CN110672621A - 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法 - Google Patents

基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法 Download PDF

Info

Publication number
CN110672621A
CN110672621A CN201910960131.7A CN201910960131A CN110672621A CN 110672621 A CN110672621 A CN 110672621A CN 201910960131 A CN201910960131 A CN 201910960131A CN 110672621 A CN110672621 A CN 110672621A
Authority
CN
China
Prior art keywords
illumination
image
brightness
illumination brightness
uniformity
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.)
Granted
Application number
CN201910960131.7A
Other languages
English (en)
Other versions
CN110672621B (zh
Inventor
董明宇
刘民
常飞
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201910960131.7A priority Critical patent/CN110672621B/zh
Publication of CN110672621A publication Critical patent/CN110672621A/zh
Application granted granted Critical
Publication of CN110672621B publication Critical patent/CN110672621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G01N2021/8893—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques providing a video image and a processed signal for helping visual decision

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法，该方法包括：针对不确定成像条件下汽车涂装表面缺陷图像出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法。该方法首先在第一阶段采用支持向量回归算法，通过光源位置预测其光照亮度等级值，将光照亮度调整到预测值；然后，在第二阶段采集汽车涂装表面缺陷图像，通过光照不均匀度评估算法计算图像的光照不均匀度值，以最小化图像光照不均匀度值为优化目标，迭代调整光照亮度。本发明应用于汽车涂装表面缺陷检测过程，可显著改善光照不均匀的汽车涂装表面缺陷图像的质量。

Description

基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法。
背景技术
当前，由于位置不同、视角不同、距离不同、环境光照干扰不同等因素的影响，拍摄的图像易出现的光照不均匀的问题，如整体灰度低、局部灰度低和反光现象等，通常采用图像增强处理算法对采集后的图像质量进行修正，如直方图均衡化法为代表的灰度变换法、基于照明—反射模型的同态滤波方法、Retinex算法、梯度域图像增强方法等。这些算法均属于图像后处理算法，受限于算法思想均具有较低的普适性、对复杂环境缺乏鲁棒性。此外、其处理效果也受限于图像本身的质量。
某些目标表面光滑，造成强反射、缺陷真实尺寸小成像时对成像条件敏感、局部表面区域面型复杂，如边缘、凹坑、缝隙、边角等，造成采集的图像严重光照不均，通过图像处理方法实现图像增强效果有限。
因此，亟需一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法。
发明内容
针对上述问题，本发明实施例提供一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法。
本发明实施例提供一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法，包括：
针对不确定成像条件下汽车涂装表面缺陷图像易出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法，该方法适用于光照亮度可调的移动式图像采集模块，所述移动式图像采集模块由相对位置固定的光源和图像采集相机构成，所述光源与所述图像采集相机位于同侧，所述图像质量优化方法实现步骤如下：
步骤(1)：初始化，设定如下基本变量：
首先，设定问题变量和算法参数：
pos：所述图像采集模块所在待测车体相对位置，值为1、2、3、4，分别对应所述待测车体的前、右、后、左；
dist：所述图像采集模块中所述光源到被测对象表面的直线距离；
d：所述光源的光照亮度值，取值范围为0000-9999；
Iuneven：汽车车体涂装表面缺陷图像光照非均匀度值；
Npue：光照过低像素，即灰度值低于预设下限阈值的像素点数量；
Npoe：光照过低像素，即灰度值高于预设上限阈值的像素点数量；
NI：图像像素总数量；
α:光照过低像素与光照过高像素权重系数，取值为0.5；
du:调整光源亮度值一次调整的最小单元，默认为50；
步骤(2)：光照亮度初步预测与调整，根据输入数据X＝(pos,dist)，采用预训练的支持向量回归算法预测光照亮度值，然后将数值发送给光源亮度控制器，预训练的样本数据输入为Xj＝(posj,distj)，标签数据为光照亮度等级dj；
步骤(3)：光照亮度迭代调整，从所述图像采集模块的相机中采集所述待测车体涂装表面缺陷图像，根据光照非均匀度计算公式计算其光照非均匀度值Iuneven，光照非均匀度计算公式如下：
Figure BDA0002228640240000021
步骤(3.1)：将光照亮度调高一个亮度单元，采集图像并计算光照非均匀度值Iuneven，比较前后两次图像非均匀度值，如果图像非均匀度值减小，则继续按照步骤3.1进行调整，如果图像非均匀度值增大，则将光照亮度恢复到前一光照亮度，然后按下一步进行调整；
步骤(3.2)：将光照亮度调低一个亮度单元，采集图像计算Iuneven，比较前后两次图像非均匀度值，前后两次图像表示当前亮度的图像和上一次亮度的图像，如果图像非均匀度值减小，则继续按照步骤3.2进行调整，如果图像非均匀度值增加，则将光照亮度恢复到前一光照亮度，然后停止调整，则此时采集的图像光照非均匀度最小，质量最优。
本发明实施例提供一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法，本发明应用于汽车涂装表面缺陷检测过程，可显著改善光照不均匀的汽车涂装表面缺陷图像的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法的流程图；
图2为本发明实施例中图像采集模块的结构示意图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法的流程图，如图1所示，该方法包括：
针对不确定成像条件下汽车涂装表面缺陷图像易出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法，该方法适用于光照亮度可调的移动式图像采集模块，所述移动式图像采集模块由相对位置固定的光源和图像采集相机构成，所述光源与所述图像采集相机位于同侧，所述图像质量优化方法实现步骤如下：
步骤(1)：初始化，设定如下基本变量：
首先，设定问题变量和算法参数：
pos：所述图像采集模块所在待测车体相对位置，值为1、2、3、4，分别对应所述待测车体的前、右、后、左；
dist：所述图像采集模块中所述光源到被测对象表面的直线距离；
d：所述光源的光照亮度值，取值范围为0000-9999；
Iuneven：汽车车体涂装表面缺陷图像光照非均匀度值；
Npue：光照过低像素，即灰度值低于预设下限阈值的像素点数量；
Npoe：光照过低像素，即灰度值高于预设上限阈值的像素点数量；
NI：图像像素总数量；
α:光照过低像素与光照过高像素权重系数，取值为0.5；
du:调整光源亮度值一次调整的最小单元，默认为50；
步骤(2)：光照亮度初步预测与调整，根据输入数据X＝(pos,dist)，采用预训练的支持向量回归算法预测光照亮度值，然后将数值发送给光源亮度控制器，预训练的样本数据输入为Xj＝(posj,distj)，标签数据为光照亮度等级dj；
步骤(3)：光照亮度迭代调整，从所述图像采集模块的相机中采集所述待测车体涂装表面缺陷图像，根据光照非均匀度计算公式计算其光照非均匀度值Iuneven，光照非均匀度计算公式如下：
Figure BDA0002228640240000051
步骤(3.1)：将光照亮度调高一个亮度单元，采集图像并计算光照非均匀度值Iuneven，比较前后两次图像非均匀度值，如果图像非均匀度值减小，则继续按照步骤3.1进行调整，如果图像非均匀度值增大，则将光照亮度恢复到前一光照亮度，然后按下一步进行调整；
步骤(3.2)：将光照亮度调低一个亮度单元，采集图像计算Iuneven，比较前后两次图像非均匀度值，前后两次图像表示当前亮度的图像和上一次亮度的图像，如果图像非均匀度值减小，则继续按照步骤3.2进行调整，如果图像非均匀度值增加，则将光照亮度恢复到前一光照亮度，然后停止调整，则此时采集的图像光照非均匀度最小，质量最优。
本发明实施例以带有光源调控能力的可移动的图像采集模块为基础，图像采集模块包含一个CCD相机、一个激光测距仪、一个LED光源以及光源亮度控制器，图2为本发明实施例中图像采集模块的结构示意图，如图2所示，本发明的实施方式如下：
步骤(1)：启动光照调整系统软件，完成相机、光源、激光测距仪的连接和初始化；
步骤(2)：初始化，设定如下基本变量：
设定问题变量和算法参数：
pos：所述图像采集模块所在待测车体相对位置，值为1、2、3、4，分别对应所述待测车体的前、右、后、左；
dist：所述图像采集模块中所述光源到被测对象表面的直线距离；
d：所述光源的光照亮度值，取值范围为0000-9999；
Iuneven：汽车车体涂装表面缺陷图像光照非均匀度值；
Npue：光照过低像素，即灰度值低于预设下限阈值的像素点数量；
Npoe：光照过低像素，即灰度值高于预设上限阈值的像素点数量；
NI：图像像素总数量；
α:光照过低像素与光照过高像素权重系数，取值为0.5；
du:调整光源亮度值一次调整的最小单元，默认为50；
步骤(3)：光照亮度初步预测与调整，根据输入数据X＝(pos,dist)，采用预训练的支持向量回归算法预测光照亮度值，然后将数值发送给光源亮度控制器，预训练的样本数据输入为Xj＝(posj,distj)，标签数据为光照亮度等级dj；
步骤(4)：光照亮度迭代调整，从所述图像采集模块的相机中采集所述待测车体涂装表面缺陷图像，根据光照非均匀度计算公式计算其光照非均匀度值Iuneven，光照非均匀度计算公式如下：
Figure BDA0002228640240000061
步骤(4.1)：将光照亮度调高一个亮度单元，采集图像并计算光照非均匀度值Iuneven，比较前后两次图像非均匀度值，如果图像非均匀度值减小，则继续按照步骤4.1进行调整，如果图像非均匀度值增大，则将光照亮度恢复到前一光照亮度，然后按下一步进行调整；
步骤(4.2)：将光照亮度调低一个亮度单元，采集图像计算Iuneven，比较前后两次图像非均匀度值，前后两次图像表示当前亮度的图像和上一次亮度的图像，如果图像非均匀度值减小，则继续按照步骤4.2进行调整，如果图像非均匀度值增加，则将光照亮度恢复到前一光照亮度，然后停止调整，则此时采集的图像光照非均匀度最小，质量最优。
步骤(5)：缺陷检测验证。通过基于深度学习的目标检测算法，对图像进行检测，计算被检测的缺陷数量，检测的缺陷数量反应图像质量的好坏。
实验一：随机选择汽车涂装表面的一个位置，移动图像采集模块到该位置，设定位置pos值，启动光照自动调整算法，通过5次调整将图像质量调整到最优(第一阶段1次调整，第二阶段3次迭代调整)。图像尺寸为3648×3648像素；Thpue(预设下限阈值)、Thpoe(预设上限阈值)分别设为60和250，表1表示基于光照亮度快速调整的汽车涂装表面缺陷图像质量优化具体过程与结果，如表所示：
表1
调整步骤 光源亮度等级 图像非均匀度值 缺陷检出数量
第一阶段调整 650 0.04920054 315
第二阶段第一次调整 700 0.09545425 247
第二阶段第二次调整 600 0.00000180 376
第二阶段第三次调整 550 0.07275616 285
第二阶段调整最优 600 0.00000180 376
本发明实施例利用该光源亮度自适应调整装置拍摄到的汽车车体缺陷图像，利用该图像对汽车车体的缺陷进行检测。随机选择涂装车体车侧的一个位置，移动该光源亮度自适应调整装置到该位置，设定与车体的相对位置，启动上面提供的光照自动调整方法，通过5次迭代将光照调整到最优光照亮度。并且，通过对每次光照亮度对应的图像进行缺陷检测，最优光照亮度所对应的图像检测出来的缺陷最少。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该服务器可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：
针对不确定成像条件下汽车涂装表面缺陷图像易出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法，该方法适用于光照亮度可调的移动式图像采集模块，所述移动式图像采集模块由相对位置固定的光源和图像采集相机构成，所述光源与所述图像采集相机位于同侧，所述图像质量优化方法实现步骤如下：
步骤(1)：初始化，设定如下基本变量：
首先，设定问题变量和算法参数：
pos：所述图像采集模块所在待测车体相对位置，值为1、2、3、4，分别对应所述待测车体的前、右、后、左；
dist：所述图像采集模块中所述光源到被测对象表面的直线距离；
d：所述光源的光照亮度值，取值范围为0000-9999；
Iuneven：汽车车体涂装表面缺陷图像光照非均匀度值；
Npue：光照过低像素，即灰度值低于预设下限阈值的像素点数量；
Npoe：光照过低像素，即灰度值高于预设上限阈值的像素点数量；
NI：图像像素总数量；
α:光照过低像素与光照过高像素权重系数，取值为0.5；
du:调整光源亮度值一次调整的最小单元，默认为50；
步骤(2)：光照亮度初步预测与调整，根据输入数据X＝(pos,dist)，采用预训练的支持向量回归算法预测光照亮度值，然后将数值发送给光源亮度控制器，预训练的样本数据输入为Xj＝(posj,distj)，标签数据为光照亮度等级dj；
步骤(3)：光照亮度迭代调整，从所述图像采集模块的相机中采集所述待测车体涂装表面缺陷图像，根据光照非均匀度计算公式计算其光照非均匀度值Iuneven，光照非均匀度计算公式如下：
步骤(3.1)：将光照亮度调高一个亮度单元，采集图像并计算光照非均匀度值Iuneven，比较前后两次图像非均匀度值，如果图像非均匀度值减小，则继续按照步骤3.1进行调整，如果图像非均匀度值增大，则将光照亮度恢复到前一光照亮度，然后按下一步进行调整；
步骤(3.2)：将光照亮度调低一个亮度单元，采集图像计算Iuneven，比较前后两次图像非均匀度值，前后两次图像表示当前亮度的图像和上一次亮度的图像，如果图像非均匀度值减小，则继续按照步骤3.2进行调整，如果图像非均匀度值增加，则将光照亮度恢复到前一光照亮度，然后停止调整，则此时采集的图像光照非均匀度最小，质量最优。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：
针对不确定成像条件下汽车涂装表面缺陷图像易出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法，该方法适用于光照亮度可调的移动式图像采集模块，所述移动式图像采集模块由相对位置固定的光源和图像采集相机构成，所述光源与所述图像采集相机位于同侧，所述图像质量优化方法实现步骤如下：
步骤(1)：初始化，设定如下基本变量：
首先，设定问题变量和算法参数：
pos：所述图像采集模块所在待测车体相对位置，值为1、2、3、4，分别对应所述待测车体的前、右、后、左；
dist：所述图像采集模块中所述光源到被测对象表面的直线距离；
d：所述光源的光照亮度值，取值范围为0000-9999；
Iuneven：汽车车体涂装表面缺陷图像光照非均匀度值；
Npue：光照过低像素，即灰度值低于预设下限阈值的像素点数量；
Npoe：光照过低像素，即灰度值高于预设上限阈值的像素点数量；
NI：图像像素总数量；
α:光照过低像素与光照过高像素权重系数，取值为0.5；
du:调整光源亮度值一次调整的最小单元，默认为50；
步骤(2)：光照亮度初步预测与调整，根据输入数据X＝(pos,dist)，采用预训练的支持向量回归算法预测光照亮度值，然后将数值发送给光源亮度控制器，预训练的样本数据输入为Xj＝(posj,distj)，标签数据为光照亮度等级dj；
步骤(3)：光照亮度迭代调整，从所述图像采集模块的相机中采集所述待测车体涂装表面缺陷图像，根据光照非均匀度计算公式计算其光照非均匀度值Iuneven，光照非均匀度计算公式如下：
Figure BDA0002228640240000101
步骤(3.1)：将光照亮度调高一个亮度单元，采集图像并计算光照非均匀度值Iuneven，比较前后两次图像非均匀度值，如果图像非均匀度值减小，则继续按照步骤3.1进行调整，如果图像非均匀度值增大，则将光照亮度恢复到前一光照亮度，然后按下一步进行调整；
步骤(3.2)：将光照亮度调低一个亮度单元，采集图像计算Iuneven，比较前后两次图像非均匀度值，前后两次图像表示当前亮度的图像和上一次亮度的图像，如果图像非均匀度值减小，则继续按照步骤3.2进行调整，如果图像非均匀度值增加，则将光照亮度恢复到前一光照亮度，然后停止调整，则此时采集的图像光照非均匀度最小，质量最优。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (1)

1.一种基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法，其特征在于，包括：
针对不确定成像条件下汽车涂装表面缺陷图像易出现的光照不均匀问题，提出一种基于光照亮度两阶段快速调整的图像质量优化方法，该方法适用于光照亮度可调的移动式图像采集模块，所述移动式图像采集模块由相对位置固定的光源和图像采集相机构成，所述光源与所述图像采集的相机位于同侧，所述图像质量优化方法实现步骤如下：
步骤(1)：初始化，设定如下基本变量：
设定问题变量和算法参数：
pos：所述图像采集模块所在待测车体相对位置，值为1、2、3、4，分别对应所述待测车体的前、右、后、左；
dist：所述图像采集模块中所述光源到被测对象表面的直线距离；
d：所述光源的光照亮度值，取值范围为0000-9999；
Iuneven：汽车车体涂装表面缺陷图像光照非均匀度值；
Npue：光照过低像素，即灰度值低于预设下限阈值的像素点数量；
Npoe：光照过低像素，即灰度值高于预设上限阈值的像素点数量；
NI：图像像素总数量；
α:光照过低像素与光照过高像素权重系数，取值为0.5；
du:调整光源亮度值一次调整的最小单元，默认为50；
步骤(2)：光照亮度初步预测与调整，根据输入数据X＝(pos,dist)，采用预训练的支持向量回归算法预测光照亮度值，然后将数值发送给光源亮度控制器，预训练的样本数据输入为Xj＝(posj,distj)，标签数据为光照亮度等级dj；
步骤(3)：光照亮度迭代调整，从所述图像采集模块的相机中采集所述待测车体涂装表面缺陷图像，根据光照非均匀度计算公式计算其光照非均匀度值Iuneven，光照非均匀度计算公式如下：
Figure FDA0002228640230000021
步骤(3.1)：将光照亮度调高一个亮度单元，采集图像并计算光照非均匀度值Iuneven，比较前后两次图像非均匀度值，如果图像非均匀度值减小，则继续按照步骤3.1进行调整，如果图像非均匀度值增大，则将光照亮度恢复到前一光照亮度，然后按下一步进行调整；
步骤(3.2)：将光照亮度调低一个亮度单元，采集图像计算Iuneven，比较前后两次图像非均匀度值，前后两次图像表示当前亮度采集的图像和上一次亮度采集的图像，如果图像非均匀度值减小，则继续按照步骤3.2进行调整，如果图像非均匀度值增加，则将光照亮度恢复到前一光照亮度，然后停止调整，则此时采集的图像光照非均匀度最小，质量最优。
CN201910960131.7A 2019-10-10 2019-10-10 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法 Active CN110672621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910960131.7A CN110672621B (zh) 2019-10-10 2019-10-10 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910960131.7A CN110672621B (zh) 2019-10-10 2019-10-10 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法

Publications (2)

Publication Number Publication Date
CN110672621A true CN110672621A (zh) 2020-01-10
CN110672621B CN110672621B (zh) 2021-03-05

Family

ID=69081802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910960131.7A Active CN110672621B (zh) 2019-10-10 2019-10-10 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法

Country Status (1)

Country Link
CN (1) CN110672621B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114813783A (zh) * 2022-03-31 2022-07-29 慧之安信息技术股份有限公司 芯片表面瑕疵检测方法
WO2022213427A1 (zh) * 2021-04-09 2022-10-13 武汉精测电子集团股份有限公司 一种光源及其设置方法、光学检测方法及系统
CN117252776A (zh) * 2023-09-26 2023-12-19 钛玛科（北京）工业科技有限公司 适用于多种材料的图像调整方法、装置及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410400A (en) * 1991-06-26 1995-04-25 Hitachi, Ltd. Foreign particle inspection apparatus
JPH11311510A (ja) * 1998-04-27 1999-11-09 Asahi Glass Co Ltd 微小凹凸の検査方法および検査装置
JP2004138563A (ja) * 2002-10-18 2004-05-13 Toshiba Corp 欠陥情報検出感度データの決定方法及び欠陥情報検出感度データの決定装置、欠陥検出装置の管理方法、半導体装置の欠陥検出方法及び半導体装置の欠陥検出装置
JP2006133196A (ja) * 2004-11-09 2006-05-25 Seiko Epson Corp 画素ムラ欠陥検出方法、画素ムラ欠陥検出装置、画素ムラ欠陥検出プログラムおよびこのプログラムを記録した記録媒体。
CN101396262A (zh) * 2008-10-31 2009-04-01 清华大学 一种基于线性关系的荧光分子断层成像重建方法
CN104102907A (zh) * 2014-07-19 2014-10-15 福州大学 一种消除光照不均匀的lbp人脸识别方法
CN105683704A (zh) * 2013-10-31 2016-06-15 3M创新有限公司 材料的多尺度均匀度分析
CN108269239A (zh) * 2016-12-30 2018-07-10 曦威科技股份有限公司 图像的亮度不均匀性的更正方法及相关图像亮度更正装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410400A (en) * 1991-06-26 1995-04-25 Hitachi, Ltd. Foreign particle inspection apparatus
JPH11311510A (ja) * 1998-04-27 1999-11-09 Asahi Glass Co Ltd 微小凹凸の検査方法および検査装置
JP2004138563A (ja) * 2002-10-18 2004-05-13 Toshiba Corp 欠陥情報検出感度データの決定方法及び欠陥情報検出感度データの決定装置、欠陥検出装置の管理方法、半導体装置の欠陥検出方法及び半導体装置の欠陥検出装置
JP2006133196A (ja) * 2004-11-09 2006-05-25 Seiko Epson Corp 画素ムラ欠陥検出方法、画素ムラ欠陥検出装置、画素ムラ欠陥検出プログラムおよびこのプログラムを記録した記録媒体。
CN101396262A (zh) * 2008-10-31 2009-04-01 清华大学 一种基于线性关系的荧光分子断层成像重建方法
CN105683704A (zh) * 2013-10-31 2016-06-15 3M创新有限公司 材料的多尺度均匀度分析
CN104102907A (zh) * 2014-07-19 2014-10-15 福州大学 一种消除光照不均匀的lbp人脸识别方法
CN108269239A (zh) * 2016-12-30 2018-07-10 曦威科技股份有限公司 图像的亮度不均匀性的更正方法及相关图像亮度更正装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FEI CHANG 等: "A mobile vision inspection system for tiny defect detection on smooth car-body surfaces based on deep ensemble learning", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 *
王仲共等: "光照不均匀图像的阈值分割", 《计算机应用研究》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022213427A1 (zh) * 2021-04-09 2022-10-13 武汉精测电子集团股份有限公司 一种光源及其设置方法、光学检测方法及系统
CN114813783A (zh) * 2022-03-31 2022-07-29 慧之安信息技术股份有限公司 芯片表面瑕疵检测方法
CN114813783B (zh) * 2022-03-31 2022-11-15 慧之安信息技术股份有限公司 芯片表面瑕疵检测方法
CN117252776A (zh) * 2023-09-26 2023-12-19 钛玛科（北京）工业科技有限公司 适用于多种材料的图像调整方法、装置及设备
CN117252776B (zh) * 2023-09-26 2024-04-30 钛玛科（北京）工业科技有限公司 适用于多种材料的图像调整方法、装置及设备

Also Published As

Publication number Publication date
CN110672621B (zh) 2021-03-05

Similar Documents

Publication Publication Date Title
CN110672621B (zh) 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法
CN111640157B (zh) 一种基于神经网络的棋盘格角点检测方法及其应用
CN108088845B (zh) 一种基于微弱信息保留的成像校正方法与装置
CN112819772B (zh) 一种高精度快速图形检测识别方法
CN110476056B (zh) 一种视觉检测方法、检测设备以及机器人
CN108876768B (zh) 导光板暗影缺陷检测方法
CN109977886A (zh) 货架空置率计算方法及装置、电子设备、存储介质
CN108197546A (zh) 人脸识别中光照处理方法、装置、计算机设备及存储介质
KR101051459B1 (ko) 영상의 에지를 추출하는 장치 및 방법
CN110189290A (zh) 基于深度学习的金属表面细微缺陷检测方法及装置
CN109584175B (zh) 一种图像处理方法及装置
CN110738644A (zh) 一种基于深度学习的汽车涂装表面缺陷检测方法及系统
CN107993219A (zh) 一种基于机器视觉的船板表面缺陷检测方法
CN114612345A (zh) 一种基于图像处理的光源检测方法
CN115511752A (zh) 基于bp神经网络的点坐标去畸变方法及存储介质
CN117764983A (zh) 一种用于智能制造产线的双目识别的视觉检测的方法
KR20180072020A (ko) 이미지 데이터의 보정 방법, 장치 및 컴퓨터-판독가능 저장 매체에 저장된 컴퓨터 프로그램
CN112184723B (zh) 图像处理方法及装置、电子设备、存储介质
CN115239569A (zh) 图像暗角移除方法、全景图像生成方法和相关设备
CN108805854A (zh) 一种复杂环境下药片快速计数与完整性检测方法
CN108989608B (zh) 基于线阵相机的路面图像灰度校正方法
CN116843618A (zh) 一种金属零件浅显外观缺陷检测方法
CN107085843A (zh) 用于估计光学系统中的调制传递函数的系统和方法
CN116668831A (zh) 一种多相机系统的一致性调节方法及装置
CN106803240B (zh) 一种工业图像均光处理方法

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