CN108961225A - 周期性纹理抑制方法以及装置 - Google Patents
周期性纹理抑制方法以及装置 Download PDFInfo
- Publication number
- CN108961225A CN108961225A CN201810640868.6A CN201810640868A CN108961225A CN 108961225 A CN108961225 A CN 108961225A CN 201810640868 A CN201810640868 A CN 201810640868A CN 108961225 A CN108961225 A CN 108961225A
- Authority
- CN
- China
- Prior art keywords
- target image
- frequency domain
- domain
- image
- filter
- 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
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
- 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
- G06T7/10—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20048—Transform domain processing
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
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 Processing (AREA)
Abstract
本发明提供了一种周期性纹理抑制方法以及装置,该方法通过获取空间域的目标图像;采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。该方法可以有效抑制各个方向的纹理背景,同时又能保留缺陷的原始特征。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种周期性纹理抑制方法以及装置。
背景技术
在TFT-LCD的整个制作过程中,为了保证良品率,几乎每一个重要流程完成后都要对TFT-LCD的完成质量进行检测。而基于机器视觉的光学检测,通常利用光学成像方法获得产品的状态,并基于图像处理技术来检测缺陷。在进行图像采集时,为了保证缺陷检测精度,必须采用高分辨率相机进行图像采集,而由于面板中存在众多矩阵形式的像素,因此采集图像过程中,图像会存在水平和垂直方向的重复纹理背景,这严重影响了缺陷的检测正确性。
抑制图像纹理的方法很多,在常用的方法中,中值滤波和低通滤波虽然可以滤除部分的噪声,但其在图像像素上是不加区分地作均匀处理,这对纹理条纹的抑制效果不明显,并且缺陷也会被模糊。奇异值分解的方法是通过图像重构的方法来消除图像纹理背景,但对背景不均匀图像或倾斜纹理,滤波效果并不理想。Gabor滤波使背景纹理得到了一定抑制,但其破坏了目标图像的内部灰度能量,这样会造成缺陷分割的不准确。即上述方法均会影响到缺陷检测的正确性。
发明内容
有鉴于此,本发明实施例的目的在于提供一种周期性纹理抑制方法以及装置,以提高缺陷检测的正确性。
第一方面,本发明实施例提供了一种周期性纹理抑制方法,所述方法包括:获取空间域的目标图像;采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。
第二方面,本发明实施例提供了一种周期性纹理抑制装置,所述装置包括:获取模块,用于获取空间域的目标图像;转换模块,用于采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;构建模块,用于在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;逆转换模块,用于将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。
与现有技术相比,本发明各实施例提出的周期性纹理抑制方法以及装置,通过获取空间域的目标图像;采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。该方法可以有效抑制各个方向的纹理背景,同时又能保留缺陷的原始特征。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的电子设备的结构框图;
图2为本发明第一实施例提供的周期性纹理抑制方法的流程图之一;
图3为本发明第一实施例提供的原始的目标图像示意图;
图4为本发明第一实施例提供的变换后的频率域的目标图像示意图;
图5为本发明第一实施例提供的周期性纹理抑制方法的流程图之二;
图6为本发明第一实施例提供的分割后的图像的示意图;
图7为本发明第一实施例提供的三个区域的示意图;
图8为本发明第一实施例提供的将第二滤波区域以及第三滤波区域进行合并后的示意图;
图9为本发明第一实施例提供的处理后的频率域的目标图像的示意图;
图10为本发明第一实施例提供的最终得到的滤波图像示意图;
图11为本发明第二实施例提供的周期性纹理抑制装置的结构框图之一;
图12为本发明第二实施例提供的周期性纹理抑制装置的结构框图之二。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是所述电子设备100的方框示意图。本发明实施例的实施都是运行于电子设备100上。所述电子设备100包括:周期性纹理抑制装置、存储器110、存储控制器120、处理器130、外设接口140、输入输出单元150、音频单元160、显示单元170。
所述存储器110、存储控制器120、处理器130、外设接口140、输入输出单元150、音频单元160以及显示单元170各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述周期性纹理抑制装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中或固化在客户端设备的操作系统(operating system,OS)中的软件功能模块。所述处理器130用于执行存储器110中存储的可执行模块,例如所述周期性纹理抑制装置包括的软件功能模块或计算机程序。
其中,存储器110可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器110用于存储程序,所述处理器130在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器130中,或者由处理器130实现。
处理器130可能是一种集成电路芯片,具有信号的处理能力。上述的处理器130可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口140将各种输入/输出装置耦合至处理器130以及存储器110。在一些实施例中,外设接口140,处理器130以及存储控制器120可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元150用于提供给用户输入数据实现用户与电子设备100的交互。所述输入输出单元150可以是,但不限于,鼠标和键盘等。
音频单元160向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元170在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元170可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器130进行计算和处理。
第一实施例
请参照图2,图2是本发明第一实施例提供的一种周期性纹理抑制方法的流程图,所述方法应用于电子设备。下面将对图2所示的流程进行详细阐述,所述方法包括:
步骤S110:获取空间域的目标图像。
空间域又称图像空间(image space),是由图像像元组成的空间。在图像空间中以长度(距离)为自变量直接对像元值进行处理称为空间域处理。
在本实施例中,可以对目标图像的像素进行处理,以目标图像的长度和高度为自变量进行灰度映射,得到空间域的目标图像。
其中,图3为原始的目标图像。
步骤S120:采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像。
可选的,可以基于公式
将所述目标图像从空间域转换到频率域,得到频率域的目标图像,其中,hr,c为所述空间域的目标图像,r、c为空间域的自变量,w为所述空间域的目标图像的宽度,h为所述空间域的目标图像的高度,为所述频率域的目标图像,为正变换核。
其中,图4为变换后的频率域的目标图像Hk,l,在Hk,l中,可以看到包含了一些明显的峰值,这些峰值对应纹理的特征频率,此外,在中心点处区域对应的是图像的细节信息频率。
可选的,请参看图5,作为一种实施方式,在步骤S130之前,所述方法还可以包括:
步骤S121:将傅里叶变换循环平移半个周期,以使得到的频率域的所述目标图像的零频率出现在图像正中心。
通过步骤S121的操作,可以更清楚地显示数据的结构。
步骤S130:在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像。
可选的,可以假定构造的滤波器为G(u,v),频域滤波即H(u,v)G(u,v),G(u,v)构造的好坏决定了滤波效果。
在构建滤波器时,可以根据峰值距离中心点远近,采取多分辨狗子的方法。靠近中心点区域的峰值为图像细节频率,需要保留;远离中心点区域的峰值为纹理特征,需要滤除,处于靠近中心点区域以及远离中心点区域的峰值根据其峰值大小适当保留。
具体的,可以首先计算所述频率域的目标图像的功率谱图像,计算公式为其中,real为实部,imaginary为虚部。然后对所述功率谱图像进行高斯滤波,得到滤波图像。
在得到滤波图像后,基于公式对所述滤波图像进行二值阈值分割,其中,其中thr通常设置为50左右,以此计算分割后的图像的八连通域特征值,得到每个连通域的面积、中心坐标,如图6所示。
针对每个连通域,从所述中心坐标向横坐标的正方向搜索每个连通域,得到满足预设条件的连通域。其中,所述预设条件可以是满足公式:Aren(R)>thr,且其中,其中Area(R)表示连通域面积,thr为面积大小阈值,通常取20左右,w为图像宽度,h为图像高度,Rx,Ry分别为连通域中心横纵坐标,δ1和δ2通常设为10左右。
基于所述满足预设条件的连通域,划定为第一滤波区域、第二滤波区域以及第三滤波区域,其中,所述第一滤波区域的峰值靠近所述中心坐标,所述第三滤波区域远离所述中心坐标,所述第二滤波区域处于所述第一滤波区域以及所述第三滤波区域之间。
具体的,可以根据R设定一个矩形区域,假定R的横纵坐标为(x,y),图像长宽比例则矩形区域的四个坐标点p1,p2,p3,p4分别为
将矩形区域等比缩小为1/3,即可以把整个区域划分为三个区域,如图7所示。
在三个区域当中,最小矩形框里的第一滤波区域的峰值认为是靠近中心点的峰值,全部保留,最大矩形框外的第三滤波区域的峰值全部滤除,两个矩形框间的第二滤波区域的峰值,选择性保留。
可选的,可以分别对所述第二滤波区域以及所述第三滤波区域进行高斯滤波,其中,第二滤波区域的阈值设置为15左右,第三滤波区域的阈值设置为3左右,将设置有不同阈值的第二滤波区域以及第三滤波区域进行合并,即完成对第三滤波区域的峰值全部滤除,对第二滤波区域的峰值选择性保留,得到图8所示的示意图。
然后将所述第二滤波区域以及所述第三滤波区域的值全部设置为0,得到所述滤波器。
得到滤波器后,通过频域信息与滤波器相乘H(u,v)G(u,v),得到处理后的频率域的目标图像,如图9所示
步骤S140:将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。
可选的,可以基于公式:
将所述处理后的频率域的目标图像进行傅里叶逆变换,其中,hr,c为所述消除背景后的空间域图像,Hk,l为所述处理后的频率域的目标图像,e-2πi(kr/h+lc/w)为反变换核。通过傅里叶逆变换后,最终得到的滤波图像图10所示。
第二实施例
请参照图11,图11是本发明第二实施例提供的一种周期性纹理抑制装置400的结构框图。下面将对图11所示的结构框图进行阐述,所示装置包括:
获取模块410,用于获取空间域的目标图像;
转换模块420,用于采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;
构建模块430,用于在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;
逆转换模块440,用于将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。
可选的,作为一种实施方式,请参看图12,所述装置还可以包括:
平移模块450,用于将傅里叶变换循环平移半个周期,以使得到的频率域的所述目标图像的零频率出现在图像正中心。
本实施例对周期性纹理抑制装置400的各功能模块实现各自功能的过程,请参见上述图1至图10所示实施例中描述的内容,此处不再赘述。
综上所述,本发明实施例提出的周期性纹理抑制方法以及装置,通过获取空间域的目标图像;采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。该方法可以有效抑制各个方向的纹理背景,同时又能保留缺陷的原始特征。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种周期性纹理抑制方法,其特征在于,所述方法包括:
获取空间域的目标图像;
采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;
在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;
将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。
2.根据权利要求1所述的方法,其特征在于,所述采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域目标图像,包括:
基于公式
将所述目标图像从空间域转换到频率域,得到频率域的目标图像,其中,hr,c为所述空间域的目标图像,r、c为空间域的自变量,w为所述空间域的目标图像的宽度,h为所述空间域的目标图像的高度,为所述频率域的目标图像,为正变换核。
3.根据权利要求1所述的方法,其特征在于,所述在所述频率域构建滤波器之前,所述方法还包括:
将傅里叶变换循环平移半个周期,以使得到的频率域的所述目标图像的零频率出现在图像正中心。
4.根据权利要求1所述的方法,其特征在于,所述在所述频率域构建滤波器,包括:
计算所述频率域的目标图像的功率谱图像;
对所述功率谱图像进行高斯滤波,得到滤波图像;
对所述滤波图像进行二值阈值分割,计算分割后的图像的八连通域特征值,得到每个连通域的面积、中心坐标;
从所述中心坐标向横坐标的正方向搜索每个连通域,得到满足预设条件的连通域;
基于所述满足预设条件的连通域,划定为第一滤波区域、第二滤波区域以及第三滤波区域,所述第一滤波区域的峰值靠近所述中心坐标,所述第三滤波区域远离所述中心坐标;
将所述第一滤波区域保留,将所述第三滤波区域滤除,将所述第二滤波区域按照预设规则保留;
将所述第二滤波区域以及所述第三滤波区域的值全部设置为0,得到所述滤波器。
5.根据权利要求1所述的方法,其特征在于,所述将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像,包括:
基于公式:
将所述处理后的频率域的目标图像进行傅里叶逆变换,其中,hr,c为所述消除背景后的空间域图像,Hk,l为所述处理后的频率域的目标图像,e-2πi(kr/h+lc/w)为反变换核。
6.一种周期性纹理抑制装置,其特征在于,所述装置包括:
获取模块,用于获取空间域的目标图像;
转换模块,用于采用傅里叶变换将所述目标图像从空间域转换到频率域,得到频率域的目标图像;
构建模块,用于在所述频率域构建滤波器,将所述频率域的目标图像中表征纹理背景的频率成分滤除,得到处理后的频率域的目标图像;
逆转换模块,用于将所述处理后的频率域的目标图像进行傅里叶逆变换,得到消除背景后的空间域图像。
7.根据权利要求6所述的装置,其特征在于,所述转换模块,用于基于公式
将所述目标图像从空间域转换到频率域,得到频率域的目标图像,其中,hr,c为所述空间域的目标图像,r、c为空间域的自变量,w为所述空间域的目标图像的宽度,h为所述空间域的目标图像的高度,为所述频率域的目标图像,为正变换核。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
平移模块,用于将傅里叶变换循环平移半个周期,以使得到的频率域的所述目标图像的零频率出现在图像正中心。
9.根据权利要求6所述的装置,其特征在于,所述构建模块,包括:
计算子模块,用于计算所述频率域的目标图像的功率谱图像;
滤波子模块,用于对所述功率谱图像进行高斯滤波,得到滤波图像;
分割子模块,用于对所述滤波图像进行二值阈值分割,计算分割后的图像的八连通域特征值,得到每个连通域的面积、中心坐标;
搜索子模块,用于从所述中心坐标向横坐标的正方向搜索每个连通域,得到满足预设条件的连通域;
划分子模块,用于基于所述满足预设条件的连通域,划定为第一滤波区域、第二滤波区域以及第三滤波区域,所述第一滤波区域的峰值靠近所述中心坐标,所述第三滤波区域远离所述中心坐标;
处理子模块,用于将所述第一滤波区域保留,将所述第三滤波区域滤除,将所述第二滤波区域按照预设规则保留;
赋值子模块,用于将所述第二滤波区域以及所述第三滤波区域的值全部设置为0,得到所述滤波器。
10.根据权利要求6所述的装置,其特征在于,所述逆转换模块,用于基于公式:
将所述处理后的频率域的目标图像进行傅里叶逆变换,其中,hr,c为所述消除背景后的空间域图像,Hk,l为所述处理后的频率域的目标图像,e-2πi(kr/h+lc/w)为反变换核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810640868.6A CN108961225A (zh) | 2018-06-21 | 2018-06-21 | 周期性纹理抑制方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810640868.6A CN108961225A (zh) | 2018-06-21 | 2018-06-21 | 周期性纹理抑制方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108961225A true CN108961225A (zh) | 2018-12-07 |
Family
ID=64491511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810640868.6A Pending CN108961225A (zh) | 2018-06-21 | 2018-06-21 | 周期性纹理抑制方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961225A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN110619624A (zh) * | 2019-08-22 | 2019-12-27 | 深圳大学 | 一种图像分解方法及装置 |
CN111369480A (zh) * | 2020-01-20 | 2020-07-03 | 凌云光技术集团有限责任公司 | 一种处理周期性纹理的方法及装置 |
CN113643271A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种基于频域滤波的图像瑕疵检测方法及装置 |
CN113658154A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于频域周期性纹理去除的图像检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081797A (zh) * | 2010-12-30 | 2011-06-01 | 天津大学 | 应用于轮胎x光图像胎冠部位多带束层纹理分离方法 |
CN103500443A (zh) * | 2013-10-10 | 2014-01-08 | 中国科学院上海技术物理研究所 | 一种基于傅里叶变换的红外偏振图像融合方法 |
CN107248158A (zh) * | 2017-07-20 | 2017-10-13 | 广东工业大学 | 一种图像处理的方法及系统 |
-
2018
- 2018-06-21 CN CN201810640868.6A patent/CN108961225A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081797A (zh) * | 2010-12-30 | 2011-06-01 | 天津大学 | 应用于轮胎x光图像胎冠部位多带束层纹理分离方法 |
CN103500443A (zh) * | 2013-10-10 | 2014-01-08 | 中国科学院上海技术物理研究所 | 一种基于傅里叶变换的红外偏振图像融合方法 |
CN107248158A (zh) * | 2017-07-20 | 2017-10-13 | 广东工业大学 | 一种图像处理的方法及系统 |
Non-Patent Citations (3)
Title |
---|
CHI-HO CHAN: "Fabric Defect Detection by Fourier Analysis", 《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》 * |
闫真真: "TFT_LCD点线缺陷检测图像处理算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
陈勇: "基于机器视觉的表面缺陷检测系统的算法研究及软件设计", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619624A (zh) * | 2019-08-22 | 2019-12-27 | 深圳大学 | 一种图像分解方法及装置 |
CN110619624B (zh) * | 2019-08-22 | 2022-03-01 | 深圳大学 | 一种图像分解方法及装置 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN110530883B (zh) * | 2019-09-30 | 2022-08-02 | 凌云光技术股份有限公司 | 一种缺陷检测方法 |
CN111369480A (zh) * | 2020-01-20 | 2020-07-03 | 凌云光技术集团有限责任公司 | 一种处理周期性纹理的方法及装置 |
CN111369480B (zh) * | 2020-01-20 | 2023-10-24 | 凌云光技术股份有限公司 | 一种处理周期性纹理的方法及装置 |
CN113643271A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种基于频域滤波的图像瑕疵检测方法及装置 |
CN113658154A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于频域周期性纹理去除的图像检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961225A (zh) | 周期性纹理抑制方法以及装置 | |
Jin et al. | Sparse and low-rank decomposition of a Hankel structured matrix for impulse noise removal | |
CN108399611B (zh) | 基于梯度正则化的多聚焦图像融合方法 | |
CN107563974B (zh) | 图像去噪方法、装置、电子设备及存储介质 | |
CN111192226B (zh) | 一种图像融合去噪方法及装置、系统 | |
CN112513936A (zh) | 图像处理方法、装置及存储介质 | |
CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
CN112508816A (zh) | 一种红外图像锐化方法、锐化处理系统及终端设备 | |
Muhammad et al. | Frequency component vectorisation for image dehazing | |
Hu et al. | An efficient fusion algorithm based on hybrid multiscale decomposition for infrared-visible and multi-type images | |
Huang et al. | Image noise removal method based on improved nonlocal mean algorithm | |
Gao et al. | Infrared and visible image fusion using dual-tree complex wavelet transform and convolutional sparse representation | |
Peng et al. | Hyperspectral image enhancement with vector bilateral filtering | |
Hu et al. | A region-based video de-noising algorithm based on temporal and spatial correlations | |
CN111260590B (zh) | 图像降噪方法及相关产品 | |
CN115018730A (zh) | 一种图像条纹噪声的去除方法、装置、设备及介质 | |
Wu et al. | Lapepi-net: A Laplacian pyramid EPI structure for learning-based dense light field reconstruction | |
Liu et al. | Kinect depth inpainting via graph laplacian with tv21 regularization | |
Ousguine et al. | A new image interpolation using gradient-orientation and cubic spline interpolation | |
Aydin et al. | A linear well-posed solution to recover high-frequency information for super resolution image reconstruction | |
CN114202466A (zh) | 图像降噪方法、装置、电子设备及存储介质 | |
Aydin et al. | Volumetric super-resolution of multispectral data | |
Sun et al. | Complementary coded aperture set for compressive high-resolution imaging | |
Cohen et al. | Image and video restoration via Ising-like models | |
Chan et al. | A good image model eases restoration-on the contribution of Rudin-Osher-Fatmi's BV image model |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |