CN110009612B - 基于亚像素精度的手机镜头视窗玻璃图像分割方法 - Google Patents

基于亚像素精度的手机镜头视窗玻璃图像分割方法 Download PDF

Info

Publication number
CN110009612B
CN110009612B CN201910244185.3A CN201910244185A CN110009612B CN 110009612 B CN110009612 B CN 110009612B CN 201910244185 A CN201910244185 A CN 201910244185A CN 110009612 B CN110009612 B CN 110009612B
Authority
CN
China
Prior art keywords
image
image area
region
area
processing
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
Application number
CN201910244185.3A
Other languages
English (en)
Other versions
CN110009612A (zh
Inventor
熊节
周秋俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Haoshi Photoelectric Technology Co ltd
Original Assignee
Anhui Haoshi Photoelectric Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Haoshi Photoelectric Technology Co ltd filed Critical Anhui Haoshi Photoelectric Technology Co ltd
Priority to CN201910244185.3A priority Critical patent/CN110009612B/zh
Publication of CN110009612A publication Critical patent/CN110009612A/zh
Application granted granted Critical
Publication of CN110009612B publication Critical patent/CN110009612B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/13—Edge 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

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

本发明公开了基于亚像素精度的手机镜头视窗玻璃图像分割方法，包括：步骤1，进行灰度直方图处理；步骤2，生成算法处理；步骤3，得到原图像的最小轮廓；步骤4，进行矩形拟合算法处理；步骤5，进行交集算法处理；步骤6，得到第二图像区域；步骤7，得到第三图像区域；步骤8，进行交集运算；步骤9，做减法运算；步骤10，利用图像交集运算；步骤11，对第四图像进行灰度直方图处理；步骤12，选择区域部分；步骤13，利用图像交集运算；步骤14，做减法运算；步骤15，进行交集运算。该方法克服现有技术中通常采用传统的人工目检方式，即人工利用放大镜，对玻璃进行全面的检查，但此种方法不仅效率低下且无法保证准确性的问题。

Description

基于亚像素精度的手机镜头视窗玻璃图像分割方法
技术领域
本发明涉及机器视觉检测领域，具体地，涉及一种基于亚像素精度的手机镜头视窗玻璃图像分割方法。
背景技术
随着当代社会经济的飞速发展，支付宝、微信等一系列与生活工作相关的APP应运而生，智能手机成为人们生活中不可或缺的工具。手机摄像头是智能手机的重要组成部分之一，其功能在常用的APP中起到了举足轻重的作用，而手机镜头前的视窗玻璃的品质直接决定了相机拍摄的效果。
手机镜头视窗玻璃在生产工艺中会出现点胶、脏污、水渍、溢胶、划伤等缺陷，目前绝大多数工厂还是采用传统的人工目检方式，即人工利用放大镜，对玻璃进行全面的检查，但此种方法不仅效率低下且无法保证准确性。
因此，提供一种在使用过程中基于机器视觉方法的镜头视窗玻璃缺陷自动检测，具有效率高、检测质量佳、准确率高的基于亚像素精度的手机镜头视窗玻璃图像分割方法是本发明亟需解决的问题。
发明内容
针对上述技术问题，本发明的目的是克服现有技术中通常采用传统的人工目检方式，即人工利用放大镜，对玻璃进行全面的检查，但此种方法不仅效率低下且无法保证准确性的问题，从而提供一种在使用过程中基于机器视觉方法的镜头视窗玻璃缺陷自动检测，具有效率高、检测质量佳、准确率高的基于亚像素精度的手机镜头视窗玻璃图像分割方法。
为了实现上述目的，本发明提供了一种基于亚像素精度的手机镜头视窗玻璃图像分割方法，所述方法包括：
步骤1，对原图像进行灰度直方图处理，根据图像灰阶值差异性原理，选择合适的阈值范围得到原始图像区域；
步骤2，在原始图像区域上进行亚像素精度下的轮廓生成算法处理，得到原图像的亚像素精度轮廓；
步骤3，利用面积特征根据算法得到原图像的最小轮廓；
步骤4，对步骤3的轮廓进行矩形拟合算法处理，再得到第一图像区域；
步骤5，将所述步骤4处理得到的矩形区域与原图像进行交集算法处理，得到第一图像；
步骤6，根据步骤5的第一图像处理得到第二图像区域；
步骤7，将第一图像区域与第二图像区域进行区域相减得到第三图像区域；
步骤8，利用第二图像区、第三图像区域分别与第一图像进行交集运算，得到第二图像和第三图像；
步骤9，将步骤1得到的原始图像区域与步骤4得到的第一图像区域做减法运算，得到第四图像区域；
步骤10，利用图像交集运算，从原图像中分离出第四图像区域范围的第四图像；
步骤11，根据图像灰阶值不同，对第四图像进行灰度直方图处理；
步骤12，根据区域的最大直径的特征选择步骤11中区域部分，得到第五图像区域，并对第五图像区域进行处理得到封闭的区域；
步骤13，利用图像交集运算，从第四图像中分离出第五图像区域范围的第五图像，在第五图像的基础上进行欠胶缺陷检测；
步骤14，将第四图像区域与第五图像区域做减法运算得到第六图像区域；
步骤15，将第四图像与第六图像区域进行交集运算，得到第六图像，在第六图像的基础上进行溢胶算法的缺陷检测。
优选地，所述步骤1和步骤2之间还包括以下步骤：对步骤1的原始图像区域进行开运算处理，去除图像细小噪声的影响。
优选地，步骤4中算法处理后得到轮廓的中心点坐标和长、宽、角度特征，并根据这些特征得到第一图像区域。
优选地，步骤6中是根据步骤5的第一图像进行灰度直方图处理，按照HD区域灰阶值高于玻璃区域的特征，分离出视窗玻璃中HD区域得到第二图像区域的。
优选地，所述步骤11中对第四图像处理后选择合适的阈值得到边界平滑的区域，并将此图像区域进行区域连通处理。
优选地，所述步骤12中对第五图像区域进行的处理包括：形态学腐蚀算法和区域合并。
根据上述技术方案，本发明提供的基于亚像素精度的手机镜头视窗玻璃图像分割方法克服现有技术中通常采用传统的人工目检方式，即人工利用放大镜，对玻璃进行全面的检查，但此种方法不仅效率低下且无法保证准确性的问题。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明的一种优选的实施方式中提供的基于亚像素精度的手机镜头视窗玻璃图像分割方法中原始图像区域的示意图；
图2是本发明的一种优选的实施方式中提供的基于亚像素精度的手机镜头视窗玻璃图像分割方法中步骤3处理后的原始图像区域的示意图；
图3是本发明的一种优选的实施方式中提供的基于亚像素精度的手机镜头视窗玻璃图像分割方法中步骤8处理后的得到的第二图像和第三图像的示意图；
图4是本发明的一种优选的实施方式中提供的基于亚像素精度的手机镜头视窗玻璃图像分割方法中步骤10处理后的得到的第四图像的示意图。
附图说明
A第一图像 B第二图像
C第三图像 D第四图像
E第五图像 F第六图像
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
在本发明中，在未作相反说明的情况下，“上、下、内、外”等包含在术语中的方位词仅代表该术语在常规使用状态下的方位，或为本领域技术人员理解的俗称，而不应视为对该术语的限制。
如图1-3所示，本发明提供了一种基于亚像素精度的手机镜头视窗玻璃图像分割方法，所述方法包括：
步骤1：对原图像进行灰度直方图处理，根据图像灰阶值差异性原理，选择合适的阈值范围得到原始图像区域，其原始图像区域如附图1所示意。
步骤2：在开运算操作后的图像区域上进行亚像素精度下的轮廓生成算法处理，得到原图像的亚像素精度轮廓，如附图2所示意。
步骤3：根据附图2中图像轮廓面积大小的不同，利用面积特征根据算法得到其最小轮廓。
步骤4：对步骤3的轮廓进行矩形拟合算法处理，得到轮廓的中心点坐标和长、宽、角度等特征，并根据此类参数得到第一图像区域。
步骤5：原图与步骤4第一图像区域进行交集算法处理，得到第一图像，即分割得到如附图2中A所示的图像。
步骤6：对步骤5第一图像进行灰度直方图处理，按照HD区域灰阶值高于玻璃区域的特征，分离出视窗玻璃中HD区域即第二图像区域。
步骤7：将第一图像区域与第二图像区域进行区域相减得到第三图像区域；
步骤8：利用第二图像区域、第三图像区域分别与第一图像进行交集运算，得到第二图像和第三图像。如附图3中B所示区域为第二图像，C所示区域为第三图像。
步骤9：将步骤1得到的原始图像区域与步骤4得到的第一图像区域做减法运算，得到第四图像区域。
步骤10：利用图像交集运算，从原图中分离出第四图像区域范围的图像4，即图像4是原图减去图像1之后的图像。附图4中所示4所示区域即为第四图像。
步骤11：根据图像灰阶值不同，对第四图像进行灰度直方图处理，选择合适的阈值得到边界平滑的区域，并将此图像区域进行区域连通处理。
步骤12：根据区域的最大直径的特征选择步骤11中区域部分，得到第五图像区域，并对此区域进行形态学腐蚀算法、区域合并等操作，得到封闭的区域。
步骤13：利用图像交集运算，从第四图像区域中分离出第五图像区域范围的第五图像，在第五图像基础上进行欠胶缺陷检测。附图3中所示E区域为第五图像。
步骤14：将第四图像区域与第五图像区域做减法运算得到第六图像区域；
步骤15：将第四图像区域与第六图像区域进行交集运算，得到第六图像，在第六图像的基础上进行溢胶算法的缺陷检测。附图3中所示F区域为第六图像。
根据上述技术方案，本发明提供的基于亚像素精度的手机镜头视窗玻璃图像分割方法克服现有技术中通常采用传统的人工目检方式，即人工利用放大镜，对玻璃进行全面的检查，但此种方法不仅效率低下且无法保证准确性的问题。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (6)

1.一种基于亚像素精度的手机镜头视窗玻璃图像分割方法，其特征在于，所述方法包括：
步骤1，对原图像进行灰度直方图处理，根据图像灰阶值差异性原理，选择合适的阈值范围得到原始图像区域；
步骤2，在原始图像区域上进行亚像素精度下的轮廓生成算法处理，得到原图像的亚像素精度轮廓；
步骤3，利用面积特征根据算法得到原图像的最小轮廓；
步骤4，对步骤3的轮廓进行矩形拟合算法处理，再得到第一图像区域；
步骤5，将所述步骤4处理得到的矩形区域与原图像进行交集算法处理，得到第一图像(A)；
步骤6，根据步骤5的第一图像(A)处理得到第二图像区域；
步骤7，将第一图像区域与第二图像区域进行区域相减得到第三图像区域；
步骤8，利用第二图像区域、第三图像区域分别与第一图像进行交集运算，得到第二图像(B)和第三图像(C)；
步骤9，将步骤1得到的原始图像区域与步骤4得到的第一图像区域做减法运算，得到第四图像区域；
步骤10，利用图像交集运算，从原图像中分离出第四图像区域范围的第四图像(D)；
步骤11，根据图像灰阶值不同，对第四图像进行灰度直方图处理；
步骤12，根据区域的最大直径的特征选择步骤11中区域部分，得到第五图像区域，并对第五图像区域进行处理得到封闭的区域；
步骤13，利用图像交集运算，从第四图像中分离出第五图像区域范围的第五图像(E)，在第五图像的基础上进行欠胶缺陷检测；
步骤14，将第四图像区域与第五图像区域做减法运算得到第六图像区域；
步骤15，将第四图像与第六图像区域进行交集运算，得到第六图像(F)，在第六图像的基础上进行溢胶算法的缺陷检测。
2.根据权利要求1所述的基于亚像素精度的手机镜头视窗玻璃图像分割方法，其特征在于，所述步骤1和步骤2之间还包括以下步骤：对步骤1的原始图像区域进行开运算处理，去除图像细小噪声的影响。
3.根据权利要求1所述的基于亚像素精度的手机镜头视窗玻璃图像分割方法，其特征在于，步骤4中算法处理后得到轮廓的中心点坐标和长、宽、角度特征，并根据这些特征得到第一图像区域。
4.根据权利要求1所述的基于亚像素精度的手机镜头视窗玻璃图像分割方法，其特征在于，步骤6中是根据步骤5的第一图像(A)进行灰度直方图处理，按照HD区域灰阶值高于玻璃区域的特征，分离出视窗玻璃中HD区域得到第二图像区域的。
5.根据权利要求1所述的基于亚像素精度的手机镜头视窗玻璃图像分割方法，其特征在于，所述步骤11中对第四图像处理后选择合适的阈值得到边界平滑的区域，并将此图像区域进行区域连通处理。
6.根据权利要求1所述的基于亚像素精度的手机镜头视窗玻璃图像分割方法，其特征在于，所述步骤12中对第五图像区域进行的处理包括：形态学腐蚀算法和区域合并。
CN201910244185.3A 2019-03-28 2019-03-28 基于亚像素精度的手机镜头视窗玻璃图像分割方法 Active CN110009612B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910244185.3A CN110009612B (zh) 2019-03-28 2019-03-28 基于亚像素精度的手机镜头视窗玻璃图像分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910244185.3A CN110009612B (zh) 2019-03-28 2019-03-28 基于亚像素精度的手机镜头视窗玻璃图像分割方法

Publications (2)

Publication Number Publication Date
CN110009612A CN110009612A (zh) 2019-07-12
CN110009612B true CN110009612B (zh) 2023-09-26

Family

ID=67168648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910244185.3A Active CN110009612B (zh) 2019-03-28 2019-03-28 基于亚像素精度的手机镜头视窗玻璃图像分割方法

Country Status (1)

Country Link
CN (1) CN110009612B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447851A (zh) * 2015-11-12 2016-03-30 刘新辉 一种玻璃面板的音孔缺陷检测方法及系统
CN106097308A (zh) * 2016-05-31 2016-11-09 长沙理工大学 一种基于机器视觉的新能源电动车辆充电孔检测与定位方法
CN106404793A (zh) * 2016-09-06 2017-02-15 中国科学院自动化研究所 基于视觉的轴承密封件缺陷检测方法
CN107346545A (zh) * 2017-05-22 2017-11-14 沈阳工业大学 用于视杯图像分割的改进区域生长方法
WO2018176189A1 (zh) * 2017-03-27 2018-10-04 上海联影医疗科技有限公司 图像分割的方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5275017B2 (ja) * 2008-12-25 2013-08-28 株式会社日立ハイテクノロジーズ 欠陥検査方法及びその装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447851A (zh) * 2015-11-12 2016-03-30 刘新辉 一种玻璃面板的音孔缺陷检测方法及系统
CN106097308A (zh) * 2016-05-31 2016-11-09 长沙理工大学 一种基于机器视觉的新能源电动车辆充电孔检测与定位方法
CN106404793A (zh) * 2016-09-06 2017-02-15 中国科学院自动化研究所 基于视觉的轴承密封件缺陷检测方法
WO2018176189A1 (zh) * 2017-03-27 2018-10-04 上海联影医疗科技有限公司 图像分割的方法及系统
CN107346545A (zh) * 2017-05-22 2017-11-14 沈阳工业大学 用于视杯图像分割的改进区域生长方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Automatic surface defect detection for mobile phone screen glass based on machine vision";Chuanxia Jian等;《Applied Soft Computing》;20161025;第348-358页 *
"产品表面缺陷在线检测方法研究及系统实现";彭向前;《中国博士学位论文全文数据库 信息科技辑》;20091215;第I140-38页 *
"基于改进梯度算法的液晶屏亚像素级缺陷快速检测";钱基德等;《计算机应用》;20170615;第201-205页 *

Also Published As

Publication number Publication date
CN110009612A (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
CN112927189B (zh) 一种电镀工件表面瑕疵视觉检测中边缘反射光斑剔除方法
CN110717872B (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取系统
CN110021012B (zh) 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法
CN107228860B (zh) 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN111462054B (zh) 一种点胶质量检测方法
CN108665458B (zh) 透明体表面缺陷提取及识别方法
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN113763350B (zh) 一种胶线检测方法、装置、胶线检测设备及存储介质
CN109986172B (zh) 一种焊缝定位方法、设备及系统
CN103175844A (zh) 一种金属零部件表面划痕缺陷检测方法
CN110060239B (zh) 一种用于瓶子瓶口的缺陷检测方法
CN107480662B (zh) 一种霉菌图像识别方法及其装置
CN116773548B (zh) 一种晶圆表面缺陷检测方法及系统
CN113674206A (zh) 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法
CN112102278A (zh) 一种基于计算机视觉的金属工件加工面缺陷检测方法
CN113513991A (zh) 一种电池极片毛刺高度检测方法及装置
CN112529893A (zh) 基于深度神经网络的轮毂表面瑕疵在线检测方法及系统
CN108986160A (zh) 一种含有镜面反射光干扰的图像激光中心线提取方法
CN106447683A (zh) 一种圆的特征提取算法
CN110009612B (zh) 基于亚像素精度的手机镜头视窗玻璃图像分割方法
CN116883446B (zh) 一种车载摄像头镜片碾磨程度实时监测系统
CN116930195B (zh) 用于五金加工的智能cam系统及表面缺陷检测方法、设备
CN103163156A (zh) 一种基于机器视觉技术的镜片疵病自动分级方法

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