CN110211125A - 一种低对比影像差异的检测方法及其拍摄装置 - Google Patents
一种低对比影像差异的检测方法及其拍摄装置 Download PDFInfo
- Publication number
- CN110211125A CN110211125A CN201910697873.5A CN201910697873A CN110211125A CN 110211125 A CN110211125 A CN 110211125A CN 201910697873 A CN201910697873 A CN 201910697873A CN 110211125 A CN110211125 A CN 110211125A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- pixel point
- entropy
- gray scale
- 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
- 238000001514 detection method Methods 0.000 title abstract description 23
- 238000000034 method Methods 0.000 claims description 22
- 238000005728 strengthening Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract 3
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000000576 coating method Methods 0.000 description 14
- 239000011248 coating agent Substances 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 9
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 239000003292 glue Substances 0.000 description 3
- 239000012790 adhesive layer Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及低对比影像的检测方法和拍摄其影像的装置，尤其是一种低对比影像差异的检测方法及其拍摄装置，为了解决采用现有检测手法检测表面颜色相近的产品时存在效率极低且判定准确率也很低的问题，提供一种低对比影像差异的检测方法，包括以下步骤：a）通过相机获取产品图像；b）将步骤a）中图像对应的直方图进行灰度拉伸处理，提升图像的对比度；c）计算步骤b）中提升对比度后图像的图像梯度，强化图像表面纹路；d）利用熵值法判定步骤c）中图像表面纹路的复杂程度；e）根据步骤d）所得的图像表面纹路复杂程度对产品进行分类，本发明的检测速度是现有检测速度的数十倍。
Description
技术领域
本发明涉及低对比影像的检测方法和拍摄其影像的装置，尤其是一种低对比影像差异的检测方法及其拍摄装置。
背景技术
在工业生产中有许多的产品表面颜色相近，不易用人眼辨识产品的差别，例如UV胶涂层，OCA胶涂层等，这样的产品由于颜色变化或是对比度极低，利用人眼是无法分辨其差异的，在此类产品的分辨上，现有技术是利用电子显微镜放大图像数十倍，以微观的方式观察其表面结构的复杂程度，这样的人工判别方式费时且不客观，传统的检测方式，在原始图像中先框选一小范围利用光学显微镜观察，由人工评估光学显微镜下之放大图像结构，结构越复杂或越密集，表示涂层越厚，这种随机抽样的方式，仅能观察部分产品的表面，但光学胶的涂布往往会有不均匀的情况发生，其结构不复杂，因此发生误判的情况相当频繁，简而言之，采用现有检测手法检测效率极低且判定的准确率也很低。
发明内容
本发明要解决的技术问题是：为了解决采用现有检测手法检测表面颜色相近的产品时存在效率极低且判定准确率也很低的问题，提供一种低对比影像差异的检测方法及其拍摄装置。
本发明解决其技术问题所采用的技术方案是：提供一种低对比影像差异的检测方法，包括以下步骤：
a）通过相机获取产品图像；
b）将步骤a）中图像对应的直方图进行灰度拉伸处理，提升图像的对比度；
c）计算步骤b）中提升对比度后图像的图像梯度，强化图像表面纹路；
d）利用熵值法判定步骤c）中图像表面纹路的复杂程度；
e）根据步骤d）所得的图像表面纹路复杂程度对产品进行分类。
作为优选的，所述步骤b）中灰度拉伸处理是采用公式，，其中f（x，y）为图像中当下像素点的灰阶值，MAX为图像中最白像素点的灰阶值，MIN为图像中最黑像素点的灰阶值，x和y是当下像素点的坐标；或所述步骤b）中灰度拉伸处理是采用公式，，其中B为图像中最白像素点的灰阶值，A为图像中最黑像素点的灰阶值，f(x,y) 为图像中当下像素点的灰阶值。
作为优选的，所述步骤c）中图像梯度采用公式为：G（x，y）=dx（i，j）+dy（i，j）；dx（i，j）=I（i+1，j）-I（i，j）；dy（i，j）=I（i，j+1）-I（i，j）；其中，I是图像像素的值，（i，j）为像素的坐标。
作为优选的，所述步骤d）中熵值法运用公式如下：，其中p（i，j）为像素点在（i，j）位置的灰阶值，（i，j）为像素点的坐标，Entropy代表熵。
为了便于分类，所述步骤e）中产品的分类是依据熵值大小判断，熵值越大说明图像中的结构越复杂或图像中的密度越高，反之越低，熵值存在一个区间值，区间值与计算所得的熵值对比，计算所得的熵值处于某个区间值中就将此产品分类到与此区间值对应的类别中。
为了保证拍摄精度，采用的低对比影像差异拍摄装置包括相机、镜头、光源和拍摄平台，镜头固定安装在相机上，并对准拍摄平台，镜头和拍摄平台之间存在距离，此距离段中设置有光源，光源对准拍摄平台，镜头与拍摄平台之间存在70°±5°的夹角α，光源与拍摄平台之间存在55°±5°的夹角β。
进一步的，所述光源为白光光源，色温7000K±500K，镜头为0.48X远心镜头。
本发明的有益效果是，本发明的一种低对比影像差异的检测方法及其拍摄装置，采用CCD相机取代光学显微镜，并将低对比图像透过对比拉伸与梯度图像来强化其表面结构，最后利用熵值法来量化图像结构的复杂度，当熵值越大则代表其表面结构越复杂或越密集，说明涂层越厚，反之涂层越薄，本发明采用自动视觉检测方案，具有极高的检测效率且具有量化标准，可避免人为主观判定不准确的问题，并且本发明的检测速度是现有检测速度的数十倍。
附图说明
图1a是现有检测方法对表格中的UV8进行检测区域的随机选定。
图1b是图1a中选定区域在光学显微镜下的放大图像。
图1c是现有检测方法对表格中的UV8进行检测区域的二次随机选定。
图1d是图1c中选定区域在光学显微镜下的放大图像。
图1e是现有检测方法对表格中的UV6进行检测区域的随机选定。
图1f图1e中选定区域在光学显微镜下的放大图像。
图2是根据产品表面纹路复杂程度绘制的3D图。
图3是表格中图像经处理后熵值的分布图。
图4是用于拍摄图像的拍摄装置。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
采用CCD相机拍得的UV胶涂层图像，CCD相机市购，表格中的UV代表涂层为UV胶涂层，数字代表UV涂层的厚度，2代表UV涂层的厚度为2微米，16代表UV涂层的厚度为16微米。
图1a到图1f是现有检测方法，以表中UV8为例，现有检测方法采用随机选取放大检测区域如图1a为首次选取，选定区域在图像的左上区域，即图中的方框区域，图1a为二次选取，选定区域在图像的右上区域，即图中的方框区域，图1b对应图1a中的方框区域，展示的是在光学显微镜下的放大图像，图1d对应图1c中的方框区域，展示的是在光学显微镜下的放大图像，通过人工对图1b和图1d的图像做出评估；这种随机抽样的方式，仅能观察部分产品的表面，但UV胶的涂抹分布往往会有不均匀的状况发生，如图1d虽为UV8产品但其结构却比图1f的UV6产品结构更简单，靠人工识别是识别不出来的，因此发生误判的情况相当频繁。
本发明以表格中的UV6为例，为了更加直观的说明借用图1e，图1e中左中区域最黑，左下区域最白，在UV6的图像进入图像处理软件时各像素点的灰阶值和各像素的坐标值会被读取，首先利用软件调取UV6的直方图，再利用灰度拉伸，将直方图中最小灰阶值拉伸为0，最大灰阶值拉伸为255，简单的说就是让黑色的像素点变的更黑，让白色的像素点变得更白，灰度拉伸不局限于某个公式，如，和，都可以用来计算，假设图1e左下区域最白的像素点灰阶值为120，图1e中左中区域最黑的像素点灰阶值为100，那么最大值为120，最小值为100，使用计算，，，也就是上文说的强制拉伸为0，如像素点灰阶值为110，，，四舍五入为128；使用公式，其中B为图像中最白像素点的灰阶值，即为120，A为图像中最黑像素点的灰阶值，即为100，f(x,y)为图像中当下像素点的灰阶值，同样以像素点灰阶值为110为例，，，四舍五入为128；将计算后的灰阶值引入直方图后就会得出表中的增强图像，从原始图像和增强图像的对比可以发现明显的变化。
直方图软件或直方图插件为现有的软件，在大多数的图像处理软件中都有，如最新的Photoshop，甚至在一些专业数码相机中已经内嵌安装了直方图插件，在拍摄完毕后能直接观看直方图和编辑直方图，以实现增强图像的画面感。
在进行灰度拉伸的同时，各像素点坐标已被获取，采用图像梯度: G(x,y) = dx
(i,j) + dy(i,j)；dx(i,j) = I(i+1,j) - I(i,j)；dy(i,j) = I(i,j+1) - I(i,j)；其中，
I是图像像素的值(如：RGB值)，(i,j)为像素的坐标；图像梯度一般也可以用中值差分：dx
(i,j) = [I(i+1,j) - I(i-1,j)]/2；dy(i,j) = [I(i,j+1) - I(i,j-1)]/2；上面说的是
简单的梯度定义，其实还有更多更复杂的梯度公式；接着本利用信息论中用于评估信息内
涵复杂度量化衡量指标“熵”（Entropy）来衡量低对比图像表面纹路的复杂度，Entropy公式
如下:，底数为10所以log写成lg，也就是，其中p（i，j）为像素点在（i，j）位置的灰阶值，（i，
j）为像素点的坐标，同样的此公式也并非唯一。
最终所得值如表格所示的熵值为8.229、8.671等，系统中预存有通过实验所得的对照数据，如图3中9.474到9.926为UV16的范围，表格中UV16的熵值9.788，9.788介于9.474和9.926之间，所以系统将表格中UV16的产品划分到UV16中。
表格中标识的和图中显示的UV2、UV6和UV8等在实际测试中是不存在的，本申请为了方便说明故标识出来，特此说明。
图4是用于拍摄图像的拍摄装置，镜头2安装在相机1的前端，镜头2和拍摄平台4之间存在夹角α，α为70°，镜头2和拍摄平台4之间有200mm的距离，光源3和拍摄平台4之间存在夹角β，β为55°，光源3和拍摄平台4之间有150mm的距离，相机1为CCD相机，光源3为白光光源，色温为7000K，镜头2为0.48X远心镜头，相机1和镜头2的精度在30微米/像素，被拍摄物放置在拍摄平台4上拍摄，被拍摄物主要为电路板，电路板上会涂有UV胶层或OCA胶层等其他涂层，上文以UV胶层为例。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离发明的实质和范围。
Claims (7)
1.一种低对比影像差异的检测方法，其特征在于包括以下步骤：
a）通过相机获取产品图像；
b）将步骤a）中图像对应的直方图进行灰度拉伸处理，提升图像的对比度；
c）计算步骤b）中提升对比度后图像的图像梯度，强化图像表面纹路；
d）利用熵值法判定步骤c）中图像表面纹路的复杂程度；
e）根据步骤d）所得的图像表面纹路复杂程度对产品进行分类。
2.根据权利要求1所述的一种低对比影像差异的检测方法，其特征在于：所述步骤b）中灰度拉伸处理是采用公式，，其中f（x，y）为图像中当下像素点的灰阶值，MAX为图像中最白像素点的灰阶值，MIN为图像中最黑像素点的灰阶值，x和y是当下像素点的坐标；或所述步骤b）中灰度拉伸处理是采用公式，，其中B为图像中最白像素点的灰阶值，A为图像中最黑像素点的灰阶值，f(x,y) 为图像中当下像素点的灰阶值。
3.根据权利要求2所述的一种低对比影像差异的检测方法，其特征在于：所述步骤c）中图像梯度采用公式为：G（x，y）=dx（i，j）+dy（i，j）；dx（i，j）=I（i+1，j）-I（i，j）；dy（i，j）=I（i，j+1）-I（i，j）；其中，I是图像像素的值，（i，j）为像素的坐标。
4.根据权利要求1所述的一种低对比影像差异的检测方法，其特征在于：所述步骤d）中熵值法运用公式如下：，其中p（i，j）为像素点在（i，j）位置的灰阶值，（i，j）为像素点的坐标，Entropy代表熵。
5.根据权利要求1所述的一种低对比影像差异的检测方法，其特征在于：所述步骤e）中产品的分类是依据熵值大小判断，熵值越大说明图像中的结构越复杂或图像中的密度越高，反之越低，熵值存在一个区间值，区间值与计算所得的熵值对比，计算所得的熵值处于某个区间值中就将此产品分类到与此区间值对应的类别中。
6.根据权利要求1所述的一种低对比影像差异的检测方法，其特征在于：采用的低对比影像差异拍摄装置包括相机、镜头、光源和拍摄平台，镜头固定安装在相机上，并对准拍摄平台，镜头和拍摄平台之间存在距离，此距离段中设置有光源，光源对准拍摄平台，镜头与拍摄平台之间存在70°±5°的夹角α，光源与拍摄平台之间存在55°±5°的夹角β。
7.根据权利要求6所述的一种低对比影像差异的检测方法，其特征在于：所述光源为白光光源，色温7000K±500K，镜头为0.48X远心镜头。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910697873.5A CN110211125A (zh) | 2019-07-31 | 2019-07-31 | 一种低对比影像差异的检测方法及其拍摄装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910697873.5A CN110211125A (zh) | 2019-07-31 | 2019-07-31 | 一种低对比影像差异的检测方法及其拍摄装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110211125A true CN110211125A (zh) | 2019-09-06 |
Family
ID=67797804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910697873.5A Pending CN110211125A (zh) | 2019-07-31 | 2019-07-31 | 一种低对比影像差异的检测方法及其拍摄装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110211125A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073873A (zh) * | 2011-01-28 | 2011-05-25 | 华中科技大学 | 一种基于支持向量机的sar景象匹配区选取方法 |
| CN102222323A (zh) * | 2011-06-13 | 2011-10-19 | 北京理工大学 | 基于直方图统计拉伸和梯度滤波的红外图像细节增强方法 |
| CN106097360A (zh) * | 2016-06-17 | 2016-11-09 | 中南大学 | 一种带钢表面缺陷识别方法及装置 |
-
2019
- 2019-07-31 CN CN201910697873.5A patent/CN110211125A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073873A (zh) * | 2011-01-28 | 2011-05-25 | 华中科技大学 | 一种基于支持向量机的sar景象匹配区选取方法 |
| CN102222323A (zh) * | 2011-06-13 | 2011-10-19 | 北京理工大学 | 基于直方图统计拉伸和梯度滤波的红外图像细节增强方法 |
| CN106097360A (zh) * | 2016-06-17 | 2016-11-09 | 中南大学 | 一种带钢表面缺陷识别方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 赵婕: "《图像特征提取与语义分析》", 31 July 2015, 重庆大学出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108445007B (zh) | 一种基于图像融合的检测方法及其检测装置 | |
| JP5043755B2 (ja) | 樹脂材料検査装置およびプログラム | |
| CN111401324A (zh) | 图像质量评估方法、装置、存储介质及电子设备 | |
| US20100195902A1 (en) | System and method for calibration of image colors | |
| JP5779089B2 (ja) | エッジ検出装置、エッジ検出プログラム、およびエッジ検出方法 | |
| TW201019237A (en) | Method and system for item identification | |
| US20160321825A1 (en) | Measuring apparatus, system, and program | |
| WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
| CN108090890A (zh) | 检查装置以及检查方法 | |
| van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
| CN101819024A (zh) | 一种基于机器视觉的二维位移检测方法 | |
| TW200845720A (en) | Image reading method and image reading device | |
| CN110519585A (zh) | 一种应用于图像采集设备的成像校准方法及装置 | |
| CN112381751A (zh) | 一种基于图像处理算法的在线智能检测系统及方法 | |
| JP6525503B2 (ja) | 画像処理装置および撮像装置 | |
| CN111638042B (zh) | 一种dlp光学特性测试分析方法 | |
| TW202226828A (zh) | 運算裝置及用於近眼顯示裝置之缺陷偵測方法 | |
| CN110211125A (zh) | 一种低对比影像差异的检测方法及其拍摄装置 | |
| CN104866837B (zh) | 字画微观纹理的图像采集装置及其采集方法 | |
| CN107784645A (zh) | 图像清晰度评价方法及系统、自动聚焦方法 | |
| JP7272419B2 (ja) | 画像撮影装置 | |
| WO2003010622A2 (en) | Automatic separation of subject pixels using segmentation based on multiple planes of measurement data | |
| TWI655412B (zh) | 發光源檢測系統與方法 | |
| JP4831344B2 (ja) | 目の位置の検出方法 | |
| Busin et al. | Contribution of a color space selection to a flaw detection vision system |
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: 20190906 |