CN108182682A - 一种基于计算机图像处理和模式识别的检测方法 - Google Patents
一种基于计算机图像处理和模式识别的检测方法 Download PDFInfo
- Publication number
- CN108182682A CN108182682A CN201810049065.3A CN201810049065A CN108182682A CN 108182682 A CN108182682 A CN 108182682A CN 201810049065 A CN201810049065 A CN 201810049065A CN 108182682 A CN108182682 A CN 108182682A
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- gray
- detection
- pixel
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 title claims abstract description 22
- 238000003909 pattern recognition Methods 0.000 title claims abstract description 9
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 230000007547 defect Effects 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 4
- 238000011017 operating method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005352 clarification Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机图像处理和模式识别的检测方法,包括以下具体操作步骤:S1:图像采集,从三个拍摄角度中各挑选出一张最清晰的图像进行保存;S2:灰度处理;S3:特征区域识别增强;S4:灰度值计算;S5:结果输出。本发明可以从不同的角度对工件进行图像捕获,从而实现从多个方位对工件进行检测,有利于提高工件检测的全面性,通过将三个图片分别进行灰度和缩放处理,有利于降低像素点的计算总数,减小计算机系统的运算时间,提高检测速度,在通过将三个图像进行合成,可以保证检测面的区域特征更加精确和明显,有利于提高检测精度。
Description
技术领域
本发明属于图像检测技术领域,具体涉及一种基于计算机图像处理和模式识别的检测方法。
背景技术
视觉图像检测就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图智能识别系统软件等通过分析这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备的系统。视觉图像检测系统采用CCD照相机将被检测的目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像处理系统对这些信号进行各种运算来抽取目标的特征,如面积、数量、位置、长度,再根据预设的允许度和其他条件输出结果,包括尺寸、角度、个数、合格/不合格、有/无等,实现自动识别功能。
在现有的图像检测处理方法中,通常对单一画面进行处理分析,由于拍摄角度不同,将会得出不同的分析结果,单一角度图像的处理结果会存在较大的误差,难以保证检测精度,而且,在计算图像中的像素点灰度时,需要对图像中所有的像素点进行计算,加重了计算机系统的负担,影响检测速度。
发明内容
本发明的目的在于提供一种基于计算机图像处理和模式识别的检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于计算机图像处理和模式识别的检测方法,包括以下具体操作步骤:
S1:图像采集,通过高清摄像机对工件的检测面抓取图像,并将获取的图像保存在一个文件夹中,通过检测工件的顺序命名该文件夹;
S2:灰度处理,按照顺序对每个文件夹中的图像进行灰度处理,Gray=(R+G+B)/3,将原图像中RGB(R,G,B)替换为RGB(Gray,Gray,Gray),得到灰度化后的图像,保存;
S3:特征区域识别增强,通过图像识别对灰度化后的图像提取特征区域,并将特征区域缩放1.5倍后得到缩放图片,缩放后将图像进行合成,再对合成图片进行增强;
S4:灰度值计算,对合成图片中的所有像素点D的灰度值进行计算,并通过灰度值H与高度值的对应关系得出图像中的缺陷大小,设T为阈值,若存在一个像素点的灰度值H大于T,则对该类像素点进行个数统计,得出总数S,灰度值H小于T,则对该类像素点进行个数统计,得出总数V,若存在H大于T,则判断该工件为缺陷工件;若存在H小于T,但V/D大于30%,则判断该工件为缺陷工件;
S5:结果输出,输出判断结果,并将缺陷工件的合成图片保存在该工件的文件夹中保存,将该文件夹移入缺陷工件数据库中保存,同时将缺陷工件挑选出,继续下一工件的检测。
优选的,所述高清摄像机设置有三组,并分别从三个角度从检测面的上方抓取图像,每个高清摄像机拍摄多张图像,挑选出一张最清晰的图像进行保存。
本发明的技术效果和优点:
本发明可以从不同的角度对工件进行图像捕获,从而实现从多个方位对工件进行检测,有利于提高工件检测的全面性,通过将三个图片分别进行灰度和缩放处理,有利于降低像素点的计算总数,减小计算机系统的运算时间,提高检测速度,在通过将三个图像进行合成,可以保证检测面的区域特征更加精确和明显,有利于提高检测精度。
附图说明
图1为本发明一种基于计算机图像处理和模式识别的检测方法的流程示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
如图1所示,一种基于计算机图像处理和模式识别的检测方法,包括以下具体操作步骤:
S1:图像采集,通过高清摄像机对工件的检测面抓取图像,所述高清摄像机设置有三组,并分别从三个角度从检测面的上方抓取图像,每个高清摄像机拍摄多张图像,从三个拍摄角度中各挑选出一张最清晰的图像进行保存,并将获取的图像保存在一个文件夹中,通过检测工件的顺序命名该文件夹;
S2:灰度处理,按照顺序对每个文件夹中的图像进行灰度处理,Gray=(R+G+B)/3,将原图像中RGB(R,G,B)替换为RGB(Gray,Gray,Gray),得到灰度化后的图像,保存;
S3:特征区域识别增强,通过图像识别对灰度化后的图像提取特征区域,并将特征区域缩放1.5倍后得到缩放图片,提取三个缩放图片内的图像信息,并将相似区域进行拟合后合成,再对合成图片进行增强;
S4:灰度值计算,对合成图片中的所有像素点D的灰度值进行计算,并通过灰度值H与高度值的对应关系得出图像中的缺陷大小,设T为阈值,若存在一个像素点的灰度值H大于T,则对该类像素点进行个数统计,得出总数S,灰度值H小于T,则对该类像素点进行个数统计,得出总数V,若存在H大于T,则判断该工件为缺陷工件;若存在H小于T,但V/D大于30%,则判断该工件为缺陷工件;
S5:结果输出,输出判断结果,并将缺陷工件的合成图片保存在该工件的文件夹中保存,将该文件夹移入缺陷工件数据库中保存,同时将缺陷工件挑选出,继续下一工件的检测。
本发明可以从不同的角度对工件进行图像捕获,从而实现从多个方位对工件进行检测,有利于提高工件检测的全面性,通过将三个图片分别进行灰度和缩放处理,有利于降低像素点的计算总数,减小计算机系统的运算时间,提高检测速度,在通过将三个图像进行合成,可以保证检测面的区域特征更加精确和明显,有利于提高检测精度。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于计算机图像处理和模式识别的检测方法,其特征在于:包括以下具体操作步骤:
S1:图像采集,通过高清摄像机对工件的检测面抓取图像,并将获取的图像保存在一个文件夹中,通过检测工件的顺序命名该文件夹;
S2:灰度处理,按照顺序对每个文件夹中的图像进行灰度处理,Gray=(R+G+B)/3,将原图像中RGB(R,G,B)替换为RGB(Gray,Gray,Gray),得到灰度化后的图像,保存;
S3:特征区域识别增强,通过图像识别对灰度化后的图像提取特征区域,并将特征区域缩放1.5倍后得到缩放图片,缩放后将图像进行合成,再对合成图片进行增强;
S4:灰度值计算,对合成图片中的所有像素点D的灰度值进行计算,并通过灰度值H与高度值的对应关系得出图像中的缺陷大小,设T为阈值,若存在一个像素点的灰度值H大于T,则对该类像素点进行个数统计,得出总数S,灰度值H小于T,则对该类像素点进行个数统计,得出总数V,若存在H大于T,则判断该工件为缺陷工件;若存在H小于T,但V/D大于30%,则判断该工件为缺陷工件;
S5:结果输出,输出判断结果,并将缺陷工件的合成图片保存在该工件的文件夹中保存,将该文件夹移入缺陷工件数据库中保存,同时将缺陷工件挑选出,继续下一工件的检测。
2.根据权利要求1所述的一种基于计算机图像处理和模式识别的检测方法,其特征在于:所述高清摄像机设置有三组,并分别从三个角度从检测面的上方抓取图像,每个高清摄像机拍摄多张图像,挑选出一张最清晰的图像进行保存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810049065.3A CN108182682A (zh) | 2018-01-18 | 2018-01-18 | 一种基于计算机图像处理和模式识别的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810049065.3A CN108182682A (zh) | 2018-01-18 | 2018-01-18 | 一种基于计算机图像处理和模式识别的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108182682A true CN108182682A (zh) | 2018-06-19 |
Family
ID=62550935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810049065.3A Pending CN108182682A (zh) | 2018-01-18 | 2018-01-18 | 一种基于计算机图像处理和模式识别的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182682A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118424A (zh) * | 2018-09-26 | 2019-01-01 | 旺微科技(上海)有限公司 | 一种目标检测的图像处理内存管理方法及管理系统 |
CN109490311A (zh) * | 2018-10-25 | 2019-03-19 | 武汉精立电子技术有限公司 | 基于多角度拍摄的背光面板缺陷检测系统及方法 |
CN110111308A (zh) * | 2019-04-12 | 2019-08-09 | 国网江苏省电力有限公司电力科学研究院 | 碳纤维复合芯导线射线图像处理方法、缺陷检测方法、装置、设备及计算机存储介质 |
CN110308182A (zh) * | 2019-07-17 | 2019-10-08 | 西安奕斯伟硅片技术有限公司 | 晶圆缺陷检测方法及装置 |
CN110705586A (zh) * | 2019-08-27 | 2020-01-17 | 深圳模德宝科技有限公司 | 确认料架料位有工件的方法及系统 |
CN114152626A (zh) * | 2022-02-07 | 2022-03-08 | 盛吉盛(宁波)半导体科技有限公司 | 应用于缺陷高度测量的方法及装置 |
-
2018
- 2018-01-18 CN CN201810049065.3A patent/CN108182682A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118424A (zh) * | 2018-09-26 | 2019-01-01 | 旺微科技(上海)有限公司 | 一种目标检测的图像处理内存管理方法及管理系统 |
CN109490311A (zh) * | 2018-10-25 | 2019-03-19 | 武汉精立电子技术有限公司 | 基于多角度拍摄的背光面板缺陷检测系统及方法 |
CN110111308A (zh) * | 2019-04-12 | 2019-08-09 | 国网江苏省电力有限公司电力科学研究院 | 碳纤维复合芯导线射线图像处理方法、缺陷检测方法、装置、设备及计算机存储介质 |
CN110111308B (zh) * | 2019-04-12 | 2022-08-23 | 国网江苏省电力有限公司电力科学研究院 | 碳纤维复合芯导线射线图像处理方法及装置 |
CN110308182A (zh) * | 2019-07-17 | 2019-10-08 | 西安奕斯伟硅片技术有限公司 | 晶圆缺陷检测方法及装置 |
CN110705586A (zh) * | 2019-08-27 | 2020-01-17 | 深圳模德宝科技有限公司 | 确认料架料位有工件的方法及系统 |
CN114152626A (zh) * | 2022-02-07 | 2022-03-08 | 盛吉盛(宁波)半导体科技有限公司 | 应用于缺陷高度测量的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182682A (zh) | 一种基于计算机图像处理和模式识别的检测方法 | |
CN109100363B (zh) | 一种贴合异物缺陷与灰尘的区分方法及系统 | |
WO2020252974A1 (zh) | 一种针对运动状态下的多目标对象追踪方法和装置 | |
TWI679612B (zh) | 影像追蹤方法 | |
JP2013201714A (ja) | 移動体の画像判別装置および移動体の画像判別方法 | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
CN110570422B (zh) | 一种基于矩阵分析的胶囊缺陷视觉检测方法 | |
CN106651849A (zh) | 基于面阵相机的pcb裸板缺陷检测方法 | |
CN113223050B (zh) | 一种基于ArUco码的机器人运动轨迹实时采集方法 | |
CN110991360A (zh) | 一种基于视觉算法的机器人巡检点位智能配置方法 | |
CN109596054A (zh) | 长条形工件的尺寸检测识别方法 | |
CN111476785B (zh) | 基于位置记录的夜间红外反光水尺检测方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
US20220386571A1 (en) | Fish counting system, fish counting method, and program | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN113225461A (zh) | 一种检测视频监控场景切换的系统及方法 | |
CN114581760A (zh) | 一种机房巡检的设备故障检测方法及系统 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN106546196B (zh) | 一种光轴实时校准方法及系统 | |
CN108254380A (zh) | 基于数字图像处理的pcb电路板模板比对方法 | |
CN116310263A (zh) | 一种指针式航空地平仪示数自动读取实现方法 | |
CN108076365B (zh) | 人体姿势识别装置 | |
CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
CN106713960B (zh) | 一种基于人脸识别的智能视频监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180619 |