CN110796611B - 一种阴影和自由曲面的图像补正方法及其图像补正装置 - Google Patents
一种阴影和自由曲面的图像补正方法及其图像补正装置 Download PDFInfo
- Publication number
- CN110796611B CN110796611B CN201910935122.2A CN201910935122A CN110796611B CN 110796611 B CN110796611 B CN 110796611B CN 201910935122 A CN201910935122 A CN 201910935122A CN 110796611 B CN110796611 B CN 110796611B
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- size
- processing
- filtering
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003702 image correction Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 100
- 230000007547 defect Effects 0.000 claims abstract description 76
- 238000000605 extraction Methods 0.000 claims abstract description 64
- 230000000694 effects Effects 0.000 claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims description 81
- 230000009467 reduction Effects 0.000 claims description 30
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000008030 elimination Effects 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims 2
- 239000000126 substance Substances 0.000 claims 2
- 230000000737 periodic effect Effects 0.000 abstract description 5
- 230000002950 deficient Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 19
- 239000000428 dust Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000011946 reduction process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种阴影和自由曲面的图像补正方法及其图像补正装置,该图像补正方法包括:获取待检测图像,根据预设的抽取参数设置待检测图像的自适应参数,根据自适应参数对待检测图像进行背景估计,得到对应的背景估计图像,对待检测图像和背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别待检测图像中的背景缺陷。该技术方案对于周期性和非周期性的纹理图像均具有较好的图像补正效果和缺陷检测效果,可以在保持纹理信息的情况下突出图像的瑕疵部分,从而完成并实现灰度图像的阴影补正效果或自由曲面图像的估计效果。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种阴影和自由曲面的图像补正方法及其图像补正装置。
背景技术
对于复杂背景图像,如何有效保留前景信息,去除缺陷信息,从而完成背景估计,是缺陷检测中比较困难的问题。目前,现有背景估计方法多采用低通滤波方法来抑制高频信号。但是低通滤波方法(如高斯滤波、中值滤波、均值滤波等)无法保存物体的纹理结构信息,原始图像与估计背景图像差分后边缘信息也得到了增强,从而无法准确地达到缺陷检测的应用效果。
另一种就是利用图像的周围灰度值,在每个像素的邻域上借助最小二乘法完成曲面的插值计算,对原始图像和估计背景图像进行差值从而突出缺陷特征,该方法计算量大,无法达到实时性的要求。该方法对于非周期复杂阴影缺陷,用户在为检测设置n阶近似曲线的适当阶数n时会遇到异常情况,即使使用较大的阶数设置生成估计背景图像也会出现估计背景图像不会与原始图像匹配的问题。如果出现非周期性复杂的阴影时,难以适当地设置用于检测缺陷的近似曲线的次数n,即使在将次数n设定为较大值并生成估计背景图像的情况下,也会对原图像进行浓淡处理,造成估计背景图像与原图像的不匹配现象。此外,在不一致的部分产生近似误差,根据近似误差的不同会存在这样一个问题:由于近似误差而产生的差异无法区分,不能利用因缺陷部分而产生的差别缺陷。为了解决问题,需要将次数n设定得更大,但将次数n设定得更大时n次近似的处理时间将变长,并且追随了缺陷部分的n次近似曲线被生成,不能检测缺陷,最终使得检测动作变得不稳定,无法达到实际应用的要求。
发明内容
本发明主要解决的技术问题是如何提高背景图像中背景缺陷的检测准确度和检测效率。为解决上述技术问题,本申请公开一种阴影和自由曲面的图像补正方法及其图像补正装置。
根据第一方面,一种实施例中提供一种阴影和自由曲面的图像补正方法,包括:获取待检测图像;根据预设的抽取参数设置所述待检测图像的自适应参数;根据所述自适应参数对所述待检测图像进行背景估计,得到对应的背景估计图像;对所述待检测图像和所述背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别所述待检测图像中的背景缺陷。
所述根据预设的抽取参数设置所述待检测图像的自适应参数,包括:获取预先设置的抽取参数,所述抽取参数包括抽取大小和抽取方向;利用所述抽取大小计算所述待检测图像的自适应参数,所述自适应参数包括缩放尺寸和滤波尺寸;若定义所述抽取参数中的抽取大小为S,以及定义所述自适应参数中缩放尺寸、滤波尺寸分别为R、M,则自适应设置所述缩放尺寸和所述滤波尺寸的公式分别表示为
所述根据所述自适应参数对所述待检测图像进行背景估计,得到对应的背景估计图像,包括:按照缩小比例1/R对所述待检测图像进行缩小处理,在所述抽取方向上利用所述滤波尺寸对缩小处理后形成的图像进行滤波处理,按照放大比例R将滤波处理后形成的图像进行放大处理,以消除所述待检测图像中存在的背景缺陷,从而完成对所述待检测图像的背景估计;对所述待检测图像完成背景估计之后,形成所述待检测图像对应的背景估计图像。
在所述抽取方向上利用所述滤波尺寸对缩小处理后形成的图像进行滤波处理之后,还包括滤波尺寸的优化步骤,所述滤波尺寸的优化步骤包括:根据所述滤波尺寸和与其邻近的多个尺寸数值形成多个评价对象;对于每个所述评价对象,计算相应的对比度方差,用公式表示为
其中,I为所述待检测图像在缩小处理和滤波处理后形成的图像,(x,y)为图像中像素的坐标,W为所述待检测图像在缩小处理和滤波处理后形成的图像的宽度,H为所述待检测图像在缩小处理和滤波处理后形成的图像的高度;*表示卷积运算,N为滤波处理的滤波核且表示为
根据各个所述评价对象相应的对比度方差分别计算得到各自对应的标准差,根据所述标准差对各个所述评价对象进行全局噪声评价,所述标准差用公式表示为
选取所述全局噪声评价中最小噪声值所对应的尺寸数值更新所述滤波尺寸,更新后的滤波尺寸用于对下一次获取的待检测图像进行缩小处理和滤波处理。
所述对所述待检测图像和所述背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别所述待检测图像中的背景缺陷,包括:若定义所述待检测图像为Src(i,j),以及定义所述背景估计图像为B(i,j),(i,j)表示像素坐标,则所述差分图像用公式表示为D(i,j)=Src(i,j)-B(i,j);对所述差分图像进行图像增强处理,得到增强图像,所述增强图像用公式表示为
其中,min()表示取最小值运算,b、k分别为预设的排除干扰系数和图像强调系数;对所述增强图像进行抽取亮度处理,得到明暗图像,即为效果补正后形成的图像,在所述明暗图像中以明、暗或其结合的形式显示出所述待检测图像中的背景缺陷。
对所述增强图像进行抽取亮度处理,得到明暗图像,包括:获取抽取亮度处理的设置参数,根据所述设置参数选择对应的截断函数以抽取所述增强图像的亮度;若所述设置参数为明,则所述明暗图像用公式表示为R(i,j)=clip(D′(i,j),0,255);若所述设置参数为暗,则所述明暗图像用公式表示为R′(i,j)=clip(D′(i,j)+255,0,255);若所述设置参数为明暗,则所述明暗图像用公式表示为R″(i,j)=clip(D′(i,j)+128,0,255);其中,clip(n,l,h)为截断函数,n、l、h均为截断函数的内部参数,n<l时则截断函数输出为l,n>h时则截断函数输出为h。
所述待检测图像为二维灰度图像或三维高度图像,其中,所述二维灰度图像是由物体表面亮度信息经感光元件反射后的灰度信息形成的图像,所述三维高度图像是由物体表面的高度信息形成的自由曲面图像;所述待检测图像中存在的背景缺陷以所述二维灰度图像中灰度曲线波动的区域进行表示,或者,所述待检测图像中存在的背景缺陷以所述三维高度图像中高度曲线波动的区域进行表示。
根据第二方面,一种实施例中提供一种阴影和自由曲面的图像补正装置,包括:获取单元,用于获取待检测图像;自适应设置单元,用于根据预设的抽取参数设置所述待检测图像的自适应参数;估计单元,用于根据所述自适应参数对所述待检测图像进行背景估计,得到对应的背景估计图像;检测单元,用于对所述待检测图像和所述背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别所述待检测图像中的背景缺陷。
所述检测单元包括差分模块、增强模块和抽取亮度模块;所述差分模块用于对所述待检测图像和所述背景估计图像进行差分处理;若定义所述待检测图像为Src(i,j),以及定义所述背景估计图像为B(i,j),(i,j)表示像素坐标,则差分处理后得到的差分图像用公式表示为D(i,j)=Src(i,j)-B(i,j);所述增强模块用于对所述差分图像进行图像增强处理,得到增强图像,所述增强图像用公式表示为
其中,min()表示取最小值运算,b、k分别为预设的排除干扰系数和图像强调系数;所述抽取亮度模块用于对所述增强图像进行抽取亮度处理,得到明暗图像,即为效果补正后形成的图像;在所述明暗图像中以明、暗或其结合的形式显示出所述待检测图像中的背景缺陷。
根据第三方面,一种实施例中提供一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现如上述第一方面所述的图像补正方法。
本申请的有益效果是:
依据上述实施例的一种图像的图像补正方法及其图像补正装置,该图像补正方法包括:获取待检测图像;根据预设的抽取参数设置待检测图像的自适应参数;根据自适应参数对待检测图像进行背景估计,得到对应的背景估计图像;对待检测图像和背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别待检测图像中的背景缺陷。第一方面,本申请图像补正方法针对的是物体的表面图像,只需要自适应设置待检测图像的自适应参数就可以对待检测图像进行背景估计,从而消除图像中背景缺陷,最终得到估计效果更好的背景估计图像,利于后续的差分处理;第二方面,在对待检测图像进行背景估计时,只需要预先设置缺陷区域的大小,即可自适应出来合适的瑕疵去除参数,利于降低对操作人员的经验依赖;第三方面,由于本申请利用图像的局部信息对待检测图像的背景进行一个有效地估计,利于避免复杂的图像运算并且可以有效地提高处理速度;第四方面,本申请在得到差分图像之后,还根据设置情况进行了诸如图像增强处理、抽取亮度处理的效果补正,通过设置增益系数和排除干扰系数的下限来突出待检测图像和背景估计图像的差异,利于进一步地从差分图像中识别出图像的背景缺陷;第五方面,该技术方案对于周期性和非周期性的纹理图像均具有较好的图像补正效果和缺陷检测效果,可以在保持纹理信息的情况下突出图像的瑕疵部分,从而完成并实现图像的阴影补正效果或自由曲面估计效果;第六方面,本申请技术方案不仅适用于二维灰度图像,也可以适用于三维高度图像,对于三维高度图像可以完成高度方向上自由曲面的插值,利用通过自由曲面的估计检测得到高度方向上形成的背景缺陷;第七方面,本申请提供的图像补正装置能够在背景图案均匀连续的情况下对灰尘、缺陷或污垢等缺陷进行高精度检测,借助物体表面图像就可以识别得到异常连续背景图案上的灰尘、缺陷或污垢等缺陷。
附图说明
图1为本申请中图像补正方法的流程图;
图2为设置待检测图像的自适应参数的流程图;
图3为设置图像坐标系以及抽取方向的示意图;
图4为通过背景估计得到背景估计图像的流程图;
图5为对待检测图像和背景估计图像进行差分处理以及对差分图像进行效果补正的流程图;
图6为一个具体实施例中图像补正方法的流程示意图;
图7为一个具体实施例中待检测图像和明暗图像的对比示意图;
图8为一个具体实施例中待检测图像和明暗图像中特定一行像素上灰度曲线的对比示意图;
图9为本申请中图像补正装置的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
实施例一、
请参考图1,一种实施例中公开一种阴影和自由曲面的图像补正方法,该图像补正方法包括步骤S100-S400,下面分别说明。
步骤S100,获取待检测图像。
需要说明的是,待检测图像可以是待检测物体表面的图像,而待检测物体的表面往往存在灰尘、瑕疵、污垢等缺陷,那么,拍摄获取待检测物体表面的图像时,该些缺陷将在对应的异常连续背景图案上进行展示或呈现。
需要说明的是,可以使用CCD相机、CMOS相机或者3D相机,以及其它灰度或者彩色摄像机来完成待检测图像的获取工作,如果相机/摄像机拍摄的是彩色图像,那么需要将彩色图像转化为灰度图像以形成待检测图像。可以理解,当采用CCD相机或CMOS相机时往往采集的是二维的灰度图像,当采用3D相机时往往采集的是三维的高度图像,所以本实施例中的待检测图像既可以是二维灰度图像,也可以是三维高度图像(即高度信息形成的自由曲面图像)。
步骤S200,根据预设的抽取参数设置待检测图像的自适应参数。在一个具体实施例中,见图2,该步骤S200可以包括步骤S210-S220,分别说明如下。
步骤S210,获取预先设置的抽取参数,这里的抽取参数包括抽取大小和抽取方向。需要说明的是,抽取方向可以是图像的宽度方向、高度方向或者宽度和高度结合的方向,抽取大小可以是宽度方向上、高度方向上或者其结合方向上连续像素的个数。
例如图3,若用X-Y表示待检测图像的图像坐标系,那么可以设定的抽取方向为X方向、Y方向或者XY方向(设置XY方向是用于同时向X方向、Y方向进行像素抽取)。
步骤S220,利用抽取大小计算待检测图像的自适应参数,这里的自适应参数可以包括缩放尺寸和滤波尺寸。
在一个具体实施例中,若定义待检测图像中的抽取大小为S,以及定义自适应参数中的缩放尺寸、滤波尺寸分别为R、M,则自适应设置缩放尺寸和滤波尺寸的公式分别表示为
公式中,符号表示向上取整运算,符号表示向下取整运算,max()表示取最大值运算。得到缩放尺寸R之后,可以用1/R表示图像的缩小比例,用R表示图像的放大比例。这里的滤波尺寸M是指滤波核的大小,如果在X方向则对M×1个像素进行加权求和,如果是在Y方向则对1×M个像素进行加权求和,如果是在XY方向则对M×M个像素进行加权求和,可用于中值滤波、高斯滤波、均值滤波等低通滤波方法。
需要说明的是,在得到抽取大小S、缩放尺寸R、滤波尺寸M之后可以对其进行存储,那么在对下一个待检测图像进行处理时,可以代用该些参数以进行参考。
步骤S300,根据自适应参数对待检测图像进行背景估计,得到待检测图像对应的背景估计图像。在一个具体实施例中,见图4,该步骤S300可以包括步骤S310-S330,分别说明如下。
步骤S310,按照缩小比例1/R对待检测图像进行缩小处理,在抽取方向上利用滤波尺寸M对缩小处理后形成的图像进行滤波处理,按照放大比例R将滤波处理后形成的图像进行放大处理,如此可以消除待检测图像中存在的背景缺陷,从而完成对待检测图像的背景估计。
在一个具体实施例中,可以采用中值滤波的方法对缩小处理后形成的图像进行滤波处理。由于中值滤波将缩小处理后的图像像素替换为滤波器尺寸范围内所有像素的强度值的中值,因此宽度至少不大于滤波器尺寸M的缺陷(即宽度较小或向下取整M/2)被中值替换。此外,由于中值滤波是对缩小后的图像进行的,将移除的宽度转换为待检测图像上的宽度,从而能够计算实际可移除的检测大小,此外待检测图像上的宽度可以通过将缩减图像上的宽度乘以放大比例R的倒数来计算。例如,当缩放尺寸设置为3,并且过滤器尺寸设置为7时,可检测的缺陷大小(即当前待检测图像的大小)将不大于21个像素,尽管图像缩放尺度的增加使得处理速度更快,相反随着滤波核尺寸的增加,甚至当图像缩减时阴影图像生成的准确性也会受到更高图像畸变的不利影响。对比度不太大(图像不太失真),可以去除还原后的图像中的缺陷,保持着色图像的准确性,但相反处理时间也会增加,因此需要适当地选择图像的缩放大小和滤波大小。并且,这些计算可以保留在参考表的配置中,以缺陷大小作为参数,也可以每次使用公式时以计算的形式获取这些参数。
在本实施例中,如果对待检测图像的抽取方向为X方向,则只在X方向上进行滤波处理;如果抽取方向为Y方向,则只在Y方向上进行滤波处理;如果抽取方向为XY方向,则同时在X方向和Y方向上进行滤波处理。此外,本发明采用中值滤波器是一个二维滤波器,它将被检查像素的像素值替换为滤波器大小范围内所有像素的像素值的中值,并输出被替换的值。例如,当过滤过程在X方向执行时,过滤过程在M×1的横向方向上扩展;当过滤器进程沿Y方向执行时,沿垂直方向延伸1×M个像素。
步骤S320,在本实施例中,对待检测图像完成背景估计之后,就可以形成与待检测图像等图像大小、且无背景缺陷的图像,如此即可得到待检测图像对应的背景估计图像。
进一步地,见图3,于步骤S310内,且在抽取方向上利用滤波尺寸对缩小处理后形成的图像进行滤波处理之后,还包括滤波尺寸的优化步骤S330,该滤波尺寸的优化步骤S330包括以下过程:
(1)根据滤波尺寸M和与其邻近的多个尺寸数值(如M-3、M+3、M-5、M+5)形成多个关于滤波尺寸是否合适的评价对象,为保证尺寸数值的有效性,避免尺寸数值为负数的情形发生,这里可以限定M-3≥1,M-5≥1。在本实施例中,可以优选地根据M、M-3、M+3形成多个评价对象。
(2)对于每个评价对象,计算相应的对比度方差,由于对比度变化比较大的部分在图像中显示为边缘,因此可以采用高通滤波器对边缘进行估计,使得对比度方差可以用公式表示为
其中,I为待检测图像在缩小处理和滤波处理后形成的图像,(x,y)为图像中像素的坐标,W为待检测图像在缩小处理和滤波处理后形成的图像的宽度,H为待检测图像在缩小处理和滤波处理后形成的图像的高度;*表示卷积运算,N为滤波处理的滤波核且表示为
(3)根据各个评价对象相应的对比度方差分别计算得到各自对应的标准差,根据标准差对各个评价对象进行全局噪声评价,为了减少运算量,这里的标准差可以用公式表示为
(4)确定全局噪声评价中最小噪声值(即标准差σ为最小值时)所对应的尺寸数值更新滤波尺寸M,更新后的滤波尺寸用于对下一次获取的待检测图像进行缩小处理和滤波处理。例如,若标准差σ为最小值对应的尺寸数值是M-3,则利用M-3更新当前的滤波尺寸M,从而利用更新的滤波尺寸M-3对下一次获取的待检测图像在缩小处理后形成的图像进行滤波处理。
需要说明的是,在另一个具体实施例中,该步骤S330还可以位于步骤S310内在按照放大比例R将滤波处理后形成的图像进行放大处理之后,甚至还可以位于步骤S320内形成对应的背景估计图像之后,这里不做具体限定,只要是利用步骤S330对待检测图像在缩小处理和滤波处理之后形成的图像(而非放大处理后形成的图像)进行处理即可。
步骤S400,对待检测图像和背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别待检测图像中的背景缺陷。在一个具体实施例中,该步骤S400可以包括步骤S410-S430,分别说明如下。
步骤S410,若定义待检测图像为Src(i,j),以及定义背景估计图像为B(i,j),(i,j)表示像素坐标,则差分图像用公式表示为
D(i,j)=Src(i,j)-B(i,j) (6)
需要说明的是,待检测图像与背景估计图像进行相减操作,有利于得到噪声显著降低的差分图像。
步骤S420,对差分图像进行图像增强处理,得到增强图像,该增强图像用公式表示为
其中,min()表示取最小值运算,b、k分别为预设的排除干扰系数和图像强调系数,该图像强调系数即为图像增益;b的取值范围是0~255,k的取值范围是0~10,然而在默认值情况下,可以设置b=0、k=1。
步骤S430,对增强图像进行抽取亮度处理,得到明暗图像,也就是得到效果补正后形成的图像,在明暗图像中以明、暗或其结合的形式显示出待检测图像中的背景缺陷。
在一个具体实施例中,对增强图像进行抽取亮度处理以得到明暗图像的过程可以包括以下步骤:(1)获取抽取亮度处理的设置参数,根据设置参数选择对应的截断函数以抽取增强图像的亮度(或者是颜色),这里的设置参数包括明、暗和明暗;(2)若设置参数为明,则明暗图像用公式表示为R(i,j)=clip(D′(i,j),0,255);(3)若设置参数为暗,则明暗图像用公式表示为R′(i,j)=clip(D′(i,j)+255,0,255);(4)若设置参数为明暗,则明暗图像用公式表示为R″(i,j)=clip(D′(i,j)+128,0,255)。其中,clip(n,l,h)为截断函数,n、l、h均为截断函数的内部参数,n<l时则截断函数输出为l,n>h时则截断函数输出为h。
在本实施例中,待检测图像为二维灰度图像或者三维高度图像,其中,二维灰度图像是由物体表面亮度信息经一感光元件反射后的灰度信息形成的图像,通常可以通过CCD相机或CMOS相机直接获取二维灰度图像;其中,三维高度图像是由物体表面的高度信息形成的自由曲面图像,通常可以通过3D相机直接获取三维高度图像。
需要说明的是,若待检测图像中存在背景缺陷,那么待检测图像中存在的背景缺陷以二维灰度图像中灰度曲线波动的区域进行表示,或者待检测图像中存在的背景缺陷以三维高度图像中高度曲线波动的区域进行表示。
在一个具体实施例中,见图6,本申请请求保护的图像补正方法可以具体表述为以下的过程:(1)通过相机/摄像机获取待检测图像,保证待检测图像为二维的灰度图像或三维自由曲面表示的高度图像;(2)根据步骤S200设置且保存抽取参数,例如抽取大小、抽取方向;(3)根据步骤S300对待检测图像进行背景估计,包括执行缩小处理、滤波处理和放大处理,以及包括滤波尺寸的优化处理和根据更新后的滤波尺寸辅助处理下一次获取的待检测图像;(4)对待检测图像进行背景估计之后,形成待检测图像对应的背景估计图像,从而根据步骤S400进行差分处理,得到差分图像;(5)判断是否重设排除干扰系数b和增益系数k,若是则保存重设的排除干扰系数和增益系数,以及根据步骤S420对差分图像进行增强处理,若否则利用排除干扰系数和增益系数的默认值对差分图像进行增强处理;(6)人为或机器判断增强图像是否符合要求,即增强图像中是否能清晰地显示出背景缺陷,若是则获取增强图像以在增强图像中识别背景缺陷,若否则根据步骤S430对增强图像进行抽取亮度处理得到明暗图像,以在明暗图像中识别背景缺陷。
例如,对于具有一些背景缺陷的二维灰度图像,根据本申请提供的图像补正方法容易得到图7中待检测图像和明暗图像的对比示意图,也容易进一步地得到图8中待检测图像和明暗图像的灰度曲线,并且图8中待检测图像的灰度曲线就是图7中待检测图像上横向指示线所在像素的灰度曲线,图8中明暗图像的灰度曲线就是图7中明暗图像上相同横向指示线位置所在像素的灰度曲线,这里的明暗图像是采用抽取大小为16、排除干扰系数为0、增益系数为2、设置参数为明而一系列处理得到的效果补正后的图像,也可称为明暗图像或者阴影补正图像。通过图7可看出,待检测图像的中央区域有一个环形的背景缺陷,明暗图像中对该背景缺陷进行了有效地检测和显示,能够帮助技术人员通过明暗的亮度对比来准确地识别该背景缺陷。通过图8可以看出,待检测图像中的灰度曲线在背景缺陷处形成灰度值波动,呈现出明显的缺陷,而明暗图像中的灰度曲线较为平滑,在保持纹理信息的情况下可有效地突出背景缺陷部分,从而达到对待检测图像的阴影补正效果。
本领域的技术人员可以理解,本实施例中公开的图像补正方法可以达到以下技术优势:(1)本申请图像补正方法针对的是物体表面的图像,只需要自适应设置待检测图像的自适应参数就可以对待检测图像进行背景估计,从而消除图像中背景缺陷,最终得到估计效果更好的背景估计图像,利于后续的差分处理;(2)在对待检测图像进行背景估计时,只需要预先设置出缺陷区域的大小,即可自适应出来合适的瑕疵去除参数,利于降低对操作人员的经验依赖;(3)由于本申请利用图像的局部信息对待检测图像的背景进行一个有效地估计,利于避免复杂的图像运算并且可以有效地提高处理速度;(4)本申请在得到差分图像之后,还根据设置情况进行了诸如图像增强处理、抽取亮度处理的效果补正,通过设置增益系数和排除干扰系数的下限突出待检测图像和背景估计图像的差异,利于进一步地从差分图像中识别出图像的背景缺陷;(5)该技术方案对于周期性和非周期性的纹理图像均具有较好的图像补正效果和缺陷检测效果,可以在保持纹理信息的情况下突出图像的瑕疵部分,从而实现图像的阴影补正效果或自由曲面估计效果;(6)本申请技术方案不仅适用于二维灰度图像,也可以适用于三维高度图像,对于三维高度图像可以完成高度方向上自由曲面的插值,利用通过自由曲面的估计检测得到高度方向上形成的背景缺陷。
实施例二、
请参考图9,本申请公开一种阴影和自由曲面的图像补正装置1,其主要包括获取单元11、自适应设置单元12、估计单元13和检测单元14,下面分别说明。
获取单元11用于待检测图像。在本实施例中,待检测图像可以是待检测物体表面的图像,而待检测物体的表面往往存在灰尘、瑕疵、污垢等缺陷,那么,拍摄获取待检测物体表面的图像时,该些缺陷将在对应的异常连续背景图案上进行展示或呈现。此外,获取单元11可以与拍摄设备进行数据通信,从而借助CCD相机、CMOS相机或者3D相机,以及其它灰度或者彩色摄像机来完成待检测图像的获取工作,如果相机/摄像机拍摄的是彩色图像,那么需要将彩色图像转化为灰度图像以形成待检测图像。
需要说明的是,当采用CCD相机或CMOS相机时往往采集的是二维的灰度图像,当采用3D相机时往往采集的是三维的高度图像,所以本实施例中的待检测图像既可以是二维灰度图像,也可以是三维高度图像(即高度信息形成的自由曲面图像)。其中,二维灰度图像是由物体表面亮度信息经一感光元件反射后的灰度信息形成的图像,三维高度图像是由物体表面的高度信息形成的自由曲面图像。
自适应设置单元12与获取单元11连接,用于根据预设的抽取参数设置所述待检测图像的自适应参数,这里的抽取参数包括抽取大小和抽取方向,这里的自适应参数包括缩放尺寸和滤波尺寸。关于自适应设置单元12的功能可以参考实施例一中步骤S200,这里不再进行赘述。
估计单元13与自适应设置单元12连接,用于根据诸如缩放尺寸、滤波尺寸的自适应参数对待检测图像进行背景估计,得到待检测图像对应的背景估计图像。关于估计单元13的功能可以参考实施例一中步骤S300,这里不再进行赘述。
检测单元14与估计单元13连接,用于对待检测图像和背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别待检测图像中的背景缺陷。其中,效果补正的过程可以包括对差分图像的增强处理,以及对增强处理得到的增强图像进行的抽取亮度处理。关于检测单元14的功能可以参考实施例一中步骤S400,这里不再进行赘述。
在一具体实施例中,检测单元14可以包括差分模块、增强模块和抽取亮度模块(在图9中未进行示意)。
其中,差分模块用于对待检测图像和背景估计图像进行差分处理。例如,若定义待检测图像为Src(i,j),以及定义背景估计图像为B(i,j),(i,j)表示像素坐标,则差分处理后得到的差分图像用公式表示为D(i,j)=Src(i,j)-B(i,j)。
其中,增强模块用于对差分图像进行图像增强处理,得到增强图像,该增强图像用公式表示为
其中,min()表示取最小值运算,b、k分别为预设的排除干扰系数和图像强调系数。b的取值范围是0~255,k的取值范围是0~10,然而在默认值情况下,可以设置b=0、k=1。
其中,抽取亮度模块用于对增强图像进行抽取亮度处理,得到明暗图像,即为效果补正后形成的图像;在明暗图像中以明、暗或其结合的形式显示出待检测图像中的背景缺陷,如此可以达到识别背景缺陷的目的。
进一步地,见图9,本申请请求保护的图像补正装置1还包括存储单元15和参数预设单元16。该存储单元15与自适应设置单元12、估计单元13进行连接,用于存储自适应设置单元12中设置的抽取大小、抽取方向的参数,以及存储估计单元13中设置的缩放尺寸、滤波尺寸的参数,以便根据该些参数对下一次获取的待检测图像进行背景估计时,调用并参考该些参数。参数预设单元16与检测单元14连接,用于在对差分图像进行图像增强处理时设置排除干扰系数和图像强调系数,以及用于在对增强图像进行抽取亮度处理时设置抽取亮度处理的设置参数。
本领域的技术人员可以理解,通过本实施例中公开的图像补正装置1可以实现以下应用优势:(1)图像补正装置不仅适用处理二维灰度图像,也可以适用处理三维高度图像,对于三维高度图像可以完成高度方向上自由曲面的插值,利用通过自由曲面的估计检测得到高度方向上形成的背景缺陷;(4)本申请提供的图像补正装置能够在背景图案均匀连续的情况下对灰尘、缺陷或污垢等缺陷进行高精度检测,借助物体表面图像就可以识别得到异常连续背景图案上的灰尘、缺陷或污垢等缺陷。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (8)
1.一种阴影和自由曲面的图像补正方法,其特征在于,包括:
获取待检测图像;
根据预设的抽取参数设置所述待检测图像的自适应参数包括:获取预先设置的抽取参数,所述抽取参数包括抽取大小和抽取方向;利用所述抽取大小计算所述待检测图像的自适应参数,所述自适应参数包括缩放尺寸和滤波尺寸;
其中,所述利用所述抽取大小计算所述待检测图像的自适应参数包括:若定义所述抽取参数中的抽取大小为S,以及定义所述自适应参数中的缩放尺寸、滤波尺寸分别为R、M,则自适应设置所述缩放尺寸和所述滤波尺寸的公式分别表示为
根据所述自适应参数对所述待检测图像进行背景估计,得到对应的背景估计图像包括:按照缩小比例对所述待检测图像进行缩小处理,在所述抽取方向上利用所述滤波尺寸对缩小处理后形成的图像进行滤波处理,按照放大比例将滤波处理后形成的图像进行放大处理,以消除所述待检测图像中存在的背景缺陷,从而完成对所述待检测图像的背景估计,对所述待检测图像完成背景估计之后,形成所述待检测图像对应的背景估计图像;
对所述待检测图像和所述背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别所述待检测图像中的背景缺陷。
2.如权利要求1所述的图像补正方法,其特征在于,在所述抽取方向上利用所述滤波尺寸对缩小处理后形成的图像进行滤波处理之后,还包括滤波尺寸的优化步骤,所述滤波尺寸的优化步骤包括:
根据所述滤波尺寸和与其邻近的多个尺寸数值形成多个评价对象;
对于每个所述评价对象,计算相应的对比度方差,用公式表示为
其中,I为所述待检测图像在缩小处理和滤波处理后形成的图像,(x, y)为图像中像素的坐标,W为所述待检测图像在缩小处理和滤波处理后形成的图像的宽度,H为所述待检测图像在缩小处理和滤波处理后形成的图像的高度;*表示卷积运算,N为滤波处理的滤波核且表示为
根据各个所述评价对象相应的对比度方差分别计算得到各自对应的标准差,根据所述标准差对各个所述评价对象进行全局噪声评价,所述标准差用公式表示为
选取所述全局噪声评价中最小噪声值所对应的尺寸数值更新所述滤波尺寸,更新后的滤波尺寸用于对下一次获取的待检测图像进行缩小处理和滤波处理。
3.如权利要求1或2所述的图像补正方法,其特征在于,所述对所述待检测图像和所述背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别所述待检测图像中的背景缺陷,包括:
若定义所述待检测图像为Src(i,j),以及定义所述背景估计图像为B(i,j),(i,j)表示像素坐标,则所述差分图像用公式表示为
对所述差分图像进行图像增强处理,得到增强图像,所述增强图像用公式表示为
其中,min( )表示取最小值运算,b、k分别为预设的排除干扰系数和图像强调系数;
对所述增强图像进行抽取亮度处理,得到明暗图像,即为效果补正后形成的图像,在所述明暗图像中以明、暗或其结合的形式显示出所述待检测图像中的背景缺陷。
5.如权利要求1或2所述的图像补正方法,其特征在于,所述待检测图像为二维灰度图像或三维高度图像,其中,所述二维灰度图像是由物体表面亮度信息经一感光元件反射后的灰度信息形成的图像,所述三维高度图像是由物体表面的高度信息形成的自由曲面图像;
所述待检测图像中存在的背景缺陷以所述二维灰度图像中灰度曲线波动的区域进行表示,或者所述待检测图像中存在的背景缺陷以所述三维高度图像中高度曲线波动的区域进行表示。
6.一种阴影和自由曲面的图像补正装置,其特征在于,包括:
获取单元,用于获取待检测图像;
自适应设置单元,用于根据预设的抽取参数设置所述待检测图像的自适应参数包括:所述自适应设置单元获取预先设置的抽取参数,所述抽取参数包括抽取大小和抽取方向,以及利用所述抽取大小计算所述待检测图像的自适应参数,所述自适应参数包括缩放尺寸和滤波尺寸;
其中,所述利用所述抽取大小计算所述待检测图像的自适应参数包括:若定义所述抽取参数中的抽取大小为S,以及定义所述自适应参数中的缩放尺寸、滤波尺寸分别为R、M,则自适应设置所述缩放尺寸和所述滤波尺寸的公式分别表示为
估计单元,用于根据所述自适应参数对所述待检测图像进行背景估计,得到对应的背景估计图像包括:所述估计单元按照缩小比例对所述待检测图像进行缩小处理,在所述抽取方向上利用所述滤波尺寸对缩小处理后形成的图像进行滤波处理,按照放大比例将滤波处理后形成的图像进行放大处理,以消除所述待检测图像中存在的背景缺陷,从而完成对所述待检测图像的背景估计,对所述待检测图像完成背景估计之后,形成所述待检测图像对应的背景估计图像;
检测单元,用于对所述待检测图像和所述背景估计图像进行差分处理,以及对差分处理得到的差分图像进行效果补正,利用效果补正后形成的图像识别所述待检测图像中的背景缺陷。
7.如权利要求6所述的图像补正装置,其特征在于,所述检测单元包括差分模块、增强模块和抽取亮度模块;
所述差分模块用于对所述待检测图像和所述背景估计图像进行差分处理;若定义所述待检测图像为Src(i,j),以及定义所述背景估计图像为B(i,j),(i,j)表示像素坐标,则差分处理后得到的差分图像用公式表示为
所述增强模块用于对所述差分图像进行图像增强处理,得到增强图像,所述增强图像用公式表示为
其中,min( )表示取最小值运算,b、k分别为预设的排除干扰系数和图像强调系数;
所述抽取亮度模块用于对所述增强图像进行抽取亮度处理,得到明暗图像,即为效果补正后形成的图像;在所述明暗图像中以明、暗或其结合的形式显示出所述待检测图像中的背景缺陷。
8.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-5中任一项所述的图像补正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935122.2A CN110796611B (zh) | 2019-09-29 | 2019-09-29 | 一种阴影和自由曲面的图像补正方法及其图像补正装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935122.2A CN110796611B (zh) | 2019-09-29 | 2019-09-29 | 一种阴影和自由曲面的图像补正方法及其图像补正装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796611A CN110796611A (zh) | 2020-02-14 |
CN110796611B true CN110796611B (zh) | 2022-04-15 |
Family
ID=69440008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910935122.2A Active CN110796611B (zh) | 2019-09-29 | 2019-09-29 | 一种阴影和自由曲面的图像补正方法及其图像补正装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796611B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708545A (zh) * | 2012-04-13 | 2012-10-03 | 泰山学院 | 一种非局部变换域图像增强方法 |
CN104166986A (zh) * | 2014-07-07 | 2014-11-26 | 广东工业大学 | 一种条状物体表面缺陷在线视觉注意力检测方法 |
CN107203980A (zh) * | 2017-05-31 | 2017-09-26 | 常州工学院 | 自适应多尺度暗通道先验的水下目标探测图像增强方法 |
-
2019
- 2019-09-29 CN CN201910935122.2A patent/CN110796611B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708545A (zh) * | 2012-04-13 | 2012-10-03 | 泰山学院 | 一种非局部变换域图像增强方法 |
CN104166986A (zh) * | 2014-07-07 | 2014-11-26 | 广东工业大学 | 一种条状物体表面缺陷在线视觉注意力检测方法 |
CN107203980A (zh) * | 2017-05-31 | 2017-09-26 | 常州工学院 | 自适应多尺度暗通道先验的水下目标探测图像增强方法 |
Non-Patent Citations (1)
Title |
---|
基于背景差分的高铁钢轨表面缺陷图像分割;贺振东等;《仪器仪表学报》;20160810;第640-649页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110796611A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019148739A1 (zh) | 一种模糊图像综合处理方法和系统 | |
CN106027851B (zh) | 用于处理图像的方法和系统 | |
US8086024B2 (en) | Defect detection apparatus, defect detection method and computer program | |
US9341579B2 (en) | Defect detection apparatus, defect detection method, and computer program | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
CN107945119B (zh) | 基于拜耳模式的图像内相关噪声估计方法 | |
CN113744142A (zh) | 图像修复方法、电子设备及存储介质 | |
CN110796611B (zh) | 一种阴影和自由曲面的图像补正方法及其图像补正装置 | |
CN109949292B (zh) | 一种带钢表面缺陷的检测方法及装置 | |
CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 | |
JP2023104915A (ja) | 画像処理方法、装置及び記憶媒体 | |
JP2006226837A (ja) | しみ検査方法及びしみ検査装置 | |
CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 | |
CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
CN115034988A (zh) | 一种基于rgbd相机的两阶段主体点云滤波方法 | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
CN115272173A (zh) | 锡球缺陷检测方法及其装置、计算机设备、存储介质 | |
CN114418874A (zh) | 一种低照度图像增强方法 | |
JP2006133055A (ja) | ムラ欠陥検出方法及び装置、空間フィルタ、ムラ欠陥検査システム並びにムラ欠陥検出方法のプログラム | |
Robinson et al. | Blind deconvolution of Gaussian blurred images containing additive white Gaussian noise | |
CN114418902B (zh) | 图像修复方法和计算机可读存储介质 | |
JP2005303705A (ja) | 画像処理装置および方法 | |
JP2003141550A (ja) | 位置検出方法 | |
CN111915497A (zh) | 一种图像黑白增强方法、装置、电子设备和可读存储介质 |
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 |