CN108428228A - Led灯智能检测方法、检测系统及存储介质 - Google Patents
Led灯智能检测方法、检测系统及存储介质 Download PDFInfo
- Publication number
- CN108428228A CN108428228A CN201810180262.9A CN201810180262A CN108428228A CN 108428228 A CN108428228 A CN 108428228A CN 201810180262 A CN201810180262 A CN 201810180262A CN 108428228 A CN108428228 A CN 108428228A
- Authority
- CN
- China
- Prior art keywords
- image
- led light
- pixel
- reference value
- lamp
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000004744 fabric Substances 0.000 claims abstract description 46
- 238000013461 design Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 2
- 238000005282 brightening Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 24
- 230000008859 change Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000009472 formulation Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001465382 Physalis alkekengi Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
Abstract
本发明涉及一种LED灯智能检测方法、检测系统及存储介质，LED灯智能检测方法，包括以下步骤：关闭所有LED灯，获取背景图像，打开所有LED灯，并将所有LED灯调整为均显示同一颜色，获取亮灯图像；对背景图像及亮灯图像进行图像处理后得到调整图像；基于调整图像提取出LED灯的轮廓，得到布灯图；将布灯图与预设的设计图比对，得出不符合期望色彩的LED灯的位置。上述LED灯智能检测方法及检测系统，通过提取LED轮廓得到布灯图，进而与设计图进行比对，得出坏灯或不符合期望色彩的灯的位置，识别效率高，且可以实现周期性的自动检测，大大降低了亮化的维护成本。
Description
技术领域
本发明涉及LED测试技术领域，特别是涉及一种LED灯智能检测方法、检测系统及存储介质。
背景技术
目前在LED灯亮化工程运用于城市大厦外墙等各种各样的场景，以满足不同的城市亮化效果需要。在亮化工程布局完成后，在进行亮化效果测试和后期灯具监控维护工作上，因为人为或自然条件原因，呈现出现坏灯或不符合期望色彩灯，这时候需要准确的找出LED灯的位置，进行灯具更换，达到亮化效果。
传统的方法是楼宇LED灯布局完成后，在调试时通过肉眼观察所有LED灯亮灯情况，找出坏灯或不符合期望色彩的LED灯位置。这种方法调试速度慢，肉眼无法分辨出坏灯位置。
发明内容
基于此，有必要针对使用肉眼调试LED灯导致效率慢的问题，提供一种LED灯智能检测方法、检测系统及存储介质。
本发明第一方面提供一种LED灯智能检测方法，包括以下步骤：
关闭所有LED灯，获取背景图像，打开所有LED灯，并将所有LED灯调整为均显示同一颜色，获取亮灯图像；
对背景图像及亮灯图像进行图像处理后得到调整图像；
基于调整图像提取出LED灯的轮廓，得到布灯图；
将布灯图与预设的设计图比对，得出不符合期望色彩的LED灯的位置。
在其中一个实施例中，所述对背景图像及亮灯图像进行图像处理后得到调整图像具体包括：
获取背景图像及亮灯图像上各像素点的灰度值；
对背景图像及亮度图像上处于同一空间坐标的像素点的灰度值做差值运算；
根据差值运算结果得到调整图像。
在其中一个实施例中，所述根据差值运算结果得到调整图像具体包括：
在亮灯图像中，将差值运算结果在预设区间内的像素点删除，得到调整图像。
在其中一个实施例中，所述基于调整图像提取出LED灯的轮廓，得到布灯图具体包括：
根据预设函数对调整图像进行灰度化；
基于预设函数计算调整图像中各像素点的灰度的梯度幅值，基于梯度幅值提取出LED灯的轮廓，得到布灯图。
在其中一个实施例中，所述基于预设函数计算调整图像中各像素点的灰度的梯度幅值，基于梯度幅值提取出LED灯的轮廓，得到布灯图具体包括：
基于预设函数计算调整图像中各像素点的灰度的梯度幅值；
根据所有像素点的梯度幅值确定一第一基准值和一第二基准值；
基于像素点的梯度幅值、第一基准值及第二基准值确定边界像素点；
根据边界像素点得到布灯图。
本发明第二方面提供一种LED灯智能检测系统，包括：
图像获取部件，用于获取背景图像及亮灯图像；
图像处理部件，用于对背景图像及亮灯图像进行图像处理得到调整图像；
图像提取部件，用于从调整图像中提取出LED灯的轮廓，得到布灯图；及
对比器，用于将布灯图与预设的设计图比对，得出不符合期望色彩的像素点的位置。
在其中一个实施例中，所述图像处理部件包括：
获取部件，用于获取背景图像及亮灯图像上各像素点的灰度值；及
第一计算部件，用于对背景图像及亮度图像上处于同一空间坐标的像素点的灰度值做差值运算。
在其中一个实施例中，所述图像提取部件包括：
灰度转化部件，用于根据预设函数对调整图像进行灰度化；
第二计算部件，用于基于预设函数计算调整图像中各像素点的灰度的梯度幅值。
在其中一个实施例中，所述第二计算部件还用于：根据所有像素点的梯度幅值确定一第一基准值和一第二基准值。
所述图像提取部件还包括：
比较部件，用于根据像素点的梯度幅值、第一基准值及第二基准值确定边界像素点。
上述LED灯智能检测方法及检测系统，通过提取LED轮廓得到布灯图，进而与设计图进行比对，得出坏灯或不符合期望色彩的灯的位置，识别效率高，且可以实现周期性的自动检测，大大降低了亮化的维护成本。
本发明第三方面提供一种机器可读存储介质，其上存储有计算机程序，其中所述计算机程序在由处理器执行时实现上述任一项所述的LED灯智能检测方法。
附图说明
图1为本发明一实施例的LED灯智能检测方法的流程图；
图2为本发明一实施例的LED灯智能检测方法的部分流程分解图；
图3为本发明又一实施例的LED灯智能检测方法的流程图；
图4为本发明又一实施例的LED灯智能检测方法的流程图；
图5为本发明一实施例的LED灯智能检测系统的框架结构图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
图1是本发明一些实施例的LED灯智能检测方法的流程图，所述LED灯智能检测方法可应用于楼宇等多种场景的LED灯的检测，只需通过两张图片即可检测出坏灯或者不符合期望色彩的灯的位置。应该说明的是，本发明实施方式的LED灯智能检测方法并不限于图1所示的流程图中的步骤及顺序，根据不同的需求，流程图中的步骤可以增加、移除或者改变顺序。
如图1所示，所述LED灯智能检测方法包括以下步骤
S12：关闭所有LED灯，获取背景图像，打开所有LED灯，并将所有LED灯调整为均显示同一颜色，获取亮灯图像。
为了检测出LED灯的位置，需要用相机在同一位置获取两张图像：一张为LED处于关闭状态时的背景图像，另一张为LED处于亮灯状态的亮灯图像。最终在亮灯图像中去除背景图像，得到亮灯的LED的位置。
S14：对背景图像及亮灯图像进行图像处理后得到调整图像。
亮灯图像中，LED灯及LED灯附近的区域由于光照，在色彩上与其他区域形成区别，而其他未受到LED灯影响的区域，则与背景图像基本相同，因此，可以通过和背景图像进行比对，在亮灯图像中去除与背景图像相同的部分，识别出LED灯及LED灯附近的区域，即得到调整图像。
请参阅图2，在一些实施例中，可以通过计算灰度差得到调整图像。具体的，所述对背景图像及亮灯图像进行图像处理后得到调整图像具体包括：
S141：获取背景图像及亮灯图像上各像素点的灰度值；
S143：对背景图像及亮度图像上处于同一空间坐标的像素点的灰度值做差值运算；
S145：根据差值运算结果得到调整图像。
在计算灰度差前，需要得到背景图像及亮灯图像中各像素点的灰度值，灰度值的获取可以通过虚拟灰度化获得，即计算将背景图像及亮度图像灰度化后各个像素点的灰度值，但图像不进行灰度化操作。
得到各像素点的灰度值后，即可计算灰度差，并根据灰度差的计算结果得出LED灯所处的大致区域。由于背景图像及亮灯图像为同一位置拍照获得的图像，因此亮灯图像与背景图像除去被LED灯影响的区域外，其余部分图像与背景图像基本相同，灰度值也基本相同。将背景图像及亮灯图像中处于同一空间坐标的像素点的灰度值做差值运算，通过定位灰度差为零的点，即可在亮灯图像中识别剔除与背景图像相同的部分，而只保留LED灯所在的区域，即得到调整图像。
在一些实施例中，所述根据差值运算结果得到调整图像具体包括：
在亮灯图像中，将差值运算结果在预设区间内的像素点删除，得到调整图像。
由于LED亮灯带来的色彩及亮度变化，带动LED所在位置及附近区域灰度值产生变化，因而这部分区域的灰度值相减后不为零，为了避免LED灯的亮度影响范围过大，影响LED灯的定位，同时尽量减少环境光线的变化以及其他因素带来的影响，可以在亮度图像中，将差值运算结果在预设区间内的像素点删除，例如，将灰度差值运算结果在-10～10之间的像素点全部删除，将余下的像素点作为调整图像，当然还可以设定为更大或更小的范围，具体根据需要调整。
S16：基于调整图像提取出LED灯的轮廓，得到布灯图。
调整图像中包括所有正常发光的LED灯，以及LED灯周边被照亮的部分区域，为了检测出坏灯或不符合期望色彩的灯的位置，需要尽量减小干扰区域的面积，即尽量减少LED灯周边被照亮的区域，使得最终保留的像素点排列符合LED灯的布灯位置。
请参阅图3，在一具体的实施例中，所述基于调整图像提取出LED灯的轮廓，得到布灯图具体包括：
S161：根据预设函数对调整图像进行灰度化；
S163：基于预设函数计算调整图像中各像素点的灰度的梯度幅值，基于梯度幅值提取出LED灯的轮廓，得到布灯图。
为了提取出LED灯的轮廓，首先需要将调整图像进行灰度化，灰度化的过程可以通过一个预设函数完成，在一具体的实施例中，背景图像及亮灯图像均为RGB格式图像，此时预设函数可以设置为：f(R，G，B)＝aR+bG+cB；其中a、b、c为常数。在特定的实施例中，a＝0.299，b＝0.587，c＝0.114，当然，a、b、c值不限于上述取值，具体可以根据图像的色彩度进行调整。
以RGB格式的图像为例，调整图像中，所有像素点均落在预设函数的图像上，每个像素点的坐标为：像素点X(R，G，B)，通过一阶偏导有限差分计算出各像素点的梯度幅值，LED附近区域的梯度幅值与LED所在的位置呈现一定的分布规律：离LED灯的位置越远，梯度幅值越小，因此，只要确定一个临界值，剔除梯度幅值小于该临界值的像素点，即可得到布灯图。
请参阅图4，在具体的实施例中，所述基于预设函数计算调整图像中各像素点灰度梯度幅值，基于梯度幅值提取出LED灯的轮廓，得到布灯图具体包括：
S1631：基于预设函数计算调整图像中各像素点的灰度的梯度幅值；
S1633：根据所有像素点的梯度幅值确定一第一基准值和一第二基准值；
S1635：基于像素点的梯度幅值、第一基准值及第二基准值确定边界像素点；
S1637：根据边界像素点得到布灯图。
根据灰度转化函数f(R，G，B)，利用一阶偏导有限差分计算出各像素点的梯度幅值和梯度方向。随后根据所有像素点的梯度幅值确定一第一基准值和一第二基准值，以确定LED灯的布灯图的边缘，示例性的，将所有像素点的梯度幅值按从小到大的顺序进行排列，以20％、80％为临界点，选择最接近临界点的像素点的灰度值为作为基准值，例如，以80％临界点的像素点的灰度值为第一基准值，以20％临界点的像素点的灰度值为第二基准值。当然，还可以采用其他方式确定第一基准值和第二基准值，例如，采用加权计算的方式确定。
所述基于像素点的梯度幅值、第一基准值及第二基准值确定边界像素点具体可以是：确定第一基准值和第二基准值后，在调整图像中任选一个像素点A1，将选定的像素点A1的灰度值与第一基准值比较，若选定的像素点A1的灰度值大于第一基准值，则在与选定像素点A1相邻的8个像素点中，任一选择一个像素点B1，将像素点B1的灰度值与第一基准值比较，若大于第一基准值，重复上述步骤，若小于第一基准值，则继续与第二基准值比较，若小于第二基准值，则标记该像素点B1后递归，若大于第二基准值，则直接递归。
递归完成后，得到若干标记的像素点，即得到了布灯图。
S18：将布灯图与预设的设计图比对，得出不符合期望色彩的LED灯的位置。
将布灯图与设计图比对，若布灯图中某个位置边缘出现空缺，即为坏灯的位置，或者不符合期望色彩的灯的位置。设计图可以预先存储在检测系统内，在提取出布灯图后，即可进行实时比对。
在一些实施例中，所述设计图也可以是第一调试后，确认所有LED灯处于良好状态时所得到的布灯图。
上述LED灯智能检测方法通过提取LED轮廓得到布灯图，进而与设计图进行比对，得出坏灯或不符合期望色彩的灯的位置，识别效率高，且可以实现周期性的自动检测，大大降低了亮化的维护成本。
请继续参阅图5，本发明还提供一种LED灯智能检测系统10，所述LED灯智能检测系统10包括图像获取部件110、图像处理部件120、图像提取部件130及对比器140，可以理解的是，对应于上述LED灯智能检测方法中的各实施例，所述LED灯智能检测系统10可以包括图5中所示的各部件或装置的部分或全部，各部件或装置的功能将在以下具体介绍。
所述图像获取部件110，用于获取背景图像及亮灯图像。
为了检测出LED灯的位置，需要用相机在同一位置获取两张图像：一张为LED处于关闭状态时的背景图像，另一张为LED处于亮灯状态的亮灯图像。最终在亮灯图像中去除背景图像，得到亮灯的LED的位置。
所述图像处理部件120，用于对背景图像及亮灯图像进行图像处理得到调整图像。
亮灯图像中，LED灯及LED灯附近的区域由于光照，在色彩上与其他区域形成区别，而其他未受到LED灯影响的区域，则与背景图像基本相同，因此，可以通过和背景图像进行比对，识别出LED灯及LED灯附近的区域，即得到调整图像。
在一些实施例中，可以通过计算灰度差得到调整图像。所述图像处理部件120可以包括：
获取部件121，用于获取背景图像及亮灯图像上各像素点的灰度值；及
第一计算部件123，用于对背景图像及亮度图像上处于同一空间坐标的像素点的灰度值做差值运算。
在计算灰度差前，需要得到背景图像及亮灯图像中各像素点的灰度值，灰度值的获取可以通过虚拟灰度化获得，即计算将背景图像及亮度图像灰度化后各个像素点的灰度值，但图像不进行灰度化操作。
得到各像素点的灰度值后，即可计算灰度差，并根据灰度差的计算结果得出LED灯所处的大致区域。由于背景图像及亮灯图像为同一位置拍照获得的图像，因此亮灯图像与背景图像除去被LED灯影响的区域外，其余部分图像与背景图像基本相同，灰度值也基本相同。将背景图像及亮灯图像中处于同一空间坐标的像素点的灰度值做差值运算，通过定位灰度差为零的点，即可在亮灯图像中识别剔除与背景图像相同的部分，而只保留LED灯所在的区域，即得到调整图像。
在一些实施例中，通过计算灰度差得到调整图像具体可以是：在亮灯图像中，将差值运算结果在预设区间内的像素点删除，得到调整图像。
由于LED亮灯带来的色彩及亮度变化，带动LED所在位置及附近区域灰度值产生变化，因而这部分区域的灰度值相减后不为零，为了避免LED灯的亮度影响范围过大，影响LED灯的定位，同时尽量减少环境光线的变化以及其他因素带来的影响，可以在亮度图像中，将差值运算结果在预设区间内的像素点删除，例如，将灰度差值运算结果在-10～10之间的像素点全部删除，将余下的像素点作为调整图像，当然还可以设定为更大或更小的范围，具体根据需要调整。
所述图像提取部件130，用于从调整图像中提取出LED灯的轮廓，得到布灯图；
调整图像中包括所有正常发光的LED灯，以及LED灯周边被照亮的部分区域，为了检测出坏灯或不符合期望色彩的灯的位置，需要尽量减小干扰区域的面积，即尽量减少LED灯周边被照亮的区域，使得最终保留的像素点排列符合LED灯的布灯位置。
在一些实施例中，所述图像提取部件130包括：
灰度转化部件131，用于根据预设函数对调整图像进行灰度化；
第二计算部件133，用于基于预设函数计算调整图像中各像素点的灰度的梯度幅值。
为了提取出LED灯的轮廓，首先需要将调整图像进行灰度化，灰度化的过程可以通过一个预设函数完成，在一具体的实施例中，背景图像及亮灯图像均为RGB格式图像，此时预设函数可以设置为：f(R，G，B)＝aR+bG+cB；其中a、b、c为常数。在特定的实施例中，a＝0.299，b＝0.587，c＝0.114，当然，a、b、c值不限于上述取值，具体可以根据图像的色彩度进行调整。。
以RGB格式的图像为例，调整图像中，所有像素点均落在预设函数的图像上，每个像素点的坐标为：像素点X(R，G，B)，通过一阶偏导有限差分计算出各像素点的梯度幅值，LED附近区域的梯度幅值与LED所在的位置呈现一定的分布规律：离LED灯的位置越远，梯度幅值越小，因此，只要确定一个临界值，剔除梯度幅值小于该临界值的像素点，即可得到布灯图。
所述第二计算部件133还用于：根据所有像素点的梯度幅值确定一第一基准值和一第二基准值。所述图像提取部件130还包括比较部件135，用于根据像素点的梯度幅值、第一基准值及第二基准值确定边界像素点。
根据灰度转化函数f(R，G，B)，利用一阶偏导有限差分计算出各像素点的梯度幅值和梯度方向。随后根据所有像素点的梯度幅值确定一第一基准值和一第二基准值，以确定LED灯的布灯图的边缘，示例性的，将所有像素点的梯度幅值按从小到大的顺序进行排列，以20％、80％为临界点，选择最接近临界点的像素点的灰度值为作为基准值，例如，以80％临界点的像素点的灰度值为第一基准值，以20％临界点的像素点的灰度值为第二基准值。当然，还可以采用其他方式确定第一基准值和第二基准值，例如，采用加权计算的方式确定。
基于像素点的梯度幅值、第一基准值及第二基准值确定边界像素点具体过程可以是：确定第一基准值和第二基准值后，在调整图像中任选一个像素点A1，将选定的像素点A1的灰度值与第一基准值比较，若选定的像素点A1的灰度值大于第一基准值，则在与选定像素点A1相邻的8个像素点中，任一选择一个像素点B1，将像素点B1的灰度值与第一基准值比较，若大于第一基准值，重复上述步骤，若小于第一基准值，则继续与第二基准值比较，若小于第二基准值，则标记该像素点B1后递归，若大于第二基准值，则直接递归。
递归完成后，得到若干标记的像素点，即得到了布灯图。
所述对比器140，用于将布灯图与预设的设计图比对，得出不符合期望色彩的像素点的位置。
将布灯图与设计图比对，若布灯图中某个位置边缘出现空缺，即为坏灯的位置，或者不符合期望色彩的灯的位置。设计图可以预先存储在检测系统内，在提取出布灯图后，即可进行实时比对。
在一些实施例中，所述设计图也可以是第一调试后，确认所有LED灯处于良好状态时所得到的布灯图。
上述LED灯智能检测系统通过提取LED轮廓得到布灯图，进而与设计图进行比对，得出坏灯或不符合期望色彩的灯的位置，识别效率高，且可以实现周期性的自动检测，大大降低了亮化的维护成本。
本发明一实施例还提供一种机器可读存储介质，其上存储有计算机程序，其中所述计算机程序在由处理器执行时实现上述任一实施例所述的虚拟图像处理方法。
所述图像系统/计算机装置集成的部件/模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个具体实施方式中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施方式仅仅是示意性的，例如，所述部件的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
另外，在本发明各个实施例中的各功能模块/部件可以集成在相同处理模块/部件中，也可以是各个模块/部件单独物理存在，也可以两个或两个以上模块/部件集成在相同模块/部件中。上述集成的模块/部件既可以采用硬件的形式实现，也可以采用硬件加软件功能模块/部件的形式实现。
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种LED灯智能检测方法，其特征在于，包括以下步骤：
关闭所有LED灯，获取背景图像，打开所有LED灯，并将所有LED灯调整为均显示同一颜色，获取亮灯图像；
对背景图像及亮灯图像进行图像处理后得到调整图像；
基于调整图像提取出LED灯的轮廓，得到布灯图；
将布灯图与预设的设计图比对，得出不符合期望色彩的LED灯的位置。
2.根据权利要求1所述的LED灯智能检测方法，其特征在于，所述对背景图像及亮灯图像进行图像处理后得到调整图像具体包括：
获取背景图像及亮灯图像上各像素点的灰度值；
对背景图像及亮度图像上处于同一空间坐标的像素点的灰度值做差值运算；
根据差值运算结果得到调整图像。
3.根据权利要求2所述的LED灯智能检测方法，其特征在于，所述根据差值运算结果得到调整图像具体包括：
在亮灯图像中，将差值运算结果在预设区间内的像素点删除，得到调整图像。
4.根据权利要求1所述的LED灯智能检测方法，其特征在于，所述基于调整图像提取出LED灯的轮廓，得到布灯图具体包括：
根据预设函数对调整图像进行灰度化；
基于预设函数计算调整图像中各像素点的灰度的梯度幅值，基于梯度幅值提取出LED灯的轮廓，得到布灯图。
5.根据权利要求4所述的LED灯智能检测方法，其特征在于，所述基于预设函数计算调整图像中各像素点的灰度的梯度幅值，基于梯度幅值提取出LED灯的轮廓，得到布灯图具体包括：
基于预设函数计算调整图像中各像素点的灰度的梯度幅值；
根据所有像素点的梯度幅值确定一第一基准值和一第二基准值；
基于像素点的梯度幅值、第一基准值及第二基准值确定边界像素点；
根据边界像素点得到布灯图。
6.一种LED灯智能检测系统，其特征在于，包括：
图像获取部件，用于获取背景图像及亮灯图像；
图像处理部件，用于对背景图像及亮灯图像进行图像处理得到调整图像；
图像提取部件，用于从调整图像中提取出LED灯的轮廓，得到布灯图；及
对比器，用于将布灯图与预设的设计图比对，得出不符合期望色彩的像素点的位置。
7.如权利要求6所述的LED灯智能检测系统，其特征在于：所述图像处理部件包括：
获取部件，用于获取背景图像及亮灯图像上各像素点的灰度值；及
第一计算部件，用于对背景图像及亮度图像上处于同一空间坐标的像素点的灰度值做差值运算。
8.如权利要求6所述的LED灯智能检测系统，其特征在于：所述图像提取部件包括：
灰度转化部件，用于根据预设函数对调整图像进行灰度化；
第二计算部件，用于基于预设函数计算调整图像中各像素点的灰度的梯度幅值。
9.如权利要求6所述的LED灯智能检测系统，其特征在于：所述第二计算部件还用于：根据所有像素点的梯度幅值确定一第一基准值和一第二基准值。
所述图像提取部件还包括：
比较部件，用于根据像素点的梯度幅值、第一基准值及第二基准值确定边界像素点。
10.一种机器可读存储介质，其上存储有计算机程序，其中所述计算机程序在由处理器执行时实现如权利要求1至5任一项所述的虚拟图像处理方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810180262.9A CN108428228A (zh) | 2018-03-05 | 2018-03-05 | Led灯智能检测方法、检测系统及存储介质 |
| PCT/CN2018/095885 WO2019169821A1 (zh) | 2018-03-05 | 2018-07-17 | Led 灯智能检测方法、检测系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810180262.9A CN108428228A (zh) | 2018-03-05 | 2018-03-05 | Led灯智能检测方法、检测系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108428228A true CN108428228A (zh) | 2018-08-21 |
Family
ID=63157795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810180262.9A Pending CN108428228A (zh) | 2018-03-05 | 2018-03-05 | Led灯智能检测方法、检测系统及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108428228A (zh) |
| WO (1) | WO2019169821A1 (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109493341A (zh) * | 2018-11-29 | 2019-03-19 | 上海田平自动化设备有限公司 | 汽车尾灯动画检测方法、电子设备 |
| CN109596317A (zh) * | 2018-12-25 | 2019-04-09 | 新华三技术有限公司 | 一种面板灯的检测方法及装置 |
| CN110009607A (zh) * | 2019-03-25 | 2019-07-12 | 深圳市洲明科技股份有限公司 | 显示屏坏点检测方法、装置、计算机设备和存储介质 |
| CN110807805A (zh) * | 2019-11-11 | 2020-02-18 | 成都极米科技股份有限公司 | 一种幕布区域定位方法、装置、投影设备和介质 |
| CN110827731A (zh) * | 2019-11-29 | 2020-02-21 | 广州视源电子科技股份有限公司 | 故障灯板的定位方法及装置 |
| CN110910376A (zh) * | 2019-11-27 | 2020-03-24 | 成都极米科技股份有限公司 | 基于荧光图案的幕布定位方法、装置、系统及可存储介质 |
| WO2020077516A1 (zh) * | 2018-10-16 | 2020-04-23 | 华北电力大学扬中智能电气研究中心 | 一种led阵列信号检测方法及装置 |
| CN111867205A (zh) * | 2020-07-21 | 2020-10-30 | 浙江大丰实业股份有限公司 | 一种全方位舞台设备中心监控系统 |
| CN111929035A (zh) * | 2020-07-27 | 2020-11-13 | 歌尔科技有限公司 | 心率模组led亮度检测方法和装置 |
| CN112785545A (zh) * | 2019-11-06 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 一种异常灯珠定位方法、装置及存储介质 |
| CN115294456A (zh) * | 2022-08-23 | 2022-11-04 | 山东巍然智能科技有限公司 | 一种建筑物亮化工程检测方法、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101266140A (zh) * | 2008-05-09 | 2008-09-17 | 浙江工业大学 | 复杂型面金属结合剂金刚石廓型检测方法 |
| CN104077773A (zh) * | 2014-06-23 | 2014-10-01 | 北京京东方视讯科技有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
| CN105241638A (zh) * | 2015-09-09 | 2016-01-13 | 重庆平伟光电科技有限公司 | 基于视觉的led模块亮度均匀性快速检测方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101666597B (zh) * | 2009-09-18 | 2013-01-16 | 重庆大学 | 非接触式火工品控制时序的检测装置及方法 |
| CN101969718B (zh) * | 2010-09-08 | 2013-10-02 | 无锡中星微电子有限公司 | 智能灯光控制系统及其控制方法 |
| KR101314641B1 (ko) * | 2012-06-15 | 2013-10-04 | 엠텍비젼 주식회사 | 사용자 제스처를 이용한 조작 방법 및 디지털 장치 |
| KR101921610B1 (ko) * | 2012-08-31 | 2018-11-23 | 에스케이 텔레콤주식회사 | 촬영영상으로부터 객체를 감시하기 위한 장치 및 방법 |
| CN103716955A (zh) * | 2013-11-16 | 2014-04-09 | 镇江高等职业技术学校 | 一种针对大学晚自修的教室分区域智能照明系统 |
| CN104977155B (zh) * | 2015-06-30 | 2017-10-31 | 中山大学 | 一种led配光曲线快速测量方法 |
-
2018
- 2018-03-05 CN CN201810180262.9A patent/CN108428228A/zh active Pending
- 2018-07-17 WO PCT/CN2018/095885 patent/WO2019169821A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101266140A (zh) * | 2008-05-09 | 2008-09-17 | 浙江工业大学 | 复杂型面金属结合剂金刚石廓型检测方法 |
| CN104077773A (zh) * | 2014-06-23 | 2014-10-01 | 北京京东方视讯科技有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
| CN105241638A (zh) * | 2015-09-09 | 2016-01-13 | 重庆平伟光电科技有限公司 | 基于视觉的led模块亮度均匀性快速检测方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020077516A1 (zh) * | 2018-10-16 | 2020-04-23 | 华北电力大学扬中智能电气研究中心 | 一种led阵列信号检测方法及装置 |
| CN109493341A (zh) * | 2018-11-29 | 2019-03-19 | 上海田平自动化设备有限公司 | 汽车尾灯动画检测方法、电子设备 |
| CN109596317A (zh) * | 2018-12-25 | 2019-04-09 | 新华三技术有限公司 | 一种面板灯的检测方法及装置 |
| CN110009607A (zh) * | 2019-03-25 | 2019-07-12 | 深圳市洲明科技股份有限公司 | 显示屏坏点检测方法、装置、计算机设备和存储介质 |
| CN110009607B (zh) * | 2019-03-25 | 2021-10-26 | 深圳市洲明科技股份有限公司 | 显示屏坏点检测方法、装置、计算机设备和存储介质 |
| CN112785545A (zh) * | 2019-11-06 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 一种异常灯珠定位方法、装置及存储介质 |
| CN110807805A (zh) * | 2019-11-11 | 2020-02-18 | 成都极米科技股份有限公司 | 一种幕布区域定位方法、装置、投影设备和介质 |
| CN110910376A (zh) * | 2019-11-27 | 2020-03-24 | 成都极米科技股份有限公司 | 基于荧光图案的幕布定位方法、装置、系统及可存储介质 |
| CN110827731A (zh) * | 2019-11-29 | 2020-02-21 | 广州视源电子科技股份有限公司 | 故障灯板的定位方法及装置 |
| CN111867205A (zh) * | 2020-07-21 | 2020-10-30 | 浙江大丰实业股份有限公司 | 一种全方位舞台设备中心监控系统 |
| CN111929035A (zh) * | 2020-07-27 | 2020-11-13 | 歌尔科技有限公司 | 心率模组led亮度检测方法和装置 |
| CN115294456A (zh) * | 2022-08-23 | 2022-11-04 | 山东巍然智能科技有限公司 | 一种建筑物亮化工程检测方法、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019169821A1 (zh) | 2019-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108428228A (zh) | Led灯智能检测方法、检测系统及存储介质 | |
| Cai et al. | A new IC solder joint inspection method for an automatic optical inspection system based on an improved visual background extraction algorithm | |
| CN110443747A (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
| US8797450B2 (en) | Real-time adjustment of illumination color temperature for digital imaging applications | |
| JP2009524884A (ja) | 画像内の照明域を識別する方法及びシステム | |
| CN108810423A (zh) | 一种基于图像亮度梯度的光照角度调节方法及系统 | |
| CN114745510B (zh) | 一种用于目标图像采集的led光源自动校准方法及系统 | |
| CN110335273A (zh) | 检测方法、检测装置、电子设备和介质 | |
| CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
| CN113989167B (zh) | 基于种子点自生长的轮廓提取方法、装置、设备及介质 | |
| CN109711375B (zh) | 一种信号灯的识别方法及装置 | |
| CN106845545A (zh) | 数字式电测仪表自动检定装置中的图像识别方法及装置 | |
| CN101510255A (zh) | 一种识别定位人脸器官的方法、装置和视频处理芯片 | |
| CN109668832A (zh) | 基于分区光源的手机锂电池表面鼓包检测装置及其方法 | |
| CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
| US9204130B2 (en) | Method and system for creating a three dimensional representation of an object | |
| KR20210071806A (ko) | 컨포멀 코팅된 pcb에서 기포를 검출하는 방법 및 장치와 이를 위한 컴퓨터로 판독 가능한 기록매체 | |
| Selamet et al. | Automatic detection and classification of defective areas on metal parts by using adaptive fusion of faster R-CNN and shape from shading | |
| CN116563570B (zh) | 一种颜色识别方法、装置、电子设备及存储介质 | |
| CN109804731B (zh) | 基板检查装置及利用其的基板检查方法 | |
| CN113920057A (zh) | 一种产品指示灯颜色的识别方法、装置及系统 | |
| US20190302004A1 (en) | Adaptive Method for a Light Source | |
| CN110210401B (zh) | 一种弱光下的目标智能检测方法 | |
| CN109785295A (zh) | Led灯布局定位方法 | |
| CN113614774A (zh) | 用于目标涂层的图像数据中的缺陷检测的方法和系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 518000 1805, tower 2, Shenye Jinyuan Building, No.112, Qingshuihe 1st Road, Qingshuihe community, Luohu District, Shenzhen City, Guangdong Province Applicant after: SHENZHEN AOTO ELECTRONICS Co.,Ltd. Address before: 518000 joint headquarters building, No. 63 High-tech Zone, Nanshan District Xuefu Road, Shenzhen City, Guangdong Province, 9 Applicant before: SHENZHEN AOTO ELECTRONICS Co.,Ltd. |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180821 |