CN110189322B - 平整度检测方法、装置、设备、存储介质及系统 - Google Patents
平整度检测方法、装置、设备、存储介质及系统 Download PDFInfo
- Publication number
- CN110189322B CN110189322B CN201910483595.3A CN201910483595A CN110189322B CN 110189322 B CN110189322 B CN 110189322B CN 201910483595 A CN201910483595 A CN 201910483595A CN 110189322 B CN110189322 B CN 110189322B
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- standard
- skeleton line
- sub
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 242
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000009466 transformation Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 17
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000009432 framing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T7/97—Determining parameters from multiple pictures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种平整度检测方法、装置、设备、存储介质及系统,涉及设备检测领域,其包括:获取包含目标物体检测面的图像;提取图像中目标对象的骨架线,目标对象位于目标物体的检测面中;计算骨架线与标准骨架线的误差值,标准骨架线为标准对象的骨架线,标准对象位于标准物体的检测面中;根据误差值确定检测面的平整度检测结果。采用上述方法可以解决现有技术中平整度检测速度慢、精确度低以及成本高的技术问题。
Description
技术领域
本发明实施例涉及设备检测技术领域,尤其涉及一种平整度检测方法、装置、设备、存储介质及系统。
背景技术
随着智能化技术的发展,日常生活中人们接触的电子产品种类以及工厂中使用的自动化设备种类日益丰富。然而,各类设备中通常配置有用于输入指令的按键。当按键较多时,为了便于用户操作,将按键集成在按键区域内。如电脑的键盘,可以认为是一个典型的按键区域。
一般而言,在设备出厂前,需要进行严格的测试。此时,对于按键而言,需要对其键帽的平整度进行检测。其中,键帽是用户主要接触的部分,如果键帽高低不平,则会影响用户敲击按键时的舒适度和流畅度。现有技术中,对于平整度的检测方式分为四类:一类为人工检测,一类为机械探针检测,一类为3D激光扫描检测,一类为线阵相机检测。其中,人工检测需要耗费大量的人力物力,且误判率高;机械探针检测的设备成本和维护费用高;3D激光扫描检测需要移动三维传感器,使得检测速度慢且误差高。线阵相机检测是根据相邻按键间隙的像素数得到检测结果,该方法的精确度低。
综上,如何快速、准确以及低成本地对键帽进行平整度检测,成为了亟待解决的问题。
发明内容
本发明提供了一种平整度检测方法、装置、设备、存储介质及系统,以解决现有技术中平整度检测速度慢、精确度低以及成本高的技术问题。
第一方面,本发明实施例提供了一种平整度检测方法,包括:
获取包含目标物体检测面的图像;
提取所述图像中目标对象的骨架线,所述目标对象位于目标物体的检测面中;
计算所述骨架线与标准骨架线的误差值,所述标准骨架线为标准对象的骨架线,所述标准对象位于标准物体的检测面中;
根据所述误差值确定所述检测面的平整度检测结果。
进一步的,所述获取包含目标物体检测面的图像包括:
获取多幅子图像,各所述子图像对应目标物体检测面的不同位置区域;
对多幅所述子图像进行拼接处理,以得到包含完整目标物体检测面的图像。
进一步的,所述对多幅所述子图像进行拼接处理,以得到包含完整目标物体检测面的图像包括:
获取两幅位置互邻的子图像,两幅所述子图像中任一幅为参考图像,另一幅为待修正图像;
根据两幅子图像的重合区域确定两幅子图像之间的角度差异;
根据所述角度差异对所述待修正图像进行角度矫正,以得到修正图像;
对所述修正图像和参考图像进行拼接;
遍历全部位置互邻的子图像后,得到包含完整目标物体检测面的图像。
进一步的,所述根据两幅子图像的重合区域确定两幅子图像之间的角度差异包括:
确认两幅子图像的重合区域;
在两个重合区域中选择同一区域范围的子区域,所述子区域包括位于参考图像的参考区域和位于待修正图像的待修正区域;
通过频域变换,分别得到所述参考区域的参考频域能量图和所述待修正区域的待修正频域能量图;
将所述参考频域能量图和待修正频域能量图分别转换成对数极坐标参考图和对数极坐标待修正图;
计算所述对数极坐标参考图和对数极坐标待修正图的互功率谱;
根据所述互功率谱确定两幅子图像之间的角度差异。
进一步的,所述对所述修正图像和参考图像进行拼接包括:
在所述修正图像中,查找与所述参考区域匹配的位置区域;
根据所述位置区域和所述参考区域,对所述修正图像和参考图像进行拼接。
进一步的,所述提取所述图像中目标对象的骨架线之前,还包括:
对所述图像进行二值化处理,得到二值化图像,所述二值化图像的前景部分由目标对象构成。
进一步的,所述提取所述图像中目标对象的骨架线包括:
获取所述前景部分内各前景像素点的邻域像素点集;
按照设定排列顺序,遍历邻域像素点集内各像素点以得到像素变化次数,所述像素变化次数为邻域像素点集中背景像素点到前景像素点的变化次数;
确定所述邻域像素点集内前景像素点的数量;
根据所述像素变化次数和前景像素点的数量修正对应前景像素点的像素值;
遍历所述前景部分的全部前景像素点后,得到所述目标对象的骨架线。
进一步的,所述计算所述骨架线与标准骨架线的误差值包括:
获取骨架线的多个待测关键点以及标准骨架线的多个标准关键点,所述待测关键点和所述标准关键点一一对应;
计算每个所述待测关键点和对应的标准关键点的坐标差值;
对全部坐标差值求和,以得到所述骨架线与标准骨架线的误差值。
进一步的,所述获取骨架线的多个待测关键点包括:
获取基准框,所述基准框用于框定所述目标对象;
确定所述基准框和所述目标对象的交点,并将所述交点确定为待测关键点。
进一步的,所述待测关键点的数量为至少四个,
还包括:
根据所述待测关键点的像素坐标,选择最外围的四个待测关键点;
获取每个最外围的待测关键点与对应标准关键点的坐标差值;
根据所述坐标差值与标准差值的比对结果,确定所述目标物体检测面的边角卷曲结果。
进一步的,所述目标物体为键盘键帽,所述检测面为键帽中印有字符的平面,所述目标对象为所述字符。
第二方面,本发明实施例还提供了一种平整度检测装置,包括:
图像获取模块,用于获取包含目标物体检测面的图像;
骨架线提取模块,用于提取所述图像中目标对象的骨架线,所述目标对象位于目标物体的检测面中;
误差值计算模块,用于计算所述骨架线与标准骨架线的误差值,所述标准骨架线为标准对象的骨架线,所述标准对象位于标准物体的检测面中;
结果确定模块,用于根据所述误差值确定所述检测面的平整度检测结果。
第三方面,本发明实施例还提供了一种平整度检测设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的平整度检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的平整度检测方法。
第五方面,本发明实施例还提供了一种平整度检测系统,包括:检测台、图像拍摄模块以及如第三方面所述的平整度检测设备;
所述检测台,用于固定目标物体;
所述图像拍摄模块与所述平整度检测设备相连,用于拍摄包含目标物体检测面的图像,并发送至所述平整度检测设备。
上述平整度检测方法、装置、设备、存储介质及系统,通过获取包含目标物体检测面的图像,并在图像中提取位于目标物体检测面上的目标对象的骨架线,并将该骨架线与标准物体检测面上标准对象的标准骨架线进行比对,以得到骨架线与标准骨架线的误差值,并基于误差值确定目标物体检测面的平整度检测结果的技术方案,实现了对目标物体检测面的平整度检测。同时,利用检测面中骨架线进行检测,可以保证检测结果的准确性,且检测精度高。对于同类型的目标物体,采用同一标准物体进行参考,加快了检测速度,且利用机器视觉技术进行平整度检测,仅需对包含目标物体的图像进行处理,降低了检测复杂度以及检测成本。
附图说明
图1为本发明实施例一提供的一种平整度检测方法的流程图;
图2为本发明实施例二提供的一种平整度检测方法的流程图;
图3为本发明实施例二提供的目标物体的二值化图像;
图4为本发明实施例二提供的8邻域像素点位置示意图;
图5为本发明实施例二提供的目标对象的骨架线示意图;
图6为本发明实施例二提供的基准框示意图;
图7为本发明实施例二提供的框定目标对象的示意图;
图8为本发明实施例三提供的一种平整度检测装置的结构示意图;
图9为本发明实施例四提供的一种平整度检测设备的结构示意图;
图10为本发明实施例六提供的一种平整度检测系统的结构示意图;
图11为本发明实施例六提供的一种检测台的立体图;
图12为本发明实施例六提供的另一种检测台的正视图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种平整度检测方法的流程图。实施例中提供的平整度检测方法可以由平整度检测设备执行,该平整度检测设备可以通过软件和/或硬件的方式实现,该平整度检测设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。例如,平整度检测设备可以是手机、工业控制计算机等。实施例中,以平整度检测设备为工业控制计算机为例进行描述。
可选的,平整度检测设备可以作为独立的设备,直接获取外部输入的图像数据进行处理。或者,平整度检测设备也可以集成在平整度检测系统中,此时,平整度检测设备可以获取平整度检测系统内其他数据采集设备获取的数据,并进行处理。当平整度检测设备集成在平整度检测系统中时,平整度检测系统中还包括:检测台和图像拍摄模块。检测台用于固定待检测的目标物体。图像拍摄模块用于拍摄包含目标物体的图像,并发送至平整度检测设备中进行数据处理。进一步的,检测台的顶部具有用于安装图像拍摄模块的支架。通常,目标物体放置在检测台时,其水平中心线位于图像拍摄模块镜头的正下方。进一步的,图像拍摄模块的水平两侧对称设置有光源。可选的,检测台上设置有压板,该压板用于固定目标物体。检测台下方设置有气动装置,该气动装置与平整度检测设备相连。平整度检测设备可以调节气动装置的气压,以使气动装置上下移动,进而带动压板上下移动,以便于放置或取出目标物体。
具体的,参考图1,该平整度检测方法具体包括:
步骤110、获取包含目标物体检测面的图像。
示例性的,目标物体为待检测平整度的物体,目标物体的数量可以是一个或多个,当目标物体为多个时,其可以集成在同一实体上。实施例中,以目标物体为键盘的键帽为例。由于键盘上包含多个键帽,且每个键帽的位置固定,为了简化检测过程,实施例中设定同时对键盘中的全部键帽进行平整度检测。此时,目标物体为多个。进一步的,检测面为目标物体上需要检测平整度的平面。当目标物体为键帽时,检测面为用户使用时的触摸面,即印有字符的平面。
典型的,包含目标物体检测面的图像可以由图像拍摄模块拍摄并发送至平整度检测设备中。通常,为了使图像中包含完整、清晰、准确的目标物体检测面,可以结合实际情况确定图像拍摄模块内的相机数量及拍摄位置。例如,目标物体为键盘的全部键帽时,由于键盘自身为长方形,且长边和短边具有较大的长度差,因此,为了得到准确的图像,可以设定图像拍摄模块包括多个相机,且各相机水平排列,同时,各相邻相机之间的距离相等。此时,键盘在水平方向上等分成多个位置区域,且每个位置区域对应一个相机。再如,目标物体为正方形物体时,可以设定图像拍摄模块包括至少4个相机,且各相机排列后组成正方矩阵。并将正方形物体均分为多个子正方形,且每个子正方形对应一个相机。
进一步的,当图像拍摄模块包括多个相机时,平整度检测设备可以获取多个相机拍摄的子图像,并对子图像进行拼接,以得到包含完整目标物体检测面的图像。其中,拼接子图像的具体手段实施例不作限定。例如,采用相位相关法,对待拼接的相邻两幅子图像进行频域变换,之后,通过它们的互功率谱直接计算出两幅子图像间的平移矢量,进而根据平移矢量实现图像拼接。再如,对待拼接的相邻两幅子图像进行频域变换,之后,对两幅频域能量图进行对数极坐标变换,并基于变换结果确定两幅子图像间的角度差异,进而根据角度差异实现图像拼接。又如,获取两幅子图像中的特征点(如边界点、拐点),并确定各特征点间的对应关系,进而利用对应关系确定两幅子图像间的坐标变换关系,并根据坐标变换关系实现图像拼接。
步骤120、提取图像中目标对象的骨架线,目标对象位于目标物体的检测面中。
具体的,目标对象为目标物体检测面中的标志性图案,其可以是印制的,也可以是刻制的。一般而言,目标对象占据检测面的一定区域,且和检测面的其他区域明显区分。以目标物体为键帽为例,那么,目标对象可以为印制在键帽上的字符。
典型的,目标对象的骨架线可以理解为对目标对象的抽象描述。进一步的,提取目标对象的骨架线时,首先,识别出目标对象在图像中的像素点。其中,识别过程实施例不作限定。例如,通过二值化处理将图像转换为二值化图像,并将目标对象作为前景部分,其他区域作为背景部分。之后,基于目标对象在图像中的像素点确定骨架线。在确定骨架线时,可以是由目标对象的边界向内部做缓冲区,以提取出骨架线,还可以是利用8邻域像素法通过识别目标对象中各像素点的相邻像素点的方式提取骨架线。
步骤130、计算骨架线与标准骨架线的误差值,标准骨架线为标准对象的骨架线,标准对象位于标准物体的检测面中。
示例性的,如果目标物体检测面不平整,那么,骨架线在图像中的像素坐标与目标物体检测面平整时骨架线在图像中的像素坐标不同。据此,实施例中设定通过标准物体作为参考,以确定目标对象的骨架线的像素坐标是否准确。其中,标准物体与目标物体为相同的物体,且标准物体的检测面的平整度检测结果为合格。例如,目标物体为键盘的键帽,那么标准物体为与目标物体相同的键盘的键帽,即目标物体的键帽与标准物体的键帽存在一一对应关系。进一步的,标准物体检测面与目标物体检测面为相同面。同样的,标准物体检测面中存在标准对象。标准对象与目标对象为图案相同的对象,且存在一一对应关系。例如,目标对象为键帽上“Esc”字符,其对应的标准对象为标准键帽上的“Esc”字符。
进一步的,平整度检测设备中可以预先存储包含标准物体检测面的图像,且包含标准物体检测面的图像与包含目标物体检测面的图像的像素大小相同、拍摄角度相同、拍摄设备型号及参数均相同,以保证后续像素比对的准确性。
进一步的,将标准对象的骨架线记为标准骨架线。具体的,标准骨架线与骨架线的提取方式相同。为了便于理解,实施例中,将标准骨架线在对应图像中的像素坐标记为标准坐标,以与骨架线的像素坐标进行区分。
示例性的,比对骨架线与标准骨架线以得到误差值。其中,误差值为骨架线的像素坐标与标准骨架线的标准坐标之间的差异值。确定误差值时,可以是将骨架线的像素坐标与标准骨架线中对应的标准坐标进行逐个比对,以确定每个像素坐标与对应标准坐标的单个坐标差值,并对坐标差值求和,以得到误差值。其中,计算坐标差值时,分别计算x方向的差异值和y方向的差异值,再基于两个差异值得到像素坐标的坐标差值。进一步的,确定误差值时,还可以是在骨架线中选择多个关键点,并计算每个关键点的像素坐标与标准骨架线中对应标准坐标的坐标差值,并求和得到误差值。其中,关键点的选择方式实施例不做限定。例如,选择骨架线中最外围的像素点作为关键点。再如,人工标定基准框,选取基准框与骨架线的交点作为关键点。
步骤140、根据误差值确定检测面的平整度检测结果。
实施例中,设定平整度检测结果包括合格和不合格。
具体的,预先设定不同误差阈值,当误差值小于误差阈值时,说明骨架线的像素坐标与标准骨架线的像素坐标基本相同,即目标物体检测面的平整度检测结果为合格。否则,说明骨架线的像素坐标与标准骨架线的像素坐标差异较大,即目标物体检测面的平整度检测结果为不合格。其中,误差阈值的具体值可以根据实际情况设定,实施例对此不作限定。
上述,通过获取包含目标物体检测面的图像,并在图像中提取位于目标物体检测面上的目标对象的骨架线,并将该骨架线与标准物体检测面上标准对象的标准骨架线进行比对,以得到骨架线与标准骨架线的误差值,并基于误差值确定目标物体检测面的平整度检测结果的技术方案,实现了对目标物体检测面的平整度检测。同时,利用检测面中骨架线进行检测,可以保证检测结果的准确性,且检测精度高。对于同类型的目标物体,采用同一标准物体进行参考,加快了检测速度,且利用机器视觉技术进行平整度检测,仅需对包含目标物体的图像并进行处理,降低了检测复杂度以及检测成本。
实施例二
图2为本发明实施例二提供的一种平整度检测方法的流程图。本实施例是在上述实施例的基础上进行具体化。
本实施例中,目标物体为键盘键帽,检测面为键帽中印有字符的平面,目标对象为字符。
具体的,目标物体为键盘键帽,其可以是键盘中某个特定键帽、几个特定键帽或者全部键帽。实施例中,以目标物体为键盘中的全部键帽为例进行描述。进一步的,检测面为键帽中印有字符的平面,即用户触摸面。其中,每个键帽检测面上分别印有字母、数字和/或符号等字符,实施例中,将键帽中印有字符作为该键帽的目标对象。
具体的,参考图2,本实施例提供的平整度检测方法具体包括:
步骤201、获取多幅子图像,各子图像对应目标物体检测面的不同位置区域。
具体的,图像拍摄模块包括多个等距、平行的相机。各相机位于键盘水平中心线的正上方,即各相机的连线与水平线中心线平行。进一步的,每个相机可以拍摄键盘的部分位置区域,其也可以理解为将键盘以水平方向等分为若干个位置区域,每个位置区域对应一个相机。可以理解的是,每个相机的型号、拍摄参数相同,每个相机获取的子图像的大小也相同。
步骤202、对多幅子图像进行拼接处理,以得到包含完整目标物体检测面的图像。
具体的,预先记录各相机的排列顺序,并根据排列顺序对各子图像进行拼接,以得到包含完整键盘键帽的图像。或者是,对各子图像中键帽的字符进行识别,以确定各子图像相对于键盘的位置信息,进而根据位置信息对子图像进行拼接,以得到包含完整键盘键帽的图像。
进一步的,实际应用中,为了保证图像完整性,在拍摄各子图像时,相邻相机会出现拍摄重合区域,即位置相邻的子图像间会出现部分重复显示的内容。因此,在图像拼接时,为了保证准确性,需要消除重合区域。据此,实施例中设定该步骤具体包括:步骤2021-步骤2025:
步骤2021、获取两幅位置互邻的子图像,两幅子图像中任一幅为参考图像,另一幅为待修正图像。
实施例中,以预先明确各相机的排列顺序为例。具体的,根据相机排列顺序,确定各子图像的位置关系,进而根据位置关系确定各子图像的相邻关系。
进一步的,获取位置互邻的子图像。其中,除去位于两端的子图像外,剩余的每幅子图像均有两幅与其位置互邻的子图像。此时,可以获取任意两幅位置互邻的子图像。或者是,根据各子图像的位置关系确定子图像排列顺序,并根据子图像排列顺序获取排列最前的两幅位置互邻的子图像。例如,设定包含Esc键的子图像位于子图像排列顺序的最前端。此时,优先获取该子图像和其位置互邻的子图像。当上述两幅子图像处理完毕后,会被拼接成一幅图像,此时,可以将拼接得到的图像作为新的子图像,并根据子图像排列顺序,将新的子图像和其位置互邻的子图像作为当前获取的两幅子图像,并进行拼接处理,直到全部子图像均处理完毕,得到一幅完整的图像为止。
进一步的,考虑到实际应用中,对于两幅位置互邻的子图像而言,由于拍摄相机不同,因此,会存在角度差异。举例而言,两个相邻相机在拍摄时,两个镜头与重合区域具有不同的相对位置关系,因此,重合区域在两幅子图像的显示内容存在角度差异。其中,角度差异的具体数据为角度值。进一步的,为了消除角度差异,实施例中,设定两幅子图像中的任一幅记为参考图像,另一幅记为待修正图像。其中,参考图像是指在拼接时不作修改,用于作为基准的子图像。待修正图像是指根据角度差异进行修改,以保证与参考图像准确拼接的子图像。通常,为了减轻数据处理量,实施例中设定根据排列顺序确定参考图像和待修正图像。即将排列在前的子图像作为参考图像。
步骤2022、根据两幅子图像的重合区域确定两幅子图像之间的角度差异。
具体的,比较重合区域中同一键帽字符的像素坐标确定角度差异,或者是,基于重合区域的频域能量图确定角度差异。实施例中,以基于重合区域的频域能量图确定角度差异为例进行表述。此时,该步骤具体包括步骤20221-步骤20226:
步骤20221、确认两幅子图像的重合区域。
具体的,可以通过人工标定的方式确定重合区域,或者是,通过图像识别确定重复显示内容,进而得到重合区域。再或是,根据相邻相机的距离及摄像参数计算子图像中的重合区域。
步骤20222、在两个重合区域中选择同一坐标范围的子区域,子区域包括位于参考图像的参考区域和位于待修正图像的待修正区域。
具体的,在参考图像的重合区域中,选择间隔一定像素距离的两列像素点,并以两列像素点作为边界,组成一个子区域,并记为参考区域。同时,在待修正图像中,选择同样坐标范围且显示内容相同的子区域,记为待修正区域。其中,坐标范围包括像素区域的大小及形状。此时,参考区域和待修正区域包含两个限定条件:坐标范围相同、显示内容相同。确定参考区域和待修正区域的好处是,相比于处理重合区域可以减小数据处理量。需要说明的是,上述两列像素点之间的像素距离可以结合实际情况弹性设定。当子图像的像素较大时,像素距离可以选择较大的值,当子图像的像素较小时,像素距离可以选择较小的值。
步骤20223、通过频域变换,分别得到参考区域的参考频域能量图和待修正区域的待修正频域能量图。
具体的,分别对参考区域和待修正区域进行频域变换,以得到参考频域能量图和待修正频域能量图。其中,频域变换的具体手段为傅里叶变换。进一步的,分别对参考频域能量图和待修正频域能量图进行高通滤波,以保证准确性。
步骤20224、将参考频域能量图和待修正频域能量图分别转换成对数极坐标参考图和对数极坐标待修正图。
具体的,对参考频域能量图进行对数极坐标变换,以得到对数极坐标参考图。同样的,对待修正频域能量图进行对数极坐标变换,以得到对数极坐标待修正图。此时,可以将参考区域和待修正区域之间的旋转关系转换成平移关系。
步骤20225、计算对数极坐标参考图和对数极坐标待修正图的互功率谱。
具体的,计算对数极坐标参考图和对数极坐标待修正图的互功率谱,可以体现出对数极坐标参考图和对数极坐标待修正图之间的相关关系。其中,互功率谱的计算方式为现有技术。
步骤20226、根据互功率谱确定两幅子图像之间的角度差异。
具体的,对互功率谱进行反傅里叶变换,并找寻反傅里叶变换结果的峰值,通过该峰值得到角度差异。一般而言,峰值表示参考区域和待修正区域最相关,即参考区域和待修正区域最相似。
可以理解的是,上述仅为一种确定角度差异的方式,实际应用中,还可以基于互功率谱,对待修正频域能量图进行旋转,并在旋转过程中,与参考频域能量图进行匹配,以找寻最匹配的旋转角度,并作为角度差异。也可以是,预先对参考区域和待修正区域进行对数极坐标变换得到参考对数极坐标图和待修正对数极坐标图,之后,对参考对数极坐标图和待修正对数极坐标图进行傅里叶变换,以得到对应的能量图,之后,基于两幅能量图确定互功率谱,并对互功率谱进行反傅里叶变换,以通过反傅里叶变换结果的峰值确定角度差异。
步骤2023、根据角度差异对待修正图像进行角度矫正,以得到修正图像。
具体的,确定角度差异后,对待修正图像进行角度矫正,以消除与参考图像之间的角度差异。在对待修正图像进行角度矫正时,采用仿射变换的方式。其中,仿射变换的公式可以为:
步骤2024、对修正图像和参考图像进行拼接。
具体的,由于已经消除了角度差异,因此,在进行拼接时,仅需处理修正图像和参考图像内的重合区域。其中,对重合区域的处理方式可以根据实际情况设定。实施例中,以通过位置匹配的方式处理重合区域为例。此时,该步骤具体包括步骤20241-步骤20242:
步骤20241、在修正图像中,查找与参考区域匹配的位置区域。
具体的,将参考区域作为模板,在修正图像的重合区域中查找匹配的位置区域。其中,在查找位置区域时,可以是利用图像识别的方式,在修正图像的重合区域中寻找与参考区域的显示内容最相似的区域,作为位置区域。
步骤20242、根据位置区域和参考区域,对修正图像和参考图像进行拼接。
示例性的,基于位置区域将修正图像分为两个部分,一部分包含位置区域并以位置区域为边界,通常,该部分与参考图像的部分显示内容重合。另一部分为修正图像中的剩余部分。之后,在参考图像中,将修正图像的剩余部分与参考区域拼接在一起。其中,在拼接时,确定剩余部分边界点与相邻的位置区域边界点的位置关系。之后,在参考区域中确定与位置区域边界点相同的像素点,进而根据位置关系进行拼接。
步骤2025、遍历全部位置互邻的子图像后,得到包含完整目标物体检测面的图像。
具体的,处理完当前两幅位置互邻的子图像后,确定是否存在未被拼接的子图像,若存在未被拼接的子图像,则获取该子图像以及与其位置互邻的子图像,即返回执行步骤2021,直到全部子图像均被拼接为止。
进一步的,全部子图像均被拼接后,得到包含键盘全部键帽的图像。
步骤203、对图像进行二值化处理,得到二值化图像,二值化图像的前景部分由目标对象构成。
示例性的,为了便于提取字符的骨架线,实施例中,设定通过二值化处理,提取图像中显示的各字符。具体的,二值化处理是指将图像转换成仅包含两个像素值的图像,即二值化图像。其中,前景部分各像素点采用一个像素值,背景部分采用另一个像素值。二值化处理的具体手段可以根据实际情况设定,例如采用大津算法(OTSU)、水壶算法(Kettle)等。实施例中,通过二值化处理,可以将图像内字符区域作为前景部分,剩余区域作为背景区域。图3为本发明实施例二提供的目标物体的二值化图像。参考图3,对图像进行二值化处理后,得到了灰度二值化图像,其中,白色部分为前景部分,其具体为各键帽上显示的字符。黑色部分为背景部分,其具体为键盘中除去字符外的其他区域。进一步的,对于二值化图像而言,白色像素点的像素值通常记为1,黑色像素点的像素值通常记为0。
可选了,为了保证二值化处理的准确度。在二值化处理前,对图像的显示参数进行调整。其中,显示参数包括对比度和/或亮度。通过调整显示参数,可以更为明显的区分字符与键盘中的其他区域。进一步的,调整显示参数后,可以对图像进行高斯滤波,以消除图像中的噪声点。
步骤204、获取前景部分内各前景像素点的邻域像素点集。
具体的,在二值化图像中,获取显示字符的各像素点,并将该像素点记为前景像素点。之后,确定每个前景像素点的相邻像素点,并组成该前景像素点的邻域像素点集。其中,邻域像素点集可以根据实际情况设定,例如,选择前景像素点的8邻域像素点组成邻域像素点集。又如,选择位于前景像素点的左、右、上、下像素点组成邻域像素点集。实施例中,以8邻域像素点为例进行描述。设定前景像素点记为P1,8邻域像素点分别记为P2、P3、P4、P5、P6、P7、P8以及P9。此时,8邻域像素点与前景像素点的位置关系参考图4。可以理解的是,由图3可知,前景像素点并非图像的边界点,因此,每个前景像素点均存在对应的8邻域像素点。
步骤205、按照设定排列顺序,遍历邻域像素点集内各像素点以得到像素变化次数,像素变化次数为邻域像素点集中背景像素点到前景像素点的变化次数。
其中,设定排列顺序是指遍历邻域像素点集内各像素点的顺序,其可以根据实际需求设定。实施例中,设定排列顺序为P2、P3、P4、P5、P6、P7、P8、P9。进一步的,像素变化次数是指按照设定排列顺序遍历邻域像素点集时,像素值发生变化的次数。实施例中,以像素变化次数为邻域像素点集中背景像素点到前景像素点的变化次数为例进行描述。典型的,遍历邻域像素点集时,检测到由背景像素点遍历到前景像素点,即像素值由0变为1,则像素变化次数加1。举例而言,P2至P9的像素值依次为0、0、1、1、0、0、1、0,此时,像素变化次数为2,即P3至P4以及P7至P8。
步骤206、确定邻域像素点集内前景像素点的数量。
具体的,确定邻域像素点集内前景像素点的数量也可以理解为确定邻域像素点集内像素值为1的像素点数量。例如,P2至P9的像素值依次为0、0、1、1、0、0、1、0,那么,前景像素点的数量为3。
步骤207、根据像素变化次数和前景像素点的数量修正对应前景像素点的像素值。
设定前景像素点P1的像素变化次数记为Z0(P1),8邻域内前景点数量记为N(P1)。具体的,设定若2<=N(P1)<=6,且Z0(P1)=1,若P1*P3*P7=0且P1*P5*P7=0,则将P1的像素值改为背景像素0,其中,P1*P3*P7=0是指P1、P3、P7中至少一个像素点为背景像素点,P1*P5*P7=0是指P1、P5、P7中至少一个像素点为背景像素点,或,若2<=N(P1)<=6,且Z0(P1)=1以及P1*P3*P5=0且P3*P5*P7,则将P1的像素值改为0,其中,P1*P3*P5=0是指P1、P3、P5中至少一个像素点为背景像素点。P3*P5*P7=0是指P3、P5、P7中至少一个像素点为背景像素点。
进一步的,由于经过上步图像中的字符并未细化为单一像素,当Z0(P1)=2时,邻域像素点排列方式共有16种情况,若Z0(P1)=2时,将对应的前景像素点改为背景像素点,则会出现骨架线不连续的情况,因此,实施例中设定当Z0(P1)=2时,若N(P1)=2,则将P1修改为背景像素点;若N(P1)=3或N(P1)=4,且遍历P8、P9、P2、P3四个连续的像素点时,出现由背景像素点变为前景像素点以及由前景像素点变为背景像素点各一次的情况,则将P1修改为背景像素点。此时会删除16种情况种10种,得到了理想的细化骨架。
步骤208、遍历前景部分的全部前景像素点后,得到目标对象的骨架线。
具体的,确定是否还存在未修正的前景像素点,若存在,则返回执行步骤204,并确定前景像素点的邻域像素点集,之后,对前景像素点进行修正,直到遍历全部前景像素点为止。
进一步的,遍历全部前景像素点后,便可以得到目标对象的骨架线,即得到各键帽上字符的骨架线。此时,二值化图像变为包含键盘字符的单像素骨架线图像。其中,图5为本发明实施例二提供的目标对象的骨架线示意图。参考图5,其为部分键帽上字符的单像素骨架线图像。
步骤209、获取骨架线的多个待测关键点以及标准骨架线的多个标准关键点,待测关键点和标准关键点一一对应。
具体的,标准骨架线与骨架线的生成方式相同,即预先进行图像拼接以得到包含标准物体检测面的图像,并二值化处理,之后获取图像中标准对象的标准骨架线,上述过程可以参考目标物体的对应处理过程,在此不做赘述。可以理解的是,为了简便处理,可以将标准物体与目标物体放置在同样位置,并由同样的图像拍摄模块进行拍摄,此时,标准物体的子图像与目标物体的子图像具有相同的角度差异,因此,在后续图像拼接的过程,可以直接采用先前得到的角度差异。举例而言,先对目标物体对应的子图像进行图像拼接,并在拼接过程中确定了角度差异。后对标准物体对应的子图像进行图像拼接,那么,在拼接过程中,可以直接采用前述确定的角度差异。
进一步的,得到标准骨架线后,生成单像素标准骨架线图像。单像素标准骨架线图像与单像素骨架线图像的像素大小相同。
示例性的,在骨架线上获取多个关键点,记为待测关键点。在对应的标准骨架线中获取同样个数的关键点,记为标准关键点。其中,待测关键点与标准关键点一一对应。典型的,一一对应只是待测关键点在骨架线中的相对位置与标准关键点在标准骨架线中的相对位置相同或高度相似。
其中,待测关键点和标准关键点的获取方式相同。实施例中以获取待测关键点的为例进行描述。此时,获取骨架线的多个待测关键点包括步骤2091-步骤2092:
步骤2091、获取基准框,基准框用于框定目标对象。
具体的,基准框用于框定目标对象。实施例中,由于将目标对象转换成骨架线,因此,设定基准框用于框定目标对象对应的骨架线。进一步的,每个目标物体均有对应的基准框,基本框的形状可以根据目标物体的形状确定。实施例中,设定基准框为矩形。例如,目标物体为键盘键帽时,图6为本发明实施例二提供的基准框示意图,由图6可知,一个矩形框301为一个基准框,每个键帽均有对应的基准框,每个基准框用于框定对应键帽上的字符。需要说明的是,图6仅用于理解基准框架。实际应用中,获取基准框框定目标对象时,基准框覆于对应的目标对象的图像上。例如,图7为本发明实施例二提供的框定目标对象的示意图。参考图7,在获取字符A的基准框架后,将基准框架覆于字符A的骨架线上,以得到图7的内容。
进一步的,基准框的生成方式,实施例不作限定。例如,采用人工的方式绘制基准框。再如,平整度检测设备基于单像素骨架线图像,按照设定框定规则生成基准框。其中,设定框定规则可以是任一相对边穿过目标对象的相应边界,另一相对边将目标对象的相应边界包含在内容。例如,设定框定规则是基准框的上下边分别穿过对应字符骨架线的顶部和底部,基准框的左右边界将字符骨架线的左右两侧包含在内部。再如,设定框定规则是基准框的左右边分别穿过对应字符骨架线的左右两侧,基准框的上下边将字符骨架线的顶部和底部包含在内部。
典型的,在生成基准框时,记录基准框的位置信息,该位置信息是指基准框在包含基准框的图像中的像素坐标。例如,以图6为例,位置信息是指各基准框在图6中的像素坐标。可选的,设定图6中键盘边框的像素大小与图3中键盘边框的像素大小相同,此时,为了便于计算,在建立像素坐标时,可以在两图中以相同的边框顶点为原点,分别建立像素坐标。进一步的,在记录位置信息时,可以仅记录各基准框架的四个顶点的坐标信息。这样,后续对其他相同目标物体进行检测时,可以根据坐标信息实现框定目标对象。
步骤2092、确定基准框和目标对象的交点,并将交点确定为待测关键点。
具体的,当基准框框定目标对象的骨架线时,存在至少两个交点。例如,图7中,基准框框定字符A的骨架线时,存在交点401、交点402、交点403以及交点404。进一步的,考虑到交点可以代表骨架线的位置特性,因此,实施例中将交点确定为待测关键点。
可以理解的是,标准关键点与待测关键点采用相同的基准框架。
步骤210、计算每个待测关键点和对应的标准关键点的坐标差值。
进一步的,由于标准关键点和待测关键点为一一对应关系。那么,当目标物体的检测面不平整时,待测关键点在单像素骨架线图像中的像素坐标与对应标准关键点在单像素标准骨架线图像中的像素坐标存在差异,据此,实施例中通过计算各待测关键点与对应的标准关键点的坐标差值确定检测面的平整度。其中,坐标差值是指待测关键点的像素坐标与标准关键点的像素坐标的差异值。具体的,设定待测关键点的像素坐标为M(x,y),对应的标准关键点的像素坐标为M’(x’,y’),那么,待测关键点和标准关键点的坐标差值为据此,可以得到每个待测关键点和对应的标准关键点的坐标差值。
步骤211、对全部坐标差值求和,以得到骨架线与标准骨架线的误差值。
具体的,将目标对象的全部坐标差值进行求和,以得到该目标对象的骨架线与对应标准骨架线的误差值。例如,将图7中字符A对应的全部坐标差值进行求和,以得到字符A的骨架线与对应标准骨架线的误差值。
步骤212、根据误差值确定检测面的平整度检测结果。
具体的,预先设定不同误差阈值,当误差值小于误差阈值时,确定检测面平整度检测合格,否则,确定平整度检测面不合格。可选的,以键帽为例,每个键盘键帽均有对应的误差阈值,且误差阈值的大小可以根据待测关键点的个数合理设置。例如,设定某个键帽的误差阈值为0.15×n,n为待测关键点的个数,误差阈值的单位为mm。通过比较误差值和误差阈值,便可以得到各键帽检测面的平整度检测结果。
上述,通过对多幅子图像进行拼接处理,得到包含目标物体检测面的图像,并对图像进行二值化处理,以得到前景部分为目标对象的二值化图像,之后,提取二值化图像中目标对象的骨架线,进而基于基准框确定骨架线的待测关键点,并通过待测关键点和标准关键点的坐标差值确定物体误差值,进而根据误差值确定目标物体检测面的平整度结果的技术手段,实现了快速、准确的检测平整度,且复用性高,对于同类型的目标物体,可以采用同一标准物体进行参考。同时,实现自动化测试,降低了人力成本。
在上述实施例的基础上,待测关键点的数量为至少四个,该方法还包括:
步骤213、根据待测关键点的像素坐标,选择最外围的四个待测关键点。
具体的,当待测关键点的数量为至少四个时,选择最外围的四个待测关键点。其中,最外围的待测关键点根据待测关键点的像素坐标确定举例而言,某个目标物体包括五个待测关键点,则五个待测关键点的坐标分别为:(12,13)、(16,13)、(12,24)、(12,35)以及(16,35)。那么,最外围的四个待测关键点为:(12,13)、(16,13)、(12,24)以及(16,35)。一般而言,将目标物体按照上下左右的方式均分成四个子区域后,每个子区域内包含一个最外围待测关键点。
步骤214、获取每个最外围的待测关键点与对应标准关键点的坐标差值。
进一步的,由于步骤210中计算了每个待测关键点对应的坐标差值,因此,本步骤中,可以直接在步骤210的计算结果中,查找最外围的四个待测关键点对应的坐标差值。
步骤215、根据坐标差值与标准差值的比对结果,确定目标物体检测面的边角卷曲结果。
具体的,标准差值可以根据实际情况确定,例如,目标物体为键帽时,标准差值为0.4mm。进一步的,依次将目标物体的每个最外围待测关键点的坐标差值与标准差值进行比对,当某个最外围的待测关键点的坐标差值大于标准差值,则说明该最外围的待测关键点所在的子区域不平整,即该子区域的边角存在卷曲,且坐标差值越大于标准差值,对应的边角的卷曲度越高。
通过上述方式,可以精确到对检测面的边角卷曲度进行检测。
实施例三
图8为本发明实施例三提供的一种平整度检测装置的结构示意图。参考图8,该平整度检测装置包括:图像获取模块501、骨架线提取模块502、误差值计算模块503以及结果确定模块504。
其中,图像获取模块501,用于获取包含目标物体检测面的图像;骨架线提取模块502,用于提取图像中目标对象的骨架线,目标对象位于目标物体的检测面中;误差值计算模块503,用于计算骨架线与标准骨架线的误差值,标准骨架线为标准对象的骨架线,标准对象位于标准物体的检测面中;结果确定模块504,用于根据误差值确定检测面的平整度检测结果。
在上述实施例的基础上,图像获取模块501包括:子图像获取子模块,用于获取多幅子图像,各子图像对应目标物体检测面的不同位置区域;图像拼接子模块,用于对多幅子图像进行拼接处理,以得到包含完整目标物体检测面的图像。
在上述实施例的基础上,图像拼接子模块包括:互邻子图像获取单元,用于获取两幅位置互邻的子图像,两幅子图像中任一幅为参考图像,另一幅为待修正图像;角度差异确定单元,用于根据两幅子图像的重合区域确定两幅子图像之间的角度差异;修正单元,用于根据角度差异对待修正图像进行角度矫正,以得到修正图像;拼接单元,用于对修正图像和参考图像进行拼接;第一遍历单元,用于遍历全部位置互邻的子图像后,得到包含完整目标物体检测面的图像。
在上述实施例的基础上,角度差异确定单元包括:重合区域确定子单元,用于确认两幅子图像的重合区域;区域选择子单元,用于在两个重合区域中选择同一区域范围的子区域,子区域包括位于参考图像的参考区域和位于待修正图像的待修正区域;频域变换子单元,用于通过频域变换,分别得到参考区域的参考频域能量图和待修正区域的待修正频域能量图;对数极坐标变换子单元,用于将参考频域能量图和待修正频域能量图分别转换成对数极坐标参考图和对数极坐标待修正图;互功率谱计算子单元,用于计算对数极坐标参考图和对数极坐标待修正图的互功率谱;角度确定子单元,用于根据互功率谱确定两幅子图像之间的角度差异。
在上述实施例的基础上,拼接单元包括:位置寻找子单元,用于在修正图像中,查找与所述参考区域匹配的位置区域;拼接子单元,用于根据位置区域和参考区域,对修正图像和参考图像进行拼接。
在上述实施例的基础上,还包括:二值化模块,用于提取所述图像中目标对象的骨架线之前,对图像进行二值化处理,得到二值化图像,二值化图像的前景部分由目标对象构成。
在上述实施例的基础上,骨架线提取模块502包括:邻域点获取子模块,用于获取前景部分内各前景像素点的邻域像素点集;次数确认子模块,用于按照设定排列顺序,遍历邻域像素点集内各像素点以得到像素变化次数,像素变化次数为邻域像素点集中背景像素点到前景像素点的变化次数;数量确定子模块,用于确定邻域像素点集内前景像素点的数量;像素值修正子模块,用于根据像素变化次数和前景像素点的数量修正对应前景像素点的像素值;第二遍历子模块,用于遍历前景部分的全部前景像素点后,得到目标对象的骨架线。
在上述实施例的基础上,误差值计算模块503包括:关键点获取子模块,用于获取骨架线的多个待测关键点以及标准骨架线的多个标准关键点,待测关键点和标准关键点一一对应;坐标差值计算子模块,用于计算每个待测关键点和对应的标准关键点的坐标差值;求和子模块,用于对全部坐标差值求和,以得到骨架线与标准骨架线的误差值。
在上述实施例的基础上,关键点获取子模块包括:框架获取单元,用于获取基准框,所述基准框用于框定目标对象;交点确定单元,用于确定基准框和目标对象的交点,并将交点确定为待测关键点;标准关键点获取单元,用于获取标准骨架线的多个标准关键点,待测关键点和所述标准关键点一一对应。
在上述实施例的基础上,待测关键点的数量为至少四个,还包括:外围关键点选择模块,用于根据待测关键点的像素坐标,选择最外围的四个待测关键点;坐标差值获取模块,用于获取每个最外围的待测关键点与对应标准关键点的坐标差值;卷曲度确定模块,用于根据坐标差值与标准差值的比对结果,确定目标物体检测面的边角卷曲结果。
在上述实施例的基础上,所述目标物体为键盘键帽,检测面为键帽中印有字符的平面,目标对象为字符。
本发明实施例提供的平整度检测装置包含在平整度检测设备中,且可用于执行上述任意实施例提供的平整度检测方法,具备相应的功能和有益效果。
实施例四
图9为本发明实施例四提供的一种平整度检测设备的结构示意图。如图9所示,该平整度检测设备包括处理器60、存储器61、输入装置62、输出装置63以及通信装置64;平整度检测设备中处理器60的数量可以是一个或多个,图9中以一个处理器60为例;平整度检测设备中的处理器60、存储器61、输入装置62、输出装置63以及通信装置64可以通过总线或其他方式连接,图9中以通过总线连接为例。
存储器61作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的平整度检测方法对应的程序指令/模块(例如,平整度检测装置中的图像获取模块501、骨架线提取模块502、误差值计算模块503和结果确定模块504)。处理器60通过运行存储在存储器61中的软件程序、指令以及模块,从而执行平整度检测设备的各种功能应用以及数据处理,即实现上述的平整度检测方法。
存储器61可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据平整度检测设备的使用所创建的数据等。此外,存储器61可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器61可进一步包括相对于处理器60远程设置的存储器,这些远程存储器可以通过网络连接至平整度检测设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置62可用于接收输入的数字或字符信息,以及产生与平整度检测设备的用户设置以及功能控制有关的键信号输入。输出装置63可包括显示屏等显示设备。通信装置64用于与图像拍摄模块进行数据通信。
上述平整度检测设备包含平整度检测装置,可以用于执行任意平整度检测方法,具备相应的功能和有益效果。
实施例五
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种平整度检测方法,该方法包括:
获取包含目标物体检测面的图像;
提取图像中目标对象的骨架线,目标对象位于目标物体的检测面中;
计算骨架线与标准骨架线的误差值,标准骨架线为标准对象的骨架线,标准对象位于标准物体的检测面中;
根据误差值确定检测面的平整度检测结果。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的平整度检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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的方法。
实施例六
图10为本发明实施例六提供的一种平整度检测系统的结构示意图。参考图,该平整度检测系统70包括:检测台71、图像拍摄模块72以及实施例四所述的平整度检测设备73。
所述检测台71,用于固定目标物体;图像拍摄模块72与平整度检测设备73相连,用于拍摄包含目标物体检测面的图像,并发送至平整度检测设备73。
具体的,以目标物体为键盘键帽为例进行描述。具体的,图11为本发明实施例六提供的一种检测台的立体图。参考图11,检测台71包括压板711,该压板711用于固定位于卡槽中的键盘74,以保证每次检测时,键盘74位于同一位置。进一步的,检测台71还包括支架712,当键盘74放置在卡槽中时,支架712位于键盘74的正上方。进一步的,支架712上可以安装图像拍摄模块72,其中,图像拍摄模块72包含多台相机,且相邻相机间距离相等,且各相机间互相平行,各相机的连线与压板711的水平中心线平行。进一步的,各相机的焦点延长线交于压板711水平中心线区域,以保证得到清晰的包含键盘键帽的图像。进一步的,检测台71还包括气动装置713,该气动装置713与平整度检测设备73相连,通过平整度检测设备73的控制,使得气动装置713的气压变化,进而控制压板711的上升和下降,以方便放置和取出键盘74。
进一步的,图12为本发明实施例六提供的另一种检测台的正视图。图12与图11相比,增加了光源75。具体的,参加图12,支架712上还安装有光源75,光源75数量为两个,且对称放置在图像拍摄模块72的两端,可选的,光源75与图像拍摄模块72的各相机位于同一直线上。进一步的,光源75可以为发光二极管(LED)光源。通过设置光源75,可以为图像拍摄模块72的拍摄提供一个良好的拍摄环境。
进一步的,图像拍摄模块72与平整度检测设备73相连。通过平整度检测设备73可控制图像拍摄模块72拍照,并获取拍摄的图像进行处理,以得到键盘键帽的平整度检测结果。
上述平整度检测系统的结构简单,便于使用。同时,该平整度检测系统可以用于实现上述任意平整度检测方法,具备相应的功能和有益效果。
值得注意的是,上述平整度检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种平整度检测方法,其特征在于,包括:
获取包含目标物体检测面的图像;
提取所述图像中目标对象的骨架线,所述目标对象位于目标物体的检测面中;
计算所述骨架线与标准骨架线的误差值,所述标准骨架线为标准对象的骨架线,所述标准对象位于标准物体的检测面中;
根据所述误差值确定所述检测面的平整度检测结果;
所述计算所述骨架线与标准骨架线的误差值包括:
获取骨架线的多个待测关键点以及标准骨架线的多个标准关键点,所述待测关键点和所述标准关键点一一对应;
计算每个所述待测关键点和对应的标准关键点的坐标差值;
对全部坐标差值求和,以得到所述骨架线与标准骨架线的误差值;
所述获取骨架线的多个待测关键点包括:
获取基准框,所述基准框用于框定所述目标对象对应的骨架线;
确定所述基准框和所述目标对象的交点,并将所述交点确定为待测关键点;
所述待测关键点的数量为至少四个,所述方法还包括:
根据所述待测关键点的像素坐标,选择最外围的四个待测关键点;
获取每个最外围的待测关键点与对应标准关键点的坐标差值;
根据所述坐标差值与标准差值的比对结果,确定所述目标物体检测面的边角卷曲结果;
所述目标物体为键盘键帽,所述检测面为键帽中印有字符的平面,所述目标对象为所述字符。
2.根据权利要求1所述的平整度检测方法,其特征在于,所述获取包含目标物体检测面的图像包括:
获取多幅子图像,各所述子图像对应目标物体检测面的不同位置区域;
对多幅所述子图像进行拼接处理,以得到包含完整目标物体检测面的图像。
3.根据权利要求2所述的平整度检测方法,其特征在于,所述对多幅所述子图像进行拼接处理,以得到包含完整目标物体检测面的图像包括:
获取两幅位置互邻的子图像,两幅所述子图像中任一幅为参考图像,另一幅为待修正图像;
根据两幅子图像的重合区域确定两幅子图像之间的角度差异;
根据所述角度差异对所述待修正图像进行角度矫正,以得到修正图像;
对所述修正图像和参考图像进行拼接;
遍历全部位置互邻的子图像后,得到包含完整目标物体检测面的图像。
4.根据权利要求3所述的平整度检测方法,其特征在于,所述根据两幅子图像的重合区域确定两幅子图像之间的角度差异包括:
确认两幅子图像的重合区域;
在两个重合区域中选择同一区域范围的子区域,所述子区域包括位于参考图像的参考区域和位于待修正图像的待修正区域;
通过频域变换,分别得到所述参考区域的参考频域能量图和所述待修正区域的待修正频域能量图;
将所述参考频域能量图和待修正频域能量图分别转换成对数极坐标参考图和对数极坐标待修正图;
计算所述对数极坐标参考图和对数极坐标待修正图的互功率谱;
根据所述互功率谱确定两幅子图像之间的角度差异。
5.根据权利要求4所述的平整度检测方法,其特征在于,所述对所述修正图像和参考图像进行拼接包括:
在所述修正图像中,查找与所述参考区域匹配的位置区域;
根据所述位置区域和所述参考区域,对所述修正图像和参考图像进行拼接。
6.根据权利要求1所述的平整度检测方法,其特征在于,所述提取所述图像中目标对象的骨架线之前,还包括:
对所述图像进行二值化处理,得到二值化图像,所述二值化图像的前景部分由目标对象构成。
7.根据权利要求6所述的平整度检测方法,其特征在于,所述提取所述图像中目标对象的骨架线包括:
获取所述前景部分内各前景像素点的邻域像素点集;
按照设定排列顺序,遍历邻域像素点集内各像素点以得到像素变化次数,所述像素变化次数为邻域像素点集中背景像素点到前景像素点的变化次数;
确定所述邻域像素点集内前景像素点的数量;
根据所述像素变化次数和前景像素点的数量修正对应前景像素点的像素值;
遍历所述前景部分的全部前景像素点后,得到所述目标对象的骨架线。
8.一种平整度检测装置,其特征在于,包括:
图像获取模块,用于获取包含目标物体检测面的图像;
骨架线提取模块,用于提取所述图像中目标对象的骨架线,所述目标对象位于目标物体的检测面中;
误差值计算模块,用于计算所述骨架线与标准骨架线的误差值,所述标准骨架线为标准对象的骨架线,所述标准对象位于标准物体的检测面中;
结果确定模块,用于根据所述误差值确定所述检测面的平整度检测结果;
所述误差值计算模块包括:关键点获取子模块,用于获取骨架线的多个待测关键点以及标准骨架线的多个标准关键点,待测关键点和标准关键点一一对应;坐标差值计算子模块,用于计算每个待测关键点和对应的标准关键点的坐标差值;求和子模块,用于对全部坐标差值求和,以得到骨架线与标准骨架线的误差值;
关键点获取子模块包括:框架获取单元,用于获取基准框,所述基准框用于框定目标对象对应的骨架线;交点确定单元,用于确定基准框和目标对象的交点,并将交点确定为待测关键点;标准关键点获取单元,用于获取标准骨架线的多个标准关键点,待测关键点和所述标准关键点一一对应;
待测关键点的数量为至少四个,所述装置,还包括:外围关键点选择模块,用于根据待测关键点的像素坐标,选择最外围的四个待测关键点;坐标差值获取模块,用于获取每个最外围的待测关键点与对应标准关键点的坐标差值;卷曲度确定模块,用于根据坐标差值与标准差值的比对结果,确定目标物体检测面的边角卷曲结果;
所述目标物体为键盘键帽,检测面为键帽中印有字符的平面,目标对象为字符。
9.一种平整度检测设备,其特征在于,所述平整度检测设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的平整度检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的平整度检测方法。
11.一种平整度检测系统,其特征在于,包括:检测台、图像拍摄模块以及如权利要求9所述的平整度检测设备;
所述检测台,用于固定目标物体;
所述图像拍摄模块与所述平整度检测设备相连,用于拍摄包含目标物体检测面的图像,并发送至所述平整度检测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483595.3A CN110189322B (zh) | 2019-06-04 | 2019-06-04 | 平整度检测方法、装置、设备、存储介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483595.3A CN110189322B (zh) | 2019-06-04 | 2019-06-04 | 平整度检测方法、装置、设备、存储介质及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189322A CN110189322A (zh) | 2019-08-30 |
CN110189322B true CN110189322B (zh) | 2021-11-19 |
Family
ID=67720253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910483595.3A Active CN110189322B (zh) | 2019-06-04 | 2019-06-04 | 平整度检测方法、装置、设备、存储介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189322B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863408B (zh) * | 2019-11-26 | 2022-12-27 | 逸美德科技股份有限公司 | 屏幕分辨率的检测方法和装置 |
CN113324497B (zh) * | 2020-02-28 | 2022-08-12 | 中芯国际集成电路制造(天津)有限公司 | 一种平整度检测方法、装置、找平系统及存储介质 |
WO2021227286A1 (zh) * | 2020-05-09 | 2021-11-18 | 中南大学 | 超大面积蜂窝产品规整度的移动式检测方法及装置 |
CN111583233B (zh) * | 2020-05-09 | 2021-09-07 | 海南国际文化艺术品交易中心股份有限公司 | 一种基于大数据的差异化检测系统 |
CN111667477B (zh) * | 2020-06-10 | 2023-06-20 | 创新奇智(广州)科技有限公司 | 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 |
CN112635042B (zh) * | 2020-12-02 | 2022-10-28 | 广州九顶软件股份有限公司 | 监护仪校准方法、装置、设备和存储介质 |
CN114061482A (zh) * | 2021-10-19 | 2022-02-18 | 嘉善宇达电子有限公司 | 一种音膜尺寸快速精准检测系统 |
CN114184143A (zh) * | 2021-11-22 | 2022-03-15 | 惠州高盛达科技有限公司 | 一种pcb平整度测量方法及测量装置 |
CN114719791B (zh) * | 2022-03-23 | 2022-11-01 | 江苏大中电机股份有限公司 | 基于图像处理的电机闭口槽冲片的平整度测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170514A (zh) * | 2011-05-11 | 2011-08-31 | 浙江工业大学 | 低成本超宽幅高速扫描仪 |
CN104966300A (zh) * | 2015-06-19 | 2015-10-07 | 浙江理工大学 | 轴承滚子图像检测系统及方法及图像检测装置 |
CN105245841A (zh) * | 2015-10-08 | 2016-01-13 | 北京工业大学 | 一种基于cuda的全景视频监控系统 |
CN106846356A (zh) * | 2017-01-13 | 2017-06-13 | 广东万安科技股份有限公司 | 一种贝叶斯‑全概率联合估计模型的运动目标前景检测方法 |
CN108562250A (zh) * | 2018-05-16 | 2018-09-21 | 湖南大学 | 基于结构光成像的键盘键帽平整度快速测量方法与装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782639B (zh) * | 2009-01-16 | 2013-11-27 | 日电(中国)有限公司 | 用于对定位设备进行标定的方法、设备和系统 |
-
2019
- 2019-06-04 CN CN201910483595.3A patent/CN110189322B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170514A (zh) * | 2011-05-11 | 2011-08-31 | 浙江工业大学 | 低成本超宽幅高速扫描仪 |
CN104966300A (zh) * | 2015-06-19 | 2015-10-07 | 浙江理工大学 | 轴承滚子图像检测系统及方法及图像检测装置 |
CN105245841A (zh) * | 2015-10-08 | 2016-01-13 | 北京工业大学 | 一种基于cuda的全景视频监控系统 |
CN106846356A (zh) * | 2017-01-13 | 2017-06-13 | 广东万安科技股份有限公司 | 一种贝叶斯‑全概率联合估计模型的运动目标前景检测方法 |
CN108562250A (zh) * | 2018-05-16 | 2018-09-21 | 湖南大学 | 基于结构光成像的键盘键帽平整度快速测量方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110189322A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189322B (zh) | 平整度检测方法、装置、设备、存储介质及系统 | |
US10924729B2 (en) | Method and device for calibration | |
US10083522B2 (en) | Image based measurement system | |
US11544916B2 (en) | Automated gauge reading and related systems, methods, and devices | |
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
WO2019080229A1 (zh) | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 | |
CN112581546B (zh) | 摄像头标定方法、装置、计算机设备和存储介质 | |
CN110400315A (zh) | 一种缺陷检测方法、装置及系统 | |
CN111025701B (zh) | 一种曲面液晶屏幕检测方法 | |
JP2001524228A (ja) | 機械視覚較正標的並びに画像内で標的の位置及び方向を決定する方法 | |
CN110163025A (zh) | 二维码定位方法及装置 | |
WO2014045508A1 (ja) | 検査装置、検査方法、および検査プログラム | |
US10091490B2 (en) | Scan recommendations | |
CN110346704B (zh) | 板卡测试中测试文件的确定方法、装置、设备及存储介质 | |
Li et al. | A practical comparison between Zhang's and Tsai's calibration approaches | |
CN115362469A (zh) | 复合三维blob工具及其操作方法 | |
CN111354038A (zh) | 锚定物检测方法及装置、电子设备及存储介质 | |
CN112307912A (zh) | 一种基于摄像头确定人员轨迹的方法及系统 | |
CN118014832B (zh) | 一种基于线性特征不变性的图像拼接方法及相关装置 | |
CN114187253A (zh) | 一种电路板零件安装检测方法 | |
CN115239683A (zh) | 电路板的检测方法、模型训练方法、装置和电子设备 | |
Mukhopadhyay et al. | PCB inspection in the context of smart manufacturing | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
KR20240058827A (ko) | 비전 시스템을 이용하여 이미지에서 라인들을 찾고 분류하기 위한 시스템 및 방법 | |
CN112102404A (zh) | 物体检测追踪方法、装置及头戴显示设备 |
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 |