CN104616275A - 一种缺陷检测方法和装置 - Google Patents

一种缺陷检测方法和装置 Download PDF

Info

Publication number
CN104616275A
CN104616275A CN201310538152.2A CN201310538152A CN104616275A CN 104616275 A CN104616275 A CN 104616275A CN 201310538152 A CN201310538152 A CN 201310538152A CN 104616275 A CN104616275 A CN 104616275A
Authority
CN
China
Prior art keywords
image
defect
pixel
roi
point
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
CN201310538152.2A
Other languages
English (en)
Other versions
CN104616275B (zh
Inventor
王新新
邹伟金
李晨
徐江伟
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.)
Beijing C & W Technology Development Co ltd
Beijing C&W Electronics Group Co Ltd
Original Assignee
Beijing C & W Technology Development Co ltd
Beijing C&W Electronics Group Co Ltd
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 Beijing C & W Technology Development Co ltd, Beijing C&W Electronics Group Co Ltd filed Critical Beijing C & W Technology Development Co ltd
Priority to CN201310538152.2A priority Critical patent/CN104616275B/zh
Publication of CN104616275A publication Critical patent/CN104616275A/zh
Application granted granted Critical
Publication of CN104616275B publication Critical patent/CN104616275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/0008Industrial image inspection checking presence/absence
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20068Projection on vertical or horizontal image axis
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30164Workpiece; Machine component

Abstract

本发明提供了一种缺陷检测方法和装置,该方法包括:获取感兴趣区域ROI图像;设置两个阈值,针对像素值位于两个阈值区间内的ROI图像的正常像素点、以及像素值位于两个阈值区间外的ROI图像的缺陷像素点进行二值化处理,得到二值化图像;对得到的二值化图像中的缺陷像素点进行竖直投影和/或水平投影,得到缺陷点的投影图像;从投影图像中检测出缺陷。本发明能够实现对低对比度缺陷的检测。

Description

-种缺陷检测方法和装置
技术领域
[0001] 本发明涉及计算机技术领域,具体涉及一种缺陷检测方法和装置。
背景技术
[0002] 近年来,国际上对机器视觉的研究日渐重视,W图像处理技术为基础的机器视觉 技术主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为,从客观事物的图像 中提取信息进行处理,并加W理解,最终用于实际检测和控制。主要应用于如工业检测、工 业探伤、精密测控、自动生产线等方面。用机器视觉检测方法不仅可W大大提高生产效率和 生产的自动化程度,而且机器视觉易于实现信息集成,满足数字化、自动化生产的要求。在 工业化的生产线如胶印版材、纸张、铅板带及TFT-LCD应用广泛的电视、电脑、手机等领域, 有时候生产的产品会存在一些低对比度的缺陷,不太容易被检测出来。
[0003] 现有的机器视觉检测缺陷的方法是:对图像进行单阔值二值化处理,然后用缺陷 检测算法对二值化图像进行缺陷检测,从而得到缺陷检测结果。如图1是从工业生产线上 采集的一种带有低对比度缺陷的版材图像示意图,图2为现有缺陷检测技术对版材图像进 行缺陷检测的结果示意图,从图2可W看出,运用上述现有方法,部分缺陷检测不出来,检 测效果差。
发明内容
[0004] 针对现有技术的不足,本发明提供一种缺陷检测方法和装置,能够实现对低对比 度缺陷的检测。
[0005] 为实现上述目的,本发明通过W下技术方案予W实现:
[0006] 一种缺陷检测方法,该方法包括:
[0007] 获取感兴趣区域R0I图像;
[0008] 设置两个阔值,针对像素值位于两个阔值区间内的R0I图像的正常像素点、W及 像素值位于两个阔值区间外的R0I图像的缺陷像素点进行二值化处理,得到二值化图像;
[0009] 对得到的二值化图像中的缺陷像素点进行竖直投影和/或水平投影,得到缺陷点 的投影图像;
[0010] 从投影图像中检测出缺陷。
[0011] 较佳地,所述获取感兴趣区域R0I图像包括:
[0012] 图像二值化;对源图像进行二值化,将背景区域和R0I图像分开;
[0013] 图像矫正;用边界搜索方法在二值化后的图像中寻找n个边界坐标点,对该n个边 界坐标点(X。y;),i = 1,. . .,n,用最小二乘法线性拟合出边界直线y = a X+目,其中a和 目由下面公式计算出:
[0014]
Figure CN104616275AD00051
Figure CN104616275AD00052
[001 引
Figure CN104616275AD00061
[0016] 按照a和e值对源图像进行角度旋转,将图像矫正为无倾斜图像;
[0017] 确定R0I图像;在矫正后的图像上只有一个矩形框,即为R0I区域,用查找矩形块 的方法,提取矩形框的四个边界,得到R0I图像。
[0018] 较佳地,所述二值化处理进一步包括:将R0I图像划分为一个W上窗口,针对每一 个窗口设置对应的两个阔值,对于每一个窗口,针对像素值位于该窗口对应的两个阔值区 间内的R0I图像的像素点、W及像素值位于该窗口对应的两个阔值区间外的R0I图像的像 素点进行二值化处理,得到该窗口对应的二值化图像。
[0019] 其中,所述对得到的二值化图像中的缺陷点进行竖直投影和/或水平投影包括:
[0020] 在得到的二值化图像的竖直和/或水平两个方向进行缺陷点像素统计,按列和/ 或按行对缺陷点像素个数进行累加,然后按列和/或按行投影到投影图像上。
[0021] 较佳地,所述从投影图像中检测出缺陷之后,进一步包括:
[0022] 计算缺陷灰度均值包括:先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的 左顶点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外接矩 形范围内读取像素点的像素值,若像素值为二值化时缺陷点像素值,则记录像素点坐标并 统计个数,然后根据像素点坐标,在R0I图像上读取该坐标处的原始像素值,将该些原始像 素值累加再除W像素点个数,得到灰度均值;
[0023] 计算缺陷面积包括;先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶 点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外接矩形范 围内读取像素点的像素值,若像素值为二值化时缺陷点像素值,则统计像素点个数,最后得 到的像素点个数即为缺陷面积。
[0024] 一种缺陷检测装置,该装置包括:
[00巧]R0I图像获取模块,用于获取R0I图像,发送给R0I图像二值化模块;
[0026] R0I图像二值化模块,用于对R0I图像进行二值化,首先设置两个阔值,针对像素 值位于两个阔值区间内的R0I图像的正常像素点、W及像素值位于两个阔值区间外的R0I 图像的缺陷像素点进行二值化处理,得到二值化图像,将二值化图像发送给二值化图像投 影模块;
[0027] 二值化图像投影模块,用于对得到的R0I二值化图像中的缺陷像素点进行竖直投 影和/或水平投影,得到缺陷点的投影图像,将投影图像发送给缺陷检测模块;
[002引缺陷检测模块,用于从投影图像中检测出缺陷。
[0029] 较佳地,所述R0I图像获取模块包括:
[0030] 二值化子模块;负责对源图像进行二值化,将背景区域和R0I图像分开,将二值化 源图像发送给图像矫正子模块;
[0031] 图像矫正子模块;负责用边界搜索方法在二值化后的图像中寻找n个边界坐标 点,对该n个边界坐标点(X。y;),i = 1,. . .,n,用最小二乘法线性拟合出边界直线y = a X+目,其中a和目由下面公式计算出:
Figure CN104616275AD00062
Figure CN104616275AD00071
[0034] 按照a和e值对源图像进行角度旋转,将图像矫正为无倾斜的图像,然后将矫正 后的图像发送给确定R0I图像子模块;
[00巧]确定R0I图像子模块;负责用查找矩形块的方法,提取矩形框的四个边界,得到 R0I图像。
[0036] 较佳地,所述的R0I图像二值化模块用于将R0I图像划分为一个W上窗口,针对每 一个窗口设置对应的两个阔值,对于每一个窗口,针对像素值位于该窗口对应的两个阔值 区间内的R0I图像的像素点、W及像素值位于该窗口对应的两个阔值区间外的R0I图像的 像素点进行二值化处理,得到该窗口对应的二值化图像,最后将各窗口的二值化图像组合 成R0I二值化图像。
[0037] 其中,所述的R0I二值化图像投影模块用于在得到的R0I二值化图像的竖直和/ 或水平两个方向进行缺陷点像素统计,按列和/或按行对缺陷点像素个数进行累加,然后 按列和/或按行投影到投影图像上。
[0038] 较佳地,该装置进一步包括缺陷属性计算模块,包括;缺陷灰度均值计算子模块和 缺陷面积计算子模块,其中,
[0039] 所述的缺陷灰度均值计算子模块,用于计算缺陷边缘轮廓的外接矩形的长、宽和 外接矩形的左顶点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大 小,在外界矩形范围内读取像素点,若像素值为二值化时缺陷点像素值,则记录像素点坐标 并统计个数,然后根据像素点坐标,在R0I图像上读取该坐标处的原始像素值,最后将该些 原始像素值累加再除W像素点个数,得到灰度均值;
[0040] 所述缺陷面积计算子模块,用于计算缺陷边缘轮廓的外接矩形的长、宽和外接矩 形的左顶点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外 界矩形范围内读取像素点,若像素值为二值化时缺陷点像素值,则统计像素点个数,最后得 到的像素点个数即为缺陷面积。
[0041] 本发明至少具有如下的有益效果:
[0042] 1、由于缺陷的色阶可能大于或小于背景,因此在二值化处理时,设置两个阔值,保 证了缺陷信息不会丢失。二值化处理后,一些低对比度的缺陷可能被阔值分割成尺寸较小 的几部分,该些较小尺寸的缺陷在做缺陷条件提取时,可能会被剔除,从而造成漏检。通过 对二值化图像中的缺陷像素点进行竖直投影和/或水平投影,即在二值化图像的竖直和/ 或水平两个方向进行缺陷点像素统计,按列和/或按行对缺陷点像素个数进行累加,然后 将累加结果按列和/或按行投影到投影图像上,因而可W将二值化图像上较小的缺陷块在 投影图像上累加成较大的缺陷块,再做缺陷条件提取时,就不会丢失缺陷信息,从而可W检 巧||出低对比度缺陷。
Figure CN104616275AD00072
[0043] 2、在本发明中,源图像中先进行二值化,将背景和ROI图像分开,用边界搜索方法 在二值化后的图像中寻找一条边界,寻找N个边缘坐标点,对该N个边缘坐标点用最小二乘 法计算需要矫正的参数,对原始图像进行矫正,该样可W保证得到无倾斜的R0I图像。
[0044] 3、由于整幅R0I图像色阶可能不均匀,因此将R0I图像划分为多个窗口,针对每个 窗口设定不同的阔值,可W保证二值化的准确性。
[0045] 4、在本发明中,在检测到缺陷后,还可W根据缺陷边缘,计算缺陷的灰度均值和缺 陷面积,从而可W进一步了解缺陷的灰度均值和缺陷面积属性,为分析缺陷特征提供了更 多的内容。
[0046] 当然,实施本发明的任一方法或产品不一定需要同时达到W上所述的所有优点。
附图说明
[0047] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明 的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可W根据 该些附图获得其他的附图。
[0048] 图1是从工业生产线上采集的一种带有低对比度缺陷的版材图像示意图;
[0049] 图2是现有缺陷检测技术对版材图像进行缺陷检测的结果示意图;
[0050] 图3是本发明一个实施例中对低对比度缺陷进行检测的流程图;
[0051] 图4是本发明一个较佳实施例中对低对比度缺陷进行检测的流程图;
[0052] 图5是本发明一个较佳实施例中对版材图像进行缺陷检测的结果示意图;
[0053] 图6是本发明一个实施例中进行缺陷检测的装置结构示意图。
具体实施方式
[0054] 为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例 中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是 本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0055] 参见图3,本发明实施例提出了一种缺陷检测方法,包括如下步骤:
[0056] 步骤301 ;获取R0I图像。
[0057] 步骤302 ;设置两个阔值,针对像素值位于两个阔值区间内的R0I图像的正常像素 点、W及像素值位于两个阔值区间外的R0I图像的缺陷像素点进行二值化处理,得到二值 化图像。
[0058] 步骤303 ;对得到的二值化图像中的缺陷像素点进行竖直投影和/或水平投影,得 到缺陷点的投影图像。
[0059] 步骤304 ;从投影图像中检测出缺陷。
[0060] 可见,在本发明实施例中,由于缺陷的色阶可能大于或小于背景,因此在二值化处 理时,设置两个阔值,保证了缺陷信息不会丢失。二值化处理后,一些低对比度的缺陷可能 被阔值分割成尺寸较小的几部分,该些较小尺寸的缺陷在做缺陷条件提取时,可能会被剔 除,从而造成漏检。通过对二值化图像中的缺陷像素点进行竖直投影和/或水平投影,即在 二值化图像的竖直和/或水平两个方向进行缺陷点像素统计,按列和/或按行对缺陷点像 素个数进行累加,然后将累加结果按列和/或按行投影到投影图像上,因而可W将二值化 图像上较小的缺陷块在投影图像上累加成较大的缺陷块,再做缺陷条件提取时,就不会丢 失缺陷信息,从而可W检测出低对比度缺陷。
[0061] 在本发明实施例中,为了获取无倾斜的R0I图像,可W通过W下方式实现:
[0062] 对源图像进行二值化,将背景区域和R0I图像分开,用边界搜索方法在二值化后 的图像中寻找n个边界坐标点,对该n个边界坐标点(Xi,yi),i = l,...,n,用最小二乘法 线性拟合出边界直线y = a X+目,其中a和目由下面公式计算出:
Figure CN104616275AD00091
[0065] 按照a和目值对源图像进行角度旋转,将图像矫正为无倾斜的图像,在矫正后的 图像上只有一个矩形框,即为R0I区域,用查找矩形块的方法,提取矩形框的四个边界,从 而得到无倾斜的R0I图像。
[0066] 在本发明的其他实施例中,还可W在检测到缺陷后,根据缺陷边缘,计算缺陷的灰 度均值和缺陷面积,从而可W进一步了解缺陷的灰度均值和缺陷面积属性,为分析缺陷特 征提供了更多的内容。
[0067] 其中,计算缺陷灰度均值可W通过W下方式实现:
[0068] 先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐标,然后在二值 化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩形范围内读取像素点,若 像素值为二值化时缺陷点像素值,则记录像素点坐标并统计个数,然后根据像素点坐标,在 R0I图像上读取该坐标处的原始像素值,最后将该些原始像素值累加再除W像素点个数,得 到灰度均值;
[0069] 计算缺陷面积可W通过W下方式实现:
[0070] 先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐标,然后在二值 化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩形范围内读取像素点,若 像素值为二值化时缺陷点像素值,则统计像素点个数,最后得到的像素点个数即为缺陷面 积。
[0071] 下面通过一个具体的例子,来更为详细的说明本发明的一个较佳实施例的实现过 程。参见图4,该过程包括如下步骤:
[0072] 步骤401 ;对源图像二值化。
[0073] 在本步骤中,用二值化方法将原始图像中的背景与R0I图像分开,其中二值化阔 值可用全局阔值,设为m,
[0074]
Figure CN104616275AD00092
Figure CN104616275AD00101
[00巧]该里,data[i] [j]是图像第i行j列的像素灰度级别(0-255,0为黑色,255为白 色),max_value的值设置为255。
[0076] 经过二值化后背景区域的像素值置为0,即黑色,R0I图像的像素置为255,即白 色。
[0077] 步骤402 ;对二值化源图像进行矫正。
[0078] 在本步骤中,用边界搜索方法在二值化后的图像中寻找n个边界坐标点,对该n个 边界坐标点(X。y;),i = 1,. . .,n,用最小二乘法线性拟合出边界直线y = ax+目,其中a 和目由下面公式计算出:
Figure CN104616275AD00102
[0081] 按照a和目值对源图像进行角度旋转,将图像矫正为无倾斜图像。
[008引步骤403 ;提取R0I图像。
[0083] 在本步骤中,可W应用查找矩形块的方法,提取R0I图像的四个边界,从而得到 R0I图像。
[0084] 步骤404 ;设置两个阔值,针对像素值位于两个阔值区间内的R0I图像的正常像素 点、W及像素值位于两个阔值区间外的R0I图像的缺陷像素点进行二值化处理,得到二值 化图像;
[0085] 在本步骤中,由于缺陷的色阶可能大于或小于背景,因此设置两个阔值,保证了缺 陷信息不会丢失。设置两个阔值m,M,按下面公式进行二值化处理:
[0086]
Figure CN104616275AD00103
[0087] 该里,data[i] [j]是图像第i行j列的像素灰度级别(0-255,0为黑色,255为白 色),max_value的值设置为255。
[008引 R0I图像经过二值化处理后,像素值在两个阔值m,M之间的像素点为正常像素点, 置为max_value,即白色,像素值在两个阔值m,M区间外的像素点为缺陷像素点,置为0,即 黑色。
[0089] 另外,由于整幅R0I图像色阶可能不均匀,因此在二值化过程中中将图像划分为 多个窗口,针对每个窗口按实际情况设定单阔值或双阔值,可W保证二值化的精确性。
[0090] 步骤405 ;对得到的二值化图像中的缺陷像素点进行竖直投影和/或水平投影,得
Figure CN104616275AD00104
Figure CN104616275AD00105
Figure CN104616275AD00106
到缺陷点的投影图像。
[0091] 在本步骤中,二值化处理后,一些低对比度的缺陷可能被阔值分割成尺寸较小的 几部分,该些较小尺寸的缺陷在做缺陷条件提取时,可能会被剔除,从而造成漏检。通过对 二值化图像中的缺陷像素点进行竖直投影和/或水平投影,即在二值化图像的竖直和/或 水平两个方向进行缺陷点像素统计,按列和/或按行对缺陷点像素个数进行累加,然后将 累加结果按列和/或按行投影到投影图像上,因而可W将二值化图像上较小的缺陷块在投 影图像上累加成较大的缺陷块,再做缺陷条件提取时,就不会丢失缺陷信息,从而可W检测 出低对比度缺陷。
[0092] 步骤406 ;从投影图像中检测出缺陷。
[0093] 在本步骤中,运用缺陷寻找算法从投影图像中检测出所有缺陷。优选的,可W用 Blob算法寻找缺陷。
[0094] 步骤407 ;根据缺陷边缘,计算缺陷的灰度均值和缺陷面积。
[0095] 在本步骤中,优选的,计算缺陷灰度均值的方法如下:
[0096] 计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐标,然后在二值化 图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩形范围内读取像素点,若 像素值为二值化时缺陷点像素值,则记录像素点坐标并统计个数,然后根据像素点坐标,在 R0I图像上读取该坐标处的原始像素值,最后将该些原始像素值累加再除W像素点个数,得 到灰度均值;
[0097] 优选的,计算缺陷面积的方法如下:
[0098] 计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐标,然后在二值化 图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩形范围内读取像素点,若像 素值为二值化时缺陷点像素值,则统计像素点个数,最后得到的像素点个数即为缺陷面积。
[0099] 步骤408 ;将缺陷相关信息存入数据包,保存后完成检测。
[0100] 在本步骤中,通过缺陷的灰度均值和面积属性,按指定的标准对缺陷进行分类,然 后将缺陷的相关信息存入数据包,保存后完成检测。
[0101] 运用上面的方法步骤,可W对从工业生产线上采集的版材图像、TFT-LCD图像、纸 张图像、铅板带图像或其他类似的图像进行低对比度缺陷检测,其中图5为本发明较佳实 施例中对板材图像进行缺陷检测的结果示意图。
[0102] 本发明的另一个实施例还提出了一种缺陷检测装置,参见图6,该装置包括:
[0103] R0I图像获取模块601,用于获取R0I图像,发送给R0I图像二值化模块602 ;
[0104] R0I图像二值化模块602,用于对R0I图像进行二值化,首先设置两个阔值,针对 像素值位于两个阔值区间内的R0I图像的正常像素点、W及像素值位于两个阔值区间外的 R0I图像的缺陷像素点进行二值化处理,得到二值化图像,将二值化图像发送给二值化图像 投影模块603 ;
[0105] 二值化图像投影模块603,用于对得到的R0I二值化图像中的缺陷像素点进行竖 直投影和/或水平投影,得到缺陷点的投影图像,将投影图像发送给缺陷检测模块604 ;
[0106] 缺陷检测模块604,用于从投影图像中检测出缺陷,将缺陷发送给缺陷属性计算模 块 605 ;
[0107] 缺陷属性计算模块605,用于计算缺陷的灰度均值和缺陷面积。
[0108] 为了获得无倾斜的ROI图像,所述的ROI图像获取模块601负责;用二值化方法将 原始图像中的背景与R0I图像分开,用边界搜索方法在二值化后的图像中寻找n个边界坐 标点,对该n个边界坐标点(X。y;),i = 1,. . .,n,用最小二乘法线性拟合出边界直线y = a X+目,其中a和目由下面公式计算出:
Figure CN104616275AD00121
[0111] 按照a和目值对源图像进行角度旋转,将图像矫正为无倾斜的图像,在矫正后的 图像上只有一个矩形框,即为R0I区域,用查找矩形块的方法,提取矩形框的四个边界,得 到R0I图像。
[0112] 为了得到投影图像,所述的二值化图像投影模块603负责:
[0113] 在得到的二值化图像的竖直和/或水平两个方向进行缺陷点像素统计,按列和/ 或按行对缺陷点像素个数进行累加,然后按列和/或按行投影到投影图像上。
[0114] 为了进一步了解缺陷的属性,在所述的缺陷检测装置,进一步包括缺陷属性计算 模块605,包括缺陷灰度均值计算子模块和缺陷面积计算子模块。
[0115] 其中,所述的缺陷灰度均值计算子模块包括:
[0116] 先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐标,然后在二值 化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩形范围内读取像素点,若 像素值为二值化时缺陷点像素值,则记录像素点坐标并统计个数,然后根据像素点坐标,在 R0I图像上读取该坐标处的原始像素值,最后将该些原始像素值累加再除W像素点个数,得 到灰度均值;
[0117] 所述的缺陷面积计算子模块包括:
[0118] 先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐标,然后在二值 化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩形范围内读取像素点,若 像素值为二值化时缺陷点像素值,则统计像素点个数,最后得到的像素点个数即为缺陷面 积。
[0119] W上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例 对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可W对前述各实施 例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而该些修改或替 换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Figure CN104616275AD00122

Claims (10)

1. 一种缺陷检测方法,其特征在于,该方法包括: 获取感兴趣区域ROI图像; 设置两个阈值,针对像素值位于两个阈值区间内的ROI图像的正常像素点、以及像素 值位于两个阈值区间外的ROI图像的缺陷像素点进行二值化处理,得到二值化图像; 对得到的二值化图像中的缺陷像素点进行坚直投影和/或水平投影,得到缺陷点的投 影图像; 从投影图像中检测出缺陷。
2. 根据权利要求1所述的方法,其特征在于,所述获取感兴趣区域ROI图像包括: 图像二值化:对源图像进行二值化,将背景区域和ROI图像分开; 图像矫正:用边界搜索方法在二值化后的图像中寻找n个边界坐标点,对这n个边界坐 标点(Xi, y),i= 1,. . .,n,用最小二乘法线性拟合出边界直线y =ax+P,其中a和旦 由下面公式计算出:
Figure CN104616275AC00021
按照a和0值对源图像进行角度旋转,将图像矫正为无倾斜图像; 确定ROI图像:在矫正后的图像上只有一个矩形框,即为ROI区域,用查找矩形块的方 法,提取矩形框的四个边界,得到ROI图像。
3. 根据权利要求1所述的方法,其特征在于,该方法进一步包括:将ROI图像划分为一 个以上窗口,针对每一个窗口设置对应的两个阈值; 所述进行二值化处理,得到二值化图像包括:对于每一个窗口,针对像素值位于该窗口 对应的两个阈值区间内的ROI图像的像素点、以及像素值位于该窗口对应的两个阈值区间 外的ROI图像的像素点进行二值化处理,得到该窗口对应的二值化图像。
4. 根据权利要求1所述的方法,其特征在于,所述对得到的二值化图像中的缺陷点进 行坚直投影和/或水平投影包括: 在得到的二值化图像的坚直和/或水平两个方向进行缺陷点像素统计,按列和/或按 行对缺陷点像素个数进行累加,然后按列和/或按行投影到投影图像上。
5. 根据权利要求1至4中任一所述的方法,其特征在于,在所述从投影图像中检测出缺 陷之后,进一步包括: 计算缺陷灰度均值包括:先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶 点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外接矩形范 围内读取像素点的像素值,若像素值为二值化时缺陷点像素值,则记录像素点坐标并统计 个数,然后根据像素点坐标,在ROI图像上读取该坐标处的原始像素值,将这些原始像素值 累加再除以像素点个数,得到灰度均值; 和/或, 计算缺陷面积包括:先计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的左顶点坐 标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外接矩形范围内 读取像素点的像素值,若像素值为二值化时缺陷点像素值,则统计像素点个数,最后得到的 像素点个数即为缺陷面积。
6. -种缺陷检测装置,其特征在于,该装置包括: ROI图像获取模块,用于获取ROI图像,发送给ROI图像二值化模块; ROI图像二值化模块,用于对ROI图像进行二值化,首先设置两个阈值,针对像素值位 于两个阈值区间内的ROI图像的正常像素点、以及像素值位于两个阈值区间外的ROI图像 的缺陷像素点进行二值化处理,得到二值化图像,将二值化图像发送给二值化图像投影模 块; 二值化图像投影模块,用于对得到的ROI二值化图像中的缺陷像素点进行坚直投影和 /或水平投影,得到缺陷点的投影图像,将投影图像发送给缺陷检测模块; 缺陷检测模块,用于从投影图像中检测出缺陷。
7. 根据权利要求6所述的装置,其特征在于,所述ROI图像获取模块包括: 二值化子模块:负责对源图像进行二值化,将背景区域和ROI图像分开; 图像矫正子模块:负责用边界搜索方法在二值化后的图像中寻找n个边界坐标点,对 这n个边界坐标点(Xi,y) ,i= 1,. . .,n,用最小二乘法线性拟合出边界直线y=ax+3 , 其中a和0由下面公式计算出:
Figure CN104616275AC00031
按照a和0值对源图像进行角度旋转,将图像矫正为无倾斜的图像,然后将矫正后的 图像发送给确定ROI图像子模块; 确定ROI图像子模块:负责用查找矩形块的方法,提取矩形框的四个边界,得到ROI图 像。
8. 根据权利要求6所述的装置,其特征在于,所述的ROI图像二值化模块用于将ROI图 像划分为一个以上窗口,针对每一个窗口设置对应的两个阈值;对于每一个窗口,针对像素 值位于该窗口对应的两个阈值区间内的ROI图像的像素点、以及像素值位于该窗口对应的 两个阈值区间外的ROI图像的像素点进行二值化处理,得到该窗口对应的二值化图像,最 后将各窗口的二值化图像组合成ROI二值化图像。
9. 根据权利要求6所述的装置,其特征在于,所述的ROI二值化图像投影模块用于在得 到的ROI二值化图像的坚直和/或水平两个方向进行缺陷点像素统计,按列和/或按行对 缺陷点像素个数进行累加,然后按列和/或按行投影到投影图像上。
10. 根据权利要求6至9中任一所述的装置,其特征在于,进一步包括缺陷属性计算模 块,包括缺陷灰度均值计算子模块和缺陷面积计算子模块,其中, 所述的缺陷灰度均值计算子模块,用于计算缺陷边缘轮廓的外接矩形的长、宽和外接 矩形的左顶点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在 外界矩形范围内读取像素点,若像素值为二值化时缺陷点像素值,则记录像素点坐标并统 计个数,然后根据像素点坐标,在ROI图像上读取该坐标处的原始像素值,最后将这些原始 像素值累加再除以像素点个数,得到灰度均值; 所述缺陷面积计算子模块,用于计算缺陷边缘轮廓的外接矩形的长、宽和外接矩形的 左顶点坐标,然后在二值化图像上,按照所述外接矩形的左顶点坐标和长宽大小,在外界矩 形范围内读取像素点,若像素值为二值化时缺陷点像素值,则统计像素点个数,最后得到的 像素点个数即为缺陷面积。
CN201310538152.2A 2013-11-04 2013-11-04 一种缺陷检测方法和装置 Active CN104616275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310538152.2A CN104616275B (zh) 2013-11-04 2013-11-04 一种缺陷检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310538152.2A CN104616275B (zh) 2013-11-04 2013-11-04 一种缺陷检测方法和装置

Publications (2)

Publication Number Publication Date
CN104616275A true CN104616275A (zh) 2015-05-13
CN104616275B CN104616275B (zh) 2017-08-25

Family

ID=53150708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310538152.2A Active CN104616275B (zh) 2013-11-04 2013-11-04 一种缺陷检测方法和装置

Country Status (1)

Country Link
CN (1) CN104616275B (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069770A (zh) * 2015-09-09 2015-11-18 苏州威盛视信息科技有限公司 Aoi影像扫描检测处理方法
CN105092597A (zh) * 2015-09-14 2015-11-25 广东电网有限责任公司电力科学研究院 一种硬塑材料表面的裂纹检测方法
CN105352975A (zh) * 2015-12-02 2016-02-24 湖南拓达结构监测技术有限公司 一种桥梁缆索外观检测方法
CN105427324A (zh) * 2015-12-07 2016-03-23 电子科技大学 基于二值化阈值自动搜索的磁光成像缺陷检测方法
CN106296636A (zh) * 2015-06-02 2017-01-04 征图新视(江苏)科技有限公司 印刷图像的检测方法及检测装置
CN106546605A (zh) * 2016-10-26 2017-03-29 湖南大学 一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法
CN106583271A (zh) * 2016-12-28 2017-04-26 天津普达软件技术有限公司 一种包装盒喷墨打印字符首行缺行不良品剔除方法
CN106951895A (zh) * 2016-01-07 2017-07-14 富士通株式会社 确定图像中的感兴趣区域的轮廓的方法和系统
CN106960437A (zh) * 2017-03-24 2017-07-18 重庆邮电大学 一种电力巡检机器人的油浸电力变压器液位检测方法
CN107944425A (zh) * 2017-12-12 2018-04-20 北京小米移动软件有限公司 道路标志的识别方法和装置
CN108073651A (zh) * 2016-11-15 2018-05-25 上海宝信软件股份有限公司 自动实时识别厚板fqc图像内容的处理方法
CN108320275A (zh) * 2018-02-07 2018-07-24 深圳市恒晨电器有限公司 一种检测相机模组暗斑的方法
CN108364287A (zh) * 2018-02-11 2018-08-03 北京简易科技有限公司 一种异物监测方法、装置及冲压系统
CN108389234A (zh) * 2018-02-05 2018-08-10 深圳市恒晨电器有限公司 一种平板lcd异色检测算法、存储装置和移动终端
CN108447053A (zh) * 2018-03-20 2018-08-24 苏州巨能图像检测技术有限公司 应用于电池片黑角检测的法线投影方法
CN108564577A (zh) * 2018-04-12 2018-09-21 重庆邮电大学 基于卷积神经网络的太阳能电池片断栅缺陷检测方法
CN108593774A (zh) * 2018-04-11 2018-09-28 航天特种材料及工艺技术研究所 一种复合材料超声c扫缺陷面积确定方法
CN108683907A (zh) * 2018-05-31 2018-10-19 歌尔股份有限公司 光学模组像素缺陷检测方法、装置及设备
CN108872256A (zh) * 2018-09-13 2018-11-23 广东中航特种玻璃技术有限公司 一种在线检测玻璃原片杂质的方法
CN108918526A (zh) * 2018-04-10 2018-11-30 华南理工大学 一种柔性ic封装基板线路的缺口缺陷检测方法
CN109196555A (zh) * 2016-05-17 2019-01-11 Abb瑞士股份有限公司 用于卷材制造监督的实时、完整卷材图像处理方法和系统
CN113870266A (zh) * 2021-12-03 2021-12-31 中导光电设备股份有限公司 一种基于tft-lcd线条缺陷真实性判定方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020150286A1 (en) * 2001-04-11 2002-10-17 Dainippon Screen Mfg. Co., Ltd. Pattern inspecting apparatus and method
CN101893580A (zh) * 2010-06-10 2010-11-24 北京交通大学 基于数字图像的钢轨表面缺陷检测方法
CN102854191A (zh) * 2012-07-18 2013-01-02 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020150286A1 (en) * 2001-04-11 2002-10-17 Dainippon Screen Mfg. Co., Ltd. Pattern inspecting apparatus and method
CN101893580A (zh) * 2010-06-10 2010-11-24 北京交通大学 基于数字图像的钢轨表面缺陷检测方法
CN102854191A (zh) * 2012-07-18 2013-01-02 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周露露: "基于机器视觉的纸页缺陷检测算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296636A (zh) * 2015-06-02 2017-01-04 征图新视(江苏)科技有限公司 印刷图像的检测方法及检测装置
CN106296636B (zh) * 2015-06-02 2018-01-23 征图新视(江苏)科技有限公司 印刷图像的检测方法及检测装置
CN105069770A (zh) * 2015-09-09 2015-11-18 苏州威盛视信息科技有限公司 Aoi影像扫描检测处理方法
CN105092597A (zh) * 2015-09-14 2015-11-25 广东电网有限责任公司电力科学研究院 一种硬塑材料表面的裂纹检测方法
CN105092597B (zh) * 2015-09-14 2018-05-29 广东电网有限责任公司电力科学研究院 一种硬塑材料表面的裂纹检测方法
CN105352975B (zh) * 2015-12-02 2017-10-10 湖南拓达结构监测技术有限公司 一种桥梁缆索外观检测方法
CN105352975A (zh) * 2015-12-02 2016-02-24 湖南拓达结构监测技术有限公司 一种桥梁缆索外观检测方法
CN105427324B (zh) * 2015-12-07 2018-03-09 电子科技大学 基于二值化阈值自动搜索的磁光成像缺陷检测方法
CN105427324A (zh) * 2015-12-07 2016-03-23 电子科技大学 基于二值化阈值自动搜索的磁光成像缺陷检测方法
CN106951895A (zh) * 2016-01-07 2017-07-14 富士通株式会社 确定图像中的感兴趣区域的轮廓的方法和系统
CN109196555B (zh) * 2016-05-17 2021-12-31 Abb瑞士股份有限公司 用于卷材制造监督的实时、完整卷材图像处理方法和系统
CN109196555A (zh) * 2016-05-17 2019-01-11 Abb瑞士股份有限公司 用于卷材制造监督的实时、完整卷材图像处理方法和系统
CN106546605B (zh) * 2016-10-26 2019-07-16 湖南大学 一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法
CN106546605A (zh) * 2016-10-26 2017-03-29 湖南大学 一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法
CN108073651A (zh) * 2016-11-15 2018-05-25 上海宝信软件股份有限公司 自动实时识别厚板fqc图像内容的处理方法
CN106583271A (zh) * 2016-12-28 2017-04-26 天津普达软件技术有限公司 一种包装盒喷墨打印字符首行缺行不良品剔除方法
CN106960437B (zh) * 2017-03-24 2020-04-14 重庆邮电大学 一种电力巡检机器人的油浸电力变压器液位检测方法
CN106960437A (zh) * 2017-03-24 2017-07-18 重庆邮电大学 一种电力巡检机器人的油浸电力变压器液位检测方法
CN107944425A (zh) * 2017-12-12 2018-04-20 北京小米移动软件有限公司 道路标志的识别方法和装置
CN108389234A (zh) * 2018-02-05 2018-08-10 深圳市恒晨电器有限公司 一种平板lcd异色检测算法、存储装置和移动终端
CN108389234B (zh) * 2018-02-05 2021-10-08 深圳市恒晨电器有限公司 一种平板lcd异色检测方法、存储装置和移动终端
CN108320275A (zh) * 2018-02-07 2018-07-24 深圳市恒晨电器有限公司 一种检测相机模组暗斑的方法
CN108364287A (zh) * 2018-02-11 2018-08-03 北京简易科技有限公司 一种异物监测方法、装置及冲压系统
CN108447053A (zh) * 2018-03-20 2018-08-24 苏州巨能图像检测技术有限公司 应用于电池片黑角检测的法线投影方法
CN108918526A (zh) * 2018-04-10 2018-11-30 华南理工大学 一种柔性ic封装基板线路的缺口缺陷检测方法
CN108593774A (zh) * 2018-04-11 2018-09-28 航天特种材料及工艺技术研究所 一种复合材料超声c扫缺陷面积确定方法
CN108564577A (zh) * 2018-04-12 2018-09-21 重庆邮电大学 基于卷积神经网络的太阳能电池片断栅缺陷检测方法
CN108683907A (zh) * 2018-05-31 2018-10-19 歌尔股份有限公司 光学模组像素缺陷检测方法、装置及设备
CN108683907B (zh) * 2018-05-31 2020-10-09 歌尔股份有限公司 光学模组像素缺陷检测方法、装置及设备
CN108872256A (zh) * 2018-09-13 2018-11-23 广东中航特种玻璃技术有限公司 一种在线检测玻璃原片杂质的方法
CN113870266A (zh) * 2021-12-03 2021-12-31 中导光电设备股份有限公司 一种基于tft-lcd线条缺陷真实性判定方法和系统

Also Published As

Publication number Publication date
CN104616275B (zh) 2017-08-25

Similar Documents

Publication Publication Date Title
CN104616275A (zh) 一种缺陷检测方法和装置
CN103345755A (zh) 一种基于Harris算子的棋盘格角点亚像素提取方法
CN105913093A (zh) 一种用于文字识别处理的模板匹配方法
CN102156868B (zh) 图像二值化方法和装置
CN103150549B (zh) 一种基于烟雾早期运动特征的公路隧道火灾检测方法
CN105405142A (zh) 一种玻璃面板的边缺陷检测方法及系统
CN104484659A (zh) 一种对医学彩色和灰阶图像自动识别及校准的方法
CN108460757B (zh) 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN105424709A (zh) 一种基于图像标记的水果表面缺陷检测方法
CN103439348B (zh) 基于差影法的遥控器按键缺陷检测方法
CN105205488B (zh) 基于Harris角点和笔画宽度的文字区域检测方法
CN109345528B (zh) 一种基于人眼视觉特性的显示屏缺陷检测方法及装置
CN104050446A (zh) 一种基于指针宽度特征的仪表指针图像识别方法
CN104268853A (zh) 一种红外图像与可见光图像配准方法
CN104636706A (zh) 一种基于梯度方向一致性复杂背景条码图像自动分割方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN111179225B (zh) 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法
CN106469312A (zh) 基于区域生长标号的焊缝视觉识别方法
CN101950352B (zh) 一种去除光照影响的目标检测方法及装置
CN102081741A (zh) 一种基于视觉注意原理的行人检测方法和系统
CN103914829B (zh) 一种含噪图像边缘检测方法
US10586321B2 (en) Automatic detection, counting, and measurement of lumber boards using a handheld device
CN103605973A (zh) 一种图像字符检测鉴别方法
CN108898584A (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
CN106709952B (zh) 一种显示屏幕的自动标定方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant