行遍历，并进行污点初步判断；若像素块的灰度值小于污点灰度值阈值，则计算像素块边缘与图像的边缘线的距离；判断像素块边缘与图像的边缘线的距离是否小于污点判断距离阈值；判定像素块是否为污点块；若像素块的灰度值大于等于污点灰度值阈值，则继续执行通过预先设置的污点检测标准块对边缘污点检测区域进行遍历的步骤，实现对图像污点的检测，其检测过程直接应用于产线的检测，检测效率和检测质量较高，降低了产品的不良率。

Description

一种图像边缘污点检测方法及系统
技术领域
本发明属于图像处理技术领域，尤其涉及一种图像边缘污点检测方法及系统。
背景技术
工业相机是机器视觉系统中的一个关键组件，其最本质的功能就是将光信号转变成有序的电信号，选择合适的相机也是机器视觉系统设计中的重要环节，相机的选择不仅直接决定所采集到的图像分辨率、图像质量等，同时也与整个系统的运行模式直接相关。
可视化电子产品微型化，高分辨化，针对微型并且高分辨率状态，电子产品屏幕的污点的检测，不仅需要高分辨率工业相机，更重要的是需要对相机拍出的图像进行高质量的算法分析，由于高分辨率工业相机价格非常之高，那么图像处理的高质量的算法分析显得尤为重要。
目前，对工业相机拍摄的图像污点的分析方法存在诸多问题，例如污点检测的效率较低，准确性不高，导致产品的不良率增加。
发明内容
本发明的目的在于提供一种图像边缘污点检测方法，旨在解决现有技术中对工业相机拍摄的图像污点的分析方法存在诸多问题，例如污点检测的效率较低，准确性不高，导致产品的不良率增加的问题。
本发明是这样实现的，一种图像边缘污点检测方法，所述方法包括下述步骤：
对图像进行分析，检测获取所述图像的边缘线；
以所述图像的边缘线为基础，确定边缘污点检测区域；
通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；
若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离；
判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；
当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块；
当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块；
若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤。
作为一种改进的方案，所述对图像进行分析，检测获取所述图像的边缘线的步骤之前还包括下述步骤：
预先对污点检测标准块和污点灰度值阈值进行定义设置。
作为一种改进的方案，所述对图像进行分析，检测获取所述图像的边缘线的步骤之前还包括下述步骤：
利用直角坐标系，对图片图像进行位置纠正。
作为一种改进的方案，所述利用直角坐标系，对图片图像进行位置纠正的步骤具体包括：
在直角坐标系中，获取图像的基准边缘线；
计算图像的基准边缘线与所述直角坐标系的横或纵轴基准线的角度差；
依据所述角度差，对所述图像进行位置纠正。
作为一种改进的方案，所述边缘污点检测区域为以所述图像的边缘线为中心，左右或上下推移若干个像素点形成的区域。
本发明实施例的另一目的在于提供一种图像边缘污点检测系统，所述系统包括：
边缘线检测获取模块，用于对图像进行分析，检测获取所述图像的边缘线；
边缘污点检测区域确定模块，用于以所述图像的边缘线为基础，确定边缘污点检测区域；
遍历判断模块，用于通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；
距离计算模块，用于若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离；
距离判断模块，用于判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；
污点块判定模块，用于当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块；
非污点块判定模块，用于当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块；
若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤。
作为一种改进的方案，所述系统还包括：
预先定义设置模块，用于预先对污点检测标准块和污点灰度值阈值进行定义设置。
作为一种改进的方案，所述系统还包括：
图像位置纠正模块，用于利用直角坐标系，对图片图像进行位置纠正。
作为一种改进的方案，所述具体包括：
基准边缘线获取模块，用于在直角坐标系中，获取图像的基准边缘线；
角度差计算模块，用于计算图像的基准边缘线与所述直角坐标系的横或纵轴基准线的角度差；
纠正模块，用于依据所述角度差，对所述图像进行位置纠正。
作为一种改进的方案，所述边缘污点检测区域为以所述图像的边缘线为中心，左右或上下推移若干个像素点形成的区域。
在本发明实施例中，对图像进行分析，检测获取所述图像的边缘线；以所述图像的边缘线为基础，确定边缘污点检测区域；通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离；判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块；当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块；若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤，实现对图像污点的检测，其检测过程直接应用于产线的检测，检测效率和检测质量较高，降低了产品的不良率，减少人力成本，同时节省成本。
附图说明
图1是本发明实施例提供的图像边缘污点检测方法的实现流程图；
图2是本发明实施例提供的利用直角坐标系，对图片图像进行位置纠正的实现流程图；
图3和图4是本发明实施例提供的图像位置纠正的事例对比图；
图5是本发明实施例提供的图像边缘污点检测系统的结构框图；
图6是本发明实施例提供的图像位置纠正模块的结构框图。
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。
图1示出了本发明提供的图像边缘污点检测方法的实现流程图，其具体的步骤如下所述：
在步骤S101中，对图像进行分析，检测获取所述图像的边缘线，即在图像中，确定边缘线在直角坐标系中的具体位置。
在步骤S102中，以图像的边缘线为基础，确定边缘污点检测区域。
其中，边缘污点检测区域为以所述图像的边缘线为中心，左右或上下推移若干个像素点形成的区域，该若干个像素点可以是5至10个，或者其他。
在步骤S103中，通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历。
在步骤S104中，将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断，判断像素块的灰度值是否小于所述污点灰度值阈值，是则执行步骤S105，否则继续执行S103；
在步骤S105中，若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离。
在步骤S106中，判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值，是则执行步骤S107，否则执行步骤S108。
在步骤S107中，当像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块。
在步骤S108中，当像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块。
在本发明实施例中，在执行上述步骤S101之前，还需要预先做如下工作：
预先对图像中间区域的污点检测标准块、污点灰度值阈值以及污点判断距离阈值进行定义设置，其中：
污点检测标准块的确定，可以根据图像像素的基本要求以及较常见污点的大小范围等信息进行确定，其主要目的是对图像进行遍历；
污点灰度值阈值的设置也可以本领域中，图像亮度以及污点的常规设定而设置，在此不再赘述；
污点判断距离阈值，可以事先确定一数值，当像素块边缘与所述图像的边缘线的距离大于该距离时，则认定该像素块为污点块，若否则不是，其中，该污点判断距离阈值一般设置为趋近于0的数值。
在本发明实施例中，为了进一步地的对图像边缘污点的检测的准确性和效率，上述步骤S101之前还包括下述步骤：
利用直角坐标系，对图片图像进行位置纠正，其中，其具体包括下述步骤，如图2所示：
在步骤S201中，在直角坐标系中，获取图像的基准边缘线。
在步骤S202中，计算图像的基准边缘线与所述直角坐标系的横或纵轴基准线的角度差。
在步骤S203中，依据角度差，对所述图像进行位置纠正。
其中，对于该步骤是选择性的，即如果该图片图像为圆形，则无需考虑，若该图片图像为长方形、不规则的多边形等，则需要选择其中一个的一个基准边缘线，以此为基础进行调整，其中，该基准边缘线的选择可以根据该图片图像的常规方式即可，例如图3和图4所示的效果：
以长方形为例，图中，长方形a的上边缘线与标准直角坐标系的横轴成一定的角度，按照上述图2所示的步骤之后，纠正为图4所示的效果，在此不再赘述。
在本发明实施例中，在上述实施例中，还可以加入以下步骤：
对随机选取的图像中间区域的图像亮度值进行亮度值阈值范围检测，判断随机选取的图像中间区域的图像亮度值是否符合所述亮度值阈值范围，其具体如下：
(1)随机获取图像中间区域，以此图像中间区域作为图像亮度值检测区域；
(2)计算随机获取到的图像中间区域的亮度值；
(3)将图像中间区域的亮度值与亮度值阈值范围进行比对判断；
(4)若随机选取的图像中间区域的图像亮度值符合所述亮度值阈值范围时，继续执行其他步骤；
(5)若随机选取的图像中间区域的图像亮度值不符合所述亮度值阈值范围时，则对整个图像亮度值进行调整，符合所述亮度值阈值范围。
其中，该调整的过程为自动循环判断，即可能不是一次到位的，调整一次后，如若不符合上述亮度值阈值范围，则继续执行上述计算随机获取到的图像中间区域的亮度值的步骤，若符合条件则结束调整过程，直至调整到亮度值阈值范围之内。
其中，即在图像边缘污点检测之前，还需要对图像的亮度进行检测，检测是是否符合要求，若是则需要对其进行调整，更方便后续污点分析检测，以提高检测的准确性，降低产品的不良率。
图5是本发明实施例提供的图像边缘污点检测系统的结构框图，为了便于说明，图中仅给出了与本发明实施例相关的部分。
边缘线检测获取模块11对图像进行分析，检测获取所述图像的边缘线；边缘污点检测区域确定模块12以所述图像的边缘线为基础，确定边缘污点检测区域；遍历判断模块13通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；若所述像素块的灰度值小于所述污点灰度值阈值，距离计算模块14则计算所述像素块边缘与所述图像的边缘线的距离；距离判断模块15判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，污点块判定模块16则判定所述像素块为污点块；当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，非污点块判定模块17则判定所述像素块为非污点块；若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述遍历判断模块13通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤。
其中，边缘污点检测区域为以所述图像的边缘线为中心，左右或上下推移若干个像素点形成的区域，该若干个像素点可以为5至10个中的任意一个。
在本发明实施例中，预先定义设置模块18预先对污点检测标准块、污点灰度值阈值以及污点判断距离阈值进行定义设置。
在本发明实施例中，图像位置纠正模块19利用直角坐标系，对图片图像进行位置纠正。
其中，如图6所示，图像位置纠正模块19具体包括：
基准边缘线获取模块191在直角坐标系中，获取图像的基准边缘线；
角度差计算模块192计算图像的基准边缘线与所述直角坐标系的横或纵轴基准线的角度差；
纠正模块193依据所述角度差，对所述图像进行位置纠正。
上述各个模块的功能如上述方法实施例所记载，在此不再赘述。
在本发明实施例中，对图像进行分析，检测获取所述图像的边缘线；以所述图像的边缘线为基础，确定边缘污点检测区域；通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离；判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块；当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块；若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤，实现对图像污点的检测，其检测过程直接应用于产线的检测，检测效率和检测质量较高，降低了产品的不良率，减少人力成本，同时节省成本。
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 (10)

1.一种图像边缘污点检测方法，其特征在于，所述方法包括下述步骤：
对图像进行分析，检测获取所述图像的边缘线；
以所述图像的边缘线为基础，确定边缘污点检测区域；
通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；
若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离；
判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；
当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块；
当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块；
若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤。
2.根据权利要求1所述的图像边缘污点检测方法，其特征在于，所述对图像进行分析，检测获取所述图像的边缘线的步骤之前还包括下述步骤：
预先对污点检测标准块、污点灰度值阈值以及污点判断距离阈值进行定义设置。
3.根据权利要求1所述的图像边缘污点检测方法，其特征在于，所述对图像进行分析，检测获取所述图像的边缘线的步骤之前还包括下述步骤：
利用直角坐标系，对图片图像进行位置纠正。
4.根据权利要求2所述的图像边缘污点检测方法，其特征在于，所述利用直角坐标系，对图片图像进行位置纠正的步骤具体包括：
在直角坐标系中，获取图像的基准边缘线；
计算图像的基准边缘线与所述直角坐标系的横或纵轴基准线的角度差；
依据所述角度差，对所述图像进行位置纠正。
5.根据权利要求1所述的图像边缘污点检测方法，其特征在于，所述边缘污点检测区域为以所述图像的边缘线为中心，左右或上下推移若干个像素点形成的区域。
6.一种图像边缘污点检测系统，其特征在于，所述系统包括：
边缘线检测获取模块，用于对图像进行分析，检测获取所述图像的边缘线；
边缘污点检测区域确定模块，用于以所述图像的边缘线为基础，确定边缘污点检测区域；
遍历判断模块，用于通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历，并将遍历到的每一个像素块灰度值与预先设定的污点灰度值阈值进行污点初步判断；
距离计算模块，用于若所述像素块的灰度值小于所述污点灰度值阈值，则计算所述像素块边缘与所述图像的边缘线的距离；
距离判断模块，用于判断所述像素块边缘与所述图像的边缘线的距离是否小于预先设定的污点判断距离阈值；
污点块判定模块，用于当所述像素块边缘与所述图像的边缘线的距离小于预先设定的污点判断距离阈值时，则判定所述像素块为污点块；
非污点块判定模块，用于当所述像素块边缘与所述图像的边缘线的距离大于等于预先设定的污点判断距离阈值时，则判定所述像素块为非污点块；
若所述像素块的灰度值大于等于所述污点灰度值阈值，则继续执行所述通过预先设置的污点检测标准块对所述边缘污点检测区域进行遍历的步骤。
7.根据权利要求6所述的图像边缘污点检测系统，其特征在于，所述系统还包括：
预先定义设置模块，用于预先对污点检测标准块、污点灰度值阈值以及污点判断距离阈值进行定义设置。
8.根据权利要求6所述的图像边缘污点检测系统，其特征在于，所述系统还包括：
图像位置纠正模块，用于利用直角坐标系，对图片图像进行位置纠正。
9.根据权利要求8所述的图像边缘污点检测系统，其特征在于，所述具体包括：
基准边缘线获取模块，用于在直角坐标系中，获取图像的基准边缘线；
角度差计算模块，用于计算图像的基准边缘线与所述直角坐标系的横或纵轴基准线的角度差；
纠正模块，用于依据所述角度差，对所述图像进行位置纠正。
10.根据权利要求6所述的图像边缘污点检测系统，其特征在于，所述边缘污点检测区域为以所述图像的边缘线为中心，左右或上下推移若干个像素点形成的区域。
CN201410727665.2A 2014-12-03 2014-12-03 一种图像边缘污点检测方法及系统 Active CN104408727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410727665.2A CN104408727B (zh) 2014-12-03 2014-12-03 一种图像边缘污点检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410727665.2A CN104408727B (zh) 2014-12-03 2014-12-03 一种图像边缘污点检测方法及系统

Publications (2)

Publication Number Publication Date
CN104408727A true CN104408727A (zh) 2015-03-11
CN104408727B CN104408727B (zh) 2017-06-20

Family

ID=52646356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410727665.2A Active CN104408727B (zh) 2014-12-03 2014-12-03 一种图像边缘污点检测方法及系统

Country Status (1)

Country Link
CN (1) CN104408727B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110031474A (zh) * 2019-04-28 2019-07-19 无锡先导智能装备股份有限公司 异物检测方法及异物检测装置
CN111956184A (zh) * 2020-08-12 2020-11-20 广东食品药品职业学院 一种基于皮肤图像检测色斑的系统及方法
CN109472772B (zh) * 2018-09-29 2020-12-01 歌尔光学科技有限公司 图像污点检测方法、装置和设备
CN113077437A (zh) * 2021-03-31 2021-07-06 上海晨兴希姆通电子科技有限公司 工件质量检测方法及其系统
CN113781446A (zh) * 2021-09-13 2021-12-10 常州市宏发纵横新材料科技股份有限公司 玻纤表面油污检出方法、装置、存储介质和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202002894U (zh) * 2011-01-10 2011-10-05 山东轻工业学院 基于机器视觉的快速在线纸病检测系统
CN102693534A (zh) * 2012-05-25 2012-09-26 北京航空航天大学 一种基于图像修补技术的快速去除图像污点的方法
CN104143185A (zh) * 2014-06-25 2014-11-12 东软集团股份有限公司 一种污点区域检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202002894U (zh) * 2011-01-10 2011-10-05 山东轻工业学院 基于机器视觉的快速在线纸病检测系统
CN102693534A (zh) * 2012-05-25 2012-09-26 北京航空航天大学 一种基于图像修补技术的快速去除图像污点的方法
CN104143185A (zh) * 2014-06-25 2014-11-12 东软集团股份有限公司 一种污点区域检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何志勇 等: "一种微小表面缺陷的机器视觉检测方法", 《应用科学学报》 *
姚志英，曹海青.: "一种基于投影算子的二值图像处理算法", 《计算机系统应用》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472772B (zh) * 2018-09-29 2020-12-01 歌尔光学科技有限公司 图像污点检测方法、装置和设备
CN110031474A (zh) * 2019-04-28 2019-07-19 无锡先导智能装备股份有限公司 异物检测方法及异物检测装置
CN111956184A (zh) * 2020-08-12 2020-11-20 广东食品药品职业学院 一种基于皮肤图像检测色斑的系统及方法
CN113077437A (zh) * 2021-03-31 2021-07-06 上海晨兴希姆通电子科技有限公司 工件质量检测方法及其系统
CN113077437B (zh) * 2021-03-31 2023-07-25 上海晨兴希姆通电子科技有限公司 工件质量检测方法及其系统
CN113781446A (zh) * 2021-09-13 2021-12-10 常州市宏发纵横新材料科技股份有限公司 玻纤表面油污检出方法、装置、存储介质和电子设备

Also Published As

Publication number Publication date
CN104408727B (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN104376573A (zh) 一种图像污点检测方法及系统
CN104408727A (zh) 一种图像边缘污点检测方法及系统
CN107843599B (zh) 一种基于aoi的面板检测判等方法与装置
CN103885217B (zh) 一种检测液晶面板柱状隔垫物缺陷的方法及装置
CN102175700A (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN103245671B (zh) 冲压件表面缺陷检测装置及方法
CN102496161B (zh) 一种印刷电路板图像的轮廓提取方法
CN105388165A (zh) 偏光膜的缺陷监控方法
CN107515481B (zh) 一种显示面板的检测方法和装置
CN102455171B (zh) 一种激光拼焊焊缝背面几何形貌检测方法
CN103134809A (zh) 焊缝缺陷检测方法
CN112629441A (zh) 基于线结构光动态视觉的3d曲面玻璃轮廓扫描检测方法及系统
CN103792705A (zh) 检测基板缺陷的检测方法及检测装置
JP2007163450A (ja) ディスプレーの多角度計測システム及び方法
CN103500722B (zh) 一种电子束缺陷检测方法
CN102854195B (zh) 彩色滤光片上缺陷坐标的检测方法
CN108871185B (zh) 零件检测的方法、装置、设备以及计算机可读存储介质
CN105205803A (zh) 显示面板缺陷检测方法
CN113538603A (zh) 一种基于阵列产品的光学检测方法、系统和可读存储介质
KR20160118722A (ko) 3d 비전검사 시스템
CN104766310A (zh) 光源检测系统和检测方法
CN114199127A (zh) 基于机器视觉的汽车零件尺寸检测系统及方法
CN102339464A (zh) 线搜索式角点检测方法
CN101685000B (zh) 影像边界扫描的计算机系统及方法
JP2005345290A (ja) 筋状欠陥検出方法及び装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 261031 Dongfang Road, Weifang high tech Industrial Development Zone, Shandong, China, No. 268

Applicant after: Goertek Inc.

Address before: 261031 Dongfang Road, Weifang high tech Industrial Development Zone, Shandong, China, No. 268

Applicant before: Goertek Inc.

COR Change of bibliographic data
GR01 Patent grant
GR01 Patent grant