CN106803240B - 一种工业图像均光处理方法 - Google Patents
一种工业图像均光处理方法 Download PDFInfo
- Publication number
- CN106803240B CN106803240B CN201611264600.4A CN201611264600A CN106803240B CN 106803240 B CN106803240 B CN 106803240B CN 201611264600 A CN201611264600 A CN 201611264600A CN 106803240 B CN106803240 B CN 106803240B
- Authority
- CN
- China
- Prior art keywords
- image
- industrial
- illumination
- frequency component
- low
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000005286 illumination Methods 0.000 claims abstract description 54
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 21
- 238000009776 industrial production Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种工业图像均光处理方法,包括:通过相机获取不均匀光照下的工业图像,并将所述工业图像进行灰度化处理;将所述灰度图像进行小波分解,得到所述工业图像的第一高频分量与第一低频分量;去除所述工业图像的第一高频分量,并将所述工业图像的第一低频分量进行第二次小波分解,以此类推,将所述工业图像的第八低频分量做为所述工业图像的光照估计图;将所述光照估计图与所述灰度图像做差,得到所述工业图像的背景差分图;将所述背景差分图与所述灰度图像的均值相加,得到所述工业图像的背景光均匀图。本发明具有极强的适应性,针对不同情况的光照不均匀都能有很好的处理效果。
Description
技术领域
本发明工业图像检测技术领域,尤其涉及一种工业图像均光处理方法。
背景技术
工业流水线上的图像由于在流水线上是快速移动的,这样采集到的图像往往会出现畸变,位置偏移,采集到的图像不方便检测,在完善硬件条件的基础上,可以控制图像的位置偏移不超过±2mm,但是图像的畸变和一定程度的位置偏移是不可能避免的,这在工业图像检测中需要着重考虑。
现有技术在工业图像检测中,由于环境的原因,必须增加人工光源才能获取到较为清晰的样本图像,但是这也同时带来弊端,就是人工光源,照射在样本测上,会产生背景不均匀的图像,即中间亮四周暗的图像,目前的均光方法多为改进硬件条件。会增加成本,同时没有适应性,只能适应单一的环境,环境条件稍加改变,硬件条件也需要改变。
发明内容
本发明提供一种工业图像均光处理方法,解决上述技术问题。
本发明一种工业图像均光处理方法,包括:
通过相机获取工业流水线上不均匀光照下的工业图像,将所述工业图像进行畸变校正,并将校正后的所述工业图像进行灰度化处理后得到灰度图像;
将所述灰度图像进行小波分解,得到所述工业图像的第一高频分量与第一低频分量;
去除所述工业图像的第一高频分量,并将所述工业图像的第一低频分量进行第二次小波分解,以此类推,根据所述工业图像的第八低频分量重建后图像确定所述工业图像的光照估计图;
根据所述光照估计图结合所述工业图像对应的材质更新所述光照估计图;
将所述光照估计图与所述灰度图像做差得到所述工业图像的背景差分图;
将所述背景差分图与所述灰度图像的均值相加,得到所述工业图像的背景光均匀图。
进一步地,所述通过相机获取工业流水线上不均匀光照下的工业图像之前,还包括:
通过相机获取不均匀光照下的白板图像,并将所述白板图像进行灰度化处理,将图像进行小波分解处理得到所述白板图像的光照估计图,所述白板图像的光照估计图为光照估计图基准。
进一步地,所述根据所述工业图像的第八低频分量重建后图像确定所述工业图像的光照估计图,包括:
将第八低频分量带入公式
进行迭代,得到重构后的图像,其中,Cj为分解的第j级的低通分量,H、G分别为镜像低通滤波器和镜像高通滤波器,r、c分别表示每一个分量对应行和列,Cj+1为Cj图像的低频信息,为图像的垂直方向信息,为图像的水平方向信息和即为图像的对角线上的信息。
进一步地,所述并将校正后的所述工业图像进行灰度化处理后得到灰度图像,包括;
采用公式
f(i,j)=0.30*R(i,j)+0.59*G(i,j)+0.11*B(i,j) (2)
将不均匀光照情况下相机拍摄的工业图像进行灰度化处理,其中,f(i,j)表示灰度图像,R(i,j)、G(i,j)、B(i,j)分别表示RGB彩色图像三个通道的图像,(i,j)表示像素点针对于图像左上角(0,0)点的位置。
进一步地,所述根据所述光照估计图结合所述工业图像对应的材质更新所述光照估计图,包括:
根据所述光照估计图基准与所述光照估计图求出工业图像的反射率;
根据所述工业图像的反射率得到所述工业图像的材质;
将所述工业图像材质代入公式
更新所述光照估计图,其中,gs(x,y)为光照估计图基准,gc(x,y)为光照估计图,gsm为光照估计图基准的均值,gcm为光照估计图的均值,gnew(x,y)为更新后的光照估计图。
本发明解决了流水线上工业图像背景光不均匀的问题,具有极强的适应性,针对不同情况的光照不均匀都能有很好的处理效果,提高了工作效率。
附图说明
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一简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种工业图像均光处理方法流程图;
图2为本发明一种工业图像均光处理方法程序图。
具体实施方式
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、完整地描述,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。
图1为本发明一种工业图像均光处理方法流程图,如图1所示,本实施例方法,包括:
步骤101、通过相机获取工业流水线上不均匀光照下的工业图像,将所述工业图像进行畸变校正,并将校正后的所述工业图像进行灰度化处理后得到灰度图像;
进一步地,所述并将校正后的所述工业图像进行灰度化处理后得到灰度图像,包括;
采用公式
f(i,j)=0.30*R(i,j)+0.59*G(i,j)+0.11*B(i,j) (1)
将不均匀光照情况下相机拍摄的工业图像进行灰度化处理,其中,f(i,j)表示灰度图像,R(i,j)、G(i,j)、B(i,j)分别表示RGB彩色图像三个通道的图像,(i,j)表示像素点针对于图像左上角(0,0)点的位置。
步骤102、将所述灰度图像进行小波分解,得到所述工业图像的第一高频分量与第一低频分量;
具体来说,本实施例小波分解采用二维的Mallat方法,该方法表示为:
其中,Cj为分解的第j级的低通分量,H、G分别为镜像低通滤波器和镜像高通滤波器,r、c分别表示每一个分量对应行和列,Cj+1为Cj图像的低频信息,为图像的垂直方向信息,为图像的水平方向信息和即为图像的对角线上的信息。
步骤103、去除所述工业图像的第一高频分量,并将所述工业图像的第一低频分量进行第二次小波分解,以此类推,将所述工业图像的第八低频分量重构后的图像做为所述工业图像的光照估计图;
具体来说,重构方法为Mallat方法,可表示为:
将第八低频分量带入上式进行迭代,即可得出第零分量,即重构后的图像。
具体来说,对于灰度图像f(i,j),作为Daubechies(db)小波变换的输入,每次经过小波变换将得到四个分量分别记作LL0、LH0、HL0、HH0,下一次将LL0分量作为db小波变换同样可以获得四个分量记做LL1、LH1、HL1、HH1,如此循环操作共8次最终得到LL7、LH7、HL7、HH7,将除LL7外的所有高频分量置为0,对于LL7进行小波重建将形成最终的光照估计图记b(i,j)。
步骤104、将所述光照估计图与所述灰度图像做差,得到所述工业图像的背景差分图;
步骤105、将所述背景差分图与所述灰度图像的均值相加,得到所述工业图像的背景光均匀图。
具体来说,将灰度图像与光照估计图做差即f(i,j)-b(i,j),两幅图像对应像素值做差,结果记为r(i,j),最后计算灰度图像均值即将f(i,j)所有像素做和为s,并除以像素和总个数c=i*j,得到均值v=s/c,最终形成的结果图像即为f(i,j)每个位置的像素值与s做和得到。
举例说明,工业上流水线中检测书帖是否正确的难点就在于在工业相机的光线下会出现光照不均匀的现象,导致书帖无法用正常的模式匹配的方法进行检测。书帖的光照不均匀现象可能为:中间亮四周暗,边界明亮以及上下亮度不均等情况。为了对书帖进行均光算法,首先需要现用工业相机取白板图像,进行小波分解算法,用第八低频分量重构图像得到光照估计图,这样得到的估计图是只有光照影响的基准图像,计算此图像的灰度均值。然后利用工业相机得到书帖的图像,由于书帖的材质不是单一的,因此进行小波分解和重构得到的光照图像是不准确的,因此用小波重建后的图的灰度均值与基准图像的灰度均值做除法,粗略估计出反射率,从而更好地对不同材质进行区分,然后把比值和基准图像的灰度相乘就可以得到正常的光照估计图,然后估计图与书帖的灰度图像做差得到背景差分图;将背景差分图与书帖灰度图像的均值相加,就得到了均光后的书帖图像,均光后的图像的光照均匀,可以用常用的模式匹配的方法进行书帖错帖检测。
本发明解决了流水线上工业图像背景光不均匀的问题,具有极强的适应性,针对不同情况的光照不均匀都能有很好的处理效果,提高了工作效率。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,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范围。
Claims (4)
1.一种工业图像均光处理方法,其特征在于,包括:
通过相机获取工业流水线上不均匀光照下的工业图像,将所述工业图像进行畸变校正,并将校正后的所述工业图像进行灰度化处理后得到灰度图像;
将所述灰度图像进行小波分解,得到所述工业图像的第一高频分量与第一低频分量;
去除所述工业图像的第一高频分量,并将所述工业图像的第一低频分量进行第二次小波分解,以此类推,根据所述工业图像的第八低频分量重建后图像确定所述工业图像的光照估计图;
根据所述光照估计图结合所述工业图像对应的材质更新所述光照估计图,具体为用重建后图像确定的光照估计图的灰度均值与基准图像的灰度均值做除法得到比值,根据所述比值与基准图像的灰度相乘就可以得到正常的光照估计图;
将所述正常的光照估计图与所述灰度图像做差得到所述工业图像的背景差分图;
将所述背景差分图与所述灰度图像的均值相加,得到所述工业图像的背景光均匀图。
2.根据权利要求1所述的方法,其特征在于,所述通过相机获取工业流水线上不均匀光照下的工业图像之前,还包括:
通过相机获取不均匀光照下的白板图像,并将所述白板图像进行灰度化处理,将图像进行小波分解处理得到所述白板图像的光照估计图,所述白板图像的光照估计图为光照估计基准图像。
4.根据权利要求1所述的方法,其特征在于,所述并将校正后的所述工业图像进行灰度化处理后得到灰度图像,包括;
采用公式
f(i,j)=0.30*R(i,j)+0.59*G(i,j)+0.11*B(i,j) (2)
将不均匀光照情况下相机拍摄的工业图像进行灰度化处理,其中,f(i,j)表示灰度图像,R(i,j)、G(i,j)、B(i,j)分别表示RGB彩色图像三个通道的图像,(i,j)表示像素点针对于图像左上角(0,0)点的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264600.4A CN106803240B (zh) | 2016-12-30 | 2016-12-30 | 一种工业图像均光处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264600.4A CN106803240B (zh) | 2016-12-30 | 2016-12-30 | 一种工业图像均光处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106803240A CN106803240A (zh) | 2017-06-06 |
CN106803240B true CN106803240B (zh) | 2020-07-14 |
Family
ID=58985303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611264600.4A Active CN106803240B (zh) | 2016-12-30 | 2016-12-30 | 一种工业图像均光处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106803240B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109138B (zh) * | 2017-12-15 | 2021-08-06 | 华南理工大学 | 一种针对类镜面物体的高光区域自适应匀光的方法 |
CN108451501A (zh) * | 2018-02-01 | 2018-08-28 | 福建师范大学 | 一种基于像素分析的鲜红斑痣颜色和面积评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957983A (zh) * | 2009-07-15 | 2011-01-26 | 吴云东 | 一种数字影像的匀光方法 |
CN103870820A (zh) * | 2014-04-04 | 2014-06-18 | 南京工程学院 | 极端光照人脸识别的光照归一化方法 |
CN104159048A (zh) * | 2014-07-24 | 2014-11-19 | 南京邮电大学 | 一种针对非均匀光场的压缩感知均匀加权关联成像方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4884422B2 (ja) * | 2008-04-25 | 2012-02-29 | 日本電信電話株式会社 | 光波長合分波回路 |
CN101635053B (zh) * | 2009-09-02 | 2011-10-26 | 北京航空航天大学 | 多光源颜色强度一致性标定方法 |
TWI578977B (zh) * | 2011-04-07 | 2017-04-21 | 香港中文大學 | 視網膜圖像分析裝置 |
CN102938137A (zh) * | 2012-10-25 | 2013-02-20 | 苏州有色金属研究院有限公司 | 基于图像序列分析的线扫描图像动态非均匀性校正方法 |
CN103954362B (zh) * | 2014-04-25 | 2016-04-20 | 杭州电子科技大学 | 一种基于成像设备的数字测色方法 |
CN105606544A (zh) * | 2015-01-14 | 2016-05-25 | 青海春天药用资源科技利用有限公司 | 无损检测冬虫夏草虫体真伪的方法 |
CN104568778B (zh) * | 2015-01-15 | 2018-04-17 | 浙江理工大学 | 一种基于高光谱成像的纺织品成分鉴别方法 |
-
2016
- 2016-12-30 CN CN201611264600.4A patent/CN106803240B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957983A (zh) * | 2009-07-15 | 2011-01-26 | 吴云东 | 一种数字影像的匀光方法 |
CN103870820A (zh) * | 2014-04-04 | 2014-06-18 | 南京工程学院 | 极端光照人脸识别的光照归一化方法 |
CN104159048A (zh) * | 2014-07-24 | 2014-11-19 | 南京邮电大学 | 一种针对非均匀光场的压缩感知均匀加权关联成像方法 |
Non-Patent Citations (4)
Title |
---|
Improved Mask dodging algorithm for aerial imagery;YUAN Xiuxiao 等;《Journal of Remote Sensing 》;20141231;第630-641页 * |
Wavelet-based illumination normalization for face recognition;Shan Du等;《IEEE International Conference in Image Processing》;20051231;第954-957页 * |
基于小波的不均匀光照的校正;王宇 等;《光学技术》;20050930;第725-728页 * |
小波变换改进的 MASK 匀光算法;张振等;《遥感学报》;20091231;第13卷(第6期);论文第1-3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN106803240A (zh) | 2017-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108702496B (zh) | 用于实时色调映射的系统和方法 | |
Shi et al. | Total variation image restoration using hyper-Laplacian prior with overlapping group sparsity | |
Liang et al. | Contrast enhancement by nonlinear diffusion filtering | |
CN109191387B (zh) | 一种基于巴特沃斯滤波器的红外图像去噪方法 | |
CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
CN108564544B (zh) | 基于边缘感知的图像盲去模糊组合稀疏优化方法 | |
JP2019536128A5 (zh) | ||
EP2036327A1 (en) | Image- feature- aware image defect removal | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
US9240035B2 (en) | Methods for reducing row and column patterns in a digital image | |
US9031350B2 (en) | Method for processing edges in an image and image processing apparatus | |
CN110675317B (zh) | 基于学习和自适应三边滤波正则化的超分辨率重建方法 | |
Nevriyanto et al. | Image enhancement using the image sharpening, contrast enhancement, and Standard Median Filter (Noise Removal) with pixel-based and human visual system-based measurements | |
CN106803240B (zh) | 一种工业图像均光处理方法 | |
Lim et al. | Robust contrast enhancement of noisy low-light images: Denoising-enhancement-completion | |
US20150187051A1 (en) | Method and apparatus for estimating image noise | |
Zhu et al. | Underwater image enhancement based on colour correction and fusion | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
Campagna et al. | Modification of TV-ROF denoising model based on Split Bregman iterations | |
Colom et al. | Analysis and extension of the percentile method, estimating a noise curve from a single image | |
CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
Han et al. | Automatic illumination and color compensation using mean shift and sigma filter | |
CN115294035B (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |