CN104820979A

CN104820979A - 一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法

Info

Publication number: CN104820979A
Application number: CN201510133310.5A
Authority: CN
Inventors: 葛仁彦; 许杰; 皮淑红
Original assignee: SHENZHEN NANOVISION Corp
Current assignee: SHENZHEN NANOVISION Corp
Priority date: 2015-03-20
Filing date: 2015-03-20
Publication date: 2015-08-05

Abstract

本发明一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法通过将图像的像素点二值化，形成图像对应的像素值集合区域；进行图像骨架化前进行端点去除，消除噪点影响；判定图像减薄方向，进行图像骨架化，所述图像减薄方向为依次自图像的上、下、左、右极点位置至内部连续迭代减薄；进行图像严格骨架化，图像严格骨架化为依次自图像的北、南、西、东方点处位置至内部连续迭代减薄。其还在图像不再减薄或到达减薄次数时，进行冗余端点去除，平滑处理图像。本发明1、可令圆形区域减薄后成为一个点，且骨架保留了原始信息；2、该方法耗时同Davies两步法；3、定义END点后，可消除端点干扰，配合改进的减薄原则，可保证判断的正确性。

Description

一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法

技术领域

本发明涉及图像检测领域，特别涉及到电子、印刷、玻璃面板等产品的缺陷检测以及产品质量控制方法。

背景技术

随着大规模工业生产的发展，人们对产品质量的控制要求越来越高，传统利用人眼对产品进行检测的方式已远远不能满足现代工业生产的需求，利用机器视觉取代人眼来对产品进行缺陷检测以及质量控制已经是大势所趋。图像减薄技术即骨架化是将二值图像缩减到一系列具有单个像素的线，消除图像中的大量冗余信息，并精确保留原图信息，在阵列图形如等离子面板印刷图形缺陷检测中，对于断开、毛刺等缺陷，通过减薄的方式，可以高效准确的进行检测。

骨架化方法如果从同一个方向减薄图像，则最后得到的结果图像中的线将存在偏差，即不是中轴，这种结果不是我们想要的，因此，图像的减薄应该对各个方向进行减薄，根据是否同时从各个方向均匀减薄图像，可以分为两种方法：

1、并行减薄的方法，具有代表性的是Belanger的并行减薄图像的方法，该方法即是从图像的上，下，左，右四个方向同时均匀减薄图像。该方法存在如下问题：(1)设计较为复杂；(2)需要额外对移除点进行逻辑判断。

2、连续的减薄方法，该方法是一次减薄一个方向，然后连续依次均匀的减薄其它选定的方向。对于第二种方法，其具有代表性的有zhang and suen两步法，该方法分两步，第一步是减薄西北方，第二步是减薄东南方；以及Davies四步法，该方法是从上，下，左，右分四步对图像进行连续迭代减薄的，该方法在判断条件上定义比zhang and suen更严密。

典型的zhang and suen两步法：设二值图像中0为背景，1为目标。目标像素的8邻域如图1所示。对于当前点P1，用以下7个条件对其进行判断：

(1)p1＝1；

(2)2＜＝N(p1)＜＝6；

(3)T(p1)＝1；

(4)p2*p4*p6＝0；

(5)p4*p6*p8＝0；

(6)p2(p4*p8＝0；

(7)p2*p6*p8＝0；

具中，N(p1)表示pl像素的8邻域像素中目标像素的个数；T(p1)表示像素p1-p9中，像素值从0变换到1的次数。对于p1，如果满足条件(1)&(2)&(3)&[(4)&(5)||(6)&(7)]时，将p1像素标记为背景像素0。

用该方法连续对该两步进行迭代，如果当前图像中不存在可以标记为背景的像素p1时，迭代结束，细化完成。

zhang and suen二步法存在的问题如下：

(1)由于在对角线方向的像素比水平方向和竖直方向的像素减薄的更快，圆圈最终将被减薄成一个十字架的形状，而不是一个点，即经过骨架化不能很好保持圆的形状(如图2所示)；

(2)只对无旋转类似矩形成直角的图形有效；

(3)对于原本是2x2或者在骨架化过程中成为2x2的区域将会被完全消除掉。

发明内容

本发明要解决的技术问题是在骨架化图像时均不能将圆减薄成点的问题，即各个方向减薄不均匀问题，且算法耗时不能超过已有方法，以有效控制由噪点带来的减薄图像错误，使骨架化后的图像的后续处理及应用更方便快速，同时通过对骨架化后特征点进行分类，可以有效检测缺陷和描述缺陷。

通过以下技术方案实现上述目的：

一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，包括如下步骤：

A.将图像的像素点二值化，形成图像对应的像素值集合区域；

B.进行图像骨架化前进行端点去除，消除噪点影响；

C.判定图像减薄方向，进行图像骨架化，所述图像减薄方向为依次自图像的上、下、左、右极点位置至内部连续迭代减薄；

D.进行图像严格骨架化，所述图像严格骨架化为依次自图像的北、南、西、东方点处位置至内部连续迭代减薄，

其中，所述北、南、西、东方点定义包括如下步骤：

D1.遍历图像，获取极点位置并作为目标像素，目标像素8邻域中，顶部三位像素值判断为背景像素，则定义目标像素为北方点；

D2.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，底部三位像素值判断为背景像素，则定义目标像素为南方点；

D3.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，左侧三位像素值判断为背景像素，则定义目标像素为西方点；

D4.遍历图像，获取图像极点位置并作为目标像素，目标像素8邻域中，右侧三位像素值判断为背景像素，则定义目标像素为东方点；

循环步骤C及步骤D至图像不再减薄或到达减薄次数。

作为对上述用于产品缺陷检测以及质量控制的图像减薄和特征分类方法的进一步描述，每次循环中步骤C与步骤D进行次数的比例为2∶1。

作为对上述用于产品缺陷检测以及质量控制的图像减薄和特征分类方法的进一步描述，其还包括步骤E.图像不再减薄或到达减薄次数后，进行冗余端点去除，平滑处理图像。

作为对上述用于产品缺陷检测以及质量控制的图像减薄和特征分类方法的进一步描述，定义点类、交叉类、端线类以及三通类特征点，将步骤D进行图像严格骨架化后像素按定义特征点进行缺陷分类。

本发明的有益效果是：

(1)圆形区域减薄后将成为一个点，骨架保留了原始信息；

(2)该方法耗时同Davies两步法；

(3)对于存在具有1～2个像素的噪声等图形，直接骨架化图像将会影响最终减薄结果，如图3所示，该类型噪点将被误判为端点而保留下来，这与我们想要的效果截然不同；定义END点后(文中END点定义如下文中图8所示)，可消除端点干扰，配合改进的减薄原则，可保证判断的正确性。

附图说明

图1为zhang and suer两步法的8邻域示意图。

图2为zhang and suen二步法存在对角线方向的像素比水平方向和竖直方向的像素减薄更快的效果示意图。

图3为无消除端点干扰影响而导致的减薄效果。

图4为Davies四步法对于交叉数χ的说明示意图。

图5为Davies四步法中定义北点的示意图。

图6为一般方法减薄的骨架效果。

图7为理想状态下减薄的骨架效果。

图8为本发明中定义北点的示意图。

图9为本发明进行图像减薄的整体逻辑。

图10为对某图像进行实际减薄的效果对比。

具体实施方式

以下结合附图对本发明进行进一步说明：

以下实施例中所提到的方向用语，例如“上、下、左、右”仅是参考附图的方向，因此，使用的方向用语是用来说明并非用来限制本发明。

本方法是通过改进Dayies的四步法而来的改进方法，以下先介绍一般Dayies四步法，该方法是从上，下，左，右分四步对图像进行连续迭代减薄的：1、其引入了交叉数χ的概念(结合图4)：

χ＝(b₂！＝b₄)+(b₄！＝b₈)+(b₈！＝b₆)+(b₆！＝b₂)+2*((～b₂&b₁&～b₄)+(～b₂&b₃&～b₆)+(～b₄&b₇&～b₈)+(～b₈&b₉&～b₆))

2、邻域和：σ＝b1+b2+b3+b4+b6+b7+b8+b9

3、定义北南东西点，以北点为例：如果该点正上方的点的像素值为0，正下方的像素值为1，该点处值为1，则为北点，如图5所示。东西南点三点的概念以此类推。

4、对气前像素的值进行判断：σ≠1，χ＝2且该点不是方向点，这三个条件都满足，则该点将被移除，连续迭代该四步至不再出现背景像素点，则细化完成。

Dayies四步法解决了zhang and suen二步法中存在的第二个和第三个问题，但是第一个问题(骨架化不能很好保持圆的形状)依然没能解决。因而本发明衍生出以下的方法。

B.进行图像骨架化前进行端点去除，消除噪点影响；

其中，所述北、南、西、东方点定义包括如下步骤：

循环步骤C及步骤D至图像不再减薄或到达减薄次数。

该改进的减薄方法主要是重新定义了DAVIES的东西南北点，其定义更为严格，以北点为例，如图8所示，其还需满足左上角和右上角的像素点的值为0的条件。改进的方法在减薄的过程中水平方向和垂直方向减薄的速度将比对角线方向更快，跟Davies的方法刚好互补，因而按照2∶1的比例，第一步和第二步均运行Dayies的骨架化，第三步运行改进的骨架化方法，可以消除减薄不均匀的影响，因此按照2∶1的方式使用Dayies的方法和改进的减薄方法，那么连续使用一次将会进行一共12步(四个方向*3)，这样在各个方向的减薄速度将接近，当减薄次数大于512次时，大圆(直径＞1024)的骨架化将会呈现八角形状，相反则圆将被骨架化成为点，不再是十字，其减薄效果更完美，整体逻辑参照图9。对比一般方法减薄的效果(如图6)实际上这种形状是不利于缺陷检测的，骨架化出的T形信息不仅冗余，且会给最终检测带来额外处理麻烦，完美的骨架化图形最终会具有类似图7所示形状，实线是图形，虚线是其骨架，因此本文方法将会令骨架过程更为简捷。同时，骨架化图像完成后，再进行N轮END点去除，可以消除不宜出现的T型形状。利用此方法，可获得如图10中c的效果(a为原图)，相对使用一般DAVIES方法减薄的效果b，其检测效率高，适合在线检测的要求。

以上所述并非对本发明的技术范围作任何限制，凡依据本发明技术实质对以上的实施例所作的任何修改、等同变化与修饰，均仍属于本发明的技术方案的范围内。

Claims

1.一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，包括如下步骤：

其特征在于，步骤A和C之间还包括如下步骤：

B.进行图像骨架化前进行端点去除，消除噪点影响；

步骤C之后包括如下步骤：

其中，所述北、南、西、东方点定义包括如下步骤：

循环步骤C及步骤D至图像不再减薄或到达减薄次数。

2.根据权利要求1所述的一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，其特征在于：每次循环中步骤C与步骤D进行次数的比例为2∶1。

3.根据权利要求1所述的一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，其特征在于：还包括步骤E.图像不再减薄或到达减薄次数后，进行冗余端点去除，平滑处理图像。

4.根据权利要求1所述的一种用于产品缺陷检测以及质量控制的图像减薄和特征分类方法，其特征在于：定义点类、交叉类、端线类以及三通类特征点，将步骤D进行图像严格骨架化后像素按定义特征点进行缺陷分类。