CN109859162B

CN109859162B - 一种针对于工业相机周期性条纹自动化测试方法

Info

Publication number: CN109859162B
Application number: CN201811552793.2A
Authority: CN
Inventors: 高晓阳; 宋伟铭; 周中亚; 刘敏; 刘强强
Original assignee: Beijing Daheng Image Vision Co ltd; China Daheng Group Inc Beijing Image Vision Technology Branch
Current assignee: Beijing Daheng Image Vision Co ltd; China Daheng Group Inc Beijing Image Vision Technology Branch
Priority date: 2018-12-19
Filing date: 2018-12-19
Publication date: 2020-10-27
Anticipated expiration: 2038-12-19
Also published as: CN109859162A

Abstract

本发明公开了一种针对于工业相机周期性条纹自动化测试方法，该方法包括：步骤10，获取检测靶标的待检测图像；步骤20，根据接收到的检测指令和待检测图像，生成检测像素集合，其中，检测指令包括竖条纹检测指令和横条纹检测指令，检测像素集合中的元素为待检测图像的每一列或每一行的像素平均灰度值；步骤30，根据检测像素集合中元素的第一差值，生成数字码点集合；步骤40，根据数字码点集合中的数字码点，确定数字码点对应的元素的标号；步骤50，根据数字码点、标号和预设差值比例阈值，生成图像检测信息。通过本发明中的技术方案，提高周期性条纹检测的准确性和可靠性，提高工业相机的产品质量。

Description

一种针对于工业相机周期性条纹自动化测试方法

技术领域

本发明涉及相机质量检测的技术领域，具体而言，涉及一种针对于工业相机周期性条纹自动化测试方法。

背景技术

随着图像处理技术的不断发展，工业相机被频繁地应用于工业检测之中，工业相机拍摄图像的图像质量，影响着工业检测的准确度。由于工业相机在生产、装配过程中的质量问题，导致工业相机拍摄图像后，图像存在周期性条纹的可能性，降低了工业检测的准确性。

而现有技术中，通常是采用邻近降采样的缩放方法，对拍摄的标准图像进行缩放，提升标准图像的灰度值差异表现，再由检测人员通过人眼对缩放后的标准图像进行检测，由于周期性条纹的像素灰度值差异较小、性状不一、出现位置不固定等因素，导致检测周期性条纹的可靠性较低，且存在人为因素的影响。

发明内容

本发明的目的在于：提高周期性条纹检测的准确性和可靠性，提高工业相机的产品质量。

本发明的技术方案是：提供了一种针对于工业相机周期性条纹自动化测试方法，该方法包括：步骤10，获取检测靶标的待检测图像；步骤20，根据接收到的检测指令和待检测图像，生成检测像素集合，其中，检测指令包括竖条纹检测指令和横条纹检测指令，检测像素集合中的元素为待检测图像的每一列或每一行的像素平均灰度值；步骤30，根据检测像素集合中元素的第一差值，生成数字码点集合；步骤40，根据数字码点集合中的数字码点，确定数字码点对应的元素的标号；步骤50，根据数字码点、标号和预设差值比例阈值，生成图像检测信息。

上述任一项技术方案中，进一步地，步骤30，具体包括：步骤31，计算检测像素集合中相邻的两个元素之间的第一差值；步骤32，根据第一差值的大小、元素对应的标号和预设数字码，确定元素对应的像素数字码；步骤33，根据像素数字码和标号，生成数字码点集合。

上述任一项技术方案中，进一步地，步骤32，具体包括：步骤320，当判定第一差值小于0.4或大于-0.4时，确定像素数字码为预设数字码中的0；步骤321，当判定第一差值小于或等于-0.4时，判断标号是否为奇数，若是，确定像素数字码为预设数字码中的1，若否，确定像素数字码为预设数字码中的2；步骤322，当判定第一差值大于或等于0.4时，判断标号是否为奇数，若是，确定像素数字码为预设数字码中的3，若否，确定像素数字码为预设数字码中的4。

上述任一项技术方案中，进一步地，步骤33，具体包括：步骤331，确定元素对应的标号为数字码点的序号；步骤332，确定元素对应的像素数字码为数字码点的第一坐标数；步骤333，确定元素对应的相邻的下一个像素数字码为数字码点的第二坐标数；步骤334，根据数字码点的序号、第一坐标数和第二坐标数，生成数字码点；步骤335，根据数字码点，生成数字码点集合。

上述任一项技术方案中，进一步地，步骤40之后，具体还包括：步骤41，分别计算数字码点集合中，除第一类数字码点外，各类数字码点的第一比例，其中，第一类数字码点为第一坐标数等于第二坐标数的数字码点；步骤42，判断第一比例是否小于预设第一比例阈值，若是，执行步骤43，若否，执行步骤50；步骤43，生成图像检测正常信息。

上述任一项技术方案中，进一步地，步骤41之前，具体还包括：步骤40A，计算第一类数字码点在数字码点集合中的第二比例；步骤40B，判断第二比例是否小于预设第二比例阈值，若是，执行步骤41，若否，执行步骤40C；步骤40C，生成图像检测正常信息。

上述任一项技术方案中，进一步地，步骤50，具体包括：步骤51，提取数字码点集合中相同的数字码点，生成数字码点子集；步骤52，计算数字码点子集中相同的两个数字码点对应的标号之间的第二差值；步骤53，计算数字码点子集中相同的第二差值的差值比例；步骤54，根据差值比例和预设差值比例阈值之间的大小关系，生成图像检测信息。

上述任一项技术方案中，进一步地，步骤54，具体包括：步骤540，当判定差值比例大于预设差值比例阈值时，生成图像检测异常信息；步骤541，当判定差值比例小于或等于预设差值比例阈值时，生成图像检测正常信息，其中，图像检测信息包括图像检测异常信息和图像检测正常信息。

本发明的有益效果是：通过计算待检测图像的每一列或每一行的像素平均灰度值，获取像素平均灰度值的变化趋势，并进行赋值，组成数字码点，有利于提高检测周期性条纹的抗干扰性，通过数字码点计算出像素平均灰度值周期性变化对应的行标号或者列标号，进而确定是否存在横条纹或者竖条纹，提高周期性条纹检测的准确性和可靠性，降低了因灰度值变化不明显导致检测错误的可能性，减小了周期性条纹检测过程中人为因素的影响，有利于提高工业相机的产品质量。

附图说明

本发明的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明的一个实施例的针对于工业相机周期性条纹自动化测试方法的示意流程图；

图2是根据本发明的一个实施例的行像素平均灰度值曲线；

图3是根据本发明的一个实施例的部分行像素平均灰度值曲线；

图4是根据本发明的一个实施例的列像素平均灰度值曲线；

图5是根据本发明的一个实施例的部分列像素平均灰度值曲线。

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进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互结合。

在下面的描述中，阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例：

以下将参照图1-5对本发明的实施方式进行说明。

如图1所示，本实施例提供的一种针对于工业相机周期性条纹自动化测试方法，包括下列步骤：

步骤10，获取检测靶标的待检测图像；

步骤20，根据接收到的检测指令和待检测图像，生成检测像素集合，其中，检测指令包括竖条纹检测指令和横条纹检测指令，检测像素集合中的元素为待检测图像的每一列或每一行的像素平均灰度值；

具体地，对于任一待检测图像，均是由多个像素点排列而成，由于工业相机在生产、装配过程中的质量问题，会导致待检测图像中出现周期性的竖条纹和/或周期性的横条纹，因此，在检测周期性条纹的过程中，可以先检测竖条纹再检测横条纹。

本实施例以检测周期性竖条纹为例，对周期性条纹自动化测试方法进行说明。由于周期性条纹的最小出现周期为2，即每个一列出现一次像素点灰度值的变化，可以为灰度值增加或者灰度值减小，因此，在接收到竖条纹检测指令时，逐列扫描检测靶标的待检测图像，计算待检测图像的每一列像素点的像素平均灰度值，先求取每一列中像素点灰度值的和值，再计算和值的平均值，记作该列像素点的像素平均灰度值。得到像素平均灰度值之后，按照每一列像素点的顺序，生成检测像素集合。若每一列像素点的像素平均灰度值均为255，则对应的检测像素集合为[255，255，…，255]，其中，任一像素平均灰度值为该检测像素集合中对应的元素。

步骤30，根据检测像素集合中元素的第一差值，生成数字码点集合；

在该步骤30中，具体包括：

步骤31，计算检测像素集合中相邻的两个元素之间的第一差值；

具体地，设定检测像素集合N＝[x₁，x₂，...，x_n]，x_i为检测像素集合N中的第i个元素，其数值大小为对应的像素平均灰度值，标号i＝1，2，...，n，n为待检测图像中像素列数的最大值，且n为偶数，第一差值y_j＝x_i-x_i+1，即将第i个元素与第i+1个元素之间的差，记作第j个第一差值y_j，j＝1，2，...，n-1。

步骤32，根据第一差值的大小、元素对应的标号和预设数字码，确定元素对应的像素数字码，其中，预设数字码可以设定为0，1，2，3，4。

具体地，计算相邻的两个元素之间的第一差值y_j，根据第一差值y_j的大小和预设数字码，确定第一差值y_j对应的预设数字码，再根据第一差值y_j与元素x_i对应的标号i之间的对应关系，确定元素x_i对应的像素数字码z，像素数字码z的取值为0，1，2，3，4。

在该步骤32，具体包括：

步骤320，当判定第一差值小于0.4或大于-0.4时，确定像素数字码为预设数字码中的0；

具体地，当-0.4＜第一差值y_j＜0.4时，表明元素x_i和元素x_i+1之间的像素平均灰度值没有发生变化，确定元素x_i对应的像素数字码z_i＝0。

步骤321，当判定第一差值小于或等于-0.4时，判断标号是否为奇数，若是，确定像素数字码为预设数字码中的1，若否，确定像素数字码为预设数字码中的2；

具体地，当第一差值y_j≤-0.4，且标号i为奇数时，确定元素x_i对应的像素数字码z_i＝1，表明标号i为奇数的元素x_i的像素平均灰度值将上升；当第一差值y_j≤-0.4，且标号i为偶数时，确定元素x_i对应的像素数字码z_i＝2，表明标号i为偶数的元素x_i的像素平均灰度值将上升。

步骤322，当判定第一差值大于或等于0.4时，判断标号是否为奇数，若是，确定像素数字码为预设数字码中的3，若否，确定像素数字码为预设数字码中的4。

具体地，当第一差值y_j≥0.4，且标号i为奇数时，确定元素x_i对应的像素数字码z_i＝3，表明标号i为奇数的元素x_i的像素平均灰度值将下降；当第一差值y_j≥0.4，且标号i为偶数时，确定元素x_i对应的像素数字码z_i＝4，表明标号i为偶数的元素x_i的像素平均灰度值将下降。

步骤33，根据像素数字码和标号，生成数字码点集合。

具体地，数字码点集合M＝[(z₁，z₂)，(z₃，z₄)，…，(z_n-3，z_n-2)]，表明待检测图像相邻两列像素点的像素平均灰度值的变化规律，例如，(z₁，z₂)＝(1，2)时，表明第一列的像素点的像素平均灰度值增加且第二列的像素点的像素平均灰度值增加。

在该步骤33中，具体包括：

步骤331，确定标号中奇数标号为数字码点的序号；

步骤332，确定奇数标号对应的像素数字码为数字码点的第一坐标数；

步骤333，确定奇数标号相邻的下一个标号对应的像素数字码为数字码点的第二坐标数；

具体地，由于数字码点由两个像素数字码组成，奇数标号对应的像素数字码为第一坐标数，相邻的下一个偶数标号对应的像素数字码为第二坐标数，因此，最后一个数字码点m_w的序号w＝n-3，序号w＝1，3，5，...，n-3。其中，第一坐标数包括1、3和0，第二坐标数包括2、4、0。

步骤334，根据序号、第一坐标数和第二坐标数，生成数字码点；

具体地，元素x_i对应的数字码点m_w＝(z_i，z_i+1)，其中，i为奇数。

步骤335，根据数字码点，生成数字码点集合。

步骤40，根据数字码点集合中的数字码点，确定数字码点对应的元素的标号；

具体地，当生成数字码点集合M之后，对于数字码点集合M中的任一数字码点m_w，能确定唯一的标号i。

进一步地，步骤40之后，具体还包括：步骤41，分别计算数字码点集合中，除第一类数字码点外，各类数字码点的第一比例，其中，第一类数字码点为第一坐标数等于第二坐标数的数字码点；

具体地，生成的数字码点有以下组合：(1,2)，(3,4)，(0,0)，(1,4)，(1,0)，(3,2)，(3,0)，(0,4)，(0,2)，第一类数字码点为(0，0)，表示待检测图像中对应的像素平均灰度值没有变化，其余各类数字码点则表示像素平均灰度值存在变化，因此，计算除第一类数字码点外，各类数字码点对应的第一比例，可以得出各类像素平均灰度值变化趋势在待检测图像中所占的比例。

步骤42，判断第一比例是否小于预设第一比例阈值，若是，执行步骤43，若否，执行步骤50；

步骤43，生成图像检测正常信息。

具体地，通过判断第一比例是否小于预设第一比例阈值，确定任一第一比例对应的任一类数字码点在数字码点集合中所占的比例是否满足判断出现周期性条纹的条件，当判定第一比例小于预设第一比例阈值时，则不符合存在周期性条纹的条件，当判定第一比例大于或等于预设第一比例阈值时，则符合存在周期性条纹的条件，设定第一比例阈值P1的计算公式为：

式中，s为第一类数字码点的个数。

进一步地，步骤41之前，具体还包括：步骤40A，计算第一类数字码点在数字码点集合中的第二比例；步骤40B，判断第二比例是否小于预设第二比例阈值，若是，执行步骤41，若否，执行步骤40C；步骤40C，生成图像检测正常信息。

具体地，在判断是否符合存在周期性条纹的条件之前，为了提高周期性条纹的检测速度，首先计算第一类数字码点在数字码点集合中的第二比例，即计算像素平均灰度值没有变化的列像素或者行像素在待检测图像中所占的比例，当第二比例大于或等于预设第二比例阈值时，则认为待检测图像中不存在周期性条纹，其中，第二比例阈值为89％。

步骤50，根据数字码点、标号和预设差值比例阈值，生成图像检测信息。

在该步骤50中，具体包括：

步骤51，滤除第一坐标数和第二坐标数相等的数字码点；

步骤52，提取剩余数字码点集合中重复出现次数最多的数字码点，生成数字码点子集；

具体地，生成的数字码点有以下组合：(1,2)，(3,4)，(0,0)，(1,4)，(1,0)，(3,2)，(3,0)，(0,4)，(0,2)，若每一列像素点的像素平均灰度值均为255，则对应的数字码点集合M＝[(0,0)，(0,0)，…，(0,0)]。因此，滤除由数字码点(0，0)组成的数字码点子集。对于存在周期性竖条纹的待检测图像而言，其数字码点集合M中存在重复出现的一种或多种组合，提取重复出现次数最多的数字码点，生成对应的数字码点子集，数字码点子集中的数字码点表明变化趋势相同的元素的列标号。

步骤53，计算数字码点子集中相邻的两个数字码点对应的标号之间的第二差值；

具体地，元素x_i对应的标号i与数字码点m_w的序号w的取值相等，对于由相同数字码点组成的数字码点子集而言，表示了待检测图像中，像素平均灰度值变化趋势相同的所有列像素点位置的集合，计算相邻两个数字码点对应标号之间的第二差值，即可以求出列像素点像素平均灰度值相同变化趋势之间所间隔的列数差，当该列数差重复出现多次时，表明该列数对应于周期性出现的竖条纹。

步骤54，计算数字码点子集中相同的第二差值的差值比例；

步骤55，根据差值比例和预设差值比例阈值之间的大小关系，生成图像检测信息，其中，图像检测信息包括图像检测异常信息和图像检测正常信息。

具体地，对于数字码点子集中，变化趋势相同的列像素点之间的列标号差(第二差值)可能存在多种数值，只有当任一个列标号差出现的差值比例大于预设差值比例阈值的情况下，才可以判定待检测图像中出现了周期性竖条纹，为了提高检测的准确性，可以设定预设差值比例阈值为50％。

在该步骤55中，具体包括：

步骤550，当判定差值比例大于预设差值比例阈值时，生成图像检测异常信息；

步骤551，当判定差值比例小于或等于预设差值比例阈值时，生成图像检测正常信息。

具体地，设定测试环境为均匀光照，并使用平面光源，以减小光照环境的影响，设定待检测图像中存在网格型(同时存在横条纹和竖条纹)周期性条纹，横条纹和竖条纹的出现周期均为4，待检测图像中横条纹对应的每一行平均灰度值变化如图2所示，待检测图像中竖条纹对应的每一列平均灰度值变化如图3所示。

首先对横条纹进行检测，计算待检测图像中每一行平均灰度值，如图2所示，可见每一行的平均灰度值的变化是无规律的，选取部分行的平均灰度值，如图3所示，第1813行(标号)像素平均灰度值A和第1817行像素平均灰度值B对应的数字码点均为(1，4)，表示奇数行像素平均灰度值上升，且偶数行像素平均灰度值下降。通过对数字码点集合M中的数字码点进行统计，数字码点(1，4)重复出现的次数最多，因此，根据数字码点(1，4)生成数字码点子集，计算相邻的两个数字码点对应标号之间的差值(第二差值)，再计算差值出现的比例(差值比例)，具体地计算结果如表1所示。

表1

标号的差值	出现的次数(次)	比例(％)
			2	193	18.58％
4	827	79.60％
			6	7	0.67％
8	11	1.06％
			12	11	0.10％

通过比较各差值出现的差值比例与预设差值比例阈值50％的大小关系，可以判断出是否出现周期性横条纹，即可以判断本实施例中待检测图像每隔4行出现一次周期性横条纹。

其次对竖条纹进行检测，计算待检测图像中每一列平均灰度值，如图4所示，可见每一列的平均灰度值的变化是无规律的，选取部分列的平均灰度值，如图5所示，第81列(标号)像素平均灰度值C和第84列像素平均灰度值D对应的数字码点均为(1，4)，表示奇数行像素平均灰度值上升，且偶数行像素平均灰度值下降。具体地计算结果如表2所示。

表2

标号的差值	出现的次数(次)	占比(％)
			4	246	97.23％
8	6	2.37％
			12	1	0.40％

通过比较各差值出现的差值比例与预设差值比例阈值50％的大小关系，可以判断出是否出现周期性竖条纹，即可以判断本实施例中待检测图像每隔4列出现一次周期性竖条纹。

本发明中的步骤可根据实际需求进行顺序调整、合并和删减。

本发明装置中的单元可根据实际需求进行合并、划分和删减。

尽管参考附图详地公开了本发明，但应理解的是，这些描述仅仅是示例性的，并非用来限制本发明的应用。本发明的保护范围由附加权利要求限定，并可包括在不脱离本发明保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。

Claims

1.一种针对于工业相机周期性条纹自动化测试方法，其特征在于，该方法包括：

步骤10，获取检测靶标的待检测图像；

步骤20，根据接收到的检测指令和所述待检测图像，生成检测像素集合，其中，所述检测指令包括竖条纹检测指令和横条纹检测指令，所述检测像素集合中的元素为所述待检测图像的每一列或每一行的像素平均灰度值；

步骤30，根据所述检测像素集合中所述元素的第一差值，生成数字码点集合，其中，所述步骤30，具体包括：

步骤31，计算所述检测像素集合中相邻的两个所述元素之间的所述第一差值；

步骤320，当判定所述第一差值小于预设阈值的正值或大于所述预设阈值的负值时，确定所述检测像素集合中元素对应的像素数字码为预设数字码中的第一字码；

步骤321，当判定所述第一差值小于或等于所述预设阈值的负值时，判断所述检测像素集合中元素的标号是否为奇数，若是，确定所述像素数字码为所述预设数字码中的第二字码，若否，确定所述像素数字码为所述预设数字码中的第三字码；

步骤322，当判定所述第一差值大于或等于所述预设阈值的正值时，判断所述检测像素集合中元素的标号是否为奇数，若是，确定所述像素数字码为所述预设数字码中的第四字码，若否，确定所述像素数字码为所述预设数字码中的第五字码；

步骤33，根据所述像素数字码和所述像素数字码的标号，生成所述数字码点集合；

步骤40，根据所述数字码点集合中的数字码点，确定所述数字码点对应的所述元素的标号；

步骤50，根据所述数字码点、所述数字码点对应的所述元素的标号和预设差值比例阈值，生成图像检测信息。

2.如权利要求1所述的针对于工业相机周期性条纹自动化测试方法，其特征在于，所述步骤33，具体包括：

步骤331，确定所述像素数字码的标号中的奇数标号为数字码点的序号；

步骤332，确定所述奇数标号对应的所述像素数字码为所述数字码点的第一坐标数；

步骤333，确定所述奇数标号相邻的下一个所述像素数字码的标号对应的所述像素数字码为所述数字码点的第二坐标数；

步骤334，根据所述序号、所述第一坐标数和所述第二坐标数，生成所述数字码点；

步骤335，根据所述数字码点，生成所述数字码点集合。

3.如权利要求2所述的针对于工业相机周期性条纹自动化测试方法，其特征在于，所述步骤50，具体包括：

步骤51，滤除所述第一坐标数和所述第二坐标数相等的所述数字码点；

步骤52，提取剩余所述数字码点集合中重复出现次数最多的所述数字码点，生成数字码点子集；

步骤53，计算所述数字码点子集中相邻的两个所述数字码点对应的所述元素的标号之间的第二差值；

步骤54，计算所述数字码点子集中相同的所述第二差值的差值比例；

步骤55，根据所述差值比例和所述预设差值比例阈值之间的大小关系，生成所述图像检测信息。

4.如权利要求3所述的针对于工业相机周期性条纹自动化测试方法，其特征在于，所述步骤55，具体包括：

步骤550，当判定所述差值比例大于所述预设差值比例阈值时，生成图像检测异常信息；

步骤551，当判定所述差值比例小于或等于所述预设差值比例阈值时，生成图像检测正常信息，其中，所述图像检测信息包括所述图像检测异常信息和所述图像检测正常信息。