CN106920233A - 基于图像处理的划痕检测方法、装置及电子设备 - Google Patents
基于图像处理的划痕检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN106920233A CN106920233A CN201710104404.9A CN201710104404A CN106920233A CN 106920233 A CN106920233 A CN 106920233A CN 201710104404 A CN201710104404 A CN 201710104404A CN 106920233 A CN106920233 A CN 106920233A
- Authority
- CN
- China
- Prior art keywords
- image
- doubtful
- pixel
- module
- analyzed
- 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
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
本发明实施例提供了一种基于图像处理的划痕检测方法、装置及电子设备,该方法包括:获取背景图像,利用所述背景图像与原始图像对消得到差分图像;利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。本发明实施例利用划痕的空间分布特性,即划痕通常会呈一定程度的线状分布的特性,通过多种手段增强划痕区域在图像中呈现的效果,从而使得本发明实施例的技术方案可大幅提升划痕检测的可靠性和有效性。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种基于图像处理的划痕检测方法、装置及电子设备。
背景技术
在工业自动化过程中,机器取代人力来完成生产制造中的各项任务已成为趋势,如何提升机器处理的可靠性及效率也日渐成为工业自动化发展的关键。比如对某些新能源汽车电池制造中所需的关键原材料泡沫镍基板来说,在生产过程中,由于加工设备滚轴上可能粘附硬质颗粒,会导致泡沫镍材料出现划伤情况,而当划伤严重到一定程度时,就会给电池带来安全隐患;为避免此类问题,在泡沫镍生产过程中必须进行材料表面缺陷检测,在工业自动化生产过程中,通常采用机器视觉检测方式进行此类材料表面缺陷检测。
传统的视觉检测以图像处理方法为主,主要基于标准模板滤波、像素的分割、形态学处理、连通域处理及区域尺寸测量等步骤。通常情况下,光滑表面由于比较容易与划痕形成明显的对比,故较易检测。
但在实现本发明的过程中,发明人发现,现有技术中,对于泡沫镍这类粗糙表面的产品,由于材料表面粗糙度导致了材料图像像素在灰度上本身便存在很大的起伏,故一般很难通过像素的灰度分布来分割出划痕区域,通常只在严重划痕的情况下有效。此外,绝大多数划痕可能是离散的点或线,即划痕区域连续的情况要远少于断续的情况,故标准化的滤波模板的组合应用很难满足信息相关和信息积累等的特殊需求。因此,在一致粗糙度表面的划痕检测时很难通过现有的图像处理技术来有效识别微弱划痕。
发明内容
针对现有技术的上述缺陷,本发明实施例提供了一种基于图像处理的划痕检测方法、装置及电子设备,以提高在粗糙表面检测微弱划痕的可靠性和有效性。
在本发明实施例的一方面,提供了一种基于图像处理的划痕检测方法,包括:
获取背景图像,利用所述背景图像与原始图像对消得到差分图像;
利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;
利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。
可选地,所述获取背景图像,利用所述背景图像与原始图像对消得到差分图像包括:
对所述原始图像进行纵向均值滤波和横向均值滤波以获取所述背景图像;
使用所述背景图像对所述原始图像进行差分处理,得到对消后的所述差分图像;
计算所述差分图像的灰度均值,按照先验设置的比例参数求取出疑似点预筛选阈值和疑似点检测阈值。
可选地,所述利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向包括:
使用所述疑似点预筛选阈值在所述差分图像筛选出待分析的像素集合;
利用方向性滤波器组对所述待分析的像素集合中的待分析的像素进行逐一处理;
对于每个待分析的像素经过方向性滤波器组处理后的多个输出,在所述多个输出中的最小值小于所述疑似点检测阈值时,确定该像素为疑似点并记录所述最小值对应的方向为疑似方向。
可选地,所述利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像包括:
根据所述疑似点及所述疑似方向对应的方向性滤波器的信息进行坐标映射;
对坐标位于所述对应的方向性滤波器映射区域内的所述疑似点进行累积加权,以得到所述增强的划痕检测图像。
可选地,还包括:
对所述增强的划痕检测图像进行图像分割;
根据分割后的图像信息进行划痕区域提取;
根据划痕区域提取结果检测识别图像中的划痕。
在本发明实施例的另一方面,还提供一种基于图像处理的划痕检测装置,包括:
背景对消模块,用于获取背景图像,利用所述背景图像与原始图像对消得到差分图像;
方向性滤波模块,用于利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;
空域累积模块,用于利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。
可选地,所述背景对消模块包括:
背景获取模块,用于对所述原始图像进行纵向均值滤波和横向均值滤波以获取所述背景图像;
差分处理模块,用于使用所述背景图像对所述原始图像进行差分处理,得到对消后的所述差分图像;
阈值求取模块,用于计算所述差分图像的灰度均值,按照先验设置的比例参数求取出疑似点预筛选阈值和疑似点检测阈值。
可选地,所述方向性滤波模块包括:
像素筛选模块,用于使用所述疑似点预筛选阈值在所述差分图像筛选出待分析的像素集合;
滤波处理模块,用于利用方向性滤波器组对所述待分析的像素集合中的待分析的像素进行逐一处理;
疑似点检测模块,用于对于每个待分析的像素经过方向性滤波器组处理后的多个输出,在所述多个输出中的最小值小于所述疑似点检测阈值时,确定该像素为疑似点并记录所述最小值对应的方向为疑似方向。
可选地,所述空域累积模块包括:
映射模块,用于根据所述疑似点及所述疑似方向对应的方向性滤波器的信息进行坐标映射;
累积加权模块,用于对坐标位于所述对应的方向性滤波器映射区域内的所述疑似点进行累积加权,以得到所述增强的划痕检测图像。
可选地,所述方法还包括:
图像分割模块,用于对所述增强的划痕检测图像进行图像分割;
划痕提取模块,用于根据分割后的图像信息进行划痕区域提取;
划痕检测模块,用于根据划痕区域提取结果检测识别图像中的划痕。
根据本发明实施例的再一方面,还提供一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够如上所述的基于图像处理的划痕检测方法。
本发明实施例提供的一种基于图像处理的划痕检测方法、装置及电子设备,利用划痕的空间分布特性,即划痕通常会呈一定程度的线状分布的特性,通过多种手段增强划痕区域在图像中呈现的效果,比如通过背景对消来消除了像素灰度的不均匀性;采用线状型的方向滤波处理来筛选疑似点;通过对图像进行空域累积处理来增强划痕区域在图像中的显示,从而使得本发明实施例的技术方案可大幅提升划痕检测的可靠性和有效性。
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的前提下,还可以根据这些附图获得其他的附图。
图1为粗糙表面上的轻微划痕的原始图像示意图;
图2为本发明一个实施例中基于图像处理的划痕检测方法的流程示意图;
图3为本发明一个实施例中背景对消过程的流程示意图;
图4为本发明一个实施例中方向性滤波过程的流程示意图;
图5为本发明一个实施例中方向性滤波器组及单个方向性滤波器的实施方式示意图;
图6为本发明一个实施例中空域累积过程的流程示意图;
图7为本发明一个实施例中图像分割提取检测过程的流程示意图;
图8-图10为本发明一个实施例中对严重划痕、中等划痕和微弱划痕的处理前后效果对比示意图;
图11为本发明一个实施例中基于图像处理的划痕检测装置的模块结构示意图;
图12为本发明一个实施例中用于执行基于图像处理的划痕检测方法的电子设备的硬件结构示意图。
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。
现有技术中主要依赖标准模板滤波和像素分割等图像处理手段来进行材料表面的划痕检测,但对应到一致粗糙度表面微弱划痕检测的应用背景,传统方法主要存在以下两大问题:首先,材料表面粗糙度导致了材料图像像素在灰度上本身便存在很大的起伏,微弱划痕条件下算法很难通过像素的灰度分布确定有效的分割阈值;其次,划痕区域通常存在很严重的断续情况,标准化的滤波模板的组合应用很难满足信息相关和信息积累等的特殊需求。因此现有技术的方案很难检测如图1所示的粗糙表面上的轻微划痕。
实施例一:
由于单纯使用图像像素信息很难在粗糙表面准确识别轻微划痕,本发明的实施例开始利用像素以外的信息,最为直观的是利用划痕的空间分布特性来增加划痕提取的可能性。具体地,如图2所示,本发明实施例提供一种基于图像处理的划痕检测方法,包括:
S1,获取背景图像,利用所述背景图像与原始图像对消得到差分图像;
S2,利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;
S3,利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。
其中,本发明的实施例中利用划痕的空间分布特性,即划痕通常会呈一定程度的线状分布的特性,通过对图像中的疑似划痕点进行空域累积处理,来增强划痕区域在图像中的显示,从而提升划痕检测的可靠性和有效性。
实施例二:
粗糙表面物体通常会受到不平整表面和/或光照不均匀等因素的影响,图像灰度本身可能存在较大起伏,因而现有技术中仅通过图像灰度进行图像分割的方式很难实施。在本发明的一个实施例中,通过背景图像与原始图像的对消来得到灰度分布相对一致的差分图像,从而消除了图像的不均匀性,增强了图像分割的可靠性和有效性。
具体地,如图3所示,在本发明的一个实施中,上述方法的步骤S1(即获取背景图像,利用所述背景图像与原始图像对消得到差分图像)包括:
对所述原始图像进行纵向均值滤波和横向均值滤波以获取所述背景图像;
使用所述背景图像对所述原始图像进行差分处理,得到对消后的所述差分图像;
计算所述差分图像的灰度均值,按照先验设置的比例参数求取出疑似点预筛选阈值和疑似点检测阈值。
其中,纵向均值滤波和横向均值滤波的处理顺序对本发明的实施不产生实质上的影响,故其处理顺序不应视作对本发明具体实施的限制。先验设置的比例参数通常根据经验预先设置,也可以通过机器学习训练的方式获取并预先设置,比如采用多次图像处理的结果进行反馈以修正所述先验设置的比例参数,故此处比例参数的具体获取方式不应视作对本发明具体实施的限制。
在本发明的实施例中,由于对消后的差分图像消除了渐变的直流分量,故图像的亮度分布变得相对均匀,图像的灰度分布也相对一致,因此可进行有效的归一化处理,以差分图像的灰度为基础估算出统一的分割阈值,可有效消除粗糙表面对图像灰度的影响,得到合理而可靠的灰度分割阈值。
实施例三:
对于粗糙表面微弱划痕的图像,一方面因为划痕区域像素与非划痕区域像素的灰度差异很小,另一方面由于粗糙性表面的影响,划痕区域像素的灰度本来就波动很大,因此,单纯依靠单像素灰度值进行划痕区域分割不仅无法有效分割出划痕内的像素,而且可能会出现严重的断裂现象,划痕检测的准确率极低。
在本发明的一个实施例中,利用划痕的线状特性,通过方向性滤波器组对图像进行滤波,采用线状型的方向滤波处理,可有效增强划痕在划痕方向上像素的灰度差,从而提升划痕区域内外像素灰度的可区分性,以便进行有效的划痕提取。如图4所示,在本发明的一个实施例中,上述方法的步骤S2(即利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向)包括:
使用所述疑似点预筛选阈值在所述差分图像筛选出待分析的像素集合;
利用方向性滤波器组对所述待分析的像素集合中的待分析的像素进行逐一处理;
对于每个待分析的像素经过方向性滤波器组处理后的多个输出,在所述多个输出中的最小值小于所述疑似点检测阈值时,确定该像素为疑似点并记录所述最小值对应的方向为疑似方向。
通过该方式,本发明实施例可得到图像中所有可能的疑似点和相应的方向信息集合。其中,所述最小值对应的方向具体为输出该最小值的方向性滤波器所对应的方向。
具体地,如图5所示,其给出了方向性滤波器组的一个示意。其中,N个圆周均匀分布的方向性滤波器共同组成了滤波器组,图5a的示例中N=12;图5b为单个方向性滤波器示意图,其中,W为滤波窗的宽度,H为滤波窗的高度,a为滤波窗中心旋转角度,有a=180/N。本领域相关技术人员可以理解,方向性滤波器的原理及具体实现技术已是本领域的现有技术,在此不应视为对本发明具体实现的限制。
采用单个方向性滤波器对图像进行处理后,其输出为待分析像素在对应方向上的滤波值;因此,完整的方向性滤波器组处理后会有N个滤波输出值,分别对应各个方向上的滤波值,即可以获得待处理像素在全空域的滤波信息。随后再从所有滤波输出值中选取最小值与疑似点检测阈值进行比较,以判断在最有可能的方向上该像素是否为划痕产生的像素点。当最小值小于疑似点检测阈值时,可认为该像素有极大可能为划痕产生的像素,同时该最小值对应的方向(即输出该最小值的方向性滤波器的方向)可能为划痕方向。通过方向性滤波,可以充分挖掘像素在全空域的灰度差,从而找出最有可能是划痕的像素点并利用划痕的方向性辅助检测划痕。
实施例四:
经过方向性滤波器组提取的疑似划痕点通常是离散和断裂的,如果单纯使用这些疑似点来检测划痕仍有可能遗漏划痕较为轻微的部分。本发明的实施例中,继续利用划痕区域像素的线状连续性,基于空域方向积累的思想,对图像处理的结果进行进一步强化处理,即对疑似像素点周围局部方向上一定范围内(通常为方向性滤波器的范围)的图像像素点进行累加加权,从而实现了断续划痕的连接和划痕的增强,进一步保证划痕区域检测的效果。
具体地,如图6所示,在本发明的一个实施中,上述方法的步骤S3(即利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像)包括:
根据所述疑似点及所述疑似方向对应的方向性滤波器的信息进行坐标映射;
对坐标位于所述对应的方向性滤波器映射区域内的所述疑似点进行累积加权,以得到所述增强的划痕检测图像。
通过上述方式,本发明的实施例将在疑似方向上所有落入滤波器映射区域内的疑似点都进行累积加权,最终得到整体的空域累积加权图像。由于划痕区域内的点被累积加权的概率要远大于其他区域的点,因此,所得到的整体的空域累积加权图像中划痕区域的点的累积权值必然远大于非划痕区域的点。这一方面通过区域内像素的多次累加,增强了划痕区域被分割出来的可能性,另一方面则通过累积效应解决了断裂区域之间像素的连接性问题,故可有效实现微弱划痕的检测图像效果增强。
实施例五:
对于增强后的划痕检测图像,进一步再进行分割处理便可提取出划痕区域。因此,在本发明的一个实施例中,如图7所示,基于图像处理的划痕检测方法还包括:
对所述增强的划痕检测图像进行图像分割;
根据分割后的图像信息进行划痕区域提取;
根据划痕区域提取结果检测识别图像中的划痕。
其中,图像分割的原理及具体技术手段属于现有技术,在此不应视为对本发明具体实施的限制。可选地,本发明的实施例中采用灰度阈值分割方式对所述增强的划痕检测图像进行处理。图8至图10进一步给出了本发明实施例的方案对严重划痕、中等划痕和微弱划痕的处理效果。其中,图8a、图9a、图10a分别为严重划痕、中等划痕和微弱划痕的原始图像,图8b、图9b、图10b则分别为采用本发明实施例的技术方案处理后所检测到的划痕图像;从效果上看,本发明实施例的技术方案能够有效支撑各种等级,尤其是微弱划痕缺陷的检测。
实施例六:
基于上述实施例,参阅图11所示,在本发明一个实施例中,还提供一种基于图像处理的划痕检测装置,包括:
背景对消模块10,用于获取背景图像,利用所述背景图像与原始图像对消得到差分图像;
方向性滤波模块11,用于利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;
空域累积模块12,用于利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。
可选地,所述背景对消模块包括:
背景获取模块,用于对所述原始图像进行纵向均值滤波和横向均值滤波以获取所述背景图像;
差分处理模块,用于使用所述背景图像对所述原始图像进行差分处理,得到对消后的所述差分图像;
阈值求取模块,用于计算所述差分图像的灰度均值,按照先验设置的比例参数求取出疑似点预筛选阈值和疑似点检测阈值。
所述方向性滤波模块包括:
像素筛选模块,用于使用所述疑似点预筛选阈值在所述差分图像筛选出待分析的像素集合;
滤波处理模块,用于利用方向性滤波器组对所述待分析的像素集合中的待分析的像素进行逐一处理;
疑似点检测模块,用于对于每个待分析的像素经过方向性滤波器组处理后的多个输出,在所述多个输出中的最小值小于所述疑似点检测阈值时,确定该像素为疑似点并记录所述最小值对应的方向为疑似方向。
所述空域累积模块包括:
映射模块,用于根据所述疑似点及所述疑似方向对应的方向性滤波器的信息进行坐标映射;
累积加权模块,用于对坐标位于所述对应的方向性滤波器映射区域内的所述疑似点进行累积加权,以得到所述增强的划痕检测图像。
和/或,所述基于图像处理的划痕检测装置还包括:
图像分割模块,用于对所述增强的划痕检测图像进行图像分割;
划痕提取模块,用于根据分割后的图像信息进行划痕区域提取;
划痕检测模块,用于根据划痕区域提取结果检测识别图像中的划痕。
实施例七:
在本发明的一个实施中,还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中所描述的方法。
又或者,在本发明的一个实施中,还提供了一种计算机程序产品,所述计算机产品包括计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中所描述的方法。
实施例八:
在本发明的一个实施例中,用于执行上述基于图像处理的划痕检测方法的电子设备的一种硬件结构如图12所示,该电子设备包括:
一个或多个处理器510以及存储器520,图12中以一个处理器510为例。
存储器520作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明前述实施例中的基于图像处理的划痕检测方法所对应的程序指令/模块。处理器510通过运行存储在存储器520中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理。
存储器520可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于双卡上网的装置的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器520可选包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至基于双卡上网的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
可选地,该电子设备还可以包括:输入装置530和输出装置540。
处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接,图12中以通过总线连接为例。
输入装置530可接收输入的数字或字符信息,以及产生与划痕检测、图像处理等相关的设置以及功能控制等的关键信号输入。输出装置540可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器520中,当被所述一个或者多个处理器510执行时,执行上述任意方法实施例中的基于图像处理的划痕检测方法。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
本发明实施例的电子设备以多种形式存在,包括但不限于:
(1)通用计算终端:提供基本的计算机处理能力的通用设备,通常包括处理器和存储器,通过读取和运行计算机指令来完成相应的功能执行。这类终端包括:个人计算机、单片机、嵌入式设备,以及各种用于工业、商业或民用的小型/微型计算机等。
(2)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(3)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(4)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(5)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(6)其他具有数据交互功能的电子装置。
综上所述,本发明实施例中,利用划痕的空间分布特性,即划痕通常会呈一定程度的线状分布的特性,通过多种手段增强划痕区域在图像中呈现的效果,比如通过背景对消来消除了像素灰度的不均匀性;采用线状型的方向滤波处理来筛选疑似点;通过对图像进行空域累积处理来增强划痕区域在图像中的显示,从而使得本发明实施例的技术方案可大幅提升划痕检测的可靠性和有效性。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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精神和范围。
Claims (11)
1.一种基于图像处理的划痕检测方法,其特征在于,包括:
获取背景图像,利用所述背景图像与原始图像对消得到差分图像;
利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;
利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。
2.根据权利要求1所述的方法,其特征在于,所述获取背景图像,利用所述背景图像与原始图像对消得到差分图像包括:
对所述原始图像进行纵向均值滤波和横向均值滤波以获取所述背景图像;
使用所述背景图像对所述原始图像进行差分处理,得到对消后的所述差分图像;
计算所述差分图像的灰度均值,按照先验设置的比例参数求取出疑似点预筛选阈值和疑似点检测阈值。
3.根据权利要求1或2所述的方法,其特征在于,所述利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向包括:
使用所述疑似点预筛选阈值在所述差分图像筛选出待分析的像素集合;
利用方向性滤波器组对所述待分析的像素集合中的待分析的像素进行逐一处理;
对于每个待分析的像素经过方向性滤波器组处理后的多个输出,在所述多个输出中的最小值小于所述疑似点检测阈值时,确定该像素为疑似点并记录所述最小值对应的方向为疑似方向。
4.根据权利要求1、2或3所述的方法,其特征在于,所述利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像包括:
根据所述疑似点及所述疑似方向对应的方向性滤波器的信息进行坐标映射;
对坐标位于所述对应的方向性滤波器映射区域内的所述疑似点进行累积加权,以得到所述增强的划痕检测图像。
5.根据权利要求1所述的方法,其特征在于,还包括:
对所述增强的划痕检测图像进行图像分割;
根据分割后的图像信息进行划痕区域提取;
根据划痕区域提取结果检测识别图像中的划痕。
6.一种基于图像处理的划痕检测装置,其特征在于,包括:
背景对消模块,用于获取背景图像,利用所述背景图像与原始图像对消得到差分图像;
方向性滤波模块,用于利用方向性滤波器组对所述差分图像中的待分析像素进行处理,确定疑似点及相应的疑似方向;
空域累积模块,用于利用所述疑似点和所述疑似方向,在所述方向性滤波器组的映射区域内进行空域累积处理,得到增强的划痕检测图像。
7.根据权利要求6所述的装置,其特征在于,所述背景对消模块包括:
背景获取模块,用于对所述原始图像进行纵向均值滤波和横向均值滤波以获取所述背景图像;
差分处理模块,用于使用所述背景图像对所述原始图像进行差分处理,得到对消后的所述差分图像;
阈值求取模块,用于计算所述差分图像的灰度均值,按照先验设置的比例参数求取出疑似点预筛选阈值和疑似点检测阈值。
8.根据权利要求6或7所述的装置,其特征在于,所述方向性滤波模块包括:
像素筛选模块,用于使用所述疑似点预筛选阈值在所述差分图像筛选出待分析的像素集合;
滤波处理模块,用于利用方向性滤波器组对所述待分析的像素集合中的待分析的像素进行逐一处理;
疑似点检测模块,用于对于每个待分析的像素经过方向性滤波器组处理后的多个输出,在所述多个输出中的最小值小于所述疑似点检测阈值时,确定该像素为疑似点并记录所述最小值对应的方向为疑似方向。
9.根据权利要求6、7或8所述的装置,其特征在于,所述空域累积模块包括:
映射模块,用于根据所述疑似点及所述疑似方向对应的方向性滤波器的信息进行坐标映射;
累积加权模块,用于对坐标位于所述对应的方向性滤波器映射区域内的所述疑似点进行累积加权,以得到所述增强的划痕检测图像。
10.根据权利要求6所述的装置,其特征在于,还包括:
图像分割模块,用于对所述增强的划痕检测图像进行图像分割;
划痕提取模块,用于根据分割后的图像信息进行划痕区域提取;
划痕检测模块,用于根据划痕区域提取结果检测识别图像中的划痕。
11.一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710104404.9A CN106920233B (zh) | 2017-02-24 | 2017-02-24 | 基于图像处理的划痕检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710104404.9A CN106920233B (zh) | 2017-02-24 | 2017-02-24 | 基于图像处理的划痕检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106920233A true CN106920233A (zh) | 2017-07-04 |
CN106920233B CN106920233B (zh) | 2019-10-08 |
Family
ID=59453654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710104404.9A Active CN106920233B (zh) | 2017-02-24 | 2017-02-24 | 基于图像处理的划痕检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106920233B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993223A (zh) * | 2017-11-27 | 2018-05-04 | 歌尔股份有限公司 | 划痕检测方法、装置和电子设备 |
CN110006919A (zh) * | 2018-12-10 | 2019-07-12 | 浙江大学台州研究院 | 一种抛光石英晶片浅划痕检测的装置与方法 |
CN112258448A (zh) * | 2020-09-15 | 2021-01-22 | 郑州金惠计算机系统工程有限公司 | 细划痕检测方法、装置、电子设备及计算机可读存储介质 |
CN112598647A (zh) * | 2020-12-24 | 2021-04-02 | 凌云光技术股份有限公司 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
CN112834515A (zh) * | 2020-12-30 | 2021-05-25 | 常州创度信息技术有限公司 | 一种基于图像处理的产品表面检测系统 |
CN113424021A (zh) * | 2019-02-12 | 2021-09-21 | 日立安斯泰莫株式会社 | 图像处理装置 |
CN113781406A (zh) * | 2021-08-20 | 2021-12-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件的划痕检测方法、装置及计算机设备 |
CN114354623A (zh) * | 2021-12-30 | 2022-04-15 | 苏州凌云视界智能设备有限责任公司 | 弱印痕提取算法、装置、设备和介质 |
CN114998322A (zh) * | 2022-07-19 | 2022-09-02 | 南通恒强轧辊有限公司 | 基于计算机视觉的轧机智能控制方法及系统 |
CN115020267A (zh) * | 2022-08-05 | 2022-09-06 | 启东旺晟电子科技有限公司 | 一种半导体表面缺陷检测方法 |
CN116721101A (zh) * | 2023-08-09 | 2023-09-08 | 山东华航高分子材料有限公司 | 一种塑件表面波流痕的缺陷检测方法 |
CN114331912B (zh) * | 2022-01-06 | 2023-09-29 | 北京字跳网络技术有限公司 | 一种图像修复方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101169380A (zh) * | 2007-10-31 | 2008-04-30 | 重庆大学 | 桥梁拉索表面损伤动态检测方法及其装置 |
CN102129670A (zh) * | 2011-02-25 | 2011-07-20 | 上海交通大学 | 电影划痕损伤的检测修复方法 |
CN103543161A (zh) * | 2013-10-16 | 2014-01-29 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
WO2015146380A1 (ja) * | 2014-03-28 | 2015-10-01 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及び画像処理プログラム |
CN105467000A (zh) * | 2015-12-21 | 2016-04-06 | 中国石油大学(北京) | 埋地管道管体缺陷非开挖检测方法及装置 |
-
2017
- 2017-02-24 CN CN201710104404.9A patent/CN106920233B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101169380A (zh) * | 2007-10-31 | 2008-04-30 | 重庆大学 | 桥梁拉索表面损伤动态检测方法及其装置 |
CN102129670A (zh) * | 2011-02-25 | 2011-07-20 | 上海交通大学 | 电影划痕损伤的检测修复方法 |
CN103543161A (zh) * | 2013-10-16 | 2014-01-29 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
WO2015146380A1 (ja) * | 2014-03-28 | 2015-10-01 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及び画像処理プログラム |
CN105467000A (zh) * | 2015-12-21 | 2016-04-06 | 中国石油大学(北京) | 埋地管道管体缺陷非开挖检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
范伟: "基于机器视觉的汽车车身零部件表面划痕检测的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993223A (zh) * | 2017-11-27 | 2018-05-04 | 歌尔股份有限公司 | 划痕检测方法、装置和电子设备 |
CN110006919A (zh) * | 2018-12-10 | 2019-07-12 | 浙江大学台州研究院 | 一种抛光石英晶片浅划痕检测的装置与方法 |
CN113424021A (zh) * | 2019-02-12 | 2021-09-21 | 日立安斯泰莫株式会社 | 图像处理装置 |
CN112258448A (zh) * | 2020-09-15 | 2021-01-22 | 郑州金惠计算机系统工程有限公司 | 细划痕检测方法、装置、电子设备及计算机可读存储介质 |
CN112598647A (zh) * | 2020-12-24 | 2021-04-02 | 凌云光技术股份有限公司 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
CN112834515A (zh) * | 2020-12-30 | 2021-05-25 | 常州创度信息技术有限公司 | 一种基于图像处理的产品表面检测系统 |
CN113781406A (zh) * | 2021-08-20 | 2021-12-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件的划痕检测方法、装置及计算机设备 |
CN113781406B (zh) * | 2021-08-20 | 2024-04-02 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件的划痕检测方法、装置及计算机设备 |
CN114354623A (zh) * | 2021-12-30 | 2022-04-15 | 苏州凌云视界智能设备有限责任公司 | 弱印痕提取算法、装置、设备和介质 |
CN114331912B (zh) * | 2022-01-06 | 2023-09-29 | 北京字跳网络技术有限公司 | 一种图像修复方法及装置 |
CN114998322A (zh) * | 2022-07-19 | 2022-09-02 | 南通恒强轧辊有限公司 | 基于计算机视觉的轧机智能控制方法及系统 |
CN114998322B (zh) * | 2022-07-19 | 2022-10-25 | 南通恒强轧辊有限公司 | 基于计算机视觉的轧机智能控制方法及系统 |
CN115020267B (zh) * | 2022-08-05 | 2022-10-11 | 启东旺晟电子科技有限公司 | 一种半导体表面缺陷检测方法 |
CN115020267A (zh) * | 2022-08-05 | 2022-09-06 | 启东旺晟电子科技有限公司 | 一种半导体表面缺陷检测方法 |
CN116721101A (zh) * | 2023-08-09 | 2023-09-08 | 山东华航高分子材料有限公司 | 一种塑件表面波流痕的缺陷检测方法 |
CN116721101B (zh) * | 2023-08-09 | 2023-10-20 | 山东华航高分子材料有限公司 | 一种塑件表面波流痕的缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106920233B (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106920233A (zh) | 基于图像处理的划痕检测方法、装置及电子设备 | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
CN111815630A (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN103258213B (zh) | 一种用于智能交通系统中的动态车辆车型识别方法 | |
CN110009556A (zh) | 图像背景虚化方法、装置、存储介质及电子设备 | |
CN110781885A (zh) | 基于图像处理的文本检测方法、装置、介质及电子设备 | |
CN112581463A (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN102750535B (zh) | 自动提取图像前景的方法和系统 | |
CN105405142A (zh) | 一种玻璃面板的边缺陷检测方法及系统 | |
CN110111113B (zh) | 一种异常交易节点的检测方法及装置 | |
CN107545249A (zh) | 一种人群年龄识别方法及装置 | |
CN110991448A (zh) | 电力设备铭牌图像的文本检测方法及装置 | |
CN110378297A (zh) | 一种基于深度学习的遥感图像目标检测方法 | |
CN110378313A (zh) | 细胞团识别方法、装置及电子设备 | |
CN110378254B (zh) | 车损图像修改痕迹的识别方法、系统、电子设备及存储介质 | |
CN105225523A (zh) | 一种车位状态检测方法及装置 | |
Cao et al. | Crack image detection based on fractional differential and fractal dimension | |
CN106155327A (zh) | 手势识别方法和系统 | |
CN104778707A (zh) | 一种改进广义Hough变换的电解电容检测方法 | |
CN108090486A (zh) | 一种台球比赛中的图像处理方法及装置 | |
CN107610316A (zh) | 检测纸币缺损的方法、装置及终端设备 | |
CN109190639A (zh) | 一种车辆颜色识别方法、装置及系统 | |
CN106203326A (zh) | 一种图像处理方法、装置及移动终端 | |
CN113850838A (zh) | 船舶航行意图获取方法、装置、计算机设备及存储介质 | |
CN112597238A (zh) | 基于人员信息的知识图谱构建方法、系统、设备及介质 |
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 |