CN110610496B - 一种对光照变化鲁棒的荧光胶缺陷分割方法 - Google Patents
一种对光照变化鲁棒的荧光胶缺陷分割方法 Download PDFInfo
- Publication number
- CN110610496B CN110610496B CN201910335513.0A CN201910335513A CN110610496B CN 110610496 B CN110610496 B CN 110610496B CN 201910335513 A CN201910335513 A CN 201910335513A CN 110610496 B CN110610496 B CN 110610496B
- Authority
- CN
- China
- Prior art keywords
- fluorescent glue
- image
- threshold
- area
- otsu
- 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
- 239000003292 glue Substances 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000007547 defect Effects 0.000 title claims abstract description 50
- 238000005286 illumination Methods 0.000 title claims abstract description 45
- 230000011218 segmentation Effects 0.000 title claims abstract description 38
- 230000002950 deficient Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 8
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical group [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 4
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000012545 processing Methods 0.000 abstract description 8
- 239000004065 semiconductor Substances 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 3
- 238000002845 discoloration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/94—
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T7/12—Edge-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
- G06T2207/10—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
- G06T2207/30148—Semiconductor; IC; Wafer
Abstract
本发明涉及机器视觉检测技术领域,更具体地,涉及一种基于机器视觉和图像处理的荧光胶缺陷检测方法,具体步骤如下:(1)利用局部灰度梯度分析图像特征,结合最小二乘法拟合荧光胶区域轮廓,准确定位荧光胶区域;(2)在步骤(1)之后,利用对光照敏感区域的灰度均值与大律法Otsu分割阈值建立适应光亮度的阈值自调整方程;(3)在步骤(2)之后,用所得阈值对定位到的荧光胶区域进行分割,在保证荧光胶缺陷分割对光照变化具备鲁棒性的同时,快速鲁棒地完成荧光胶缺陷分割。提供一种对光照鲁棒的荧光胶缺陷分割方法,对光照图像进行处理和运算,完成对光照产品中荧光胶的异物、气泡、变色缺陷的检测。
Description
技术领域
本发明属于机器视觉检测技术领域,更具体地,涉及一种基于机器视觉和图像处理的荧光胶缺陷检测方法。
背景技术
LED属于半导体照明器件,荧光胶是LED的一个重要部分,LED生产过程是在一片半导体发光器件外涂覆某种颜色的荧光胶,根据光色的混合原理,半导体发光器件通电后,LED可以发出特定颜色的色光。但是荧光胶涂覆厚度不均匀、夹带异物、荧光胶变色、半导体发光器件引脚通电失败等均会影响LED的发光效果,导致LED光效低、色度不均、热量难以散失、寿命短,甚至不能发光等问题。
在LED涂覆荧光胶之后、包装销售之前,需要对每个LED的荧光胶缺陷进行检测,其中包括胶内异物、胶内气泡、胶变色等。目前广泛使用的检测方法是人工目检,由人工在短时间内快速检查所有缺陷。而每个LED的尺寸仅有2*2*1mm,荧光胶尺寸更小,其中的异物尺寸>0.2mm,即视为缺陷产品。面对这种细微的缺陷尺寸,同时还有胶内气泡、胶变色等缺陷需要检查,要快速筛选出缺陷产品,人工目检往往容易出错,速度慢,而且成本较高,但采用机器视觉的方法,由于荧光胶的透光率高,导致其中的缺陷受光照影响,灰度值会发生较大变化,因此,外界光照只要稍微出现一些变化,缺陷分割的尺寸就可能出现很大变化,在高速度检测下,导致大规模的缺陷误检,原本是缺陷的荧光胶被误判为无缺陷荧光胶,不能保证检测的高准确率。
为了在采用机器视觉方法取代人工目检,加快荧光胶缺陷检测速度的前提下,提高检测准确率,增强算法的光照鲁棒性,必须解决的问题是:如何使得算法在光照变化的情况下,仍然能够对相同的LED荧光胶缺陷分割出稳定的结果,保证算法的光照鲁棒性和检测准确率。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种对光照鲁棒的荧光胶缺陷分割方法,对光照图像进行处理和运算,完成对光照产品中荧光胶的异物、气泡、变色缺陷的检测。
为解决上述技术问题,本发明采用的技术方案是:
提供一种对光照变化具有鲁棒性的荧光胶缺陷分割方法,具体步骤如下:
(1)利用局部灰度梯度分析图像特征,结合最小二乘法拟合荧光胶区域轮廓,准确定位荧光胶区域;
(2)在步骤(1)之后,使用对光照敏感区域的灰度均值与大律法Otsu分割阈值建立适应光亮度的阈值自调整方程;
(3)在步骤(2)之后,用所得阈值对定位到的荧光胶区域进行分割,在保证荧光胶缺陷分割对光照变化具备鲁棒性的同时,快速鲁棒地完成荧光胶缺陷分割。
优选地,在步骤(1)中,定位荧光胶区域的具体步骤如下:
(a)将包含荧光胶的图像转为灰度图,并且进行均值去噪,去除高斯噪声;
(b)在步骤(a)之后,对图像设置45°和135°两个方向的灰度搜索线,得到灰度变化曲线图,根据灰度变化曲线图得到四个灰度梯度变化图;
(c)在步骤(b)之后,根据灰度梯度变化图,获取四个梯度图上接近最值点的零点坐标;梯度图零点位置代表荧光胶区域的轮廓位置,荧光胶区域是一个圆,根据梯度图的零点坐标,转化回LED图像中的坐标,利用最小二乘法拟合出准确的荧光胶区域轮廓,其公式如下:
(x-xc)2+(y-yc)2=r2 (1)
其中,公式(1)是圆形荧光胶区域轮廓的方程为圆心坐标,同时为梯度图零点坐标;公式(2)中是误差的平方和,最小二乘法通过寻找使误差的平方和最小的圆心与半径r,用来获取圆的方程;
(d)在步骤(c)之后,根据公式(1),生成大小、位置自适应掩膜图像,大小与步骤(a)的灰度图一致;由掩膜限定处理运算区域,掩膜图像根据公式(1)的位置、大小而变化,确保运算区域为图像中的荧光胶区域,至此完成荧光胶区域的定位。
优选地,在步骤(d)中,完成荧光胶区域的定位,并且生成掩膜图像,掩膜图像的解析式如下:
其中,M(x,y)是掩膜图像的灰度值,(x,y)为像素点坐标。
优选地,在步骤(2)中,建立适应光亮度的阈值自调整方程的具体步骤如下:
(A)对掩膜图像通过直方图均衡化进行图像增强,然后计算图像的一阶差分图,最后得到一阶差分结果图G(x,y);
(B)在步骤(A)之后,将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y),覆盖后,G(x,y)只保留M(x,y)灰度值非0的位置点,得到掩膜后图像G'(x,y);
(C)在步骤(B)之后,计算对荧光胶区域作为光照敏感区域的灰度均值Ave,以反映当前光照强度;对G'(x,y)的荧光胶区域利用大津法(Otsu)进行处理,得到Otsu的阈值T0;
(D)在步骤(C)之后,以荧光胶区域灰度均值Ave与Otsu算法阈值T0作为自变量,建立适应光亮度的阈值自调整方程,如式(4):
T'=T+a*(255-Ave)+b (4)
式(4)是二元一次方程,其中,T'是新阈值;T是Otsu分割阈值;a,b是阈值调整因子,a∈[0,1],b为任意常数;在阈值自调整方程中,利用Ave对Otsu分割阈值进行调整。
优选地,在步骤(3)中,快速鲁棒地完成荧光胶缺陷分割的具体步骤如下:
(i)使用新阈值T'对图像G'(x,y)的荧光胶区域进行分割,得到图像G”(x,y);
(ii)对G”(x,y)进行连通域分析,计算出各区域的面积,得到最大区域面积areamax,如果areamax超过设定的阈值,则当前荧光胶有缺陷得出该产品为缺陷产品。
优选地,在步骤(A)中,得到一阶差分结果图G(x,y)的公式如下:
其中,I(x,y)表示直方图均衡化后的LED图像,Gx(x,y)和Gy(x,y)是x方向和y方向的一阶差分图,G(x,y)是一阶差分结果图。
优选地,在步骤(C)中,大津法Otsu图像分割方法算法原理如下:设图像大小为M×N,背景与目标的分割阈值为k(0≤k≤255),图像中各像素值出现的概率为(0≤i≤255,ni:各像素值出现频数),目标像素数占图像总像素数比例/>平均灰度值为背景像素数占图像总像素数比例为/>平均灰度值为/>图像总平均灰度值为μ的表达式为:
μ=ω0×μ0+ω1×μ1 (8)
则背景与目标的类间方差表示为:
σ2=ω0×(μ0-μ)2+ω1×(μ1-μ)2 (9)
联立式(8)、(9)可得
Otsu算法以k=k+1为步长改变阈值k,迭代求解类间方差σ2的值,当σ2最大时,阈值k即为最佳阈值T0。
与现有技术相比,本发明的有益效果是:
本发明利用局部灰度梯度分析图像特征,结合最小二乘法拟合荧光胶区域轮廓,准确定位荧光胶区域,然后使用对光照敏感区域的灰度均值与Otsu分割阈值建立适应光亮度的阈值自调整方程,用新阈值对定位到的荧光胶区域进行分割,在保证荧光胶缺陷分割对光照变化具备鲁棒性的同时,阈值补偿不会增加太多计算量,能够快速鲁棒地完成荧光胶缺陷分割。本发明根据梯度图零点拟合荧光胶区域轮廓的方法更准确,对光照变化鲁棒性高,荧光胶中的异物、气泡、变色等影响品质的缺陷能够准确地检测出来,检测速度达到125个/秒,满足生产要求。
附图说明
图1是本发明的算法操作流程图;
图2是含有荧光胶的LED图像,也是步骤1的输出图像,较高亮度的圆形区域是荧光胶区域;
图3是步骤2所述在图像中设置的四条灰度搜索线;
图4为步骤2所述四条灰度搜索线处的灰度变化曲线图以及其对应的灰度梯度变化曲线图;
图5是步骤3所述由最小二乘法拟合的荧光胶区域轮廓;
图6是步骤4所述生成的自适应掩膜图像M(x,y);
图7是步骤5所述进行图像增强和一阶差分后的图像G(x,y);
图8是步骤6所述将掩膜覆盖至一阶差分图得到的掩膜后图像G'(x,y);
图9是步骤7所述对荧光胶区域使用对光照鲁棒的缺陷分割方法进行自动阈值分割后得到的二值化图像G”(x,y);
图10是LED图像经过算法处理的结果图;
图11是用于测试对光照变化鲁棒的缺陷分割算法的一组图像,从左到右分别对应高光照和低光照条件;
图12是使用本发明算法分割图11中缺陷的结果;
图13是图11的图像处理结果,也是图12连通域分析后的结果。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例
如图1至13所示为本发明一种对光照变化具有鲁棒性的荧光胶缺陷分割方法的实施例,具体步骤如下:
(1)利用局部灰度梯度分析图像特征,结合最小二乘法拟合荧光胶区域轮廓,准确定位荧光胶区域;
(2)在步骤(1)之后,使用对光照敏感区域的灰度均值与大律法Otsu分割阈值建立适应光亮度的阈值自调整方程;
(3)在步骤(2)之后,用所得阈值对定位到的荧光胶区域进行分割,在保证荧光胶缺陷分割对光照变化具备鲁棒性的同时,快速鲁棒地完成荧光胶缺陷分割。
其中,在步骤(1)中,定位荧光胶区域的具体步骤如下:
(a)将包含荧光胶的图像转为灰度图,并且进行均值去噪,去除高斯噪声;
(b)在步骤(a)之后,对图像设置45°和135°两个方向的灰度搜索线,得到灰度变化曲线图,根据灰度变化曲线图得到四个灰度梯度变化图;
(c)在步骤(b)之后,根据灰度梯度变化图,获取四个梯度图上接近最值点的零点坐标;梯度图零点位置代表荧光胶区域的轮廓位置,荧光胶区域是一个圆,根据梯度图的零点坐标,转化回LED图像中的坐标,利用最小二乘法拟合出准确的荧光胶区域轮廓,其公式如下:
(x-xc)2+(y-yc)2=r2 (1)
其中,公式(1)是圆形荧光胶区域轮廓的方程为圆心坐标,同时为梯度图零点坐标;公式(2)中是误差的平方和,最小二乘法通过寻找使误差的平方和最小的圆心与半径r,用来获取圆的方程;
(d)在步骤(c)之后,根据公式(1),生成大小、位置自适应掩膜图像,大小与步骤(a)的灰度图一致;由掩膜限定处理运算区域,掩膜图像根据公式(1)的位置、大小而变化,确保运算区域为图像中的荧光胶区域,至此完成荧光胶区域的定位。
另外,在步骤(d)中,完成荧光胶区域的定位,并且生成掩膜图像,掩膜图像的解析式如下:
其中,M(x,y)是掩膜图像的灰度值,(x,y)为像素点坐标。
其中,在步骤(2)中,建立适应光亮度的阈值自调整方程的具体步骤如下:
(A)对掩膜图像通过直方图均衡化进行图像增强,然后计算图像的一阶差分图,最后得到一阶差分结果图G(x,y);
(B)在步骤(A)之后,将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y),覆盖后,G(x,y)只保留M(x,y)灰度值非0的位置点,得到掩膜后图像G'(x,y);
(C)在步骤(B)之后,计算对荧光胶区域作为光照敏感区域的灰度均值Ave,以反映当前光照强度;对G'(x,y)的荧光胶区域利用大津法(Otsu)进行处理,得到Otsu的阈值T0;
(D)在步骤(C)之后,以荧光胶区域灰度均值Ave与Otsu算法阈值T0作为自变量,建立适应光亮度的阈值自调整方程,如式(4):
T'=T+a*(255-Ave)+b (4)
式(4)是二元一次方程,其中,T'是新阈值;T是Otsu分割阈值;a,b是阈值调整因子,a∈[0,1],b为任意常数;在阈值自调整方程中,利用Ave对Otsu分割阈值进行调整。
另外,在步骤(3)中,快速鲁棒地完成荧光胶缺陷分割的具体步骤如下:(i)使用新阈值T'对图像G'(x,y)的荧光胶区域进行分割,得到图像G”(x,y);(ii)对G”(x,y)进行连通域分析,计算出各区域的面积,得到最大区域面积areamax,如果areamax超过设定的阈值,则当前荧光胶有缺陷得出该产品为缺陷产品。
其中,在步骤(A)中,得到一阶差分结果图G(x,y)的公式如下:
其中,I(x,y)表示直方图均衡化后的LED图像,Gx(x,y)和Gy(x,y)是x方向和y方向的一阶差分图,G(x,y)是一阶差分结果图。
另外,在步骤(C)中,大津法(Otsu)图像分割方法算法原理如下:
设图像大小为M×N,背景与目标的分割阈值为k(0≤k≤255),图像中各像素值出现的概率为(0≤i≤255,ni:各像素值出现频数),目标像素数占图像总像素数比例/>平均灰度值为/>背景像素数占图像总像素数比例为/>平均灰度值为/>图像总平均灰度值为μ的表达式为:
μ=ω0×μ0+ω1×μ1 (8)
则背景与目标的类间方差表示为:
σ2=ω0×(μ0-μ)2+ω1×(μ1-μ)2 (9)
联立式(8)、(9)可得
Otsu算法以k=k+1为步长改变阈值k,迭代求解类间方差σ2的值,当σ2最大时,阈值k即为最佳阈值T0
具体地:
如图1所示是一种对光照变化鲁棒的荧光胶缺陷分割方法的算法流程图,包括如下步骤:
步骤1、将包含荧光胶的图像转为灰度图,并且进行均值去噪,去除高斯噪声;在灰度图下,异物、气泡、变色等影响荧光胶品质的缺陷都与异物具有相似的特征,方便统一处理,如图2所示是含有荧光胶的LED芯片,中间亮度较高的区域是荧光胶区域;
步骤2、如图3所示,对图像设置45°和135°两个方向的灰度搜索线,根据搜索线上灰度值的大小,得到灰度变化曲线图,根据灰度变化曲线图做一阶差分得到四个灰度梯度变化图,如图4所示,a是搜索线的灰度变化曲线图,b是灰度梯度变化图;
步骤3、根据灰度梯度变化图,获取四个梯度图上接近最值点的零点坐标;梯度图零点位置代表荧光胶区域的轮廓位置,荧光胶区域是一个圆,根据梯度图的零点坐标,转化回LED图像中的坐标,利用最小二乘法拟合出准确的荧光胶区域轮廓,如图5所示,其拟合原理公式为式(1)、(2):
(x-xc)2+(y-yc)2=r2 (1)
其中,式(1)是圆形荧光胶区域轮廓的方程,(xc,yc)是圆心坐标,(xi,yi)是梯度图零点坐标,式(2)中δ是误差的平方和,最小二乘法通过寻找使误差的平方和δ最小的圆心(xc,yc)与半径r,来获取圆的方程。
步骤4、根据式(1),生成大小、位置自适应掩膜图像,大小与步骤1的灰度图一致,由掩膜限定处理运算区域,该掩膜根据式(1)的位置、大小而变化,确保运算区域为图像中的荧光胶区域,至此,完成荧光胶区域的定位;生成的掩膜图像如图6所示,其灰度分布如下式:
其中,M(x,y)是掩膜图像的灰度值,(x,y)为像素点坐标。
步骤5、对图像通过直方图均衡化进行图像增强,然后计算图像的一阶差分图G(x,y),如图7所示,其计算公式为:
其中,I(x,y)表示直方图均衡化后的LED图像,Gx(x,y)和Gy(x,y)是x方向和y方向的一阶差分图,G(x,y)是一阶差分结果图。
步骤6、由于缺陷存在于荧光胶区域内,因此将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y),覆盖后,G(x,y)只保留M(x,y)灰度值非0的位置点,得到掩膜后图像G'(x,y),M(x,y)中灰度值为0的区域,在G'(x,y)中保持为0,如图8所示为图像G'(x,y);
步骤7、对G'(x,y)中的荧光胶区域使用对光照鲁棒的缺陷分割方法进行自动阈值分割,得到二值化图像G”(x,y),如图9所示,其包括:
步骤701,计算对光照敏感区域的灰度均值,以反映当前光照强度,本发明采用荧光胶区域作为光照敏感区域,该区域灰度均值为Ave;
步骤702,对G'(x,y)的荧光胶区域利用大津法Otsu进行处理,得到Otsu的阈值T0,Otsu作为一种图像分割方法,其算法原理是:
设图像大小为M×N,背景与目标的分割阈值为k(0≤k≤255),图像中各像素值出现的概率为(0≤i≤255,ni:各像素值出现频数),目标像素数占图像总像素数比例/>平均灰度值为/>背景像素数占图像总像素数比例为/>平均灰度值为/>图像总平均灰度值为μ的表达式为:
μ=ω0×μ0+ω1×μ1 (7)
则背景与目标的类间方差表示为:
σ2=ω0×(μ0-μ)2+ω1×(μ1-μ)2 (8)
联立式(7)、(8)可得
Otsu算法以k=k+1为步长改变阈值k,迭代求解类间方差σ2的值,当σ2最大时,阈值k即为最佳阈值T0。
步骤703,以荧光胶区域灰度均值Ave与Otsu算法阈值T0作为自变量,建立适应光亮度的阈值自调整方程,如式(10):
T'=T+a*(255-Ave)+b (10)
式(10)是二元一次方程,其中,T'是新阈值;T是Otsu分割阈值;a,b是阈值调整因子,a∈[0,1],b为任意常数。在阈值自调整方程中,利用Ave对Otsu分割阈值进行调整。
步骤704,使用新阈值T'对图像G'(x,y)的荧光胶区域进行分割,得到图像G”(x,y),如图9所示,G”(x,y)包含荧光胶异物、气泡或变色等缺陷信息。
步骤8、对G”(x,y)进行连通域分析,计算出各区域的面积area,得到最大区域面积areamax,经过实验,缺陷LED的异物尺寸大于0.2mm时,area>20,因此设定areamax的最大值为20,如果areamax不在该设定值范围内,则判断当前LED的荧光胶含有缺陷,处理结果如图10所示。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种对光照变化具有鲁棒性的荧光胶缺陷分割方法,其特征在于,具体步骤如下:
(1)利用局部灰度梯度分析图像特征,结合最小二乘法拟合荧光胶区域轮廓,准确定位荧光胶区域;
(2)在步骤(1)之后,利用对光照敏感区域的灰度均值与大津法Otsu分割阈值建立适应光亮度的阈值自调整方程;其中:建立适应光亮度的阈值自调整方程的具体步骤如下:
(A)对掩膜图像通过直方图均衡化进行图像增强,然后计算图像的一阶差分图,最后得到一阶差分结果图G(x,y);
(B)在步骤(A)之后,将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y),覆盖后,G(x,y)只保留M(x,y)灰度值非0的位置点,得到掩膜后图像G'(x,y);
(C)在步骤(B)之后,计算对荧光胶区域作为光照敏感区域的灰度均值Ave,以反映当前光照强度;对G'(x,y)的荧光胶区域利用大津法(Otsu)进行处理,得到Otsu的阈值T0;
(D)在步骤(C)之后,以荧光胶区域灰度均值Ave与大津法Otsu算法阈值T0作为自变量,建立适应光亮度的阈值自调整方程,如式(4):
T'= T + a*(255-Ave) +b (4)
式(4)是二元一次方程,其中,T'是新阈值;T是大津法Otsu分割阈值;a,b是阈值调整因子,a∈[0,1],b为任意常数;在阈值自调整方程中,利用Ave对大津法Otsu分割阈值进行调整;
(3)在步骤(2)之后,用所得阈值对定位到的荧光胶区域进行分割,在保证荧光胶缺陷分割对光照变化具备鲁棒性的同时,快速鲁棒地完成荧光胶缺陷分割。
2.根据权利要求1所述的对光照变化具有鲁棒性的荧光胶缺陷分割方法,其特征在于,在步骤(1)中,定位荧光胶区域的具体步骤如下:
(a)将包含荧光胶的图像转为灰度图,并且进行均值去噪,去除高斯噪声;
(b)在步骤(a)之后,对图像设置45°和135°两个方向的灰度搜索线,得到灰度变化曲线图,根据灰度变化曲线图得到四个灰度梯度变化图;
(c)在步骤(b)之后,根据灰度梯度变化图,获取四个梯度图上接近最值点的零点坐标;梯度图零点位置代表荧光胶区域的轮廓位置,荧光胶区域是一个圆,根据梯度图的零点坐标,转化回LED图像中的坐标,利用最小二乘法拟合出准确的荧光胶区域轮廓,其公式如下:
(x-xc)2+(y-yc)2=r2 (1)
其中,公式(1)是圆形荧光胶区域轮廓的方程为圆心坐标,同时为梯度图零点坐标;公式(2)中是误差的平方和,最小二乘法通过寻找使误差的平方和最小的圆心与半径r,用来获取圆的方程;
(d)在步骤(c)之后,根据公式(1),生成大小、位置自适应掩膜图像,大小与步骤(a)的灰度图一致;由掩膜限定处理运算区域,掩膜图像根据公式(1)的位置、大小而变化,确保运算区域为图像中的荧光胶区域,至此完成荧光胶区域的定位。
3.根据权利要求2所述的对光照变化具有鲁棒性的荧光胶缺陷分割方法,其特征在于,在步骤(d)中,完成荧光胶区域的定位,并且生成掩膜图像,掩膜图像的解析式如下:
其中,M(x,y)是掩膜图像的灰度值,(x,y)为像素点坐标。
4.根据权利要求1所述的对光照变化具有鲁棒性的荧光胶缺陷分割方法,其特征在于,在步骤(3)中,快速鲁棒地完成荧光胶缺陷分割的具体步骤如下:
(i)使用新阈值T'对图像G'(x,y)的荧光胶区域进行分割,得到图像G”(x,y);
(ii)对G”(x,y)进行连通域分析,计算出各区域的面积,得到最大区域面积areamax,如果areamax超过设定的阈值,则当前荧光胶有缺陷。
5.根据权利要求1所述的对光照变化具有鲁棒性的荧光胶缺陷分割方法,其特征在于,在步骤(A)中,得到一阶差分结果图G(x,y)的公式如下:
其中,I(x,y)表示直方图均衡化后的LED图像,Gx(x,y)和Gy(x,y)是x方向和y方向的一阶差分图,G(x,y)是一阶差分结果图。
6.根据权利要求1所述的对光照变化具有鲁棒性的荧光胶缺陷分割方法,其特征在于,在步骤(C)中,大津法(Otsu)图像分割方法算法原理如下:
设图像大小为M×N,背景与目标的分割阈值为k,0≤k≤255,图像中各像素值出现的概率为0≤i≤255,ni:各像素值出现频数,目标像素数占图像总像素数比例/>平均灰度值为/>背景像素数占图像总像素数比例为/>平均灰度值为图像总平均灰度值为μ的表达式为:
μ=ω0×μ0+ω1×μ1 (8)
则背景与目标的类间方差表示为:
σ2=ω0×(μ0-μ)2+ω1×(μ1-μ)2 (9)
联立式(8)、(9)可得
大津法Otsu算法以k=k+1为步长改变阈值k,迭代求解类间方差σ2的值,当σ2最大时,阈值k即为最佳阈值T0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335513.0A CN110610496B (zh) | 2019-04-24 | 2019-04-24 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335513.0A CN110610496B (zh) | 2019-04-24 | 2019-04-24 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110610496A CN110610496A (zh) | 2019-12-24 |
CN110610496B true CN110610496B (zh) | 2023-09-26 |
Family
ID=68889569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910335513.0A Active CN110610496B (zh) | 2019-04-24 | 2019-04-24 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110610496B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325805B (zh) * | 2020-01-21 | 2022-09-06 | 西南石油大学 | 一种基于图像分割的岩屑荧光选样方法 |
CN112200800B (zh) * | 2020-10-30 | 2022-10-28 | 福州大学 | 一种基于灰度直方图的电润湿显示器缺陷检测方法 |
CN113092434A (zh) * | 2021-04-23 | 2021-07-09 | 知守科技(杭州)有限公司 | 鞋底涂胶检测方法、装置、系统、电子装置和存储介质 |
CN113963000B (zh) * | 2021-10-21 | 2024-03-15 | 抖音视界有限公司 | 图像分割方法、装置、电子设备及程序产品 |
CN114049489B (zh) * | 2022-01-13 | 2022-04-12 | 山东鹰联光电科技股份有限公司 | 一种光纤电缆护套破裂预警方法 |
CN114897772A (zh) * | 2022-03-31 | 2022-08-12 | 南通奥尔嘉橡塑有限公司 | 一种基于机器视觉的橡胶正硫化调控的方法 |
CN114833648B (zh) * | 2022-04-24 | 2023-11-28 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
CN115254674B (zh) * | 2022-09-28 | 2023-01-17 | 南通思诺船舶科技有限公司 | 一种轴承缺陷分选方法 |
CN116523906B (zh) * | 2023-06-28 | 2023-09-12 | 长沙韶光芯材科技有限公司 | 一种玻璃基板光学性能检测方法和系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348674A (ja) * | 2003-05-26 | 2004-12-09 | Noritsu Koki Co Ltd | 領域検出方法及びその装置 |
JPWO2011111619A1 (ja) * | 2010-03-09 | 2013-06-27 | オリンパス株式会社 | 蛍光内視鏡装置 |
CN104751474A (zh) * | 2015-04-13 | 2015-07-01 | 上海理工大学 | 一种级联式快速图像缺陷分割方法 |
CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
WO2018040118A1 (zh) * | 2016-08-29 | 2018-03-08 | 武汉精测电子集团股份有限公司 | 一种基于GPU的TFT-LCD Mura缺陷检测的方法 |
CN107808382A (zh) * | 2017-09-26 | 2018-03-16 | 广东工业大学 | 一种基于色彩饱和度信息的pcb条码分割方法 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN108921868A (zh) * | 2018-07-02 | 2018-11-30 | 中央民族大学 | 一种改进的Otsu阈值分割方法 |
CN109215026A (zh) * | 2018-09-29 | 2019-01-15 | 广东工业大学 | 一种基于机器视觉的高速准确led缺陷检测方法 |
CN109461148A (zh) * | 2018-10-30 | 2019-03-12 | 兰州交通大学 | 基于二维Otsu的钢轨缺陷分割自适应快速算法 |
CN109472773A (zh) * | 2018-09-29 | 2019-03-15 | 广东工业大学 | 一种针对led的缺陷检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101148384B1 (ko) * | 2009-11-26 | 2012-05-21 | 삼성전기주식회사 | 기판 형성용 조성물, 및 이를 이용한 프리프레그 및 기판 |
JP6005918B2 (ja) * | 2011-09-08 | 2016-10-12 | オリンパス株式会社 | 蛍光観察装置 |
-
2019
- 2019-04-24 CN CN201910335513.0A patent/CN110610496B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348674A (ja) * | 2003-05-26 | 2004-12-09 | Noritsu Koki Co Ltd | 領域検出方法及びその装置 |
JPWO2011111619A1 (ja) * | 2010-03-09 | 2013-06-27 | オリンパス株式会社 | 蛍光内視鏡装置 |
CN104751474A (zh) * | 2015-04-13 | 2015-07-01 | 上海理工大学 | 一种级联式快速图像缺陷分割方法 |
WO2018040118A1 (zh) * | 2016-08-29 | 2018-03-08 | 武汉精测电子集团股份有限公司 | 一种基于GPU的TFT-LCD Mura缺陷检测的方法 |
CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
CN107808382A (zh) * | 2017-09-26 | 2018-03-16 | 广东工业大学 | 一种基于色彩饱和度信息的pcb条码分割方法 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN108921868A (zh) * | 2018-07-02 | 2018-11-30 | 中央民族大学 | 一种改进的Otsu阈值分割方法 |
CN109215026A (zh) * | 2018-09-29 | 2019-01-15 | 广东工业大学 | 一种基于机器视觉的高速准确led缺陷检测方法 |
CN109472773A (zh) * | 2018-09-29 | 2019-03-15 | 广东工业大学 | 一种针对led的缺陷检测方法 |
CN109461148A (zh) * | 2018-10-30 | 2019-03-12 | 兰州交通大学 | 基于二维Otsu的钢轨缺陷分割自适应快速算法 |
Non-Patent Citations (2)
Title |
---|
手机玻璃屏表面缺陷视觉检测方法研究;简川霞;包 装 工 程;第39卷(第5期);16-21 * |
面向OLED屏像素缺陷检测的新方法;汪志亮;计算机工程与应用;第48卷(第26期);177-180 * |
Also Published As
Publication number | Publication date |
---|---|
CN110610496A (zh) | 2019-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610496B (zh) | 一种对光照变化鲁棒的荧光胶缺陷分割方法 | |
US10565479B1 (en) | Identifying and excluding blurred areas of images of stained tissue to improve cancer scoring | |
CN109472773B (zh) | 一种针对led的缺陷检测方法 | |
CN115018828B (zh) | 一种电子元器件的缺陷检测方法 | |
CN109215026B (zh) | 一种基于机器视觉的高速准确led缺陷检测方法 | |
CN110349126A (zh) | 一种基于卷积神经网络带标记的钢板表面缺陷检测方法 | |
US11313806B2 (en) | Defect inspection method and defect inspection device | |
CN115082683A (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
CN113570605A (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
Ma | Defect detection and recognition of bare PCB based on computer vision | |
CN109886960A (zh) | 基于机器视觉的玻璃边缘缺陷检测的方法 | |
JP2003271927A (ja) | 欠陥検査方法 | |
CN110473194A (zh) | 基于多图像块阈值分割算法的水果表面缺陷检测方法 | |
CN117197141B (zh) | 一种汽车零部件表面缺陷检测方法 | |
US10533952B2 (en) | Method of inspecting a terminal of a component mounted on a substrate and substrate inspection apparatus | |
CN104573635B (zh) | 一种基于三维重建的微小高度识别方法 | |
CN116934752B (zh) | 一种基于人工智能的玻璃检测方法及系统 | |
Park et al. | Automated defect inspection systems by pattern recognition | |
CN113916893A (zh) | 模切产品缺陷的检测方法 | |
CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN110400320B (zh) | 一种电润湿缺陷像素的分割方法 | |
CN116485801A (zh) | 基于计算机视觉的胶管质量在线检测方法及系统 | |
CN114937041B (zh) | 一种汽车发动机油路铜套缺陷检测方法及系统 | |
CN111210405A (zh) | 一种基于红外成像的挥发性有机物泄露检测方法 | |
CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 |
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 |