CN108765424B - 污点区域检测方法和装置、分析仪器和存储介质 - Google Patents
污点区域检测方法和装置、分析仪器和存储介质 Download PDFInfo
- Publication number
- CN108765424B CN108765424B CN201810288436.3A CN201810288436A CN108765424B CN 108765424 B CN108765424 B CN 108765424B CN 201810288436 A CN201810288436 A CN 201810288436A CN 108765424 B CN108765424 B CN 108765424B
- Authority
- CN
- China
- Prior art keywords
- image
- original
- segmentation
- area
- value
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种污点区域检测方法和装置、分析仪器和存储介质。该检测方法包括:对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数;根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到N张原图像中的固定污点区域,N张原图像具有相同数量的像素点。采用本发明实施例中的技术方案,能够适用于污点区域和有形成分区域之间的像素分布差异不明显的情况下的污点检测需求。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种污点区域检测方法和装置、分析仪器和存储介质。
背景技术
随着图像处理技术在医疗领域的应用扩展,越来越多的医疗设备需要基于图像处理技术实现其功能。以尿沉渣分析仪为例,其工作原理为:由照相机将尿液样本拍摄成图序列片,然后利用图像处理技术实现对各图像中有形成分的识别和分析,在提高设备检测效率同时,也有助于减少医生的工作量。然而,由于照相机镜头裸露易粘灰尘或者用于固定样本的载体清洗不彻底等原因,样本的拍摄图像中可能存在污点,考虑到这些污点会存在于同一样本的所有拍摄图像中,可能会对后续图像分析会造成非常大的干扰。
现有技术中的污点检测方法主要包括对比多张图像特定区域像素点的深度值,适用于污点区域和有形成分区域之间的像素分布差异明显的情况。
但是,本申请的发明人发现,大部分图像中污点区域和有形成分区域之间的像素分布差异并不明显,且污点区域和某些有形成分区域面积都比较小且形状相似,若仍然采用现有技术中的污点区域检测方法,不仅无法或者很难检测出污点,甚至可能将有效成分标记为污点。
发明内容
本发明实施例提供了一种污点区域检测方法和装置、分析仪器和存储介质,能够适用于污点区域和有形成分区域之间的像素分布差异不明显的情况下的污点检测需求。
第一方面,本发明实施例提供了一种污点区域检测方法,该污点区域检测方法包括:
对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数;
根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到N张原图像中的固定污点区域,N张原图像具有相同数量的像素点。
在第一方面的一种可能的实施方式中,根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到N张原图像中的固定污点区域,包括:将累加值大于第一预设阈值的像素点的值标记为1,并将累加值小于或等于第一预设阈值的像素点的值标记为0,得到第二分割图像;若第二分割图像中所有像素点的标记值之和大于0,则确定N张原图像中存在固定污点区域,并将标记值为1的像素点对应的区域,识别为N张原图像中的固定污点区域。
在第一方面的一种可能的实施方式中,第一预设阈值为小于N且大于N/2之间的任一整数。
在第一方面的一种可能的实施方式中,在确定N张原图像中存在固定污点区域之后,该污点区域检测方法还包括:计算各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值;对第一分割图像的所有连通区域中、差值为1的像素点对应的连通区域进行坐标运算,得到第一定位区域;将第一定位区域映射到对应的原图像中,得到各张原图像的除去固定污点区域后的目标有形成分区域。
在第一方面的一种可能的实施方式中,在计算各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值之后,方法还包括:建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的第三分割图像;计算各张原图像的第一分割图像和第三分割图像中、相同位置的像素点的和值;对第一分割图像的所有连通区域中、和值为2的像素点对应的连通区域进行坐标运算,得到第二定位区域;将第二定位区域映射到对应的原图像中,得到各张原图像的滤除污点干扰后的目标有形成分区域。
在第一方面的一种可能的实施方式中,建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的第三分割图像,包括:建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的中间图像;根据第二预设阈值对中间图像中的所有连通区域进行分割,得到各张原图像的第三分割图像。
在第一方面的一种可能的实施方式中,在根据第二预设阈值对中间图像中的所有连通区域进行分割,得到各张原图像的第三分割图像之前,方法还包括:根据各张原图像的第一分割图像的所有连通区域中、面积最小的连通区域的面积和第一预设调节因子,得到与各张原图像对应的第二预设阈值。
在第一方面的一种可能的实施方式中,对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,包括:对拍摄于同一样本的N张原图像进行边缘检测,并根据第三预设阈值对边缘检测得到的图像进行二值分割,得到各张原图像的第一分割图像。
在第一方面的一种可能的实施方式中,对拍摄于同一样本的N张原图像进行边缘检测,并根据第三预设阈值对边缘检测得到的图像进行二值分割,得到各张原图像的第一分割图像,包括:对拍摄于同一样本的N张原图像进行边缘检测,得到各张原图像的梯度图像;根据梯度图像中所有像素点的梯度均值和第二预设调节因子,得到与各张原图像对应的第三预设阈值;根据第三预设阈值对对应的梯度图像进行二值分割,得到各张原图像的第一分割图像。
在第一方面的一种可能的实施方式中,根据第三预设阈值对对应的梯度图像进行二值分割,得到各张原图像的第一分割图像,包括:根据第三预设阈值对对应的梯度图像进行二值分割;利用预设膨胀算子对二值分割后的图像进行形态学膨胀处理;根据第四预设阈值对形态学膨胀处理后的图像中的所有连通区域进行分割,得到各张原图像的第一分割图像。
第二方面,本发明实施例提供一种污点区域检测装置,该污点区域检测装置包括:
分割模块,用于对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数;
识别模块,用于根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到N张原图像中的固定污点区域,N张原图像具有相同数量的像素点。
第三方面,本发明实施例提供一种分析仪器,分析仪器包括如上所述的污点区域检测装置。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有程序,程序被处理器执行时实现如上所述的污点区域检测方法。
由于各张原图像中的有形成分区域的位置和形状是变化的,而污点区域却是固定不变的,因此,N张第一分割图像中、相同位置的像素点在污点区域的累加值显然会大于在有形成分区域的累加值,故可以通过所有N张原图像的第一分割图像中、相同位置的像素点的累加值,来确定该像素点是否为污点区域。
如上所述,为对图像中的污点区域进行检测,本发明实施例先对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,从而得到限定出各张原图像的包含有污点区域和有形成分区域的共有区域,再根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别出N张原图像中的固定污点区域。
由于上述二值分割的方法能够避开对污点区域和有形成分区域之间的像素分布差的计算步骤,因此,因此本发明实施例中的污点区域检测方法能够适用于污点区域和某些有形成分区域之间的像素分布差异不明显的情况下的污点检测需求。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中,相同或相似的附图标记表示相同或相似的特征。
图1为本发明一实施例提供的污点区域检测方法的流程示意图;
图2为本发明另一实施例提供的污点区域检测方法的流程示意图;
图3为本发明又一实施例提供的污点区域检测方法的流程示意图;
图4为与图3对应的除去固定污点区域后的图像示意图;
图5为本发明再一实施例提供的污点区域检测方法的流程示意图;
图6为本发明实施例提供的一种污点区域检测装置的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。
本发明实施例提供一种污点区域检测方法和装置、分析仪器和存储介质,用于基于图像处理技术的医疗设备,比如尿沉渣分析仪。本发明实施中的污点区域检测方法适用于污点区域和有形成分区域之间的像素分布差异不明显的情况下的污点检测需求,能够精准确认样本拍摄图像中是否存在固定污染区域(比如照相机镜头的灰尘或位于用于固定样本的载体的脏点),及若样本拍摄图像中存在固定污染区域,能够准确去除这些固定污染区域。
图1为本发明一实施例提供的污点区域检测方法的流程示意图。如图1所示,该污点区域检测方法包括步骤101和步骤102。
在步骤101中,对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数。
其中,二值分割指的是将数字图像(像素值范围为0~255,也可以理解为灰度值为0~255)分割为仅包括像素值0和1的图像。二值分割的手段包括多种,比如,可以根据预设灰度阈值对图像进行二值分割;或者可以先对图像进行边缘检测,再根据预设边缘阈值对图像进行二值分割。
边缘检测的目的是标识数字图像中亮度变化明显的点。考虑到拍摄图像的数据形式为离散信号,其亮度变化明显的点(边缘信息)主要集中在高频信号段,因此,边缘检测也可以理解为利用差分或梯度算法对离散图像信号进行的高频率波。
具体地,用于实现边缘检测功能的算子可以包括:一阶差分算子、Robert算子(交叉差分)、Sobel算子、拉普拉斯算子(二阶差分)等。
下面将F(x,y)记作原图像,用于表示坐标点(x,y)处的灰度值,并以Sobel算子为例,对基于边缘检测的二值分割过程进行详细说明。
(1)对原图像F(x,y)的灰度值进行归一化,得到灰度值范围为[0,1]的图像f(x,y)。
(2)利用Sobel算子计算f(x,y)在x方向和y方向的梯度图像G(x,y)。其中各坐标点(即像素点)的梯度值用g(x,y)表示:
(3)根据预设阈值T1对各张原图像的梯度图像G(x,y)进行二值分割,具体可以将g(x,y)>T的像素点标记为1,将g(x,y)≤T的像素点标记为0,从而得到第一分割图像,记为Fsobel(x,y)。
在一个可选实施例中,可以计算各张原图像的梯度图像Fsobel(x,y)中所有梯度值g(x,y)的均值μ,根据μ和预设调节因子scale得到与各张原图像对应的预设阈值T1:
T1=scale*μ (6)
其中,height表示梯度图像G(x,y)的高度,width表示梯度图像G(x,y)的宽度。
在一个可选实施例中,可以在步骤(3)中的根据预设阈值T1对各张原图像的梯度图像G(x,y)进行二值分割之后,再根据预设阈值利用预设膨胀算子对二值分割后的图像Fsobel(x,y)进行形态学膨胀处理,并根据连通区域阈值T2对形态学膨胀处理后的图像Fsobel(x,y)中的所有连通区域进行分割,得到各张原图像的第一分割图像。
其中,连通区域(Connected Component)指的是图像中位置相邻且值相同的像素点组成的图像区域(Region)。
按照像素点之间的相邻关系,连通性标准可以包括4连通和8连通。其中,四连通区域又称为四邻域,指的是对应像素点位置的上、下、左、右,时紧邻的位置,共4个方向。八连通区域又称为八邻域,指的是对应像素点的上、下、左、右、左上、右上、左下、右下,是紧邻的位置和斜向相邻的位置,共8个方向。
下面接着上文中的例子,对上文中的膨胀处理和连通区域分割的过程进行详细说明。
(4)可以利用预设膨胀算子对各张原图像的二值分割图像Fsobel(x,y)进行形态学膨胀处理,得到膨胀处理后的二值图像,记为Fdilate(x,y)。
在一个可选实施例中,可以使用3×3大小的结构单元的膨胀算子SE:
(5)采用8连通标准寻找图像Fdilate(x,y)中所有的8连通区域。
(6)将连通区域面积小于预设连通区域阈值T2的区域中的像素点全部标记为0,将连通区域面积大于或等于预设连通区域阈值T2的区域中的像素点全部标记为1,可以得到去掉面积小于预设连通区域阈值T2后的分割图像,得到第一分割图像,记为BW2(x,y)。
其中,连通区域面积定义是连通区域的像素点个数。
在一个可选实施例中,预设连通区域面积(即预设连通区域阈值T2)的值可以为70。
在步骤102中,根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到N张原图像中的固定污点区域。
其中,N张原图像具有相同数量的像素点。在一个示例中,若N张原图像具有相同的尺寸和分辨率,则可以说明N张原图像具有相同数量的像素点。
由于各张原图像中的有形成分区域的位置和形状是变化的,而污点区域却是固定不变的,因此,N张第一分割图像中、相同位置的像素点在污点区域的累加值显然会大于在有形成分区域的累加值,故可以通过所有N张原图像的第一分割图像中、相同位置的像素点的累加值,来确定该像素点是否为污点区域。
如上所述,为对图像中的污点区域进行检测,本发明实施例先对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,从而得到限定出各张原图像的包含有污点区域和有形成分区域的共有区域,再根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别出N张原图像中的固定污点区域。
由于上述二值分割的方法能够避开对污点区域和有形成分区域之间的像素分布差的计算步骤,因此,因此本发明实施例中的污点区域检测方法能够适用于污点区域和某些有形成分区域之间的像素分布差异不明显的情况下的污点检测需求。
图2为本发明另一实施例提供的污点区域检测方法的流程示意图。图2与图1的不同之处在于,图1中步骤102可细化为图2中的步骤1021和步骤1022。
在步骤1021中,将累加值大于预设阈值T3的像素点的值标记为1,并将累加值小于或等于预设阈值T3的像素点的值标记为0,得到第二分割图像。
在步骤1022中,若第二分割图像中所有像素点的标记值之和大于0,则确定N张原图像中存在固定污点区域,并将标记值为1的像素点对应的区域,识别为N张原图像中的固定污点区域。
在一个可选实施例中,为保证检测结果的精确度,预设阈值T3的取值可以为小于N且大于N/2之间的任一整数。
下面接着上文中的例子对步骤1021和步骤1022进行详细说明。
(1)对N张图像BW2(x,y)进行叠加处理,统计N张图像BW2(x,y)中、相同位置的每个像素点出现1的次数。
具体地,若某个像素点出现1的次数大于预设阈值T3,则说明该像素点对应的区域为污点区域,可以将该像素点的值标记为1;若某个像素点出现1的次数小于或者等于预设阈值T3,则说明该像素点对应的区域不为污点区域,可以将该像素点的值标记为0,从而得到第二分割图像,记为污点图像BWstain(x,y),又称为包含所有污点区域的二值图。
(2)计算污点图像BWstain(x,y)中所有像素点的标记值之和:
其中,height表示污点图像BWstain(x,y)的高度,width表示污点图像BWstain(x,y)的宽度。
根据公式(9),若SUMBW>0,则确定N张原图像中存在固定污点区域,可以将图像BWstain(x,y)中标记值为1的像素点对应的区域,作为所述N张原图像中的固定污点区域;若SUMBW=0,则说明N张原图像中不存在固定污点区域。
图3为本发明又一实施例提供的污点区域检测方法的流程示意图。图3与图2的不同之处在于,在步骤1022中的确定N张原图像中存在固定污点区域之后,图3中还包括步骤103至步骤105,用于去除固定污点区域。
在步骤103中,计算各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值。
在步骤104中,对第一分割图像中的所有连通区域中、差值为1的像素点对应的连通区域进行坐标运算,得到第一定位区域。
在步骤105中,将第一定位区域映射到对应的原图像中,得到各张原图像的除去固定污点区域后的目标有形成分区域。
在本发明实施例中,由于固定污点区域在所有N张原图像中一直存在且位置几乎不变,各张原图像的第一分割图像BW(x,y)中不仅包含图像BW2(x,y)中的污点,也包含有形成分区域,因此,可以对各张原图像的第一分割图像BW2(x,y)和污点图像BWstain(x,y)做差,并对第一分割图像的所有连通区域中、差值为1的像素点对应的连通区域进行坐标运算,得到第一定位区域,以使第一分割图像BW(x,y)中不与污点区域重叠的区域得到完全保留。
图4为与图3对应的除去固定污点区域后的图像示意图。如图4所示,白色连通区域的像素点的值为1,黑色连通区域的像素点的值为0。白色连通区域即为保留的不与污点区域重叠的区域。
但是,由于图像容易受到拍摄环境的影响(例如,光强不稳定)或者图像像素可能发生变化,导致污点图像BWstain(x,y)中污点位置可能存在轻微变化。若有形成分区域与污点区域重合且非重叠面积较大,会使得污点区域处存在少量干扰点,即靠近该污点区域的附近可能会保留一部分污点区域(参阅图4中的箭头指示的虚线框部分)。
图5为本发明再一实施例提供的污点区域检测方法的流程示意图,图5与图4的不同之处在于,在图4中的步骤103之后,图5中还包括步骤106至步骤109,用于滤除污点区域可能存在的少量干扰点,以提高对固定污点区域去除操作的计算精度。
在步骤106中,建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的第三分割图像。
在一个可选实施例中,可以先建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的中间图像,再根据预设阈值T4对中间图像中的所有连通区域进行分割,得到各张原图像的第三分割图像。
在一个可选实施例中,可以根据各张原图像的第一分割图像中、所有连通区域中面积最小的连通区域的面积和预设调节因子γ,得到与各张原图像对应的预设阈值T4。
具体地,可以根据以下公式计算与各张原图像对应的预设阈值T4:
T4=minArea×γ (10)
其中,minArea为各张原图像的第一分割图像中、所有连通区域中面积最小的连通区域的面积,γ为预设调节因子。
在一个可选实施例中,γ的取值可以为0.9。
在步骤107中,计算各张原图像的第一分割图像和第三分割图像中、相同位置的像素点的和值。
在步骤108中,对第一分割图像的所有连通区域中、和值为2的像素点对应的连通区域进行坐标运算,得到第二定位区域。
在步骤109中,将第二定位区域映射到对应的原图像中,得到各张原图像的滤除污点干扰后的目标有形成分区域。
下面接着上文中的例子对步骤107至步骤111进行详细说明。
(1)将污点图像BWstain(x,y)和各张原图像的第一分割图像BW2(x,y)中、相同位置的像素点分别做差得到的二值图,记作BW3(x,y)。
(2)标记出BW3(x,y)中的所有8连通区域,并计算这些连通区域的面积。
(3)将这些连通区域中、面积小于预设阈值T4的连通区域中的所有像素点的值标记为0,并将面积大于或者等于预设阈值T4的连通区域中的所有像素点的值标记为1,得到新的二值图,记作BW4(x,y)。
(4)计算各张原图像的BW2(x,y)和BW4(x,y)中、相同位置的像素点的和值。
由于BW4(x,y)和BW2(x,y)均为二值图,且有形成分区域处的像素点的值均为1,因此,各张原图像的BW2(x,y)和BW4(x,y)中、相同位置的像素点的和值会出现如下几种情况:
上式中,BW(x,y)表示BW2(x,y)和BW4(x,y)在坐标点(x,y)处的像素点的和值。
a、当BW(x,y)=0时,说明该坐标点处的像素点所在区域即不为污点区域,也不为有形成分区域。
b、当BW(x,y)=1时,BW2(x,y)=1,BW4(x,y)=0,说明该坐标点处的像素点所在区域的有形成分区域与污点区域可能重合且非重叠面积较大,即可能存在污点干扰。
c、当BW(x,y)=2时,说明该像素点所在区域确定为有形成分区域。
(5)在每张原图像的BW2(x,y)中,对于每一个标记得到的8连通区域中,只要该区域存在BW(x,y)=2,则完整保留该区域。
(6)对BW2(x,y)中的步骤(5)所保留的每一个8连通区域的四个坐标进行计算得到对应的定位区域,并将其映射到对应的原图像中,被映射区域即为需要定位的目标有形成分区域。
图6为本发明实施例提供的一种污点区域检测装置的结构示意图,如图6所示,该污点区域检测装置包括分割模块601和识别模块602。
其中,第一分割模块601用于对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数。
识别模块602用于根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到N张原图像中的固定污点区域,N张原图像具有相同数量的像素点。
本发明实施例还提供一种分析仪器,该分析仪器包括如上所述的的污点区域检测装置。
本发明实施例还提供一种计算机可读存储介质,其上存储有程序,其特征在于,程序被处理器执行时实现如上所述的污点区域检测方法。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例而言,相关之处可以参见方法实施例的说明部分。本发明实施例并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本发明实施例的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。并且,为了简明起见,这里省略对已知方法技术的详细描述。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明实施例可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而系统体系结构并不脱离本发明实施例的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明实施例的范围由所附权利要求而非上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明实施例的范围之中。
Claims (12)
1.一种污点区域检测方法,其特征在于,包括:
对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数;
根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到所述N张原图像中的固定污点区域,所述N张原图像具有相同数量的像素点;
所述识别得到所述N张原图像中的固定污点区域之后,所述方法还包括:
计算各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值,其中,所述第二分割图像是将每一第一分割图像中累加值大于第一预设阈值的像素点的值标记为1,并将所述累加值小于或等于所述第一预设阈值的像素点的值标记为0后得到的;
对所述第一分割图像的所有连通区域中、所述差值为1的像素点对应的连通区域进行坐标运算,得到第一定位区域;
将所述第一定位区域映射到对应的原图像中,得到各张原图像的除去固定污点区域后的目标有形成分区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到所述N张原图像中的固定污点区域,包括:
将所述累加值大于第一预设阈值的像素点的值标记为1,并将所述累加值小于或等于所述第一预设阈值的像素点的值标记为0,得到第二分割图像;
若所述第二分割图像中所有像素点的标记值之和大于0,则确定所述N张原图像中存在固定污点区域,并将标记值为1的像素点对应的区域,识别为所述N张原图像中的固定污点区域。
3.根据权利要求2所述的方法,其特征在于,所述第一预设阈值为小于N且大于N/2之间的任一整数。
4.根据权利要求1所述的方法,其特征在于,在所述计算各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值之后,所述方法还包括:
建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的第三分割图像;
计算各张原图像的第一分割图像和第三分割图像中、相同位置的像素点的和值;
对所述第一分割图像的所有连通区域中、所述和值为2的像素点对应的连通区域进行坐标运算,得到第二定位区域;
将所述第二定位区域映射到对应的原图像中,得到各张原图像的滤除污点干扰后的目标有形成分区域。
5.根据权利要求4所述的方法,其特征在于,所述建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的第三分割图像,包括:
建立表示各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值的中间图像;
根据第二预设阈值对所述中间图像中的所有连通区域进行分割,得到各张原图像的第三分割图像。
6.根据权利要求5所述的方法,其特征在于,在所述根据第二预设阈值对所述中间图像中的所有连通区域进行分割,得到各张原图像的第三分割图像之前,所述方法还包括:
根据各张原图像的第一分割图像的所有连通区域中、面积最小的连通区域的面积和第一预设调节因子,得到与各张原图像对应的第二预设阈值。
7.根据权利要求1所述的方法,其特征在于,所述对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,包括:
对拍摄于同一样本的N张原图像进行边缘检测,并根据第三预设阈值对边缘检测得到的图像进行二值分割,得到各张原图像的第一分割图像。
8.根据权利要求7所述的方法,其特征在于,所述对拍摄于同一样本的N张原图像进行边缘检测,并根据第三预设阈值对边缘检测得到的图像进行二值分割,得到各张原图像的第一分割图像,包括:
对拍摄于同一样本的N张原图像进行边缘检测,得到各张原图像的梯度图像;
根据所述梯度图像中所有像素点的梯度均值和第二预设调节因子,得到与各张原图像对应的第三预设阈值;
根据所述第三预设阈值对对应的梯度图像进行二值分割,得到各张原图像的第一分割图像。
9.根据权利要求8所述的方法,其特征在于,所述根据所述第三预设阈值对对应的梯度图像进行二值分割,得到各张原图像的第一分割图像,包括:
根据所述第三预设阈值对对应的梯度图像进行二值分割;
利用预设膨胀算子对二值分割后的图像进行形态学膨胀处理;
根据第四预设阈值对形态学膨胀处理后的图像中的所有连通区域进行分割,得到各张原图像的第一分割图像。
10.一种污点区域检测装置,其特征在于,包括:
分割模块,用于对拍摄于同一样本的N张原图像进行二值分割,得到各张原图像的第一分割图像,N为大于或等于2的整数;
第一识别模块,用于根据所有N张原图像的第一分割图像中、相同位置的像素点的累加值,识别得到所述N张原图像中的固定污点区域,所述N张原图像具有相同数量的像素点;
第一计算模块,用于计算各张原图像的第一分割图像和第二分割图像中、相同位置的像素点的差值,其中,所述第二分割图像是将每一第一分割图像中累加值大于第一预设阈值的像素点的值标记为1,并将所述累加值小于或等于所述第一预设阈值的像素点的值标记为0后得到的;
第二计算模块,用于对所述第一分割图像的所有连通区域中、所述差值为1的像素点对应的连通区域进行坐标运算,得到第一定位区域;
第二识别模块,用于将所述第一定位区域映射到对应的原图像中,得到各张原图像的除去固定污点区域后的目标有形成分区域。
11.一种分析仪器,其特征在于,包括如权利要求10所述的污点区域检测装置。
12.一种计算机可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时实现如权利要求1-9任意一项所述的污点区域检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810288436.3A CN108765424B (zh) | 2018-04-03 | 2018-04-03 | 污点区域检测方法和装置、分析仪器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810288436.3A CN108765424B (zh) | 2018-04-03 | 2018-04-03 | 污点区域检测方法和装置、分析仪器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765424A CN108765424A (zh) | 2018-11-06 |
CN108765424B true CN108765424B (zh) | 2021-06-08 |
Family
ID=63980783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810288436.3A Active CN108765424B (zh) | 2018-04-03 | 2018-04-03 | 污点区域检测方法和装置、分析仪器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765424B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738973B (zh) * | 2019-03-22 | 2023-08-15 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法、装置、系统及存储介质 |
CN110572636B (zh) * | 2019-07-23 | 2020-08-04 | RealMe重庆移动通信有限公司 | 摄像头脏污检测方法、装置、存储介质及电子设备 |
CN113256600B (zh) * | 2021-06-10 | 2021-11-19 | 浙江华睿科技股份有限公司 | 基于人工智能的相机灰尘检测方法、装置及电子设备 |
CN116183940B (zh) * | 2023-02-07 | 2024-05-14 | 广东蓝莺高科有限公司 | 基于污点分布鉴别的生物检测分析装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003259358A (ja) * | 2002-03-06 | 2003-09-12 | Nissan Motor Co Ltd | カメラの汚れ検出装置およびカメラの汚れ検出方法 |
CN107133967A (zh) * | 2017-05-05 | 2017-09-05 | 杭州远舟医疗科技有限公司 | 提取目标图像的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854467B (zh) * | 2010-05-24 | 2012-01-04 | 北京航空航天大学 | 一种视频分割中阴影的自适应检测及消除方法 |
US9253375B2 (en) * | 2013-04-02 | 2016-02-02 | Google Inc. | Camera obstruction detection |
-
2018
- 2018-04-03 CN CN201810288436.3A patent/CN108765424B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003259358A (ja) * | 2002-03-06 | 2003-09-12 | Nissan Motor Co Ltd | カメラの汚れ検出装置およびカメラの汚れ検出方法 |
CN107133967A (zh) * | 2017-05-05 | 2017-09-05 | 杭州远舟医疗科技有限公司 | 提取目标图像的方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于边缘散焦模型的污点检测算法的研究;侯春雨;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第03期);第I138-4093页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108765424A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765424B (zh) | 污点区域检测方法和装置、分析仪器和存储介质 | |
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
JP4966893B2 (ja) | 一致度計算装置及び方法、プログラム | |
EP2570966A2 (en) | Fast obstacle detection | |
JP2001133418A (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
CN111489337B (zh) | 一种自动光学检测伪缺陷去除方法及系统 | |
CN110648349A (zh) | 基于背景减除和连通区域算法的焊缝缺陷分割方法 | |
US20060245650A1 (en) | Precise grayscale character segmentation apparatus and method | |
KR20090066212A (ko) | 결함 검출 방법 및 결함 검출 장치 | |
CN115082466B (zh) | 一种pcb表面焊点缺陷检测方法及系统 | |
CN116777907A (zh) | 一种钣金件质量检测方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN115908269A (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN110706224A (zh) | 基于暗场图像的光学元件弱划痕检测方法、系统和装置 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN114565627A (zh) | 一种轮廓提取方法、装置、设备及存储介质 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN112580383A (zh) | 二维码识别方法、装置、电子设备及存储介质 | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN116740062B (zh) | 基于不规则胶圈的缺陷检测方法及系统 | |
CN113628202A (zh) | 一种确定方法、清洁机器人和计算机存储介质 | |
CN111814778A (zh) | 文本行区域定位方法、版面分析方法及字符识别方法 | |
CN110363192B (zh) | 物件影像辨识系统及物件影像辨识方法 |
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 |